Numerische Transformationen in Power Query

Datenvorbereitung in Power BI

Maarten Van den Broeck

Content Developer at DataCamp

Warum solltest du Daten bereinigen?

Kosten für schlechte Daten = 3,1 Billionen €
Die 1-10-100-Regel
- 1 € überprüfen
- 10 € bereinigen
- 100 € wenn man nichts macht

Logo der Harvard Business Review

¹ https://hbr.org/2016/09/bad-data-costs-the-u-s-3-trillion-per-year

Keine fehlende Werte, Fehler, Ausreißer
Mathematische Umformungen werden angewendet (wenn nötig):
- Absolutwert
- Logarithmus (natürlich / zur Basis 10)
- Mit einem Skalarwert multiplizieren / addieren
Rundung von Daten auf die passende Anzahl von Stellen

Datum (und Uhrzeit) wird in Power Query als separater Datentyp behandelt.
Auf eine Datumsspalte kann man spezielle Transformationen anwenden:
- Jahr, Quartal, Monat, Woche, Tag extrahieren
- Anfang/Ende des Jahres, Quartals, Monats, der Woche
- Alter
- Weitere

Ein Screenshot, der die Option zur Datumsumwandlung in Power Query zeigt

Datenvorbereitung in Power BI