Pulizia e trasformazione dei dati

Caso di studio: analisi finanziaria in KNIME

Andrew Logan

Data Scientist, 4&8 Ltd

Seguire il piano

• Dati puliti, utili e consistenti
• Pulizia: valori mancanti, rimozione duplicati, filtri righe/colonne inutili, ecc.
• Trasformazione: manipolazione stringhe, calcoli numerici, rinomina colonne, ecc.

Pulito come nuovo

• Nodi più comuni: Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
• Annota!

Pulito come nuovo

• Nodi più comuni: Missing Value, Duplicate Row Filter, Column Filter, String Cleaner
• Annota!
• Molti altri: usa il forum KNIME - https://forum.knime.com/ o un motore di ricerca per casi particolari

Modifiche utili

• Manipolare i dati per renderli utili
• Manipolazione di stringhe

Modifiche utili

• Manipolare i dati per renderli utili
• Manipolazione di stringhe
• Calcoli numerici

Modifiche utili

• Manipolare i dati per renderli utili
• Manipolazione di stringhe
• Calcoli numerici
• Altri nodi di trasformazione
• Annotazioni!

Più facile da capire e riusare

• Metanodi: le città sulla mappa.

Più facile da capire e riusare

• Metanodi: le città sulla mappa.
• Molti nodi in uno

Più facile da capire e riusare

• Metanodi: le città sulla mappa.
• Molti nodi in uno
• Fa risparmiare tempo
• Facile da capire
• Facile da annotare

Ayo berlatih!

Caso di studio: analisi finanziaria in KNIME