Livre de référence sur le "pré" traitement de données?

Bonjour/Bonsoir tout le monde,

Voilà j'ai un projet de statistiques sur des grandes données (centaine de milliers d'individus et trentaines de variables quantitatives et qualitatives) à réaliser en stage pendant 6 mois.
Le but du jeu étant de créer un modèle de prédiction pour une (ou plusieurs?) des variables qualitatives.

Mais avant cela je me suis rendu compte qu'il y avait un GROS pré-traitement des données à faire (cas aberrant, données manquantes, individus qui reviennent plusieurs fois mais pas à la même période, variables "peu" intéressante/utile pour l'étude, etc.). Je pense sincèrement que la préparation de données est une étape très très importante pour une étude bien réussie et je veux y passer le temps nécessaire!

J'ai beau avoir cherché un peu partout je ne trouve pas d'ouvrage de référence dans la matière. Et pour être honnête le "pré-traitement" de données que j'ai fait jusque là était minime (toujours des cas d'école) et pouvait se faire "à la main" dans le tableau de données.

Avez vous des conseils d'ouvrages (français ou en anglais) là dessus?
Alors même si vous avez un livre sympathique mais sur des petits volumes de données n'hésitez pas je suis preneur, j'arriverai certainement à extrapoler les résultats et créer pourquoi pas un algorithme de "tri".

Encore merci pour toute aide sur le sujet!

Cdlt,

Kali.