数据的clean与QC相当重要

今天同事拿来一个数据集问我，这个数据集包含有Account Number字段，type字段以及其他一些字段，这些字段的数据形式如下所示：
Acct Num    Type    Ind    Other
6011000000004863    MS    1    .
6011000000059368    AF    1    .
... ...
在SAS Viewer中按Acct Num排序查看，Acct Num最小值的observation只有1条，但同事欲对该数据集按Acct Num和Type进行分类统计。
proc summary data=test nway missing;
class acctnum type;
var ind
output out=srt mean=;
run;
统计的结果和观察到的结果有很大出入，结果显示Acct Num最小值和Type值是LA的组合竟有4400+记录。这个问题甚是奇怪，核对了多次代码，没有发现有什么错误。最后同事的一句话提醒了我，是不是数据格式的问题呢？于是在SAS Viewer中重新察看数据集的各个变量的数据格式，发现Acct Num的数据格式竟然是Best12.，尽管显示的时候我们看到的是16位的数据，可实际参与运算的数据却只有前12位，而前12位是601100000000的数据就不只1条了。于是将Acct Num的数据格式修改了一下，其后的统计结果就正常了。可见在具体分析前做好数据的clean和QC是多么的重要。