Limpeza e transformação de dados

Estudo de Caso: Análise Financeira no KNIME

Andrew Logan

Data Scientist, 4&8 Ltd

Seguindo o plano

• Dados limpos, úteis e consistentes
• Limpeza: valores ausentes, deduplicação, remoção de linhas/colunas desnecessárias etc.
• Transformação: manipulação de strings, cálculos numéricos, renomear colunas etc.

Brilho impecável

• Nós mais comuns: Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
• Anote!

Brilho impecável

• Nós mais comuns: Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
• Anote!
• Há muitos outros: use o fórum do KNIME - https://forum.knime.com/ ou um buscador para casos especiais

Fazendo mudanças úteis

• Manipular dados para torná-los úteis
• Manipulação de strings

Fazendo mudanças úteis

• Manipular dados para torná-los úteis
• Manipulação de strings
• Cálculo numérico

Fazendo mudanças úteis

• Manipular dados para torná-los úteis
• Manipulação de strings
• Cálculo numérico
• Outros nós de transformação
• Anotações!

Mais fácil de entender e reutilizar

• Metanodes — as cidades no mapa.

Mais fácil de entender e reutilizar

• Metanodes — as cidades no mapa.
• Muitos nós em um só

Mais fácil de entender e reutilizar

• Metanodes — as cidades no mapa.
• Muitos nós em um só
• Economia de tempo
• Fácil de entender
• Fácil de anotar

Vamos praticar!

Estudo de Caso: Análise Financeira no KNIME