Transformations numériques dans Power Query

Préparation des données dans Power BI

Maarten Van den Broeck

Content Developer at DataCamp

Pourquoi nettoyer les données ?

  • Coût des mauvaises données = 3,1 billions $
  • Règle 1-10-100
    • 1 $ pour vérifier
    • 10 $ pour nettoyer
    • 100 $ si vous ne faites rien

Logo de la Harvard Business Review

1 https://hbr.org/2016/09/bad-data-costs-the-u-s-3-trillion-per-year
Préparation des données dans Power BI

Qu'est-ce que des données numériques propres ?

  • Sans valeurs manquantes / erreurs / valeurs aberrantes
  • Transformations mathématiques appliquées (au besoin) :
    • Valeur absolue
    • Logarithme (naturel / base 10)
    • Multiplier par / ajouter une valeur scalaire
  • Données arrondies au bon nombre de chiffres
Préparation des données dans Power BI

Sur les colonnes de dates

  • La date (et l'heure) est un type distinct dans Power Query
  • Transformations possibles sur une colonne de dates :
    • Extraire : année, trimestre, mois, semaine, jour
    • Début/fin : année, trimestre, mois, semaine
    • Extraire l'âge
    • Autres

Capture d'écran montrant l'option de transformation de dates dans Power Query

Préparation des données dans Power BI

Passons à la pratique !

Préparation des données dans Power BI

Preparing Video For Download...