Échantillonner et résumer

Préparation des données avec Alteryx

Deanna Sanchez

Alteryx ACE and Owner, Nova Geographica LLC

Échantillonner les données, c’est comme…

Prendre un échantillon dans un tube à essai de chimie.

Couche supérieure du liquide
Pourcentage supérieur du liquide
Échantillon aléatoire (1 chance sur N)

Image d’un tube à essai contenant un liquide

Options de l’outil Sample

Options d’échantillonnage :

Premières ou dernières N lignes
Ignorer les N premières lignes
1 ligne sur N
1 chance sur N d’inclure chaque ligne
Premiers N % de lignes

Top N et Bottom N

Utiliser un outil Sort avant l’outil Sample
- Trier par ordre décroissant
Ajouter un outil Sample
- Premiers N enregistrements où N = 10
Exemple : top 10 des ventes

Image échantillonnage Top 10

Ignorer les N premières lignes

Fournit toutes les lignes après avoir ignoré le nombre initial d’enregistrements spécifié

Garantit que seules des lignes avec données restent
Exemple : ignorer les 4 premières lignes pour sauter les en-têtes quand les données commencent à la ligne 5

Exemple de feuille avec en-tête et logo

1 ligne sur N

Renvoie la première ligne sur chaque N lignes du jeu de données

Exemple : 1 sur 10 enregistrements
- Utile pour un aperçu d’un total cumulatif
- Un jeu de 100 enregistrements renverrait 10 enregistrements
Ce n’est pas un échantillonnage aléatoire

Exemple de total cumulatif 1 sur 10 enregistrements

1 chance sur N d’inclure chaque ligne

Échantillon aléatoire du jeu de données

Exemple : 1 chance sur 25 parmi 1000 enregistrements
- Échantillon aléatoire de l’ensemble du jeu
Produit un nouvel échantillon aléatoire à chaque exécution du workflow
- Des ID différents sont renvoyés à chaque exécution

Exemple 1 chance sur N.jpg

Premiers N % de lignes

Renvoie les premières N pourcents de lignes

Exemple : premiers 25 % des lignes, comme top 25 % des ventes
Pour 1 000 enregistrements, les premiers 25 % renvoient les lignes 1 à 250

Exemple des premiers N % de lignes

Regrouper avec échantillons

Permet d’échantillonner par groupe(s)
Un ou plusieurs champs peuvent être sélectionnés
Exemple : top 10 des ventes par région

Exemple top 10 des ventes par région

Utiliser l’outil Summarize

L’outil Summarize permet de regrouper et résumer les données avec de nombreuses options.

Les actions dépendent du type de données du champ
Seuls les champs avec des actions sont en sortie
Un même champ peut avoir plusieurs actions
- Exemple : Ventes min et max

Exemple ventes min et max par région

Résumer des chaînes de caractères

Parmi les actions disponibles pour les chaînes :

Group By
Count
Count Non Null
Min/Max
Mode
First/Last
Concatenate

Exemple regrouper par région et compter

Résumer des données numériques

Parmi les actions disponibles pour les numériques :

Group By et options ci-dessus pour les chaînes, plus :
Sum
Average, Median, Mode
Percentile
Standard Deviation
Formules financières comme IRR (taux de rendement interne) et NPV (valeur actuelle nette)

Exemple de résumé de données numériques

L’ordre compte

Les actions s’appliquent hiérarchiquement

S’applique surtout à la fonction Group By
Exemple :
- Regrouper par région
- Regrouper par équipe commerciale
- Regrouper par commercial(e)

Exemple regrouper par région et équipe commerciale

Types de fichiers Alteryx

Base de données Alteryx .yxdb
- Format natif optimisé pour Alteryx
- Peut exporter en .yxdb et réutiliser .yxdb dans des workflows
Workflow Alteryx .yxmd
- Format de workflow Alteryx Designer
Workflow Alteryx packagé .yxzp
- Workflow Alteryx zippé
- Peut inclure des jeux de données en entrée et en sortie

Types de fichiers.jpg

Passons à la pratique !

Préparation des données avec Alteryx