Qu'est-ce que le nettoyage et la préparation des données ?

Préparation des données dans Alteryx

Deanna Sanchez

Alteryx ACE and Owner, Nova Geographica LLC

Pourquoi des données propres sont-elles importantes ?

GIGO : « Garbage In, Garbage Out »

Nettoyer et préparer les données vous permet :
- D'éviter les fautes et prévenir les erreurs
- De normaliser les données et les formats
- D'augmenter la productivité
- D'accélérer l'obtention d'insights

Une illustration d'ordures entrant dans une base de données et en sortant

Nettoyer vos données, c'est comme…

Accorder votre voiture - Optimiser votre auto avec des pièces propres et des fluides neufs améliore le rendement.

Image d'un mécanicien qui fait l'entretien d'une voiture

Exemples de données sales

Données manquantes ou incomplètes

Tableau de données mettant en évidence des valeurs manquantes comme des cellules vides

Exemples de données sales

Données manquantes ou incomplètes
Données non normalisées ou incohérentes

Tableau de données mettant en évidence des incohérences comme des majuscules mélangées à des majuscules en début de mot

Exemples de données sales

Données manquantes ou incomplètes
Données non normalisées ou incohérentes
Erreurs de saisie

Tableau de données mettant en évidence des erreurs de saisie comme trop de chiffres

Exemples de données sales

Données manquantes ou incomplètes
Données non normalisées ou incohérentes
Erreurs de saisie
Espaces avant/après, et caractères ou ponctuation inutiles

Tableau de données mettant en évidence une ponctuation inutile comme des signes de dollar sur des valeurs numériques

Techniques de nettoyage des données

Gérer les données manquantes

Signaler les valeurs manquantes en imputant, par exemple :
- Convertir les valeurs nulles en vides pour les types chaîne
- Imputer les valeurs nulles à 0 pour les types numériques
Filtrer les données manquantes du flux de données

Image d'analystes qui nettoient des fichiers de données avec une loupe et un balai

Techniques de nettoyage des données

Normaliser les données

Assurer un formatage uniforme
- Ajouter $ aux montants
- 000123456
Vérifier les conventions d'appellation des champs et des noms de fichiers
- "filename_01012004.csv"
Modifier la casse d'un champ
- LOCATION
Modifier les types de données

Image d'un analyste qui classe des données dans les bons dossiers

Techniques de nettoyage des données

Retirer les éléments inutiles

Espaces avant/après
Tabulations et sauts de ligne
Lignes ou colonnes non nécessaires
Ponctuation, lettres et chiffres superflus

Image d'ouvriers de construction qui nettoient des fichiers de données

Profil avec code de couleurs

La codification par couleur dans la fenêtre Résultats et le Profil guide l'usage des techniques de nettoyage.

Vert = OK

Profil de couleur OK

Profil avec code de couleurs

La codification par couleur dans la fenêtre Résultats et le Profil guide l'usage des techniques de nettoyage.

Vert = OK
Blanc = Unique

Profils de couleur OK et Unique

Profil avec code de couleurs

La codification par couleur dans la fenêtre Résultats et le Profil guide l'usage des techniques de nettoyage.

Vert = OK
Blanc = Unique
Jaune = Null

Profils de couleur OK, Unique et Null

Profil avec code de couleurs

La codification par couleur dans la fenêtre Résultats et le Profil guide l'usage des techniques de nettoyage.

Vert = OK
Blanc = Unique
Jaune = Null
Rouge = Non OK (p. ex., espaces finaux)

Profils de couleur OK, Unique, Null et Non OK

Profil avec code de couleurs

La codification par couleur dans la fenêtre Résultats et le Profil guide l'usage des techniques de nettoyage.

Vert = OK
Blanc = Unique
Jaune = Null
Rouge = Non OK (p. ex., espaces finaux)
Gris = Vide

Tous les profils de couleur

Types de données dans Alteryx

Tableau affichant le type de données Boolean

Important de connaître les divers types de données
- Quand et comment les utiliser
Cinq grandes catégories
- Boolean - formats binaires

Types de données dans Alteryx

Tableau affichant Boolean et Numeric

Important de connaître les divers types de données
- Quand et comment les utiliser
Cinq grandes catégories
- Boolean - formats binaires
- Numeric - données numériques, inclut Double

Types de données dans Alteryx

Tableau affichant Boolean, Numeric et String

Important de connaître les divers types de données
- Quand et comment les utiliser
Cinq grandes catégories
- Boolean - formats binaires
- Numeric - données numériques, inclut Double
- String - données texte

¹ String, qui couvre les types de String à V_W String.

Types de données dans Alteryx

Tableau avec quatre types de données : Boolean, Numeric, String et DateTime

Important de connaître les divers types de données
- Quand et comment les utiliser
Cinq grandes catégories
- Boolean - formats binaires
- Numeric - données numériques, inclut Double
- String - données texte
- DateTime - données de date et d'heure

Types de données dans Alteryx

Tableau avec les cinq principaux types de données

Important de connaître les divers types de données
- Quand et comment les utiliser
Cinq grandes catégories
- Boolean - formats binaires
- Numeric - données numériques, inclut Double
- String - données texte
- DateTime - données de date et d'heure
- Spatial - objets et points spatiaux

Détails de l'ensemble de données

Exercices pratiques dans Alteryx :
- Ventes immobilières à New York
- Un seul jeu de données pour tous les exercices
- Analyse des ventes les plus élevées

Image de la ligne d'horizon de New York

Passons à la pratique !

Préparation des données dans Alteryx

Preparing Video For Download...