Summary  
This chapter covers identifying anomalous and incorrect values in datasets by sorting columns and applying realistic range checks to validate entries and prevent skewed results.

General domain of usage  
Data analysis

Efter att ha tagit bort dubbletter är nästa viktiga steg att kontrollera dina data för avvikare och fel.

Avvikare är värden som tydligt sticker ut från resten av datan. De betyder inte alltid att något är fel, men ofta indikerar de ett problem, såsom felaktig datainmatning eller ett fel vid import.

Fel, å andra sidan, är värden som tydligt inte är rimliga i sammanhanget av dina data. Exempelvis ett ovanligt stort tal, ett negativt värde där det inte borde finnas, eller en summa som inte stämmer med kvantiteten.

Här är ett enkelt exempel:



Vid första anblicken ser allt bra ut, men om du tittar närmare väcker vissa värden frågor.

Kvantiteten 10 kan vara giltig, men det beror på sammanhanget. Däremot sticker totalsumman **9999** tydligt ut jämfört med de andra och ser misstänkt ut.

Om du inte kontrollerar för avvikare och fel kan de kraftigt förvränga din analys. Till exempel kan ett felaktigt värde som **9999** snedvrida medelvärden eller totalsummor och leda till felaktiga slutsatser.

## Hur man identifierar avvikare

**Sortering** är också mycket hjälpsamt. Om du sorterar en kolumn i stigande eller fallande ordning kommer de extrema värdena att visas högst upp eller längst ner, vilket gör dem enkla att granska.

Ett enkelt men effektivt tillvägagångssätt är att fråga dig själv: **"Ser detta värde realistiskt ut?"**

Om de flesta värden ligger inom ett visst intervall, till exempel **500** till **1000**, och ett värde är **9999**, är det en tydlig signal om att något kan vara fel och behöver kontrolleras.

Det är viktigt att förstå att inte varje avvikare är ett fel. Ibland är det ett verkligt värde, men det bör alltid verifieras.

Granska data och identifiera värden som verkar misstänkta.

**Fastställ:**

- Vilka värden som ligger utanför det förväntade intervallet;
- Vilka värden som kan vara fel.

För det första, i kolumnen `Quantity`, ser värdet **10** ovanligt ut eftersom de flesta andra värden är **1** eller **2**. Det behöver inte nödvändigtvis vara ett fel, men det kräver definitivt verifiering.

För det andra, i kolumnen `Total`, sticker värdet **9999** tydligt ut från det övergripande intervallet, eftersom de flesta värden ligger ungefär mellan **500** och **4000**. Detta är en stark kandidat för ett fel.

Lär dig hur du rengör, organiserar och förbereder data i Excel för att säkerställa noggrannhet och tillförlitlighet i din analys. Du kommer att förstå varför rådata ofta är rörig och hur felaktig formatering eller misstag kan leda till felaktiga resultat.

Fördjupa dig i de vanligaste typerna av dataproblem, såsom saknade värden, dubbletter, inkonsekventa format, extra mellanslag och ogiltiga tecken. Du kommer att lära dig hur du identifierar dessa problem och förhindrar att de uppstår.

Lär dig hur du rensar och standardiserar textdata i Excel för att säkerställa konsekvens och noggrannhet i dina datamängder. Du kommer att förstå varför rörig text kan leda till fel i analysen och hur du åtgärdar detta effektivt.

Lär dig hur du arbetar med numeriska och datumdata i Excel, säkerställ att värdena är korrekta, korrekt formaterade och redo för analys. Du kommer att förstå hur felaktiga format kan förstöra beräkningar och leda till vilseledande resultat.

Studera hur du identifierar och tar bort duplicerad data i Excel för att säkerställa att din datamängd förblir korrekt och tillförlitlig. Du kommer att lära dig varför dubbletter kan förvränga analysen och hur du hanterar dem effektivt.

Product	Quantity	Total
Phone	2	800
Phone	10	4000
Laptop	1	9999

Identifiering av avvikare och fel

Hur man identifierar avvikare