Числовые преобразования в Power Query

Подготовка данных в Power BI

Maarten Van den Broeck

Content Developer at DataCamp

Зачем очищать данные?

Потери от некачественных данных — $3,1 трлн
Правило 1-10-100
- $1 — на проверку
- $10 — на очистку
- $100 — если ничего не делать

Логотип Harvard Business Review

¹ https://hbr.org/2016/09/bad-data-costs-the-u-s-3-trillion-per-year

Отсутствие пропусков, ошибок и выбросов
Применены математические преобразования (при необходимости):
- Абсолютное значение
- Логарифм (натуральный / по основанию 10)
- Умножение на скаляр / прибавление скаляра
Данные округлены до нужного числа знаков

Дата (и время) — отдельный тип данных в Power Query
К столбцу с датами можно применять специальные преобразования:
- Извлечение года, квартала, месяца, недели, дня
- Начало/конец года, квартала, месяца, недели
- Вычисление возраста
- Прочее

Снимок экрана с параметрами преобразования дат в Power Query

Подготовка данных в Power BI