Was sind Datenbereinigung und -aufbereitung?

Datenaufbereitung in Alteryx

Deanna Sanchez

Alteryx ACE and Owner, Nova Geographica LLC

Warum sind saubere Daten wichtig?

GIGO: „Garbage In, Garbage Out“

Daten bereinigen und vorbereiten hilft dir:
- Fehler vermeiden und verhindern
- Daten und Formate standardisieren
- Produktivität steigern
- Schneller zu Erkenntnissen kommen

Darstellung von Müll, der in eine Datenbank hinein- und wieder herausgeht

Daten bereinigen ist wie …

Auto-Tuning – Mit sauberen Komponenten und frischen Flüssigkeiten läuft dein Auto besser.

Ein Bild eines Mechanikers, der ein Auto wartet

Beispiele für „Dirty Data“

Fehlende oder unvollständige Daten

Datentabelle mit fehlenden Daten wie leeren Zellen

Beispiele für „Dirty Data“

Fehlende oder unvollständige Daten
Nicht standardisierte oder inkonsistente Daten

Datentabelle mit Inkonsistenzen wie Großbuchstaben gemischt mit Titel-Schreibung

Beispiele für „Dirty Data“

Fehlende oder unvollständige Daten
Nicht standardisierte oder inkonsistente Daten
Tippfehler bei der Dateneingabe

Datentabelle mit Eingabefehlern wie zu vielen Ziffern

Beispiele für „Dirty Data“

Fehlende oder unvollständige Daten
Nicht standardisierte oder inkonsistente Daten
Tippfehler bei der Dateneingabe
Führende/abschließende Leerzeichen sowie unnötige Zeichen oder Satzzeichen

Datentabelle mit unnötiger Interpunktion wie Dollarzeichen bei numerischen Daten

Techniken zur Datenbereinigung

Fehlende Daten handhaben

Fehlende Daten markieren durch Imputation, z. B.:
- Nullwerte bei Strings in Leerzeichen umwandeln
- Nullwerte bei Zahlen auf 0 setzen
Fehlende Daten aus dem Datenstrom filtern

Ein Bild von Analyst:innen, die mit Lupe und Besen Daten säubern

Techniken zur Datenbereinigung

Daten standardisieren

Formatierung sicherstellen
- $ zu Währungen hinzufügen
- 000123456
Namenskonventionen für Feld- und Dateinamen prüfen
- "filename_01012004.csv"
Groß-/Kleinschreibung in einem Feld anpassen
- LOCATION
Datentypen ändern

Ein Bild einer Analystin, die Daten in passende Ordner ablegt

Techniken zur Datenbereinigung

Überflüssiges entfernen

Führende/abschließende Leerzeichen
Tabs und Zeilenumbrüche
Nicht benötigte Zeilen oder Spalten
Unnötige Satzzeichen, Buchstaben und Zahlen

Ein Bild von Bauarbeiter:innen, die Datendateien säubern

Profil mit Farbcode

Die Farbkennzeichnung im Fenster „Results“ und im Profil leitet die Datenbereinigung.

Grün = OK

OK-Farbprofil

Profil mit Farbcode

Die Farbkennzeichnung im Fenster „Results“ und im Profil leitet die Datenbereinigung.

Grün = OK
Weiß = Eindeutig

OK- und Eindeutig-Farbprofile

Profil mit Farbcode

Die Farbkennzeichnung im Fenster „Results“ und im Profil leitet die Datenbereinigung.

Grün = OK
Weiß = Eindeutig
Gelb = Null

OK-, Eindeutig- und Null-Farbprofile

Profil mit Farbcode

Die Farbkennzeichnung im Fenster „Results“ und im Profil leitet die Datenbereinigung.

Grün = OK
Weiß = Eindeutig
Gelb = Null
Rot = Nicht OK (z. B. nachgestellte Leerzeichen)

OK-, Eindeutig-, Null- und Nicht-OK-Farbprofile

Profil mit Farbcode

Die Farbkennzeichnung im Fenster „Results“ und im Profil leitet die Datenbereinigung.

Grün = OK
Weiß = Eindeutig
Gelb = Null
Rot = Nicht OK (z. B. nachgestellte Leerzeichen)
Grau = Leer

Alle Farbprofile

Datentypen in Alteryx

Tabelle mit angezeigtem Boolean-Datentyp

Verschiedene Datentypen kennen
- Wie und wann nutzen
Fünf Hauptkategorien
- Boolean – binäre Formate

Datentypen in Alteryx

Tabelle mit Boolean und Numeric

Verschiedene Datentypen kennen
- Wie und wann nutzen
Fünf Hauptkategorien
- Boolean – binäre Formate
- Numeric – Zahlendaten, inkl. Double

Datentypen in Alteryx

Tabelle mit Boolean, Numeric und String

Verschiedene Datentypen kennen
- Wie und wann nutzen
Fünf Hauptkategorien
- Boolean – binäre Formate
- Numeric – Zahlendaten, inkl. Double
- String – Textdaten

¹ String, von String ² bis V_W String-Typen.

Datentypen in Alteryx

Tabelle mit vier Datentypen – Boolean, Numeric, String und DateTime

Verschiedene Datentypen kennen
- Wie und wann nutzen
Fünf Hauptkategorien
- Boolean – binäre Formate
- Numeric – Zahlendaten, inkl. Double
- String – Textdaten
- DateTime – Datums- und Zeitdaten

Datentypen in Alteryx

Tabelle mit allen fünf Hauptdatentypen

Verschiedene Datentypen kennen
- Wie und wann nutzen
Fünf Hauptkategorien
- Boolean – binäre Formate
- Numeric – Zahlendaten, inkl. Double
- String – Textdaten
- DateTime – Datums- und Zeitdaten
- Spatial – räumliche Objekte und Punkte

Details zum Datensatz

Alteryx-Praktikumsaufgaben:
- New York City Property Sales
- Ein Datensatz für alle Übungen
- Analyse der höchsten Verkäufe

Ein Bild der Skyline von New York City

Lass uns üben!

Datenaufbereitung in Alteryx

Preparing Video For Download...