Data opschonen en transformeren

Casestudy: financiële analyse in KNIME

Andrew Logan

Data Scientist, 4&8 Ltd

Vasthouden aan het plan

• Schone, nuttige en consistente data
• Opschonen: missende waarden, dubbelen filteren, onnodige rijen/kolommen verwijderen, enz.
• Transformatie: stringbewerking, numerieke berekeningen, kolommen hernoemen, enz.

Spik en span

• Meest gebruikte knopen: Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
• Annoteer!

Spik en span

• Meest gebruikte knopen: Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
• Annoteer!
• Veel meer: gebruik het KNIME-forum - https://forum.knime.com/ of een zoekmachine voor speciale gevallen

Nuttige aanpassingen maken

• Data bewerken om het nuttig te maken
• Strings bewerken

Nuttige aanpassingen maken

• Data bewerken om het nuttig te maken
• Strings bewerken
• Numeriek rekenen

Nuttige aanpassingen maken

• Data bewerken om het nuttig te maken
• Strings bewerken
• Numeriek rekenen
• Andere transformatieknopen
• Annotaties!

Makkelijker te begrijpen en hergebruiken

• Metaknopen: de steden op de kaart.

Makkelijker te begrijpen en hergebruiken

• Metaknopen: de steden op de kaart.
• Veel knopen in één

Makkelijker te begrijpen en hergebruiken

• Metaknopen: de steden op de kaart.
• Veel knopen in één
• Tijdsbesparing
• Makkelijk te begrijpen
• Eenvoudig te annoteren

Laten we oefenen!

Casestudy: financiële analyse in KNIME