Częścią procesu analizy danych, zwłaszcza gdy dane pochodzą z wielu źródeł. Proces musi rozwiązać błędy, takie jak nieprawidłowe pisowni, różne sposoby oznakowania te same informacje, niespójne pole długość, brakujących wartości, i sprzecznych danych, takich jak posiadanie dwóch części numerów dla tej samej części.