近年來，大數據技術掀起了計算機領域的一個新浪潮，無論是數據挖掘、數據分析、數據可視化，還是機器學習、人工智能，它們都繞不開“數據”這個主題。從統(tǒng)計學家到軟件開發(fā)人員，再到圖形設計師，越來越多的人對數據科學產生了興趣，廉價的硬件、可靠的數據處理工具和數據可視化工具以及海量的數據，這些資源使我們能夠輕松地、精確地發(fā)現趨勢、預測未來。
　　由于海量數據的來源是廣泛的，數據類型也是多而繁雜的，因此數據中會夾雜著不完整的、重復的以及錯誤的數據，如果直接使用這些原始數據，會嚴重影響數據決策的效率。因此，對原始數據進行有效的清洗是大數據分析和應用過程中的關鍵環(huán)節(jié)。
　　本書共分為8章，各章內容介紹如下：
　　第1章主要是帶領大家簡單認識數據清洗的背景、定義、原理、基本流程、清洗策略以及常見的數據清洗方法。通過本章的學習，讀者可以對數據清洗有基本的認識，便于后續(xù)章節(jié)的學習。
　　第2章主要講解ETL技術相關的知識，即基于ETL的數據清洗（ETL的概念、體系結構）、ETL關鍵技術（抽取數據的技術、數據清洗轉換的技術以及數據加載的技術）和ETL常見工具。通過本章的學習，讀者可以認識ETL，并熟悉ETL的關鍵技術和ETL常見的工具。
　　第3章主要講解數據清洗工具Kettle的相關知識，即Kettle的概述、設計原則、下載安裝以及基本概念和基本功能。通過本章的學習，讀者可以使用Kettle工具對ETL數據進行相關處理（抽取、清洗轉換以及加載）。
　　第4章主要講解數據清洗的第一步——數據抽取，即抽取文本數據、Web數據以及數據庫數據的相關知識。通過本章的學習，讀者可以掌握抽取各種形式的數據并保存至數據庫中，便于后續(xù)對數據進行相關清洗轉換和分析。
　　第5章主要講解數據的清洗與檢驗相關的知識，即數據去重、缺失值處理、異常值處理以及數據檢驗知識。通過本章的學習，讀者可以掌握對重復數據、缺失值數據、異常值數據的處理，也可以掌握對數據進行檢驗的操作。
　　第6章主要講解數據轉換相關的知識，即多數據源合并、不一致數據轉換、數據粒度的轉換、數據的商務規(guī)則計算的知識。通過本章的學習，讀者可以掌握數據轉換操作，實現將企業(yè)中的數據進行規(guī)范化處理。