大數(shù)據(jù)高職系列教材之?dāng)?shù)據(jù)清洗PPT課件：第1章-概論

1、大數(shù)據(jù)應(yīng)用人才培養(yǎng)系列教材數(shù)據(jù)清洗第一章概論1.1 數(shù)據(jù)清洗概述1.2 數(shù)據(jù)標(biāo)準(zhǔn)化1.3 數(shù)據(jù)倉庫大數(shù)據(jù)應(yīng)用人才培養(yǎng)系列教材習(xí)題1.1數(shù)據(jù)清洗概述1.1.1 數(shù)據(jù)科學(xué)過程 數(shù)據(jù)科學(xué)則是一門新興的以數(shù)據(jù)為研究中心的學(xué)科。作為一門學(xué)科，數(shù)據(jù)科學(xué)以數(shù)據(jù)的廣泛性和多樣性為基礎(chǔ)，探尋數(shù)據(jù)研究的共性。 數(shù)據(jù)科學(xué)是一門關(guān)于數(shù)據(jù)的工程，它需要同時(shí)具備理論基礎(chǔ)和工程經(jīng)驗(yàn)，需要掌握各種工具的用法。數(shù)據(jù)科學(xué)主要包括兩個(gè)方面：用數(shù)據(jù)的方法來研究科學(xué)和用科學(xué)的方法來研究數(shù)據(jù)。 數(shù)據(jù)清洗是數(shù)據(jù)科學(xué)家完成數(shù)據(jù)分析和處理任務(wù)過程中必須面對(duì)的重要一環(huán)。具體來說，數(shù)據(jù)科學(xué)的一般處理過程包括如下幾個(gè)步驟： 問題陳述，明確需要解決的

2、問題和任務(wù)。 數(shù)據(jù)收集與存儲(chǔ)，通過多種手段采集和存放來自眾多數(shù)據(jù)源的數(shù)據(jù)。數(shù)據(jù)清洗，對(duì)數(shù)據(jù)進(jìn)行針對(duì)性地整理和規(guī)范以便于后面的分析和處理。數(shù)據(jù)分析和挖掘，運(yùn)用特定模型和算法來尋求數(shù)據(jù)中隱含的知識(shí)和規(guī)律。數(shù)據(jù)呈現(xiàn)和可視化，以恰當(dāng)?shù)姆绞匠绦驍?shù)據(jù)分析和挖掘的結(jié)果?？茖W(xué)決策：根據(jù)數(shù)據(jù)分析和處理結(jié)果來決定問題的解決方案。1.1.2 數(shù)據(jù)清洗定義 來自多樣化數(shù)據(jù)源的數(shù)據(jù)內(nèi)容并不完美，存在著許多“臟數(shù)據(jù)”，即數(shù)據(jù)不完整有缺失、存在錯(cuò)誤和重復(fù)的數(shù)據(jù)，數(shù)據(jù)的不一致和沖突等缺陷。數(shù)據(jù)清洗(Data Cleaning/Cleansing)對(duì)數(shù)據(jù)進(jìn)行審查和校驗(yàn)，發(fā)現(xiàn)不準(zhǔn)確、不完整或不合理數(shù)據(jù)，進(jìn)而刪除重復(fù)信息、糾正存在

3、的錯(cuò)誤，并保持?jǐn)?shù)據(jù)的一致性、精確性、完整性和有效性以提高數(shù)據(jù)的質(zhì)量。 數(shù)據(jù)清洗并沒有統(tǒng)一的定義，其定義依賴于具體的應(yīng)用領(lǐng)域。從廣義上講，數(shù)據(jù)清洗是將原始數(shù)據(jù)進(jìn)行精簡(jiǎn)以去除冗余和消除不一致，并使剩余的數(shù)據(jù)轉(zhuǎn)換成可接收的標(biāo)準(zhǔn)格式的過程；而狹義上的數(shù)據(jù)清洗特指在構(gòu)建數(shù)據(jù)倉庫和實(shí)現(xiàn)數(shù)據(jù)挖掘前對(duì)數(shù)據(jù)源進(jìn)行處理，使數(shù)據(jù)實(shí)現(xiàn)準(zhǔn)確性、完整性、一致性、唯一性和有效性以適應(yīng)后續(xù)操作的過程。一般而言，凡是有助于提高信息系統(tǒng)數(shù)據(jù)質(zhì)量的處理過程，都可認(rèn)為是數(shù)據(jù)清洗。1.1數(shù)據(jù)清洗概述1.1.3 數(shù)據(jù)清洗任務(wù) 數(shù)據(jù)清洗就是對(duì)原始數(shù)據(jù)進(jìn)行重新審查和校驗(yàn)的過程，目的在于刪除重復(fù)信息、糾正存在的錯(cuò)誤，并使得數(shù)據(jù)保持精確性、完整

