數據質量是保證數據應用的基本，它的評估標準首要包括四個方面，完整性、共同性、精確性、及時性。評估數據是否抵達預期設定的質量要求，就可以通過這四個方面來進行判別。
完整性
完整性指的是數據信息是否存在缺失的情況，數據缺失的情況可能是整個數據記載缺失，也可能是數據中某個字段信息的記載缺失。不完整的數據所能學習的價值就會大大下降，也是數據質量最為基本的一項評估標準。
數據質量的完整性比較簡單去評估，一般我們可以通過數據計算中的記載值和僅有值進行評估。例如，網站日誌日訪問量就是一個記載值，往常的日訪問量在 1000 左右，突然某一天降到100了，需求查看一下數據是否存在缺失了。再例如，網站計算地域分佈情況的每一個區域名就是一個僅有值，我國包括了32個省和直轄 市，如果計算得到的僅有值小於32，則可以判別數據有可能存在缺失。
共同性
共同性是指數據是否遵從了共同的標準，數據集結是否堅持了共同的格式。
數據質量的共同性首要體現在數據記載的標準和數據是否符合邏輯。標準指的是，一項數據存在它特定的格式，例如手機號碼必定是13位的數字，IP地址必定 是由 4個0到255間的數字加上”.”組成的。邏輯指的是，多項數據間存在著固定的邏輯關係，例如PV必定是大於等於UV的，跳出率必定是在0到1之間的。
一般的數據都有著標準的編碼規矩，關於數據記載的共同性查驗是較為簡單的，只需符合標準編碼規矩即可，例如區域類的標準編碼格式為“北京”而不是“北京市”，我們只需將相應的僅有值映射到標準的僅有值上就可以了。
精確性
精確性是指數據記載的信息是否存在失常或差錯。和共同性不一樣，存在精確性問題的數據不只是只是規矩上的不共同。最為常見的數據精確性差錯就如亂碼。其次，失常的大或許小的數據也是不符合條件的數據。
數據質量的精確性可能存在於單個記載，也可能存在於整個數據集，例如數量級記載差錯。這類差錯則可以運用最大值和最小值的計算量去審理。
一般數據都符合正態分佈的規矩，如果一些佔比少的數據存在問題，則可以通過比較其他數量少的數據比例，來做出判別。
當然如果計算的數據失常並不明顯，但仍然存在著差錯，這類值的查看是最為困難的，需求通過凌亂的計算分析對比找到蛛絲馬跡，這兒可以憑仗一些數據分析東西，那麼具體的數據修改方法就不在這兒介紹了。
及時性
及時性是指數據從發作到可以查看的時間間隔，也叫數據的延時時長。及時性關於數據分析本身要求並不高，但如果數據分析週期加上數據建立的時間過長，就可能導致分析得出的結論失去了學習意義。
閱讀更多 一言分享 的文章
