Los datos faltantes son un problema común e inevitable que admite un enorme casuismo, desde errores en la recopilación de datos (datos erróneos), hasta la ausencia, voluntaria o no, de los éstos. Esta diversidad provoca que su tratamiento técnico sea complejo.En general, existen cuatro estrategias posibles: eliminación de los ejemplos donde se contienen los datos faltantes; interpolación de un valor en atención a los elementos adyacentes; imputación de un valor mediante una estimación basada en la información de todo el conjunto de datos; y asignación de un valor idéntico y distinto de los observados a todos los datos de este tipo. Para los datos erróneos puede añadirse una quinta estrategia: la corrección, siempre que sea posible. Sea como fuere, los científicos de datos coinciden en señalar las virtudes de la imputación, aunque la técnica elegida debe tener en cuenta el origen de la pérdida. En un ejemplo del ámbito clínico, no es igual que la ausencia de resultados de un análisis se deba a la pérdida accidental de los tubos de muestra (dato faltante totalmente al azar, MCAR en inglés); a la pertenencia del paciente a un colectivo para el que dicho análisis es opcional (faltante al azar,MAR en inglés); o a su negativa a someterse a la prueba ante las molestias particularmente intensas que le supone (dato no faltante al azar, NMAR en inglés) También cabe la posibilidad de que la fecha de nacimiento del paciente sea errónea e imposible. La estrategia para completar estas lagunas dependerá del uso que vaya a darse a la información.