Introduktion till Power Query

Dataförberedelse i Power BI

Khaled Choucri

Strategic Analyst - Trilogy

Varför förbereda data?

Illustration som visar att "skräpdata" som används resulterar i "skräpdata" ut ur analysen, vilket ger fler frågor än svar om datan.

Vad är ren data?

Inga saknade värden
Stavfel och inmatningsfel är korrigerade
Inga duplicerade poster
Irrelevant data är exkluderad
Extremvärden är hanterade
Rätt datatyper för alla kolumner
Kolumn- och tabellnamn är korta och beskrivande

En tabell med exempel på smutsig data.

Hur fungerar dataförberedelse i Power Query?

För att ladda och transformera data använder vi Power Query-gränssnittet i Power BI
Transformeringssteg läggs till i sekvens
Stegen sparas i ett "recept" kallat "Applied Steps" som körs varje gång datan laddas eller uppdateras
För att tillämpa transformeringarna väljer vi "Close & Apply" i Power Query-editorn

En skärmbild av panelen Applied Steps i Power Query-editorn, som visar de transformeringssteg som har tillämpats på datan.

En skärmbild av ikonen Close & Apply i Power Query, som stänger editorn och tillämpar transformeringsstegen på datan så att den kan analyseras i Power BI.

Datatyper i Power Query

Numerisk data (heltal / decimaltal / procent)
- 123, 45.23, 23%
Datum- och tidsdata
- 01/01/2022, 09:30 AM
Textdata
- ABC
Logisk data
- TRUE
Binär data
- RGF0YWNhbXA=

Power Query identifierar datatyper automatiskt som standard

Grundläggande strukturell datatransformering

Höj upp rubriker
Ändra ordning på kolumner
Sortera kolumner
Ta bort kolumner/rader
Byt namn på kolumner

Nu kör vi en övning!

Dataförberedelse i Power BI