4、性、一致性、有效性及唯一性，還可能涉及數(shù)據(jù)的分解和重組，最終將原始數(shù)據(jù)轉(zhuǎn)換為滿足數(shù)據(jù)質(zhì)量或應(yīng)用要求的數(shù)據(jù)。 數(shù)據(jù)清洗對(duì)保持?jǐn)?shù)據(jù)的一致和更新起著重要的作用，因此被用于如銀行、保險(xiǎn)、零售、電信和交通的多個(gè)行業(yè)3。數(shù)據(jù)清洗主要有三個(gè)應(yīng)用領(lǐng)域：數(shù)據(jù)倉庫(Data Warehouse, DW)、數(shù)據(jù)庫中知識(shí)的發(fā)現(xiàn)(Knowledge Discovery in Database, KDD)和數(shù)據(jù)質(zhì)量管理(Data Quality Management, DQM)。 數(shù)據(jù)清洗對(duì)隨后的數(shù)據(jù)分析非常重要，因?yàn)樗芴岣邤?shù)據(jù)分析的準(zhǔn)確性。但是數(shù)據(jù)清洗依賴復(fù)雜的關(guān)系模型，會(huì)帶來額外的計(jì)算和延遲開銷，必須在數(shù)據(jù)清洗模型

5、的復(fù)雜性和分析結(jié)果的準(zhǔn)確性之間進(jìn)行平衡。1.1數(shù)據(jù)清洗概述1.1.4 數(shù)據(jù)清洗流程 數(shù)據(jù)清洗通過分析“臟數(shù)據(jù)”的產(chǎn)生原因和存在形式，利用數(shù)據(jù)溯源的思想，從“臟數(shù)據(jù)”產(chǎn)生的源頭開始分析數(shù)據(jù)，對(duì)數(shù)據(jù)流經(jīng)環(huán)節(jié)進(jìn)行考察，提取數(shù)據(jù)清洗的規(guī)則和策略，對(duì)原始數(shù)據(jù)集應(yīng)用數(shù)據(jù)清洗規(guī)則和策略來發(fā)現(xiàn)“臟數(shù)據(jù)”并通過特定的清洗算法來清洗“臟數(shù)據(jù)”，從而得到滿足預(yù)期要求的數(shù)據(jù)。具體而言，數(shù)據(jù)清洗流程包含以下基本步驟：1.1數(shù)據(jù)清洗概述1分析數(shù)據(jù)并定義清洗規(guī)則 2搜尋并標(biāo)識(shí)錯(cuò)誤實(shí)例3糾正發(fā)現(xiàn)的錯(cuò)誤4干凈數(shù)據(jù)回流5數(shù)據(jù)清洗的評(píng)判數(shù)據(jù)清洗是一項(xiàng)十分繁重的工作，數(shù)據(jù)清洗在提高數(shù)據(jù)質(zhì)量的同時(shí)要付出一定的代價(jià)，包括投入的時(shí)間、人力

6、和物力成本。通常情況下，大數(shù)據(jù)集的數(shù)據(jù)清洗是一個(gè)系統(tǒng)性的工作，需要多方配合以及大量人員的參與，需要多種資源的支持。1.1.5 數(shù)據(jù)清洗環(huán)境1.1數(shù)據(jù)清洗概述 數(shù)據(jù)清洗環(huán)境是指為進(jìn)行數(shù)據(jù)清洗所提供的基本硬件設(shè)備和軟件系統(tǒng)，特別是已得到廣泛應(yīng)用的開源軟件和工具。 終端窗口和命令行界面，比如Mac OS X上的Terminal程序或Linux上的bash程序。 適合程序員使用的編輯器，如Mac上的Text Wrangler，Linux上的vi或emacs，或是Windows上的Notepad+、Sublime編輯器等。Python客戶端程序，如Enthought Canopy。另外，還需要足夠的權(quán)限

