La pulizia dei dati (data cleaning) è il processo con cui individui, correggi o rimuovi i dati sbagliati, incompleti o non pertinenti di un dataset, per migliorarne qualità e affidabilità. Comprende attività come eliminare i duplicati, gestire i valori mancanti, correggere gli errori, uniformare i formati e verificare i dati rispetto a regole prestabilite.
Una buona pulizia dei dati è essenziale per analisi e decisioni accurate. Con dati coerenti, completi e precisi, le aziende ottengono informazioni di qualità migliore dalle analisi, migliorano i modelli predittivi e rendono più efficienti i processi basati sui dati. I dati puliti sono la base per prendere decisioni aziendali affidabili e informate.