Dataförberedelse
Dataförberedelse är processen att göra rådata användbar för analys och modellering genom att rengöra, strukturera, transformera och sammanfoga uppgifter från olika källor.
Vanliga aktiviteter inkluderar datakvalitetsbedömning, hantering av saknade värden, felrättning, deduplicering, samt integrering av data från flera
Transformationer kan innefatta normalisering, typkonvertering och skapande av nya variabler (feature engineering) samt standardisering av format,
Dataförberedelse sker ofta i en ETL- eller ELT-pipeline där data extraheras, transformeras och laddas till en
Processen kräver domänkunskap, dokumentation, spårbarhet och efterlevnad av dataskydd och integritetsregler samt nära samarbete mellan arbetsgrupperna.
Resultatet är rena dataset, reproducibla arbetsflöden och tydlig data provenance som underlättar analys, modellutveckling och pålitlig