数据源系统若为业务系统，则该系统的数据通常由用户填写，在用户填写数据的过程中，存在全角输入、半角输入、空格符号、错误字段格式等错误。

1、时间日期格式清洗

当采取多个源端整合数据时，因源端系统的不够严谨，采取了字符串类型作为数据的存储类型，可能在不同的源中存储日期、时间的格式不一，导致数据多源抽取到临时表后存在不同的日期格式，从而导致目标系统无法应用。

2、全角半角清洗

全角指一个字符占用两个标准字符位置，半角指一字符占用一个标准的字符位置。在数据采集时，时常因输入法设置问题，将字母或者数字输入存储为全角格式。故在对数据进行ETL操作时，需要进行全角和半角转换。

3、不应有的字符

在源端系统中，数据采集时因人为原因可能存在一些数据不应有的字符，例如身份证号码出现非数字和X的情况，中国人的姓名出现西文字符、阿拉伯数字等情况。此类问题的解决需要采取半自动+人工方式相结合进行清洗。

4、重新取数

某些指标非常重要又缺失率高，且存在其他数据源可以获取，可采取重新抽取不同数据源的数据进行关联对比清洗。

5、内容与字段不匹配

端系统同样存在数据与该数据的字段表达意义不符的现象，该类问题主要来源于源端业务系统的缺陷