Numeriska transformationer i Power Query

Dataförberedelse i Power BI

Maarten Van den Broeck

Content Developer at DataCamp

Varför ska du rensa data?

Kostnaden för dålig data = 3,1 biljoner dollar
1-10-100-regeln
- 1 dollar att verifiera
- 10 dollar att rensa
- 100 dollar om du gör ingenting

Harvard Business Review-logotyp

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

Fri från saknade värden / fel / extremvärden
Matematiska transformationer tillämpas (vid behov):
- Absolutvärde
- Logaritm (naturlig / bas 10)
- Multiplicering med / addition av ett skalärvärde
Data avrundas till lämpligt antal decimaler

Datum (och tid) är en separat datatyp i Power Query
Särskilda transformationer kan tillämpas på en datumkolumn:
- Extrahera år, kvartal, månad, vecka, dag
- Start/slut för år, kvartal, månad, vecka
- Extrahera ålder
- Annat

En skärmbild som visar alternativet för datumtransformationer i Power Query

Dataförberedelse i Power BI