To begin the course, you will learn why cleaning data is important. You will solve simple problems such as leading and trailing spaces in strings, unifying formats for flight registrations, combining strings and more. 

Introduction to Cleaning Data

Unifying flight formats I

Unifying flight formats II

Cleaning messy strings

Trimming strings I

Trimming strings II

Unifying strings

Comparing the similarity between strings

SOUNDEX() and DIFFERENCE()

Comparing names with SOUNDEX()

Comparing names with DIFFERENCE()

Starting with Cleaning Data

In this chapter, you will deepen your data cleaning knowledge. You will learn how to deal with missing data,  avoid duplicate data in your datasets, and work with different formats of dates.

Como lidar com dados ausentes

Removendo valores ausentes

Removendo espaços em branco

Preenchendo valores ausentes com ISNULL()

Preenchendo valores ausentes com COALESCE()

Evitando dados duplicados

Diagnosticando duplicatas

Tratando duplicidades

Trabalhando com diferentes formatos de data

Usando CONVERT()

Usando FORMAT()

CONVERT() vs FORMAT()

Dealing with missing data, duplicate data, and different date formats

In this chapter, you will deal with out of range values and inaccurate data. You will also practice converting data with different types. Finally, you will work on matching patterns to your data to find outliers.

Out of range values and inaccurate data

Out of range values or inaccurate data?

Detecting out of range values

Excluding out of range values

Detecting and excluding inaccurate data

Converting data with different types

Using CAST() and CONVERT()

The series with most episodes

Pattern matching

Characters to specify a patterns

Matching urls

Checking phone numbers

Dealing with out of range values, different data types, and pattern matching

In this final chapter,  you will learn how to combine and aggregate data of some columns into one, split data of one column into more columns,  and transform rows into columns and vice versa.

Combining data of some columns into one column

Combining cities and states using +

Concatenating cities and states

Working with DATEFROMPARTS()

Splitting data of one column into more columns

Using SUBSTRING() and CHARINDEX()

Using RIGHT() , LEFT() and REVERSE()

SUBSTRING() or CHARINDEX()?

Transforming rows into columns and vice versa

PIVOT or UNPIVOT?

Turning rows into columns

Turning columns into rows

Congratulations!

Combining, splitting, and transforming data

Flight statistics dataset and series ratings dataset

Você sabia que cientistas e analistas de dados passam boa parte do tempo limpando dados antes de analisá-los? Isso acontece porque os dados do mundo real são bagunçados. Para ajudar você a navegar por dados confusos, este curso ensina a limpar dados armazenados em um banco de dados SQL Server. Você vai aprender a resolver problemas comuns, como limpar strings problemáticas, lidar com valores vazios, comparar a similaridade entre strings e muito mais. Você vai colocar a mão na massa em todas essas tarefas usando uma grande variedade de conjuntos de dados interessantes (e bagunçados), incluindo voos mensais por aeroporto, séries de TV e vendas de banca de jornal. Preparado(a) para sujar as mãos?

Intermediate SQL Server

Desenvolva habilidades para transformar dados brutos em insights incríveis de forma rápida e precisa.

Limpando dados em bancos de dados SQL Server

Desenvolva as habilidades necessárias para limpar dados brutos e transformá-los em insights precisos.

Removendo espaços em branco

Limpando dados em bancos de dados SQL Server

exercicio interativo prático