１時間後の競馬の予測をするために、データクレンジングを２時間しても、意味は無い。

データクレンジングはたしかに大事。
でも、銀行の名寄せとは違い、
データ解析の場合、
「手持ちのデータをすべてクレンジングしないと処理できない」
というわけではない。

そもそも、
１時間後の競馬の予測をするために、データクレンジングを２時間しても、意味は無い。
クレンジング後に予測をして、レースが終わった後に当てても、何の意味も無い。

この場合、データクレンジングよりも、予測時間のほうが重要になる。

---

では、どうするのか？

この場合は、乱数を振る。

すべてのデータをクレンジングし、処理する時間がないのであれば、
限られたデータをクレンジングし、処理するしかない。

データを(無作為に）限定し、絞り込むために、乱数をつかって、
無作為抽出する。

そして、抽出されたデータの散布図、クロス集計、ヒストグラム、箱ひげ図などを
みながら、おかしなデータをチェックし、クレンジングする。

このとき、さらに詳細な、決定木とかを分析する時間がないのであれば、
データだけをみて判断するとかも、ありなのではないか？

---

利益に見合わない解析（費用のほうが、利益より多額になる解析）や、
結果を知っても意味ない解析（予測しようとする時点よりも後に予測結果がわかる解析）は、
解析する意味が無い。

あくまでも、時間と費用に見合った解析をするべきで、
それを前提として、精度を追い求めることになる。