在BI项目中，面对数据质量问题通常采取哪些处理策略？请列举数据清洗的常用手段。

回答思路

1. 【回答框架 1】数据质量问题的常见类型包括缺失值、重复数据、异常值、格式不一致和逻辑错误等。处理策略需先进行数据剖析，评估问题严重程度，再针对不同类型采取清洗措施。
2. 【回答框架 2】数据清洗常用方法包括：缺失值处理（删除记录、填充均值/中位数/众数或使用预测模型）、重复数据去重（基于关键字段或哈希）、异常值检测（基于统计方法或机器学习）、格式标准化（统一日期、货币、单位等）以及逻辑校验（业务规则检查）。
3. 【回答框架 3】在BI流程中，清洗通常发生在ETL阶段，需制定清洗规则并记录清洗日志，确保数据可追溯。同时，数据质量监控应持续进行，通过设置质量指标和报警机制，及时发现并修复新问题。
4. 【回答框架 4】此外，建立数据质量治理框架，明确责任人和流程，从源头控制数据质量，比事后清洗更为有效。
5. 【关键点 1】数据质量问题主要分为缺失值、重复、异常、格式不一致和逻辑错误。
6. 【关键点 2】清洗方法按类型选择：缺失填充、去重、异常检测、标准化和规则校验。
7. 【关键点 3】清洗应嵌入ETL流程，并保留清洗日志以便追踪。
8. 【关键点 4】持续监控数据质量并建立治理框架是长期保障。
9. 【易错点 1】避免过度清洗导致信息丢失，需平衡数据质量与数据完整性。
10. 【易错点 2】注意清洗规则可能引入偏差，需评估影响并验证结果。
11. 【易错点 3】数据清洗不是一次性的，应建立持续监控机制。