文：數(shù)據(jù)觀 https://www.shujuguan.cn/?from=jianshu
［摘要］：
數(shù)據(jù)清洗在數(shù)據(jù)分析中的重要性毋庸置疑。就像日料一樣，“食材”質(zhì)量越高，“食物”的口感就越好。然而這個(gè)過程并不簡單，令很多有分析愿望的業(yè)務(wù)人員都望“洗”生畏。其實(shí)，數(shù)據(jù)觀的ETL工具就可以幫助你快速地完成一些主要的清洗工作，而且非常簡單。快跟小觀練起來吧！
［主文］：
料理菜式：
找出最近30天內(nèi)，訪問量最高的7個(gè)入口頁面（不含首頁），并能下鉆查看網(wǎng)頁的累計(jì)訪問次數(shù)和平均訪問時(shí)長。
所需食材：
1、一份Down自百度統(tǒng)計(jì)的實(shí)時(shí)訪客CSV文件。
2、一個(gè)數(shù)據(jù)觀免費(fèi)使用賬號。
料理前的準(zhǔn)備工作：
1、連接數(shù)據(jù)
點(diǎn)擊“數(shù)據(jù)連接”，選擇“文件”，選擇“上傳CSV”，上傳您的實(shí)時(shí)訪客數(shù)據(jù)即可。
2、新建ETL
點(diǎn)擊“創(chuàng)建數(shù)據(jù)”，選擇“ETL”，進(jìn)入到這張畫布，激動人心的時(shí)刻就要開始啦！
食材處理難關(guān)之——
［日子每天都在過，表格每天都得做？］
描述：我每天都想知道最近30天訪問量最高的入口頁面，但是我并不想每天調(diào)數(shù)據(jù)。有自動跟著變的方案嗎？
答案：有！
秘密武器：［日期計(jì)算］＋［過濾］
［日期計(jì)算］顧名思義，就是對日期進(jìn)行計(jì)算。您可以對日期、月份、年份、季度等不同時(shí)間段動手腳。而我們這次要用的叫做“日期差”，可以很輕松地計(jì)算出每一次訪問的“距今時(shí)間”。
將新列命名為“距今天數(shù)”，將操作方式選擇為“日期差”，用“當(dāng)前日期”減去“訪問時(shí)間”，您的原始表格上就會出現(xiàn)一個(gè)名為“距今天數(shù)”的新列，并且里面是算好的天數(shù)啦！
接下來，我們用一手［過濾］，直接解決“30天內(nèi)”這個(gè)需求。
將需要過濾的列選為“距今天數(shù)”，比較類型為“小于等于”，因?yàn)樘鞌?shù)是我們自己設(shè)定的，所以選成“與指定值比較”，并輸入“30”。
PS：如果您希望得到的7天或者15天，那么輸入“7”或“15”就可以了。
我們會得到“距今天數(shù)”小于等于30的數(shù)據(jù)，也就是在30天內(nèi)的訪問數(shù)據(jù)。
食材處理難關(guān)之——
［時(shí)長構(gòu)成太混亂，不是整數(shù)怎么算？］
描述：我要計(jì)算訪問時(shí)長的平均值，但默認(rèn)格式是文本，里面有空值、未知、正在訪問等等，時(shí)長數(shù)值后面還有個(gè)單位‘s’，完全不具備把它轉(zhuǎn)換為“整數(shù)”的條件。有什么功能能批量把單位去掉，并把空值、未知、正在訪問都轉(zhuǎn)換為空值嗎？
答案：有！
秘密武器：［替換文本］＋［修改列類型］
第一次［替換文本］，解決的是單位問題。
我們需要處理的列是“訪問時(shí)長”，所以選擇該列，輸入要去掉的字符“s”，將之替換為“空字符串”即可。
第二次［替換文本］，解決的是將“未知”轉(zhuǎn)成空值的問題。
第三次［替換文本］，解決的是將“正在訪問”轉(zhuǎn)成空值的問題。
最終，“訪問時(shí)長”只剩下數(shù)值及空值，此時(shí)再來一招［修改列類型］，將“文本”轉(zhuǎn)換成“整數(shù)”即可。
此時(shí)，“訪問時(shí)長”已經(jīng)變成“整數(shù)”類型了。
是數(shù)字就好辦——計(jì)數(shù)、平均、最大值、最小值……想怎么算就怎么算！
食材處理難關(guān)之——
［入口頁面一大批 偏偏只想看前七］
描述：訪客從各個(gè)頁面來訪，但我們最關(guān)注的是前七個(gè)頁面，能實(shí)現(xiàn)只看TOPN，而不看其它嗎？
答案：能！
秘密武器：［排序和累計(jì)］
首先捫心自問——我要對什么排序？在空白框中寫下你的答案——“訪問量排序”。
接下來選擇排序的方法——“排序值（連續(xù)）”。
然后找到右上方那個(gè)“應(yīng)用”按鈕，點(diǎn)擊，即可進(jìn)入下一步設(shè)置了。
選擇要排序的列——“訪問入口頁面”
然后選擇排序方式——“降序”
所有訪問入口頁面的名次就出來啦！不過，這還不是前七啊？別著急，前七的問題，“擺盤”的時(shí)候就給您解決！
擺盤：
首先，將圖表類型選擇為“條圖”——最適合展示 TopN的圖表類型。
然后，將“縱軸”選為“訪問入口頁面”，橫軸選為“訪問IP”（統(tǒng)計(jì)方式為“計(jì)數(shù)”），所有訪問入口頁面就按照訪問量排列出來了。
此時(shí)，我們添加“過濾”，將過濾字段選為“訪問量排序”，將數(shù)值設(shè)為“1～7”，前七位就出來啦！當(dāng)然，如果您想看前10，前20，也可以隨時(shí)調(diào)整，非常方便。
最后，點(diǎn)擊“數(shù)據(jù)下鉆”，添加想要查看的列，就可以看到該頁面的詳情。是不是很方便呢？
最方便的是，這些處理您只做一次就行。以后，更新數(shù)據(jù)，結(jié)果自動出圖哦～
手動處理這些數(shù)據(jù)，臺前1分鐘，臺后一天功。
交給數(shù)據(jù)觀ETL工具的話，臺前1分鐘，臺后也就10分鐘。
［結(jié)語］：
百度統(tǒng)計(jì)后臺設(shè)計(jì)的已經(jīng)足夠好，但如果能把百度統(tǒng)計(jì)的數(shù)據(jù)按照自己的需求進(jìn)行分析，甚至和產(chǎn)品數(shù)據(jù)、其它推廣渠道的數(shù)據(jù)結(jié)合起來共同分析，那就更好。
當(dāng)很多運(yùn)營都止步于那份看起來密密麻麻的CSV文件時(shí)，你手起刀落，干凈利索地將之變成一份有價(jià)值的數(shù)據(jù)洞察，是多么有成就感的事。
大家的原始字段雖然都是流水線出品，但有些字段的待遇卻是薩維爾街的，這就是運(yùn)營與運(yùn)營之間的不同。
當(dāng)普通運(yùn)營把后臺當(dāng)作一切，而你把后臺當(dāng)作一切的開始時(shí)，你就贏了。
讓我們都具備讓數(shù)據(jù)說話、讓商業(yè)智能的魔力吧！
更多ETL知識，請閱讀：數(shù)據(jù)觀數(shù)據(jù)處理手冊
親手做過才是自己的哦！
