day_ue的博客

数据清洗是数据分析的重要步骤之一，通过处理和修正不符合预期、不完整或错误的数据来提高数据的质量和准确性。数据清洗包括数据去重、缺失值处理、异常值处理、格式转换等。数据清洗的基本流程包括数据预处理、数据去重、缺失值处理、异常值处理、数据格式转换、归一化和标准化、数据合并和切分等。数据清洗需要根据实际情况选择合适的方法和技术，避免对数据造成过度干扰，提高数据分析的可靠性和效率。

业务架构、数据架构、应用架构、技术架构区别对比

数据面试题总结近源层（ods）存放原始数据，直接加载原始日志、数据，数据保存原貌不做处理仓库整合层明细数据层（dwd）结构与粒度原始表保持一致，对ODS层数据进行清洗（去除空值、脏数据、超过极限范围的数据）服务数据层（dws）以DWD为基础，进行轻度汇总应用层（ads）以DWD为基础，进行轻度汇总1.2 风层的意义**空间换时间：**通过建设多层次的数据模型供用户使用，避免用户直接使用操作型数据，可以更高效的访问数据把复杂问题简

数仓建设意义、分层、建设流程