资源介绍
说起数据质量这个话题，很多人的第一反应大概是无聊、枯燥、专业门槛高，仿佛只有程序员和数据工程师才需要关心的事。但苏珊·沃尔什的这本《电子表格之间：脏数据的分类与修复》偏偏打破了这个刻板印象，用一种出人意料的轻松方式，把这个看似高深的主题讲得既扎实又好读。这位被同行戏称为"数据修复师"的英国作家，在2021年推出本书第一版时就已经获得了广泛好评，而2025年问世的第二版则更进一步，不仅深化了原有内容，还新增了关于生成式人工智能在数据清理领域的迷思破解，以及大量来自真实世界的案例研究。全书围绕她独创的COAT方法论展开，辅以各种令人印象深刻的"数据恐怖故事"——那些因为脏数据而导致决策失误、客户流失乃至商业损失的案例，读起来既让人心惊肉跳，又觉得似曾相识，仿佛就发生在自己身边的工作场景中。沃尔什的写作风格和她本人的性格一样，风趣、亲切、毫无架子，她善于把脏数据的混乱现实转化成一个个生动的故事和可操作的解决方案，让读者在会心一笑之余真正学到东西。这本书由Facet Publishing出版，这是英国图书馆与信息协会（CILIP）旗下的专业出版品牌，在信息管理领域有着很高的声誉，因此内容的专业性和权威性都有保障。从适用人群来看，这本书的覆盖面相当广，无论你是刚踏入数据领域的学生和职业新人，还是在企业中负责决策的领导层，抑或是每天跟电子表格打交道的普通业务人员，都能从中找到适合自己的养分。对于数据分析师、数据治理从业者、AI产品经理来说，这本书几乎可以当作案头工具书来用；而对于那些经常被报表里的错误数据折磨到崩溃的非技术岗位读者，它更像是一位经验丰富的导师，手把手教你如何识别问题、建立规范、培养对数据质量的敏感度。在当下这个言必称数据驱动、大模型和生成式AI如火如荼的时代，这本书提出了一个看似朴素却至关重要的观点：无论技术多么先进，如果底层数据是脏的，那么一切分析和决策都将建立在沙基之上。这一点在第二版关于AI与GenAI的章节中被反复强调——与其寄希望于AI自动帮你清理数据，不如先搞清楚数据为什么会变脏，以及如何从源头预防。总的来说，这是一本少见的既有专业深度又有人情味的技术书，它不端架子，不堆砌术语，却实实在在地帮你解决工作中最常见的痛点。读完之后，你或许不会立刻变成数据治理专家，但一定会对每天面对的那些电子表格多一份审视的目光，而这恰恰是一切改变的起点。