本节书摘来自华章出版社《R语言数据挖掘》一书中的第1章，第1.12节，作者［哈萨克斯坦］贝特·麦克哈贝尔（Bater Makhabel），李洪成 许金炜 段力辉 译，更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1.12 数据集成
数据集成将多个数据源中的数据合并，形成一个一致的数据存储。其常见的问题如下：
异构数据：这没有普遍的解决方案。
不同的定义（different definition）：这是内在的，即相同的数据具有不同的定义，如不同的数据库模式。
时间一致性：这可以检查数据是否在相同的时间段收集。
旧数据：这指的是从旧系统留下的数据。
社会学因素：这限制了数据的收集。
处理上述问题也有一些方法：
实体识别问题：模式整合和目标匹配是棘手的，这称为实体识别问题。
冗余与相关性分析：有些冗余可以通关相关性分析来检测。给定两个属性，基于可用的数据，这样的分析可以测量一个属性影响另一个属性的强度。
元组重复：在元组级可以检测重复，从而可以检测属性之间的冗余。
数据值冲突的检测和分辨率：在不同的抽象级，属性可能不同，其中一个系统中的一个属性可能在不同的抽象级被记录。
