Εισαγωγή
Σκεφτείτε το σενάριο όπου έχετε εισαγάγει δεδομένα στο Power BI από πολλές διαφορετικές προελεύσεις και, όταν εξετάζετε τα δεδομένα, δεν είναι προετοιμασμένα για ανάλυση. Τι μπορεί να κάνει τα δεδομένα απροετοίμαστα για ανάλυση;
Κατά την εξέταση των δεδομένων, ανακαλύπτετε διάφορα προβλήματα, όπως:
Μια στήλη που ονομάζεται Κατάσταση απασχόλησης περιέχει μόνο αριθμούς.
Πολλές στήλες περιέχουν σφάλματα.
Ορισμένες στήλες περιέχουν τιμές null.
Το αναγνωριστικό πελάτη σε ορισμένες στήλες εμφανίζεται σαν να είχε επαναληφθεί επανειλημμένα.
Μία ενιαία στήλη διευθύνσεων συνδυάζει οδό και αριθμό, πόλη, νομό και ταχυδρομικό κώδικα.
Ξεκινάτε την εργασία με τα δεδομένα, αλλά κάθε φορά που δημιουργείτε απεικονίσεις σε αναφορές, λαμβάνετε εσφαλμένα δεδομένα, εσφαλμένα αποτελέσματα και οι απλές αναφορές σχετικά με τα σύνολα πωλήσεων είναι εσφαλμένες.
Τα εσφαλμένα δεδομένα μπορεί να σας κατακλύσουν και, παρόλο που μπορεί να αισθάνεστε απογοητευμένοι, αποφασίζετε να ξεκινήσετε να εργάζεστε και να κατανοήσετε πώς να κάνετε αυτό το σημασιολογικό μοντέλο όσο το δυνατόν πιο παρθένο.
Ευτυχώς, το Power BI και το Power Query σας παρέχουν ένα ισχυρό περιβάλλον για τον καθαρισμό και την προετοιμασία των δεδομένων. Τα καθαρά δεδομένα έχουν τα εξής πλεονεκτήματα:
Οι μετρήσεις και οι στήλες παράγουν πιο ακριβή αποτελέσματα κατά την εκτέλεση συναθροίσεων και υπολογισμών.
Οι πίνακες είναι οργανωμένοι, οπότε οι χρήστες μπορούν να βρουν τα δεδομένα με έξυπνο τρόπο.
Οι διπλότυπες τιμές καταργούνται, καθιστώντας απλούστερη την πλοήγηση στα δεδομένα. Θα παράγει επίσης στήλες που μπορούν να χρησιμοποιηθούν σε αναλυτές και φίλτρα.
Μια περίπλοκη στήλη μπορεί να διαιρεθεί σε δύο, απλούστερες στήλες. Μπορείτε να συνδυάσετε πολλές στήλες σε μία στήλη για ευκολότερη ανάγνωση.
Οι κωδικοί και οι ακέραιοι μπορούν να αντικατασταθούν με αναγνώσιμες από τον άνθρωπο τιμές.
Σε αυτή την εκπαιδευτική ενότητα, θα μάθετε πώς μπορείτε:
Να επιλύετε ασυνέπειες, μη αναμενόμενες ή τιμές null και προβλήματα ποιότητας δεδομένων.
Να εφαρμόζετε αντικαταστάσεις τιμών με φιλικό προς τον χρήστη τρόπο.
Να δημιουργείτε προφίλ δεδομένων, ώστε να μπορείτε να μάθετε περισσότερα σχετικά με μια συγκεκριμένη στήλη προτού τη χρησιμοποιήσετε.
Να αξιολογείτε και να μετασχηματίζετε τύπους δεδομένων στήλης.
Να εφαρμόζετε μετασχηματισμούς σχήματος δεδομένων σε δομές πίνακα.
Να συνδυάζετε ερωτήματα.
Να εφαρμόζετε κανόνες ονοματοθεσίας φιλικούς προς τον χρήστη σε στήλες και ερωτήματα.
Να επεξεργάζεστε κώδικα M στο Προηγμένο πρόγραμμα επεξεργασίας.