Data CleaningSince a data warehouse

Data Cleaning
Since a data warehouse is used for decision making, it is
important that the data in the warehouse be correct. However,
since large volumes of data from multiple sources are
involved, there is a high probability of errors and anomalies
in the data.. Therefore, tools that help to detect data
anomalies and correct them can have a high payoff. Some
examples where data cleaning becomes necessary are:
inconsistent field lengths, inconsistent descriptions,
inconsistent value assignments, missing entries and violation
of integrity constraints. Not surprisingly, optional fields in
data entry forms are significant sources of inconsistent data.

Results (Thai) 1:

ทำความสะอาดข้อมูลเนื่องจากคลังข้อมูลใช้สำหรับการตัดสินใจ เป็นสำคัญที่ถูกต้องของข้อมูลในคลังสินค้า อย่างไรก็ตามเนื่องจากมีข้อมูลจากแหล่งต่าง ๆ จำนวนมากเกี่ยวข้อง มีความสูงของข้อผิดพลาดและความผิดข้อมูล... ดังนั้น เครื่องมือที่ช่วยตรวจสอบข้อมูลความผิด และถูกต้องพวกเขาสามารถมีผลตอบแทนสูง บางตัวอย่างที่ทำความสะอาดข้อมูลกลายเป็นความจำเป็นได้แก่:ความยาวเขตข้อมูลที่สอดคล้องกัน คำอธิบายไม่สอดคล้องกันกำหนดค่าที่ไม่สอดคล้องกัน ขาดรายการและละเมิดข้อจำกัดความ ไม่น่าแปลกใจ เขตข้อมูลในแบบฟอร์มรายการข้อมูลเป็นแหล่งสำคัญของข้อมูลที่ไม่สอดคล้องกัน

Results (Thai) 2:

การทำความสะอาดข้อมูล
ตั้งแต่คลังข้อมูลที่ใช้สำหรับการตัดสินใจมันเป็น
สิ่งสำคัญที่ข้อมูลในคลังสินค้าถูกต้อง แต่
เนื่องจากปริมาณข้อมูลขนาดใหญ่จากหลายแหล่งได้รับการ
มีส่วนร่วมมีความน่าจะเป็นสูงของข้อผิดพลาดและความผิดปกติ
ในข้อมูล .. ดังนั้นเครื่องมือที่ช่วยในการตรวจสอบข้อมูลที่
ผิดปกติและถูกต้องพวกเขาสามารถมีผลตอบแทนสูง บาง
ตัวอย่างที่ทำความสะอาดข้อมูลที่มีความจำเป็นคือ
ความยาวสนามที่ไม่สอดคล้องกันคำอธิบายที่ไม่สอดคล้องกัน
การกำหนดค่าที่ไม่สอดคล้องกันรายการที่ขาดหายไปและการละเมิด
ข้อ จำกัด ของความสมบูรณ์ ไม่น่าแปลกใจฟิลด์ตัวเลือกใน
รูปแบบการป้อนข้อมูลเป็นแหล่งสำคัญของข้อมูลที่ไม่สอดคล้องกัน

Results (Thai) 3:

การทำความสะอาดข้อมูล
ตั้งแต่คลังสินค้าของข้อมูลที่ใช้ในการตัดสินใจ มันคือ
สำคัญที่ข้อมูลในคลังสินค้าให้ถูกต้อง อย่างไรก็ตาม
เนื่องจากปริมาณมากของข้อมูลจากแหล่งข้อมูลหลายที่
เกี่ยวข้อง มีความน่าจะเป็นสูงของข้อผิดพลาดและความผิดปกติ
ในข้อมูล . . . . . . . ดังนั้นเครื่องมือที่ช่วยตรวจสอบความผิดปกติของข้อมูล
และแก้ไขให้ถูกต้องได้ผลตอบแทนสูง บาง
ตัวอย่างที่กลายเป็นความจำเป็นข้อมูล :
ไม่สอดคล้องด้านความยาว ไม่อธิบาย
งานมูลค่าไม่ขาดรายการและการละเมิด
ข้อจำกัดของความสมบูรณ์ ไม่น่าแปลกใจ , ตัวเลือกเขตข้อมูลในรูปแบบรายการ
ข้อมูลเป็นแหล่งสําคัญของข้อมูลที่ไม่สอดคล้องกัน