Si interpreto su pregunta correctamente, los datos sin procesar son desordenados, datos no preparados. Por ejemplo, supongamos que necesita la velocidad promedio de MPH de los sedanes en una carretera utilizando datos de un dispositivo que registró neumáticos que pasan sobre un lector. Si su sensor registró algo que pasó con una marca de tiempo por fila, sería difícil trabajar con su salida en ese estado.
Entonces, estos son datos RAW.
Estos datos deben ser “ordenados”. Los datos ordenados es donde usted ha administrado lógicamente los puntos de datos que obstaculizan sus esfuerzos analíticos. En este conjunto de datos, organizará cada evento registrado en filas y columnas apropiadas. Sus marcas de tiempo sin procesar se representarán con lecturas de MPH. Clasificará estos registros, cuando sea posible, de modo que los no sedanes puedan excluirse de su promedio seleccionado. Algunos puntos de datos no serán concluyentes. (por ejemplo, un automóvil estaba pasando a otro mientras ambos pasaban por el lector) Estos deberán eliminarse.
- ¿Cuáles son los peores gráficos que has encontrado?
- ¿Cómo impactan los informes de Big Data y Analytics en la productividad de una empresa?
- ¿Por qué elegiste trabajar en ciencia de datos sobre finanzas cuantitativas?
- ¿Cuáles son algunos problemas de ciencia de datos que deben resolverse?
- ¿Hacer una certificación CCNA ayudará de todos modos en los campos de Big Data / Hadoop?
Su salida ordenada irá a un archivo de texto o una base de datos que facilita su tarea de responder la pregunta.
Creo que el esfuerzo de hacer datos ordenados es similar a pintar la sala de estar. Una vez que se ha esforzado en preparar, la pintura es fácil.
Espero que esto ayude.
