Dieses Modul führt Fachkräfte für Datenanalyse in die Schlüsselkonzepte der Datenexploration und -bereinigung mit Teradata ein. Analysten lernen, Spalten zu identifizieren, die für kategoriale Zusammenfassungen in Frage kommen, und verstehen, wie sie deren Ergebnisse interpretieren können, um Einblicke in Datenmuster und -verteilungen zu gewinnen. Das Modul hebt die Bedeutung von Zusammenfassungsstatistiken für Datentabellen hervor und zeigt, wie diese Statistiken einen umfassenden Überblick über die Qualität und den Inhalt der Daten bieten. Es werden Techniken zur Bereinigung fehlender, null-wertiger oder unvollständiger Daten erörtert, wobei praktische Methoden zur Sicherstellung der Datengenauigkeit und -reliabilität hervorgehoben werden. Fachkräfte für Datenanalyse werden erfahren, wie die datenbankinterne Analytik von Teradata die Datenvisualisierung erleichtert und damit die Erkennung von Trends und Anomalien erleichtert. Das Modul deckt auch den Prozess der Explorativen Datenanalyse (EDA) ab und erklärt, wie man Daten systematisch untersucht und Hypothesen testet, um aussagekräftige Erkenntnisse zu gewinnen. Am Ende des Moduls sind die Analysten in der Lage, eine gründliche Datenanalyse durchzuführen und eine hohe Datenqualität mit Teradata zu gewährleisten.

Dieses Modul führt Fachkräfte für Datenanalyse in fortgeschrittene Techniken der Datenanalyse mit Teradata ein, wobei der Schwerpunkt auf Ereignisattributen und Mustererkennung liegt. Die Analysten werden die Ereignisattribution definieren und ihre Anwendung in Geschäftsprozessen verstehen. Sie lernen, wie sie bestimmte Ergebnisse identifizieren und bestimmten Ereignissen zuordnen können. Das Modul deckt die nPath-Funktion ab und demonstriert, wie man nach Mustern in Daten sucht, was für die Aufdeckung verborgener Erkenntnisse und Trends entscheidend ist. Die Analysten werden auch lernen, einen Zeitrahmen für ein Sitzungsfenster mit spezifischen Analysezielen abzustimmen, um sicherzustellen, dass die analysierten Daten mit den beabsichtigten Zielen übereinstimmen. Darüber hinaus wird in diesem Modul erklärt, wie man Aggregationsfunktionen auf einen sitzungsbezogenen Datensatz anwendet, um erweiterte Analysen zu ermöglichen, die tiefere Einblicke in das Datenverhalten im Zeitverlauf bieten. Am Ende des Moduls sind die Analysten in der Lage, anspruchsvolle Datenanalysen mit den leistungsstarken Funktionen von Teradata durchzuführen und durch detaillierte Ereignis- und Musteranalysen bessere Geschäftsentscheidungen zu treffen.

In diesem Modul lernen Fachkräfte für Datenanalyse Strategien zur Manipulation von Textdaten für eine effektive Analyse kennen. Das Modul stellt Techniken zur Erstellung von Grammen, Bigrammen und Trigrammen mit Hilfe der Funktion nGrams vor, die bei der Aufteilung von Textdaten in sinnvolle Segmente für eine detaillierte Analyse hilft. Die Analysten werden diese Techniken üben, um ihre Fähigkeit zur Verarbeitung und Analyse großer Textmengen zu verbessern. Das Modul befasst sich auch mit der Sentimentnalyse und betont deren Bedeutung für das Verständnis von Kundenbedürfnissen und -präferenzen durch die Bewertung des emotionalen Tons von Textdaten. Darüber hinaus lernen die Analysten die Funktion Sentiment Extractor kennen und erfahren, wie sie Stimmungen aus Textdaten extrahieren und analysieren können, um daraus verwertbare Erkenntnisse zu gewinnen. Am Ende dieses Moduls beherrschen die Analysten die Manipulation von Textdaten, die Verwendung von nGrams zur detaillierten Textsegmentierung und die Anwendung der Sentimentnalyse, um Kundenbedürfnisse besser zu verstehen und zu erfüllen.