Descubre y genera valor con tus datos
El objetivo de la limpieza de datos es eliminar o corregir datos erróneos, incompletos, duplicados y inconsistentes para mejorar la calidad de los datos.
Esto incluye la identificación y eliminación de datos no deseados, la detección y corrección de datos erróneos, el formateo de datos y la conversión de datos a un formato adecuado para su uso.
Herramienta de Limpiezas
¿Qué es data cleansing?
Data cleaning es el proceso de revisar, limpiar y transformar datos para que sean más precisos y útiles para un análisis.
¿Qué técnicas se aplican en data cleansing?
Verificación de los datos
Eliminación de valores atípicos
Eliminación de valores atípicos
Esta técnica implica verificar los datos para asegurarse de que están completos y correctos; esto puede incluir comprobar el formato de los datos, así como comprobar los límites de los valores de los datos
Eliminación de valores atípicos
Eliminación de valores atípicos
Eliminación de valores atípicos
Esta técnica implica identificar y eliminar los valores atípicos, ya sean datos incompletos, inconsistentes o incorrectos
Normalización de datos
Eliminación de valores atípicos
Normalización de datos
Esta técnica implica aplicar una transformación a los datos para asegurarse de que se encuentran en un formato consistente y/o de que sus valores sean comparables.
Combinación de dato
Detección de anomalías
Normalización de datos
Esta técnica implica combinar datos de diferentes fuentes para obtener un conjunto de datos más completo.
Agrupamiento de datos
Detección de anomalías
Detección de anomalías
Esta técnica implica agrupar datos similares para facilitar su análisis
Detección de anomalías
Detección de anomalías
Detección de anomalías
Esta técnica implica identificar patrones anómalos en los conjuntos de datos que puedan indicar alguna actividad sospechosa.
¿Cuál es el ciclo de limpieza de datos en data cleansing?
El ciclo de limpieza de datos en data cleaning consiste en los siguientes pasos:
- Análisis de los datos: examinar los datos para identificar datos incompletos, incorrectos, inconsistentes, duplicados, etc.
- Preprocesamiento de datos: convertir los datos a un formato adecuado para su uso, y aplicar transformaciones para ajustar y limpiar los datos.
- Corrección de datos: identificar y corregir los datos incorrectos o inconsistentes.
- Completado de datos: rellenar los datos faltantes con valores razonables.
- Agregación de datos: agrupar los datos existentes para resumir y extraer información significativa.
- Análisis de datos: analizar los datos limpios para obtener información útil y clasificar los datos para su uso posterior.
- Presentación de los datos: presentar los datos de forma adecuada para su uso.
