डेटा ट्रांसफॉर्मेशन में, डेटा को माइनिंग के लिए लागू रूपों में परिवर्तित या जोड़ा जाता है। डेटा ट्रांसफॉर्मेशन में निम्नलिखित शामिल हो सकते हैं -
स्मूथिंग (Smoothing) - यह डेटा से शोर को हटाने का काम कर सकता है। ऐसी तकनीकों में बिनिंग, रिग्रेशन, और क्लस्टरिंग शामिल हैं।
एकत्रीकरण (Aggregation) - एकत्रीकरण में, जहां सारांश या एकत्रीकरण संचालन डेटा पर लागू होते हैं।
सामान्यीकरण (Generalization) - सामान्यीकरण में, जहां निम्न-स्तरीय या "आदिम" (कच्चे) डेटा को कॉन्सेप्ट पदानुक्रम की आवश्यकता के माध्यम से उच्च-स्तरीय अवधारणाओं द्वारा प्रतिस्थापित किया जाता है।
डेटा ट्रांसफॉर्मेशन की विभिन्न सेवाएं
एकीकरण (Integration) - एकीकरण में सरोगेट कुंजी उत्पन्न करना, एक योजना से दूसरी योजना में कुंजियों को मैप करना, और प्रोग्राम को पूर्ण विवरण में मैप करना शामिल है। इस परिवर्तन के पीछे मास्टर कुंजी लुकअप टेबल का समर्थन करने का एक अंतर्निहित अधिकार है।
धीरे-धीरे बदलते आयाम रखरखाव (Slowly Changing Dimension Maintenance) - बदले गए मूल्यों की पहचान करना और सरोगेट कुंजी बनाना एक मुश्किल प्रक्रिया है, लेकिन यह स्पेस-वार्प गणित नहीं है। यदि आप डेटा स्टेजिंग टूल खरीदते हैं, तो इसमें धीरे-धीरे बदलते आयामों के प्रबंधन के लिए अंतर्निहित एल्गोरिदम होने चाहिए।
डिनॉर्मलाइजेशन और रिनॉर्मलाइजेशन (Denormalization and Renormalization) - अलग टेबल्स के पदानुक्रम को एक आयाम में डिनॉर्मलाइज़ करना एक मानक वेयरहाउस परिवर्तन प्रक्रिया है। कुछ डेटा स्टेजिंग टूल्स एक स्टार स्कीमा सुविधा प्रदान करते हैं जो स्वचालित रूप से इस फ़ंक्शन को करता है। इसके अलावा, कुछ डिनॉर्मलाइजेशन फैक्ट टेबल चरण में होता है।
उदाहरण के लिए, एक वित्तीय स्कीमा में एक आयाम हो सकता है जो राशि प्रकार है, जिसमें मान वास्तविक, बजट, या पूर्वानुमान हैं। जिस स्तर का विवरण ये रिकॉर्ड शामिल करते हैं, उस पर निर्भर करते हुए, इस कॉलम को डॉलर राशि के तीन कॉलम के साथ एक पंक्ति में पिवट करने के लिए बहुत मायने रख सकता है, प्रत्येक राशि प्रकार के लिए एक।
सफाई, डि-डुपिंग, मर्ज/पर्ज (Cleansing, Deduping, Merge/Purge) - यह कई डेटा वेयरहाउस के लिए एक बड़ी समस्या है, विशेष रूप से वे जो ग्राहकों, व्यवसायों, डॉक्टरों, और रोगियों जैसी बाहरी संस्थाओं से संबंधित हैं। यह एक जटिल प्रक्रिया है, लेकिन कई विक्रेता इस समस्या के लिए विशेष रूप से टूल्स और सेवाएं प्रदान करते हैं।
डेटा प्रकार रूपांतरण (Data Type Conversion) - इसमें निम्न-स्तरीय परिवर्तन शामिल हैं जो एक डेटा प्रकार या प्रारूप को दूसरे में परिवर्तित करते हैं। यह IBM के मेनफ्रेम कैरेक्टर सेट EBCDIC को ASCII में बदलने से लेकर, एक डेटाबेस से दूसरे में दिनांक, संख्यात्मक, और कैरेक्टर प्रतिनिधित्व को परिवर्तित करने तक होता है।
गणना, व्युत्पत्ति, आवंटन (Calculation, Derivation, Allocation) - ये आवश्यकताओं चरण के दौरान पहचाने गए व्यावसायिक नियमों का उपयोग करने के लिए परिवर्तन हैं। सुनिश्चित करें कि आपके द्वारा चुना गया टूल फ़ंक्शन का एक पूरा सेट उपलब्ध कराता है, जिसमें स्ट्रिंग मैनिपुलेशन, दिनांक और समय अंकगणित, सशर्त कथन, और बुनियादी गणित शामिल हैं।
एकत्रीकरण (Aggregation) - एकत्रीकरण को लोड प्रक्रिया के कुछ तत्व में प्रबंधित किया जा सकता है, इस आधार पर कि कौन से संसाधन किस चरण में सुलभ हैं। यदि यह निष्कर्षण या परिवर्तन प्रक्रिया के तत्व के रूप में एकत्रीकरण की गणना कर सकता है, तो फ्लैट रिकॉर्ड्स पर सीधे Syncsort जैसे टूल्स का उपयोग करना संभव है। ये यूटिलिटीज़ सॉर्टिंग और रिपोर्टिंग के लिए विकसित की गई हैं और इसमें पूरी तरह से अच्छी हैं।
