Introducción

  • 2 minutos

Tenga en cuenta el escenario en el que ha importado datos en Power BI de varios orígenes diferentes y, al examinar los datos, no está preparado para el análisis. ¿Qué podría indicar que los datos no están preparados para el análisis?

Al examinar los datos, se detectan varias incidencias, como las siguientes:

  • Una columna denominada Situación laboral solo contiene números.

  • Varias columnas contienen errores.

  • Algunas columnas contienen valores null.

  • El id. de cliente en algunas columnas aparece como si se duplicara varias veces.

  • Una sola columna de dirección ha combinado una dirección, una ciudad, un estado y un código postal.

Comienza a trabajar con los datos, pero cada vez que crea objetos visuales en los informes obtiene datos de poca calidad y resultados incorrectos; además, los informes sencillos sobre las ventas totales están mal.

Los datos incorrectos pueden ser algo abrumador y, aunque es posible que sienta frustración, decide trabajar y averiguar lo que puede hacer para que este modelo semántico sea lo más perfecto posible.

Afortunadamente, Power BI y Power Query ofrecen un entorno eficaz para limpiar y preparar los datos. La limpieza de datos tiene las ventajas siguientes:

  • Las medidas y columnas producen resultados más precisos cuando realizan agregaciones y cálculos.

  • Las tablas están organizadas, de forma que los usuarios pueden encontrar los datos de una manera intuitiva.

  • Se quitan los duplicados, lo que facilita la navegación de datos. También generará columnas que se pueden usar en segmentaciones y filtros.

  • Una columna complicada se puede dividir en dos columnas más sencillas. Se pueden combinar varias columnas en una sola para facilitar la legibilidad.

  • Los códigos y enteros se pueden reemplazar por valores legibles para el usuario.

En este módulo, aprenderá a:

  • Resolver incoherencias, valores inesperados o NULL e incidencias de calidad de los datos.

  • Aplicar reemplazos de valores fáciles de usar.

  • Analice los datos de una columna concreta para obtener más información antes de usarla.

  • Evaluación y transformación de tipos de datos de columna.

  • Aplicar transformaciones de forma de datos a estructuras de tabla.

  • Combinar consultas.

  • Aplicar convenciones de nomenclatura fáciles de comprender a columnas y consultas.

  • Editar el código M en el Editor avanzado.