7、來安裝一些程序包文件。電子表格程序，如Microsoft Excel和Google Spreadsheets。數(shù)據(jù)呈現(xiàn)和可視化，以恰當(dāng)?shù)姆绞匠绦驍?shù)據(jù)分析和挖掘的結(jié)果。數(shù)據(jù)庫軟件，如MySQL數(shù)據(jù)庫和Microsoft Access。1.1.6 數(shù)據(jù)清洗實(shí)例說明1.1數(shù)據(jù)清洗概述 以網(wǎng)站文件下載為例，假定一組記錄文件下載時(shí)間長度的原始數(shù)據(jù)集如表1-1所示。直接計(jì)算網(wǎng)站文件平均下載時(shí)長，計(jì)算結(jié)果約為23000秒，約6小時(shí)，與實(shí)際情況嚴(yán)重不符，說明這一數(shù)據(jù)集受到了顯著的噪聲的影響而導(dǎo)致部分?jǐn)?shù)據(jù)值出現(xiàn)嚴(yán)重偏差。為此，必須對(duì)原始數(shù)據(jù)集做異常值識(shí)別并盡可能剔除錯(cuò)誤數(shù)據(jù)。表1-1 各個(gè)文件的下載時(shí)間1.1.

8、6 數(shù)據(jù)清洗實(shí)例說明1.1數(shù)據(jù)清洗概述 具體來說，可以基于數(shù)據(jù)的分布特征利用分箱法或聚類法來識(shí)別上例數(shù)據(jù)集中的噪聲數(shù)據(jù)。對(duì)于表1中的數(shù)據(jù)，清洗數(shù)據(jù)時(shí)首先將數(shù)據(jù)集等分為2403個(gè)區(qū)間，找到數(shù)據(jù)的集中域0, 3266。然后，利用分箱法對(duì)取值在0, 3266之間的數(shù)據(jù)作進(jìn)一步分析，對(duì)新數(shù)據(jù)組剔除離群值，得到清洗后的離群數(shù)據(jù)組。最后，統(tǒng)計(jì)計(jì)算清洗后的目標(biāo)數(shù)據(jù)源的平均下載時(shí)長為192.93秒，約3.22分鐘，符合網(wǎng)站文件下載的實(shí)際情況。從這個(gè)簡(jiǎn)單的例子可看出，基于數(shù)據(jù)的分布特征，數(shù)據(jù)清洗可以采用分箱法或聚類方法較為快捷地識(shí)別和剔除數(shù)據(jù)集中的噪聲數(shù)據(jù)，從而獲得良好的清洗效果。圖1 基于聚類的孤立點(diǎn)識(shí)別大數(shù)

9、據(jù)應(yīng)用人才培養(yǎng)系列教材第一章概論1.1 數(shù)據(jù)清洗概述1.2 數(shù)據(jù)標(biāo)準(zhǔn)化1.3 數(shù)據(jù)倉庫習(xí)題1.2.1 數(shù)據(jù)標(biāo)準(zhǔn)化概念 數(shù)據(jù)標(biāo)準(zhǔn)化/規(guī)范化（Data Standardization/Normalization）是機(jī)構(gòu)或組織對(duì)數(shù)據(jù)的定義、組織、分類、記錄、編碼、監(jiān)督和保護(hù)進(jìn)行標(biāo)準(zhǔn)化的過程，有利于數(shù)據(jù)的共享和管理，可以節(jié)省費(fèi)用，提高數(shù)據(jù)使用效率和可用性。 數(shù)據(jù)標(biāo)準(zhǔn)化處理主要包括數(shù)據(jù)同趨化處理和無量綱化處理兩個(gè)方面。數(shù)據(jù)同趨化處理主要解決不同性質(zhì)數(shù)據(jù)問題，對(duì)不同性質(zhì)指標(biāo)直接加總不能正確反映不同作用力的綜合結(jié)果，必須先考慮改變逆指標(biāo)數(shù)據(jù)性質(zhì)，使所有指標(biāo)對(duì)測(cè)評(píng)方案的作用力同趨化，然后再加總才能得出正確結(jié)果

