Tableau Prep Builder 的新功能：視覺篩選與改進的資料標準化流程

資料分析的準備流程往往涉及了設定篩選器、複製欄位或者數值的標準化──而這些任務全都需要經過複雜的計算，很容易出錯。在 Tableau Prep Builder 的最新版本中 (2019.2.3)，我們已為您簡化了上述工作流程。

資料分析的準備流程往往涉及了設定篩選器、複製欄位或者數值的標準化──而這些任務全都需要經過複雜的計算，很容易出錯。在最新版本──Tableau Prep Builder (2019.2.3) 中，我們已為您簡化了上述工作流程。全新的視覺篩選器讓您可以特定的數值來篩選，包括不在您樣本中的值。複製欄位現在只要按一下滑鼠就能做到。最後，建議功能會檢測資料的角色並提出建議 (也就是資料值在現實世界中的意義)，近而協助您驗證資料欄位。系統現在也會自動比對無效的值和有效的值。

使用資料角色自動將無效的值標準化

去年，我們為 Tableau Prep Builder 加入了資料角色，幫助您自動找出資料的品質問題，到了今年四月，您更能透過 Data Role Matches 分組演算法，以最接近的有效值來自動取代無效值。這種一鍵式的動作雖能節省您用來清裡雜亂資料的時間，但只能用於英文資料。如今，我們已經為這個功能新增了一種與語言無關的演算法！

在這個版本中，當您在使用資料角色時，有兩種演算法可以選擇，協助您輕鬆地修復無效的資料。拼字 (Spelling) 演算法可透過增減或替換字母來比對無效值，求出最接近的有效值。而發音加拼字 (Pronunciation + Spelling) 演算法（原名 Data Role Matches) 則是在比對無效值的過程中，能同時以拼字和發音作為根據。這些演算法使用起來十分使用，只要為欄位套用適當的資料角色，系統就會自動驗證資料值，接著還能根據您在「分組與取代」選單中所做的選擇，使用其中一種模糊分組演算法，輕易地為無效的值進行標準化。此外，我們也更新了 Tableau Prep Builder 的建議功能；以往只會提出有關資料角色的建議，但現在還會建議您使用適當的模糊分組演算法來自動修復無效值。