1. 数据收集与整理

• 协助从多个数据源（如数据库、文件系统、网络平台等）收集原始数据，确保数据的完整性和准确性。
• 对收集到的数据进行初步整理，按照既定的规则和格式进行分类和归档，为后续的数据清洗工作做好准备。

1. 数据清洗执行

• 运用数据清洗工具和技术，对原始数据进行清洗操作，包括但不限于去除重复值、处理缺失值、纠正错误数据、标准化数据格式等。
• 遵循数据质量标准和业务规则，识别并剔除异常数据，确保清洗后的数据符合数据分析和业务应用的要求。

1. 数据质量检查

• 对清洗后的数据进行质量检查，通过数据抽样、统计分析等方法，验证数据的准确性、一致性和完整性。
• 记录数据质量问题，及时向团队负责人反馈，并协助分析问题产生的原因，提出改进建议和措施。

1. 数据文档编写

• 参与编写数据清洗相关的文档，包括数据清洗流程说明书、操作手册、数据质量报告等，为团队工作提供清晰的文档支持和知识传承。
• 对数据清洗过程中的重要操作和发现进行记录和注释，以便后续查阅和追溯。

1. 协助数据分析

• 为数据分析团队提供清洗后的数据支持，配合他们进行数据探索、分析和建模等工作。
• 根据数据分析的需求，对清洗后的数据进行进一步的处理和转换，以满足不同分析场景的要求。

• 为数据分析团队提供清洗后的数据支持，配合他们进行数据探索、分析和建模等工作。
• 根据数据分析的需求，对清洗后的数据进行进一步的处理和转换，以满足不同分析场景的要求。

• 数据相关专业、计算机科学、统计学、数学、信息管理等相关专业优先。
• 对数据处理和分析有浓厚的兴趣，具备一定的统计学和数据库知识基础。

• 熟悉 SQL 语言，能够使用 SQL 进行数据查询、筛选、更新和删除等操作，有数据库实际操作经验者优先。
• 掌握至少一种编程语言，如 Python 或 Java，具备基本的编程能力，能够使用编程工具进行数据处理和分析。