Transformations numériques dans Power Query

Préparation des données dans Power BI

Maarten Van den Broeck

Content Developer at DataCamp

Pourquoi devriez-vous nettoyer les données ?

"- Coût des données erronées = $3.1 trillion

  • La règle 1-10-100
  • $1 pour vérifier
  • $10 pour nettoyer
  • $100 si vous ne faites rien {{6}} - $1 to verify
    • $10 to clean
    • $100 if you do nothing {{6}}"

"Harvard Business Review logo {{0}}"

1 https://hbr.org/2016/09/bad-data-costs-the-u-s-3-trillion-per-year
Préparation des données dans Power BI

Qu'entend-on par données numériques propres ?

"- Sans valeurs manquantes / erreurs / valeurs aberrantes

  • Des transformations mathématiques sont appliquées (le cas échéant) :
  • Valeur absolue
  • Logarithme (naturel / base 10)
  • Multiplication / addition d'une valeur scalaire
  • Les données sont arrondies au nombre de chiffres approprié{{6}} - Absolute value
    • Logarithm (Natural / Base 10)
    • Multiplying by / adding a scalar value
  • Data is rounded to the appropriate amount of digits{{6}}"
Préparation des données dans Power BI

Sur les colonnes de date

"- Date (et Time) est considéré comme un type de données distinct dans Power Query

  • Des transformations spéciales peuvent être appliquées à une colonne de date :
  • Extraire l'année, le trimestre, le mois, la semaine, le jour
  • Début/fin de l'année, du trimestre, du mois, de la semaine
  • Extraire l'âge
  • Autre

A screen shot showing the date transformation option in Power Query {{1}}"

Préparation des données dans Power BI

Passons à la pratique !

Préparation des données dans Power BI

Preparing Video For Download...