Learning Outcomes

• 理解数据整理（Data Wrangling）在完整数据分析项目中的位置：它连接问题识别、数据获取与后续分析。
• 能按任务链条说明本周流程：数据发现 → 数据收集 → 数据预处理 → 数据清洗 → 数据转换 → 数据增强 → 数据验证 → 数据存储。
• 能区分几个容易混淆的概念：

  • 数据发现（Data Discovery）vs 数据收集（Data Collection）
  • 数据预处理（Data Pre-processing）vs 数据清洗（Data Cleaning）
  • 数据转换（Data Transformation）vs 数据增强（Data Enrichment）
  • 归一化（Normalisation）vs 标准化（Standardization）
• 能结合数值、文本、图像三类数据，说明常见转换方法及其作用。
• 知道真实项目中除了“处理数据”本身，还必须考虑伦理、隐私安全、效率、文档化与备份。

本周在课程中的位置

• 上周课程从项目层面回顾了完整的数据分析流程：问题识别（Problem Identification）→ 数据收集 → 数据清洗 → 数据分析 → 结果解释。
• 本周开始把中间最关键、也最耗时的一段拆开讲：如何把原始数据（raw data）整理成可分析、可复现、可交付的数据。
• 可以这样理解：

  • 上周是在看“整个项目怎么走”；
  • 本周是在看“项目里最容易出问题、最决定结果质量的那一段怎么做”。