数据验证是一个确认数据清理工作执行良好、结果数据准确可靠的过程。没有验证，就不能确定你的见解在数据驱动的决策中是否可以被信赖。
每个项目都有独特的组织和数据需求，所以有必要运行特有的清单进行验证。但无论项目和工具为何，均可参考以下清单。
1、确保发现了最常见的问题并加以纠正，包括：
1) 错误来源：是否使用了正确的工具和函数来查找数据集中的错误来源？
2) 空数据：是否使用条件格式和过滤器搜索null？
3) 拼写错误的单词：找到所有的拼写错误了吗？
4) 数字输入错误：是否再次检查的数字数据是否输入正确？
5) 额外的空格和字符：是否使用TRIM功能删除了任何额外的空格或字符？
6) 重复：是否使用删除重复功能或在SQL中删除电子表格中的重复？
7) 不匹配的数据类型：是否检查了数字、日期和字符串数据的类型转换正确？
8) 凌乱（不一致）的字符串：是否确保所有的字符串都是一致且有意义的？
9) 凌乱的（不一致的）日期格式：的数据集的日期格式一致吗？
10) 误导变量标签（列）：的列的名字有意义吗？
11) 删节数据：是否检查过截断或缺失的数据需要更正？
12) 业务逻辑：是否根据对业务的了解，检查了数据的意义？
2、一旦完成了数据清理任务，最好检查一下项目的目标，并确认数据仍然与目标一致：
1) Confirm the business problem确认业务问题
2) Confirm the goal of the project确定项目目标
3) 验证数据可以解决问题，并与目标一致
当接收到更多的数据或对项目目标有了更好的理解时，可能需要重新回顾这些步骤的一部分或全部。这是一个贯穿于整个项目的持续过程。
另，清理过程中的变更日志非常非常重要。