지역 정보가 누락된 행도 있고, 구매 금액에서 어떤 고객은 값이 아예 없거나(빈칸) 0으로 입력되어 있습니다. 실제로 구매하지 않았을 수도 있지만, 실수로 입력되지 않았을 가능성도 있습니다.

마지막으로 홍길동이라는 동일한 데이터가 두 번 중복되어 나타나는 것도 문제입니다. 이 중복 데이터를 그대로 분석에 포함하면 매출이 실제보다 더 높게 집계되거나 특정 고객이 과대 표현될 수 있습니다.

이 데이터를 그대로 평균 구매 금액을 계산하는 데 사용하면 어떤 일이 벌어질까요? 예를 들어 구매 금액이 0이거나 비어 있는 데이터를 포함시키면 전체 평균이 실제보다 낮아집니다. 이 때문에 ‘고객당 평균 구매 금액이 저조하다’는 잘못된 결론을 내릴 수도 있죠. 또 중복된 고객 데이터는 전체 고객 수를 왜곡해 버리기 때문에 마케팅 전략의 타깃 설정이나 리텐션 분석에도 영향을 미칠 수 있습니다.

이렇듯 데이터를 수집하는 것만으로는 분석 준비가 끝난 것이 아닙니다. 수집한 데이터를 ‘믿고 쓸 수 있는 상태’로 만드는 정제 과정이 반드시 필요합니다. 이러한 오류들은 생각보다 훨씬 자주, 다양한 형태로 나타나므로 실제 분석을 시작하기 전에 반드시 ‘이 데이터는 깨끗한가?’라는 질문을 스스로 던져 보아야 합니다.