data-scrubbing

指导在分析、建模或报告前对表格数据集进行清洗和标准化——包括数据剖析、质量规则、缺失值处理、重复值处理、异常值处理、类型强制转换、编码修复、记录链接、去重、高级个人身份信息（PII）处理（不提供法律建议）、精算/保险领域数据清洗、可复现的清洗流水线、验证检查以及最终确认。与数据仓库ETL或统计建模不同。当用户提出“数据清洗”、“清理此数据集”、“数据 scrubbing”、“数据清理”、“记录去重”、“处理缺失值”、“异常值处理”、“标准化列”、“数据质量规则”、“剖析此表”或“为建模准备数据”等需求时使用。不适用于数据仓库流水线（data-warehouse-engineer）、机器学习建模（data-scientist, actuary）、隐私项目（compliance-engineer）、仅FinOps（finops-analyst）或假设治理（assumption-setting）。

模型生成摘要（rules/v1 · 2026-11-14 12:14）：指导在分析、建模或报告前对表格数据集进行清洗和标准化——包括数据剖析、质量规则、缺失值处理、重复值处理、异常值处理、类型强制转换、编码修复、记录链接、去重、高级个人身份信息（PII）处理（不提供法律建议）、精算/保险领域数据清洗、可复现的清…
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-14 12:13	740050ce	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。