Γιατί ο Καθαρισμός Δεδομένων Είναι Κρίσιμος

Πριν αναλύσεις οτιδήποτε, πρέπει να βεβαιωθείς ότι τα δεδομένα είναι σωστά.
Ο καθαρισμός δεν είναι προαιρετικός — είναι το πρώτο βήμα κάθε ανάλυσης.

Η Πραγματικότητα

Σχεδόν κανένα dataset δεν είναι έτοιμο για ανάλυση.
Τα δεδομένα έχουν πάντα:
  • Κενά (missing values)

  • Διπλότυπα (duplicates)

  • Λάθη (typos, λάθος τύποι)

  • Ασυνέπειες (π.χ. Αθήνα vs ΑΘΗΝΑ)

  • Λάθος μορφές (ημερομηνίες, αριθμοί)


Κανόνας

«Garbage in, garbage out» — Αν τα δεδομένα είναι λάθος, τα συμπεράσματα θα είναι λάθος.

Και αυτό έχει συνέπειες:

  • Λάθος αποφάσεις

  • Χαμένα χρήματα

  • Λάθος στρατηγική

Άρα: Ο καθαρισμός δεν είναι χάσιμο χρόνου — είναι επένδυση.


Χρόνος

Το 60-80% του χρόνου ενός data analyst πηγαίνει στον καθαρισμό.

Φαίνεται πολύ; Είναι η πραγματικότητα.

Γιατί:

  • Τα δεδομένα έρχονται από πολλές πηγές

  • Κάθε πηγή έχει τα δικά της προβλήματα

  • Κανείς δεν τα καθαρίζει πριν σου τα δώσει


Παράδειγμα — Οι Ημερομηνίες του Superstore

Το Superstore έχει αμερικάνικες ημερομηνίες:

  • Στο αρχείο βλέπεις: 4/15/2012

  • Αυτό σημαίνει: 15 Απριλίου 2012 (Μήνας/Ημέρα/Έτος)

Το ελληνικό Excel:

  • Περιμένει: 15/4/2012 (Ημέρα/Μήνας/Έτος)

  • Μπερδεύεται με το 4/15/2012

  • Δείχνει: 14/4/2012 — λάθος!

Τι συμβαίνει:

  • Οι ημερομηνίες είναι λάθος

  • Οι αναλύσεις είναι λάθος

  • Οι αποφάσεις είναι λάθος

Πώς διορθώνεται:

  • Μέσω Power Query

  • Λέμε στο Excel: «αυτές οι ημερομηνίες είναι σε μορφή Αγγλικών Ηνωμένων Πολιτειών»

  • Έτοιμο — δουλεύει σωστά


Το Μάθημα

Αυτό το παράδειγμα δείχνει κάτι σημαντικό:

Πριν αναλύσεις οτιδήποτε, κοίταξε τα δεδομένα σου.

Έλεγξε:

  • Τύπους (αριθμοί, ημερομηνίες, κείμενο)

  • Κενά κελιά

  • Διπλότυπα

  • Ασυνέπειες

Αν δεν το κάνεις → λάθος αποτελέσματα.

Αν το κάνεις → αξιόπιστη ανάλυση.


Τι Θα Δεις στα Επόμενα Sections ή έχεςις ήδη δει σχετικό με το καθάρισμα

 
Section Τι Κάνεις
Section 3 Excel — Καθαρισμός Δεδομένων
Section 13 Power Query — Πλήρες Καθάρισμα
Section 15-17 Power BI — Καθαρισμός στο Power BI

Όλα ξεκινούν από τον καθαρισμό.


Σύνοψη

# Σημείο
1 Ο καθαρισμός είναι το πρώτο βήμα
2 «Garbage in, garbage out»
3 60-80% του χρόνου
4 Οι ημερομηνίες είναι παράδειγμα
5 Το Power Query λύνει το πρόβλημα
6 Χωρίς καθαρισμό → λάθος αποτελέσματα