准确的编码规则，或者提供一份最新的码表。不然清洗后的数据，这个字段不可用。”
王海凑近看了看陈默指出的那些异常样本，眉头皱了起来。他手指在屏幕上敲了敲：“这么多乱七八糟的？”
“嗯，比例不低。而且分散在不同时间段，不像是偶然错误。”陈默说。
王海直起身，摸着下巴，思考了几秒钟。“联系天晟……他们那边IT对接人你又不是不知道，效率低，问个问题三天不回。而且这种细节问题，去问他们，显得我们水平不够，连个数据清洗都搞不定。”他摇摇头，“时间不等人。这样，你先按他们给的那个旧码表来，能对上的就归类，对不上的……”他顿了顿，“对不上的，你先统一归到一个‘其他’或者‘未知’类别里。标注一下比例。我们分析的时候，可以暂时把这类‘未知’交易单独拿出来看，或者按比例分摊到已知类别里做个估算。先把主干数据跑通，出个初步方向。细节问题，等后面深入分析的时候，有必要再去问。”
陈默看着王海：“王组，这样处理的话，如果‘未知’比例很高，或者‘未知’里的交易性质特殊，可能会对后续分析结论产生比较大的偏差。尤其是风险判断，可能失准。”
“我知道有风险。”王海语气有些不耐烦了，但很快又调整回来，拍拍陈默肩膀，“但咱们做项目，不能追求百分百完美，尤其是在时间紧的情况下。要抓住主要矛盾。你现在卡在这里，后面所有工作都得停。先按我说的办法处理，出一个可用的基础数据集。这是当前最重要的。有点偏差，我们在后续建模的时候，可以通过设置误差范围、做敏感性测试来弥补。快去弄吧，抓紧时间。”
陈默沉默了两秒，说：“行。那我先按现有码表清洗，无法识别的归为‘未知’，并记录比例和样例。但这个风险点，我会在数据说明文档里重点标注。”
“可以，标注清楚。就这样，快去。”王海挥手。
陈默回到座位，看着屏幕上那一片混乱的编码。他新建了一个“编码映射与问题记录”的子文件，详细写下了问题描述、王海的处理意见、以及自己将采取的具体步骤。然后，他修改清洗脚本，增加了按照旧码表映射、无法
本章未完，请点击下一页继续阅读！