A、不完整的數(shù)據(jù)，其特征是是一些應(yīng)該有的信息缺失，如供應(yīng)商的名稱，分公司的名稱，客戶的區(qū)域信息缺失、業(yè)務(wù)系統(tǒng)中主表與明細(xì)表不能匹配等。需要將這一類數(shù)據(jù)過濾出來，按缺失的內(nèi)容分別寫入不同Excel文件向客戶提交，要求在規(guī)定的時間內(nèi)補(bǔ)全。補(bǔ)全后才寫入數(shù)據(jù)倉庫。
B、錯誤的數(shù)據(jù)，產(chǎn)生原因是業(yè)務(wù)系統(tǒng)不夠健全，在接收輸入后沒有進(jìn)行判斷直接寫入后臺數(shù)據(jù)庫造成的，比如數(shù)值數(shù)據(jù)輸成全角數(shù)字字符、字符串?dāng)?shù)據(jù)后面有一個回車、日期格式不正確、日期越界等。這一類數(shù)據(jù)也要分類，對于類似于全角字符、數(shù)據(jù)前后有不面見字符的問題只能寫SQL的方式找出來，然后要求客戶在業(yè)務(wù)系統(tǒng)修正之后抽取；日期格式不正確的或者是日期越界的這一類錯誤會導(dǎo)致ETL運行失敗，這一類錯誤需要去業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫用SQL的方式挑出來，交給業(yè)務(wù)主管部門要求限期修正，修正之后再抽取。
C、重復(fù)的數(shù)據(jù)，特別是維表中比較常見，將重復(fù)的數(shù)據(jù)的記錄所有字段導(dǎo)出來，讓客戶確認(rèn)并整理。
數(shù)據(jù)清洗是一個反復(fù)的過程，不可能在幾天內(nèi)完成，只有不斷的發(fā)現(xiàn)問題，解決問題。對于是否過濾、是否修正一般要求客戶確認(rèn)；對于過濾掉的數(shù)據(jù)，寫入Excel文件或者將過濾數(shù)據(jù)寫入數(shù)據(jù)表，在ETL開發(fā)的初期可以每天向業(yè)務(wù)單位發(fā)送過濾數(shù)據(jù)的郵件，促使他們盡快的修正錯誤，同時也可以作為將來驗證數(shù)據(jù)的依據(jù)。數(shù)據(jù)清洗需要注意的是不要將有用的數(shù)據(jù)過濾掉了，對于每個過濾規(guī)則認(rèn)真進(jìn)行驗證，并要用戶確認(rèn)才行。
2、數(shù)據(jù)轉(zhuǎn)換
數(shù)據(jù)轉(zhuǎn)換的任務(wù)主要是進(jìn)行不一致的數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)粒度的轉(zhuǎn)換和一些商務(wù)規(guī)則的計算。
A、不一致數(shù)據(jù)轉(zhuǎn)換，這個過程是一個整合的過程，將不同業(yè)務(wù)系統(tǒng)的相同類型的數(shù)據(jù)統(tǒng)一，比如同一個供應(yīng)商在結(jié)算系統(tǒng)的編碼是XX0001，而在CRM中編碼是YY0001，這樣在抽取過來之后統(tǒng)一轉(zhuǎn)換成一個編碼。
B、數(shù)據(jù)粒度的轉(zhuǎn)換，業(yè)務(wù)系統(tǒng)一般存儲非常明細(xì)的數(shù)據(jù)，而數(shù)據(jù)倉庫中的數(shù)據(jù)是用來分析的，不需要非常明細(xì)的數(shù)據(jù)，一般情況下，會將業(yè)務(wù)系統(tǒng)數(shù)據(jù)按照數(shù)據(jù)倉庫粒度進(jìn)行聚合。
C、商務(wù)規(guī)則的計算，不同的企業(yè)有不同的業(yè)務(wù)規(guī)則，不同的數(shù)據(jù)指標(biāo)，這些指標(biāo)有的時候不是簡單的加加減減就能完成，這個時候需要在ETL中將這些數(shù)據(jù)指標(biāo)計算好了之后存儲在數(shù)據(jù)倉庫中，供分析使用。
ETL日志與警告發(fā)送
1、ETL日志，記錄日志的目的是隨時可以知道ETL運行情況，如果出錯了，出錯在那里。
ETL日志分為三類。第一類是執(zhí)行過程日志，是在ETL執(zhí)行過程中每執(zhí)行一步的記錄，記錄每次運行每一步驟的起始時間，影響了多少行數(shù)據(jù)，流水賬形式。第二類是錯誤日志，當(dāng)某個模塊出錯的時候需要寫錯誤日志，記錄每次出錯的時間，出錯的模塊以及出錯的信息等。第三類日志是總體日志，只記錄ETL開始時間，結(jié)束時間是否成功信息。
如果使用ETL工具，工具會自動產(chǎn)生一些日志，這一類日志也可以作為ETL日志的一部分。
2、警告發(fā)送
ETL出錯了，不僅要寫ETL出錯日志而且要向系統(tǒng)管理員發(fā)送警告，發(fā)送警告的方式有多種，常用的就是給系統(tǒng)管理員發(fā)送郵件，并附上出錯的信息，方便管理員排查錯誤。