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

Logo Harvard Business Review

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

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

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

Capture d’écran montrant l’option de transformation de date dans Power Query

Préparation des données dans Power BI