据质量问题#05：缺乏属性的唯一性和意义

白衣俊郎

2024-09-29

我们经常发现与数据集属性或列相关的问题。很多时候数据模型没有明确定义，因此结果信息被认为是不可用的。发现的常见问题有：

存在具有相同名称的多个列，其中包含一条记录的不同信息。

存在具有不同名称的多个列，这在技术上意味着相同的事物，因此存储相同的信息。

列标题不明确，会使数据输入操作者混淆要在列中存储的内容。

有些列总是留空;要么是因为它们已被弃用，要么是没有获取此类信息的来源。

有些列从未使用过，因此被不必要地存储。

所有这些场景都描述了数据集中的属性管理不善，并增加了数据质量问题的数量。