データクレンジング（データ前処理）とは？でーたくれんじんぐ
データクレンジング（データ前処理）とは、分析やシステム統合の前に、表記のゆれ・欠損値・重複・明らかな誤り・外れ値を検出して整える作業。分析手法の巧拙より入力データの品質のほうが結果の信頼性を左右するため、データ分析の工数の大半がこの工程に費やされる。
最終更新：2026-10-07
高度試験の午前Iを最短で暗記する →背景
業務システムのデータは、その業務が回ることだけを目的に入力されており、後から分析されることは想定されていない。だから同じ会社が3通りの表記で入り、業務上使わない欄は空のまま残る。分析側が使う前に整えるほかない、という構造的な理由でこの工程が生じる。
具体例
総務省のe-Statから取った統計を社内データと突き合わせる場面では、市区町村名が平成の大合併の前後で食い違うため、全国地方公共団体コードを基準に時点を揃えてから結合する。日付も「令和8年1月5日」と「2026/1/5」が混在するので単一の形式へ直し、補完した値には由来を示す列を残す。
試験での引っ掛け
外れ値を一律に除去してよいとする選択肢は誤りで、不正検知や設備の異常検知では外れ値そのものが分析対象になる。また欠損行の削除は件数が減るだけでなく、欠損の出方に偏りがある場合は結果に偏りを持ち込む点も押さえる。
関連用語
出典・参考
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。