O parte a procesului de analiză a datelor, în special atunci când datele provin din surse multiple. Procesul trebuie să arate erorile, cum ar fi greșeli ortografice, moduri diferite de etichetare a aceloraşi informaţii, lungimea inconstantă a câmpului, valori lipsă, şi date contradictorii, cum ar fi având două numere de transport pentru acelaşi transport.