10、。 數(shù)據(jù)無量綱化處理主要用于消除變量間的量綱關(guān)系，解決數(shù)據(jù)評(píng)價(jià)分析中數(shù)據(jù)的可比性。例如，多指標(biāo)綜合評(píng)價(jià)方法需要把描述評(píng)價(jià)對(duì)象不同方面的多個(gè)信息綜合起來得到一個(gè)綜合指標(biāo)，由此對(duì)評(píng)價(jià)對(duì)象做整體評(píng)判，并進(jìn)行橫向或縱向比較。1.2數(shù)據(jù)標(biāo)準(zhǔn)化1.2數(shù)據(jù)標(biāo)準(zhǔn)化1.2.1 數(shù)據(jù)標(biāo)準(zhǔn)化常用方法max-min標(biāo)準(zhǔn)化對(duì)原始數(shù)據(jù)進(jìn)行線性變換。設(shè)minA和maxA分別為屬性A的最小值和最大值，將A的一個(gè)原始值x通過max-min標(biāo)準(zhǔn)化映射成在區(qū)間0,1中的值x，其公式為：x=（x-minA）/（maxA-minA）z-score 標(biāo)準(zhǔn)化基于原始數(shù)據(jù)的均值（mean）和標(biāo)準(zhǔn)差（standard deviation）進(jìn)行

11、數(shù)據(jù)的標(biāo)準(zhǔn)化，將A的原始值x標(biāo)準(zhǔn)化到x，其公式為：x=（x-mean）/ standard deviation。12Decimal scaling標(biāo)準(zhǔn)化通過移動(dòng)數(shù)據(jù)的小數(shù)點(diǎn)位置來進(jìn)行標(biāo)準(zhǔn)化。小數(shù)點(diǎn)移動(dòng)多少位取決于屬性A的取值中的最大絕對(duì)值。將屬性A的原始值x到x的計(jì)算方法公式為：x=x/(10j)。其中，j是滿足條件的最小整數(shù)。其他標(biāo)準(zhǔn)化方法還有一些標(biāo)準(zhǔn)化方法的做法是將原始數(shù)據(jù)除以某一值，如將原始數(shù)據(jù)除以行或列的和，稱總和標(biāo)準(zhǔn)化；如果原始數(shù)據(jù)除以每行或每列中的最大值，叫做最大值標(biāo)準(zhǔn)化；如果原始數(shù)據(jù)除以行或列的和的平方根，則稱為模標(biāo)準(zhǔn)化(norm standardization)。34大數(shù)據(jù)應(yīng)用

12、人才培養(yǎng)系列教材第一章概論1.1 數(shù)據(jù)清洗概述1.2 數(shù)據(jù)標(biāo)準(zhǔn)化1.3 數(shù)據(jù)倉庫習(xí)題1.3數(shù)據(jù)倉庫簡(jiǎn)介1.3.1 數(shù)據(jù)倉庫定義 數(shù)據(jù)倉庫（Data Warehouse, DW）是基于信息系統(tǒng)業(yè)務(wù)發(fā)展需要，基于傳統(tǒng)數(shù)據(jù)庫系統(tǒng)技術(shù)發(fā)展形成能夠并逐步獨(dú)立出來的一系列新的應(yīng)用技術(shù)，目標(biāo)是通過提供全面、大量的數(shù)據(jù)存儲(chǔ)來有效支持高層決策分析。 W.H.Inmon在書中對(duì)數(shù)據(jù)倉庫的定義是：數(shù)據(jù)倉庫是決策支持系統(tǒng)和聯(lián)機(jī)分析應(yīng)用數(shù)據(jù)源的結(jié)構(gòu)化數(shù)據(jù)環(huán)境，是一個(gè)面向主題的（Subject Oriented）、集成的（Integrated）、相對(duì)穩(wěn)定的（Non-Volatile）、反映歷史變化（Time Varian

