名寄せ

表記の揺れや重複のあるデータから、同一の人物や企業を指すものを突き合わせて1つにまとめる処理。顧客データの統合に不可欠で、正確に行わないと集計や分析の結果が歪む。

複数のデータに散在する同一の対象を突き合わせて一つにまとめる作業。表記ゆれや入力揺らぎを吸収し、マスターデータの整合性と一貫性を確保する。

複数のデータソースに分散する同一の対象（顧客や取引先など）のレコードを見つけて、1つにまとめる処理。項目の一致や類似度で同一とみなす候補を探すマッチング、統合するマージ、誤って統合したものを戻す分割、結果の確認・是正の手順で行い、マスターデータのゴールデンレコードを作る。

データが利用目的に照らしてどの程度適切に使える状態にあるかの度合い。正確性、完全性、一貫性、最新性などの特性で評価し、品質が低いと分析の結果や意思決定を誤らせるため、測定と改善を継続的に行う。

本来値が入るべき項目にデータが存在しない状態、またはその項目。対処には、欠損を含むレコードや項目を分析から除外する方法と、平均値・中央値・最頻値や前後の値、回帰などによる予測値で補完する方法があり、欠損が生じた理由によって結果に偏りが生じないかに注意する。

他の多くの観測値から大きく離れた値。箱ひげ図や、平均から標準偏差の3倍以上離れているかなどの基準で検出する。入力ミスなどの誤りであれば修正・削除するが、まれでも正しい値は重要な情報を含むため、原因を確かめてから扱いを決める。

外れ値のうち、測定機器の故障や入力・記録の誤りなど原因が特定でき、本来の値として扱うべきでないもの。原因を確かめて正しい値に修正するか、修正できなければ削除する。統計的に離れているだけで正しい可能性のある外れ値とは区別して扱う。

同じ意味の語や値が、異なる書き方で記録されていること。全角と半角、「株式会社」と「(株)」、旧字体と新字体、住所の書き方の違いなどがあり、集計や名寄せの誤りの原因になる。データクレンジングで、変換ルールや辞書を用いて表記を統一する。

収集したデータを分析や機械学習に使える状態に整える作業の総称。データの探索、クレンジング、形式の変換、結合、集計、特徴量の作成などを含み、専用のツールを使って業務部門の利用者自身が行うこともある。分析作業の多くの時間を占めるとされる。