تمیز کردن ، تبدیل و بارگذاری داده ها در پاور بی آی

فرض کنید داده را از منابع مختلف وارد پاور بی آی کرده باشید و در زمانیکه دیتا را بررسی می ­کنید، متوجه می ­شوید که این دیتا برای تحلیل مناسب نیست. چه عواملی منجر به ایجاد این شرایط می ­شوند؟

شما در حین بررسی دیتا ممکن است با مشکلات زیر مواجه شوید:

• ستونی به اسم Employment status فقط شامل مقادیر عددی ­باشد.
• برخی از ستون­ها دارای خطا ­باشند.
• برخی از ستون­ها دارای مقادیر خالی ­باشند.
• ID مشتریان در برخی از ستون­ ها بارها تکرار شده باشد.
• یک ستون شناسایی منحصر بفرد، آدرس خیابان، شهر، کشور و کدپستی را با هم ترکیب کرده باشد.

شما شروع به کار کردن بر روی این دیتا می­ کنید ولی زمانیکه در گزارشات یک سری تصاویر و نمودارهایی را ایجاد می­ کنید، دیتای نامناسب، نتایج نادرست و یک سری گزارشات ساده ­ای را در مورد کل فروش ایجاد می­ کنید که نادرست هستند.

دیتای کثیف می­تواند گمراه ­کننده باشد و هر چند ممکن است احساس ناامیدی کنید، ولی احتمالا تصمیم بگیرید که بر روی دیتا کار کنید و بهترین روش ­های مربوط به ایجاد یک مدل دیتای بکر و مناسب را پیدا کنید.

خوشبختانه پاور بی آوی و Power Query یک محیط قدرتمند و مناسبی را برای پاک کردن و آماده سازی این دیتا فراهم کرده است که بمنظور رفع مشکلات پیش ­آمده می ­توانید مورد استفاده قرار دهید.

برای دیدن تمام آموزش های پاور بی آی به لینک زیر مراجعه کنید:

دوره رایگان و فیلم آموزش پاور بی آی (power BI)

 

برخی از مزایای پاک کردن دیتا

• ابزارهای سنجش و ستون هایی که در حین تجمیع ها و محاسبات نتایج دقیق ­تری را ایجاد می کنند.
• جداول سازماندهی شده می باشند و در نتیجه کاربران بصورت مستقیم می توانند دیتا را مشاهده کنند.
• موارد تکراری حذف شده است و در نتیجه مسیریابی دیتا راحت تر  می باشد. همچنین یک سری ستون هایی ایجاد خواهد شد که می­توان در اسلایسرها (برش­ها) و فیلترها مورد استفاده قرار داد.
• یک ستون پیچیده می تواند به دو ستون ساده تر تقسیم شود. همچنین قابلیت تبدیل چند ستون به یک ستون وجود دارد که برای ایجاد قابلیت خوانایی استفاده می شود.
• کدها و اعداد صحیح قابلیت جایگزینی با مقادیر خوانای انسانی دارند.

مواردی که در این بخش یاد خواهید گرفت عبارتند از:

• رفع مقادیر ناسازگار، غیرمنتظره یا خالی و مشکلات کیفی داده­ ها.
• اعمال جایگزین ­های مقادیر متناسب برای کاربر.
• نمایش (پروفایل کردن) دیتا به نحوی که قبل از استفاده از یک ستون خاص اطلاعات بیشتری در مورد آن داشته باشید.
• ارزیابی و تبدیل نوع دیتای ستونی.
• اعمال تبدیل­ های مربوط به شکل داده به ساختار جدولی.
• ترکیب کوئری­ ها.
• اعمال تبدیل­ های نامگذاری مطلوب کاربر در ستون­ ها و کوئری­ ها.
• ویرایش کد M در Advanced Editor

در قسمت بعدی به شکل دادن به دیتای اولیه خواهیم پرداخت.