13、t）的數(shù)據(jù)集合，用于支持經(jīng)營管理中的決策制定過程。 數(shù)據(jù)庫是面向事務(wù)的設(shè)計(jì)，而數(shù)據(jù)倉庫是面向主題設(shè)計(jì)的。數(shù)據(jù)庫設(shè)計(jì)是盡量避免冗余，一般采用符合范式的規(guī)則來設(shè)計(jì)，數(shù)據(jù)倉庫在設(shè)計(jì)是有意引入冗余，采用反范式的方式來設(shè)計(jì)。數(shù)據(jù)庫是為捕獲數(shù)據(jù)而設(shè)計(jì)，數(shù)據(jù)倉庫是為分析數(shù)據(jù)而設(shè)計(jì)。數(shù)據(jù)庫一般存儲(chǔ)在線交易數(shù)據(jù)，數(shù)據(jù)倉庫一般存儲(chǔ)的是歷史數(shù)據(jù)。1.3數(shù)據(jù)倉庫簡(jiǎn)介1.3.2 數(shù)據(jù)倉庫組成要素 數(shù)據(jù)倉庫不是一種提供戰(zhàn)略信息的軟件或硬件產(chǎn)品，而是一個(gè)便于用戶找到戰(zhàn)略信息和做出更好決策的計(jì)算環(huán)境，是一個(gè)以用戶為中心的環(huán)境。數(shù)據(jù)倉庫需要提供數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)裝載和數(shù)據(jù)存儲(chǔ)功能，并為用戶提供交互接口。典型數(shù)據(jù)倉庫的基本

14、組成要素包括：1源數(shù)據(jù)單元 2數(shù)據(jù)準(zhǔn)備單元3數(shù)據(jù)存儲(chǔ)單元4信息傳遞單元5元數(shù)據(jù)單元6管理控制單元 傳統(tǒng)數(shù)據(jù)倉庫 企業(yè)把數(shù)據(jù)分成內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)，內(nèi)部數(shù)據(jù)包括OLTP交易系統(tǒng)和OLAP分析系統(tǒng)的數(shù)據(jù)。企業(yè)首先需要將這些數(shù)據(jù)集中起來，經(jīng)過轉(zhuǎn)換放到這類數(shù)據(jù)庫中，然后在數(shù)據(jù)庫上對(duì)數(shù)據(jù)進(jìn)行加工，建立各種主題模型，再提供報(bào)表分析業(yè)務(wù)。 數(shù)據(jù)集市 數(shù)據(jù)集市一般是用于某一類功能需求的數(shù)據(jù)倉庫的簡(jiǎn)單模式，往往是由一些業(yè)務(wù)部門構(gòu)建，也可以構(gòu)建在企業(yè)數(shù)據(jù)倉庫上。一般來說數(shù)據(jù)集市的數(shù)據(jù)源較少，但往往對(duì)數(shù)據(jù)分析的延時(shí)有很高的要求，并需要和各種報(bào)表工具有很好的對(duì)接。1.3數(shù)據(jù)倉庫簡(jiǎn)介1.3.3 數(shù)據(jù)倉庫分類 關(guān)聯(lián)發(fā)現(xiàn)數(shù)

15、據(jù)倉庫 在一些場(chǎng)景下，企業(yè)可能不知道數(shù)據(jù)的內(nèi)聯(lián)規(guī)則，而是需要通過數(shù)據(jù)挖掘的方式找出數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，隱藏的聯(lián)系和模式等，從而挖掘出數(shù)據(jù)的價(jià)值。很多行業(yè)的新業(yè)務(wù)都有這方面的需求，如金融行業(yè)的風(fēng)險(xiǎn)控制，反欺詐等業(yè)務(wù)。上下文無關(guān)聯(lián)的數(shù)據(jù)倉庫一般需要在架構(gòu)設(shè)計(jì)上支持?jǐn)?shù)據(jù)挖掘能力，并提供通用的算法接口來操作數(shù)據(jù)。 實(shí)時(shí)處理數(shù)據(jù)倉庫 隨著業(yè)務(wù)的發(fā)展，企業(yè)客戶需要對(duì)實(shí)時(shí)的數(shù)據(jù)做一些商業(yè)分析，譬如零售行業(yè)需要根據(jù)實(shí)時(shí)的銷售數(shù)據(jù)來調(diào)整庫存和生產(chǎn)計(jì)劃。這類行業(yè)用戶對(duì)數(shù)據(jù)的實(shí)時(shí)性要求很高，傳統(tǒng)的離線批處理的方式不能滿足需求，因此需要構(gòu)建實(shí)時(shí)處理的數(shù)據(jù)倉庫。數(shù)據(jù)可以通過各種方式完成采集，然后數(shù)據(jù)倉庫可以在指定的時(shí)間

