随着业务的不断拓展,大量的生产管理、技术质量、财务成本等各个领域的数据不断产生。如何充分利用这些数据和系统,提高数据的质量,为决策支持系统提供正确的数据,实现从数据到信息、信息到知识的提炼,从而为企业的生产经营作出正确决策提供服务,是摆在我们信息技术人员面前的一大课题。数据清洗,也称做数据净化,从数据中检测和去除错误及不一致的数据部分以改善数据质量。本文针对CATT项目数据的数据质量问题以及用户的特殊需求,建立了数据清洗过程的元数据模型,对清洗过程用到的数据库对象和知识库对象进行管理,并创新性的在公司数据仓库项目中引入人工智能方法参与数据清洗。在本项目的元数据模型中,把知识元数据分为逻辑和信息两大类。逻辑是一种规则,是加工信息的具体方法,由设计人员进行具体设计和实现。信息是对现实世界中具体事物的抽象反映,可以由程序自动更新。对数据的清洗操作,利用规则对清洗后的数据进行的验证等等都属于逻辑。而各种数据,包括脏数据,清洗后的数据,验证后的结果,清洗过程中要用到的数据字典等等都数据信息范围。本文中的人工智能模块使用了贝叶斯文本识别方法,通过朴素贝叶斯分类器识别客户的特殊需求字段是否符合正确样本的特征。通过把人工智能模块整合到整个的清洗过程中,通过email提醒来通知维护人员出现可疑数据,从而大大降低了人员维护的工作量并实现了项目的需求。通过测试,本文所描述的数据清洗方案具有自动化程度高,人为管理少,结构清晰,便于维护和运行效率高等特点。