Qu'est-ce que la transformation de données ?

Les données source brutes sont rarement prêtes pour l'analyse : les dates sont dans des formats différents, les catégories sont orthographiées de façon incohérente, les valeurs doivent être converties, les tables doivent être jointes. La transformation est le travail qui consiste à les rendre propres et cohérentes.

Transformations courantes :

• Nettoyage corriger les valeurs nulles, les doublons et les erreurs.
• Normalisation des formats, unités et codes cohérents.
• Remodelage pivoter, scinder ou combiner des colonnes.
• Jointure et agrégation fusionner des sources et résumer.
• Dérivation calculer de nouveaux champs et des indicateurs métier.

Dans les stacks traditionnels, la transformation est une étape lourde et préalable : vous modélisez et nettoyez tout avant que quiconque ne puisse interroger.

iDBQuery déplace une grande partie de ce travail au moment de la requête et vers le langage naturel. Lorsque vous posez une question, il réalise les jointures, agrégations, filtrages et dérivations nécessaires pour y répondre, à la volée, sur vos données en direct, de sorte que vous n'avez pas à pré-construire des pipelines de transformation pour chaque question. Il compose aussi avec des entrées en désordre : sa couche sémantique interprète les champs incohérents ou aux noms cryptiques, et vous pouvez normaliser, dédupliquer ou réconcilier des données simplement en le demandant. Vous obtenez toujours des résultats corrects et sourcés, rattachés aux lignes sources. Là où vous maintenez des pipelines de transformation alimentant un entrepôt, iDBQuery interroge aussi ce résultat, si bien qu'il s'intègre à votre travail de transformation existant.