在各类数据源系统中，缺失值的问题时常发生，在一定程度上，造成缺失值的原因在于系统的不完备性和故障。具体原因较多，主要分为系统原因和人为原因。

1、确定范围

计算源端数据中字段缺失值比例，之后根据缺失率和重要性分别制定策略。对于重要性高和缺失率高的数据，可采取数据从其他渠道补全、使用其他字段计算获取和去掉字段，并在结果中制定策略进行清洗；对于重要性高但缺失率较低的数据，可采取计算填充、经验或业务知识估计等策略进行清洗；对于重要性低、缺失率高的数据，可采取去除该字段的策略进行清洗；对于重要性低且缺失率低的数据，可以不做处理。

2、去除重要性低的字段

重要性低的字段，且缺失严重，可以采取将数据抽取的结果放入一中间临时库中，在数据清洗之前，先备份临时库数据，然后直接删除不需要的字段。

3、填充缺失内容

某些缺失值补齐采取一定的值去填充缺失项，从而使数据完备化。通常基于统计学原理，根据决策表中其余对象取值的分布情况来对一个空值进行填充，例如用其属性的平均值来进行补充等。