Ce module présente aux analystes de données les concepts clés de l'exploration et du nettoyage des données à l'aide de Teradata. Les analystes apprendront à identifier les colonnes éligibles pour les résumés catégoriques, en comprenant comment interpréter leurs résultats pour obtenir un aperçu des modèles et des distributions de données. Le module met l'accent sur l'importance des statistiques récapitulatives pour les tableaux récapitulatifs, en montrant comment ces statistiques fournissent une vue d'ensemble de la qualité et du contenu des données. Les techniques de nettoyage des données manquantes, Nulles ou incomplètes seront discutées, mettant en évidence des méthodes pratiques pour assurer l'exactitude et la fiabilité des données. Les analystes exploreront la manière dont l'analytique de Teradata dans la base de données facilite la visualisation des données, ce qui permet de détecter plus facilement les tendances et les anomalies. Le module couvre également le processus d'analyse exploratoire des données (AED), expliquant comment explorer systématiquement les données et tester les hypothèses pour en tirer des informations significatives. À la fin du module, les analystes seront dotés des compétences nécessaires pour effectuer des analyses de données approfondies et maintenir une qualité de données élevée à l'aide de Teradata.

Ce module initie les analystes de données aux techniques avancées d'analyse des données en cours d'utilisation de Teradata, en se concentrant sur l'attribution d'événements et la reconnaissance de modèles. Les analystes définiront l'attribution d'événements et comprendront son application dans les processus d'entreprise, en apprenant à identifier et à attribuer des résultats spécifiques à des événements particuliers. Le module couvrira la fonction nPath, démontrant comment rechercher des modèles dans les données, ce qui est crucial pour découvrir des idées et des tendances cachées. Les analystes apprendront également à faire correspondre une fenêtre de session à des objectifs d'analyse spécifiques, afin de s'assurer que les données analysées correspondent aux objectifs visés. En outre, le module explique comment appliquer des fonctions d'agrégation à un ensemble de données par session, ce qui permet de réaliser des analytiques avancées qui fournissent des informations plus approfondies sur le comportement des données au fil du temps. À la fin du module, les analystes auront acquis les compétences nécessaires pour effectuer des analyses de données sophistiquées à l'aide des puissantes fonctions de Teradata, ce qui leur permettra de prendre de meilleures décisions grâce à une analyse détaillée des événements et des schémas.

Dans ce module, les analystes de données apprendront des stratégies pour manipuler les données textuelles pour une analyse efficace. Le module présente des techniques de création de grammes, bigrammes et trigrammes à l'aide de la fonction nGrams, qui permet de décomposer les données textuelles en segments significatifs en vue d'une analyse détaillée. Les analystes pratiqueront ces techniques pour améliorer leur capacité à traiter et à analyser de grands volumes de texte. Le module abordera également l'analyse des sentiments, en soulignant son importance pour comprendre les besoins et les préférences des clients en évaluant le ton émotionnel des données textuelles. En outre, les analystes exploreront la fonction Sentiment Extractor, en apprenant à extraire et à analyser les sentiments à partir de données textuelles afin d'en tirer des informations exploitables. À la fin de ce module, les analystes sauront manipuler les données de texte, utiliser nGrams pour une segmentation détaillée du texte et appliquer l'analyse des sentiments pour mieux comprendre et répondre aux besoins des clients.