Quiz: Diagnosing Dirty Data

정제 스크립트가 반드시 출력해야 하는 것은?

• 처리 소요 시간
• 메모리 사용량
• 입력 파일의 해시
• 버린 행의 개수

'이메일이 같으면 중복' 규칙으로 그룹화해 정리했습니다. 이메일이 비어 있는 행들이 있으면?

• 빈 값들이 한 그룹으로 묶여 서로 다른 고객이 한 명만 남고 삭제된다
• 빈 값은 자동으로 제외된다
• 오류가 발생해 중단된다
• 빈 값끼리는 서로 다른 것으로 취급된다

고객명을 앞뒤 공백 제거 후 소문자로 정규화했습니다. 이 값의 올바른 용도는?

• 같은 값이면 무조건 같은 고객으로 병합
• 원본을 이 값으로 덮어쓰기
• 정렬에만 사용
• 비교와 매칭에 쓰되 병합의 최종 근거로는 쓰지 않음

226행 중 180행이 규칙을 어깁니다. 올바른 판단은?

• 정제 규칙을 완화한다
• 180행을 수동으로 고친다
• 규칙에 맞는 46행으로 진행한다
• 정제가 아니라 데이터 추출 자체를 다시 해야 하는 상황일 수 있다

'금액이 음수인 행 4건' 을 어떻게 처리할지 결정하는 사람은?

• 업무 담당자에게 물어 합의
• FDE 가 기술적 판단으로 결정
• 가장 많은 사례를 따라 자동 결정
• 일단 제외하고 나중에 통보

데이터 정제의 올바른 순서는?

• 세기 → 분류 → 합의 → 정제
• 정제 → 세기 → 보고
• 분류 → 정제 → 세기
• 합의 → 정제 → 분류