正解：エ
各選択肢の解説
ア名寄せ
誤り。名寄せは、表記のゆれによって別々に登録された同じ顧客や取引先を、 同一のものと判断して一つにまとめる作業です。同じ対象の重複を解消する 整理であって、別の表から項目を持ってくる作業ではありません。
イ欠損値の処理
誤り。欠損値の処理は、値が入っていない項目について、その行を除いたり 平均値で補ったりして分析できる状態にする作業です。空欄への対処であり、 共通の項目をキーにして表どうしを突き合わせる作業ではありません。
ウアノテーション
誤り。アノテーションは、AIの学習に使うデータへ人が正解のラベルや 意味づけを付ける作業です。同じ「情報を付け足す」でも、付ける相手は 学習用のデータであり、付ける中身も既存の表ではなく人の判断です。
エデータ結合
正解。データ結合は、共通する項目（ここでは商品コード）を手がかりに 複数の表を突き合わせ、必要な項目をそろえた一つの表にする作業です。 これで「カテゴリ別の売上」のような集計ができるようになります。
理解を深めるために
表と表を橋渡しするキー
売上明細には「A1023が3個」としか書かれていません。 これでは何が売れたのか分かりませんが、商品マスタには 「A1023 = ミネラルウォーター / 飲料」という対応が入っています。 商品コードを手がかりに両方をつなげば、 「飲料のミネラルウォーターが3個」という読める表になります。 この突き合わせがデータ結合です。
なぜ最初から一つの表にしないのか
- 商品名を全ての明細に書くと、名称が変わったとき全件を直すはめになる
- マスタ側を1か所直せば済むよう、役割ごとに表を分けて持っている
- 分析するときだけ結合して、必要な形に組み立てる
結合できるかどうかは、突き合わせる項目（キー）の値がそろっているかで決まります。 表記がばらついていると結合に失敗するので、先に整える作業が要ります。
分析前にデータを整える作業を並べる
| 作業 | 何をするか |
|---|---|
| データ結合 | 共通の項目をキーに複数の表を突き合わせ、一つの表にまとめる |
| 名寄せ | 表記のゆれを吸収し、同じ対象として登録された重複をまとめる |
| 欠損値の処理 | 値が入っていない項目を、除く・補うなどして扱える状態にする |
| アノテーション | AIの学習データに、正解となるラベルや意味づけを付ける |
「別の表から項目を持ってくる」ならデータ結合、 「同じ相手が二重に登録されている」なら名寄せ、と場面で見分けてください。