★转换业务数据（四）

在对业务数据进行抽取和简单的处理后，需要根据分析的需要对业务数据进行转换，

扩充业务数据的信息，使之更适合分析和可视化。

基本的转换分为两种：

※ 表级别的转换

★  转换带权重的数据集合

★  转换时间序列的数据集

★  数据集聚合

★  过滤数据集

※ 字段级别的转换

★  删除字段

★  添加字段。可能根据需要添加若干个字段。比如原来有个账户激活日期字段，我们想查看年，月的账户情况的话，既可以将日期字段拆成两个字段，Active_Year和Active_Month,同时删除原来的日期字段。

★  转换数据类型。比如源数据中性别为0表市男，1表示女。通常为了更好的理解数据，需要转换过来。

★  字段分组。这是很重要的技术，一般数据挖掘工具对于过多离散值的字段表现不好（超过25或者30个）。或者为了分析需要将字段重新划分成区域，如年龄。可以通过直方图等可视化技术统计各值的数目，通常将少于2%的字段标为Other类，其他需要进行字段的解码。对于连续值，就是分箱操作

  ※需要注意的是，对于每一个转换的步骤，都要进行归档，保存元数据，对于下一步的验证业务数据集的正确性非常重要。