Chuyển đổi dữ liệu là quá trình chuyển đổi dữ liệu từ định dạng hoặc cấu trúc này sang định dạng hoặc cấu trúc khác. Một ngày được lưu trữ dưới dạng 03/14/2024 trong một hệ thống sẽ trở thành 2024-03-14 trong hệ thống khác. Tên khách hàng bị tách thành hai trường sẽ được hợp nhất thành một trường. Giá trị tiền tệ được chuyển đổi từ euro sang đô la. Dữ liệu vẫn giống nhau. Chỉ có cách biểu diễn là thay đổi. Nếu không có chuyển đổi dữ liệu, các hệ thống không thể giao tiếp với nhau.

Quá trình chuyển đổi bao gồm nhiều thao tác khác nhau. Làm sạch dữ liệu giúp sửa lỗi và chuẩn hóa định dạng. Làm giàu dữ liệu bằng cách thêm các trường dẫn xuất, ví dụ như tính tuổi từ ngày sinh. Tổng hợp dữ liệu tóm tắt các hàng chi tiết thành tổng số. Kết hợp dữ liệu từ nhiều nguồn khác nhau. Mã hóa dữ liệu chuyển đổi các giá trị phân loại thành số để phục vụ cho máy học. Mỗi thao tác đều thay đổi dữ liệu theo một cách xác định. Các quy tắc cần được ghi chép và kiểm soát phiên bản. Một quá trình chuyển đổi không được ghi chép lại giống như một hộp đen. Khi kết quả đầu ra trông sai, không ai biết tại sao. Quá trình chuyển đổi cũng cần được kiểm thử. Một phép nối bỏ qua các hàng không khớp sẽ âm thầm làm mất dữ liệu. Một trình phân tích cú pháp ngày tháng giả định sai định dạng sẽ làm hỏng mọi bản ghi. Các lỗi nhỏ trong quá trình chuyển đổi sẽ tích lũy trên hàng triệu hàng. Kết quả đầu ra trông có vẻ hợp lý nhưng lại sai. Đó là những lỗi khó phát hiện nhất.

Các phép biến đổi phổ biến

• Dọn dẹp — chuẩn hóa định dạng và sửa lỗi
• Làm giàu dữ liệu — thêm dữ liệu dẫn xuất hoặc dữ liệu bên ngoài
• Tổng hợp — tóm tắt chi tiết thành tổng số
• Kết hợp — kết hợp dữ liệu từ nhiều nguồn khác nhau
• Mã hóa — chuyển đổi các danh mục thành giá trị số

Quá trình chuyển đổi là lúc dữ liệu trở nên hữu ích. Đó cũng là nơi những lỗi âm thầm xuất hiện. Hãy kiểm tra các quy tắc và ghi chép lại chúng.