¿Qué es la limpieza y preparación de datos?

Preparación de datos en Alteryx

Deanna Sanchez

Alteryx ACE and Owner, Nova Geographica LLC

¿Por qué es importante limpiar los datos?

GIGO: "Garbage In, Garbage Out"

  • Limpiar y preparar datos te permite:
    • Evitar fallos y prevenir errores
    • Estandarizar datos y formatos
    • Aumentar la productividad
    • Acelerar el tiempo hasta el insight

Una representación de basura entrando y saliendo de una base de datos

Preparación de datos en Alteryx

Limpiar tus datos es como...

Poner a punto tu coche: optimizarlo con piezas limpias y fluidos nuevos mejora el rendimiento.

 

Imagen de un mecánico poniendo a punto un coche

Preparación de datos en Alteryx

Ejemplos de datos sucios

  • Datos faltantes o incompletos

Tabla de datos que resalta faltantes como celdas en blanco

Preparación de datos en Alteryx

Ejemplos de datos sucios

  • Datos faltantes o incompletos
  • Datos no estandarizados o inconsistentes

Tabla de datos que resalta datos inconsistentes como mayúsculas mezcladas con mayúsculas estilo título

Preparación de datos en Alteryx

Ejemplos de datos sucios

  • Datos faltantes o incompletos
  • Datos no estandarizados o inconsistentes
  • Errores de captura de datos

Tabla de datos que muestra errores de captura como demasiados dígitos

Preparación de datos en Alteryx

Ejemplos de datos sucios

  • Datos faltantes o incompletos
  • Datos no estandarizados o inconsistentes
  • Errores de captura de datos
  • Espacios al inicio o final, y caracteres o signos innecesarios

Tabla de datos que resalta signos innecesarios como símbolos de dólar en datos numéricos

Preparación de datos en Alteryx

Técnicas de limpieza de datos

Gestionar datos faltantes

  • Señalar los faltantes imputando valores, como:
    • Convertir null en blancos para tipos de texto
    • Imputar null como 0 en numéricos
  • Filtrar los faltantes del flujo de datos

Imagen de analistas limpiando archivos de datos con una lupa y una escoba

Preparación de datos en Alteryx

Técnicas de limpieza de datos

Estandarizar datos

  • Asegurar el formato
    • Añadir $ a monedas
    • 000123456
  • Revisar convenciones de nombres de campos y archivos
    • "filename_01012004.csv"
  • Modificar mayúsculas/minúsculas en un campo
    • LOCATION
  • Modificar tipos de datos

Imagen de un analista archivando datos en carpetas correctas

Preparación de datos en Alteryx

Técnicas de limpieza de datos

Quitar lo innecesario

  • Espacios iniciales/finales
  • Tabulaciones y saltos de línea
  • Filas o columnas no necesarias
  • Puntuación, letras y números innecesarios

Imagen de obreros limpiando archivos de datos

Preparación de datos en Alteryx

Perfil con codificación por colores

La codificación por colores en la ventana Results y en Profile guía el uso de técnicas de limpieza.

  • Verde = OK

Perfil de color OK

Preparación de datos en Alteryx

Perfil con codificación por colores

La codificación por colores en la ventana Results y en Profile guía el uso de técnicas de limpieza.

  • Verde = OK
  • Blanco = Único

Perfiles de color OK y Único

Preparación de datos en Alteryx

Perfil con codificación por colores

La codificación por colores en la ventana Results y en Profile guía el uso de técnicas de limpieza.

  • Verde = OK
  • Blanco = Único
  • Amarillo = Null

Perfiles de color OK, Único y Null

Preparación de datos en Alteryx

Perfil con codificación por colores

La codificación por colores en la ventana Results y en Profile guía el uso de técnicas de limpieza.

  • Verde = OK
  • Blanco = Único
  • Amarillo = Null
  • Rojo = No OK (p. ej., espacios finales)

Perfiles de color OK, Único, Null y No OK

Preparación de datos en Alteryx

Perfil con codificación por colores

La codificación por colores en la ventana Results y en Profile guía el uso de técnicas de limpieza.

  • Verde = OK
  • Blanco = Único
  • Amarillo = Null
  • Rojo = No OK (p. ej., espacios finales)
  • Gris = Vacío

Todos los perfiles de color

Preparación de datos en Alteryx

Tipos de datos en Alteryx

Tabla con el tipo de dato Boolean mostrado

  • Es clave conocer los tipos de datos
    • Cómo y cuándo usarlos
  • Cinco categorías principales
    • Boolean: formatos binarios
Preparación de datos en Alteryx

Tipos de datos en Alteryx

Tabla con Boolean y Numeric mostrados

  • Es clave conocer los tipos de datos
    • Cómo y cuándo usarlos
  • Cinco categorías principales
    • Boolean: formatos binarios
    • Numeric: datos numéricos, incluye Double
Preparación de datos en Alteryx

Tipos de datos en Alteryx

Tabla con Boolean, Numeric y String mostrados

  • Es clave conocer los tipos de datos
    • Cómo y cuándo usarlos
  • Cinco categorías principales
    • Boolean: formatos binarios
    • Numeric: datos numéricos, incluye Double
    • String: datos de texto
1 String, que va desde tipos String hasta V_W String.
Preparación de datos en Alteryx

Tipos de datos en Alteryx

Tabla con los cuatro tipos de datos: Boolean, Numeric, String y DateTime

  • Es clave conocer los tipos de datos
    • Cómo y cuándo usarlos
  • Cinco categorías principales
    • Boolean: formatos binarios
    • Numeric: datos numéricos, incluye Double
    • String: datos de texto
    • DateTime: fechas y horas
Preparación de datos en Alteryx

Tipos de datos en Alteryx

Tabla con los cinco tipos de datos principales

  • Es clave conocer los tipos de datos
    • Cómo y cuándo usarlos
  • Cinco categorías principales
    • Boolean: formatos binarios
    • Numeric: datos numéricos, incluye Double
    • String: datos de texto
    • DateTime: fechas y horas
    • Spatial: objetos y puntos espaciales
Preparación de datos en Alteryx

Detalles del dataset

  • Ejercicios prácticos en Alteryx:
    • Ventas de propiedades en Nueva York
    • Un dataset para todos los ejercicios
    • Analizar las ventas más altas

Imagen del skyline de la ciudad de Nueva York

Preparación de datos en Alteryx

¡Vamos a practicar!

Preparación de datos en Alteryx

Preparing Video For Download...