16、限期內(nèi)對(duì)數(shù)據(jù)進(jìn)行處理和統(tǒng)計(jì)分析等，再將數(shù)據(jù)存入數(shù)據(jù)倉庫以滿足一些其他業(yè)務(wù)的需求。1.3數(shù)據(jù)倉庫簡(jiǎn)介1.3.3 數(shù)據(jù)倉庫分類1.3數(shù)據(jù)倉庫簡(jiǎn)介1.3.4 數(shù)據(jù)倉庫相關(guān)技術(shù)數(shù)據(jù)清洗數(shù)據(jù)倉庫需要從種類各異的多個(gè)數(shù)據(jù)源中導(dǎo)入大量數(shù)據(jù)，數(shù)據(jù)倉庫的一個(gè)重要任務(wù)就通過數(shù)據(jù)清洗保證數(shù)據(jù)的一致性與正確性。數(shù)據(jù)粒度數(shù)據(jù)倉庫中存儲(chǔ)的數(shù)據(jù)粒度將直接影響到數(shù)據(jù)倉庫中數(shù)據(jù)的存儲(chǔ)量及查詢質(zhì)量，并進(jìn)一步影響數(shù)據(jù)倉庫能否滿足最終用戶的分析需求。設(shè)計(jì)數(shù)據(jù)倉庫時(shí)要合理確定數(shù)據(jù)粒度。12索引優(yōu)化不論是數(shù)據(jù)庫還是數(shù)據(jù)倉庫，索引查找是優(yōu)化查詢響應(yīng)時(shí)間的重要方法，索引建立的好壞直接影響數(shù)據(jù)訪問效率。物化視圖選擇和維護(hù)數(shù)據(jù)倉庫中以物化視圖(

17、Materialized View)的形式存儲(chǔ)大量來自多個(gè)異質(zhì)數(shù)據(jù)源中的數(shù)據(jù)，數(shù)據(jù)倉庫中采用物化視圖進(jìn)行快速查詢和分析，能有效提高查詢速度和響應(yīng)時(shí)間。34數(shù)據(jù)倉庫的管理維護(hù)為了減少數(shù)據(jù)更新量，數(shù)據(jù)倉庫一般采用增量式更新策略。此外，數(shù)據(jù)倉庫必須建立有效的安全策略和授權(quán)訪問控制機(jī)制。最后，數(shù)據(jù)倉庫必須提供穩(wěn)定可靠的數(shù)據(jù)備份和恢復(fù)策略。51.3數(shù)據(jù)倉庫簡(jiǎn)介1.3.5 常用工具簡(jiǎn)介 數(shù)據(jù)倉庫不是一門純粹的技術(shù)，更是一種架構(gòu)和理念，核心在于對(duì)數(shù)據(jù)的整合集成，把企業(yè)原始數(shù)據(jù)進(jìn)行集成、歸類、分析，從而提供了企業(yè)決策分析需要的目標(biāo)數(shù)據(jù)。SQL Server、Sybase、DB2和Oracle都是傳統(tǒng)的關(guān)系數(shù)據(jù)

18、庫，但是只要經(jīng)過合理的數(shù)據(jù)模型設(shè)計(jì)或參數(shù)設(shè)置也可將其轉(zhuǎn)變?yōu)楹芎玫臄?shù)據(jù)倉庫實(shí)體。 目前，OLAP已逐漸融合到數(shù)據(jù)倉庫中，例如微軟的Analysis Service和DB2的OLAP Server，通過自身提供的專用接口可以加快多維數(shù)據(jù)的轉(zhuǎn)換處理。當(dāng)然，也有如Essbase這樣純粹的OLAP產(chǎn)品，實(shí)際上許多大型OLAP都采用Essbase。 對(duì)于ETL而言，廣泛使用的ETL工具主要包括Informatica PowerCenter、IBM的Datastage、SQLServer搭配的SSIS、Oracle的OWB和ODI以及開源的Kettle等。 數(shù)據(jù)倉庫可用的報(bào)表工具很多，專業(yè)性的報(bào)表工具有Hyperion、B0、Congos和Brio，這些產(chǎn)品價(jià)格相對(duì)昂貴。便宜的報(bào)表工具可選用微軟的ReportService。大數(shù)據(jù)應(yīng)用人才培養(yǎng)系列教材第一章概論1.1 數(shù)據(jù)清洗概述1.2 數(shù)據(jù)標(biāo)準(zhǔn)化1.3 數(shù)據(jù)倉庫習(xí)題1什么是數(shù)據(jù)科學(xué)，請(qǐng)簡(jiǎn)要闡述