Poznaj swoje dane, czyli profilowanie w Power Query

Czy jest możliwe, żeby kucharz nie znał właściwości składników swojej potrawy? Teoretycznie tak, ale niewiele różni się wtedy od robota, do którego wsypujemy wszystko, co przepis każe, a on według zadanych algorytmów przygotowuje danie. Taki kucharz zawsze będzie odtwórcą, który nigdy nie wyjdzie poza te same smaki. Jeśli kucharz chce być mistrzem, tworzyć potrawy eksplodujące na języku i obezwładniające kubki smakowe, z perspektywą na dość nieoczywiste docenienie przez francuskiego producenta opon – wtedy musi dokładnie poznać swoje składniki. Powinien wiedzieć, jak pachną i smakują konkretne przyprawy, czym różnią się mąki i miody, co można czym zastąpić, co będzie współgrać, a co się wyklucza.

Po tym, może niezbyt oczywistym wstępie, co domyślniejsi zapewne już wiedzą, jaka będzie puenta tej opowieści. Z analitykami jest dokładnie tak samo jak z kucharzami. Mogą przeprowadzać uproszczone analizy bez zagłębiania się w charakterystykę danych, ale wtedy będą działać jak rozbudowany algorytm. Mogą też wyjść od podstawowej cechy każdego dobrego analityka i po prostu znać swoje dane. W ten sposób można się pokusić o stworzenie analizy dogłębnej, szytej na miarę i z budzącymi zaufanie wnioskami. Tylko co zrobić, by szybko poznać swoje dane?

W tym momencie na scenę wkracza Power Query – doskonałe narzędzie do agregacji i przekształcania danych, które oferuje niezwykle intuicyjną opcję prześwietlania danych w tabeli.

Kolory na pierwszej linii

Zacznijmy od czegoś, z czego wiele osób nie zdaje sobie sprawy. Już w momencie wczytania danych Power Query mówi nam, z jakimi danymi mamy do czynienia w każdej z kolumn. Nagłówek tabeli jest oddzielony od jej zawartości pogrubioną, kolorową linią. Linia ta, dla każdej z kolumn, pokazuje, z jakimi danymi i w jakiej proporcji mamy do czynienia. Kolor zielony odpowiada danym poprawnym. Pomarańczowy to błędy. Z kolei ciemny brąz oznacza puste wiersze. Możliwy jest także wzór w paskowaną zieleń, który odnosi się do sytuacji nie do końca jasnej, np. w przypadku kolumny z obliczeniami. Zwróćmy uwagę, że dla jednej kolumny możliwe jest istnienie różnych typów danych, co znajduje odwzorowanie w zabarwieniu jedynie części linii oddzielającej (Rysunek 1).

Jeśli najedziemy kursorem nad taki pasek, wyświetli się okno z nieco bardziej szczegółową informacją na temat danych w kolumnie. Dla każdej z grup danych (czyli prawidłowe, z błędem i puste) podane zostaną liczba wierszy oraz ich procentowy udział w całości. Jeśli kolumna zawiera błędy lub puste wiersze, u dołu okna pojawia się opcja filtrowania, usuwająca ten typ danych. W prawym, dolnym rogu tego okna, pod ikoną wielokropka, dostępne jest nieco bardziej rozbudowane menu. Polecenie Kopiuj ładuje do schowka tabelę z ilościami i procentami poszczególnych danych. Polecenia Zachowaj duplikaty i Zachowaj błędy działają jak filtry, usuwając to, co jest – odpowiednio – wartością unikatową w kolumnie lub wartością poprawną. Następne trzy polecenia to również filtr, ale tym razem usuwający kolejno duplikaty, puste wartości i błędne wartości. Ostatnie polecenie pozwala na zamianę błędów w dowolną wartość słowną lub liczbową.

Już tego typu uproszczone dane, znajdujące się u góry każdej z tabel, pozwalają na rozeznanie się w typie danych, jakie mamy do dyspozycji w tabeli, ale – oczywiście – to dopiero początek.