Introduction

  • 2 minuti

Si consideri lo scenario in cui sono stati importati dati in Power BI da diverse origini e, quando si esaminano i dati, non è preparato per l'analisi. Cosa potrebbe impedire ai dati di essere pronti per l'analisi?

Quando si esaminano i dati, si rilevano diversi problemi, tra cui:

  • Una colonna denominata Stato impiego contiene solo cifre.

  • Diverse colonne contengono errori.

  • Alcune colonne contengono valori null.

  • L'ID cliente in alcune colonne viene visualizzato come se fosse stato duplicato ripetutamente.

  • Una singola colonna indirizzo contiene insieme via, città, stato e codice postale.

Si inizia a lavorare con i dati, ma ogni volta che si creano oggetti visivi nei report si ottengono dati errati, risultati errati e report semplici sui totali delle vendite non sono corretti.

Il numero di dati sporchi può essere eccessivo e, nonostante il senso di frustrazione, si decide di mettersi al lavoro e capire come rendere questo modello semantico il più incontaminato possibile.

Fortunatamente, Power BI e Power Query offrono un ambiente potente per pulire e preparare i dati. I dati puliti presentano i seguenti vantaggi:

  • Le misure e le colonne producono risultati più accurati quando eseguono aggregazioni e calcoli.

  • Le tabelle sono organizzate, in modo che gli utenti possano trovare i dati in modo intuitivo.

  • I duplicati vengono rimossi, semplificando lo spostamento tra i dati. Vengono inoltre generate colonne che possono essere utilizzati in filtri di dati e altri filtri.

  • Una colonna complicata può essere divisa in due colonne più semplici. È possibile combinare più colonne in un'unica colonna per migliorare la leggibilità.

  • Codici e valori interi possono essere sostituiti con valori leggibili dall’uomo.

In questo modulo, imparerai a:

  • Risoluzione di incongruenze, valori imprevisti o null e problemi di qualità dei dati.

  • Applica sostituzioni dei valori intuitive.

  • Profilazione dei dati in modo da avere maggiori informazioni su una colonna specifica prima di usarla.

  • Valutazione e trasformazione dei tipi di dati delle colonne.

  • Applicazione delle trasformazioni della forma dei dati alle strutture delle tabelle.

  • Combinazione di query.

  • Applica convenzioni di denominazione intuitive a colonne e query.

  • Modifica del codice M nell'editor avanzato.