Bewertung:

Das Buch stellt fortgeschrittene Datenqualitätswerkzeuge vor und wird von erfahrenen SAS-Programmierern für seine Nützlichkeit gelobt. Es leidet jedoch unter erheblichen Problemen mit dem Beispielcode und den bereitgestellten Daten, was es für einige Leser schwierig macht, es effektiv zu nutzen.
Vorteile:Das Buch wird als hervorragend geeignet angesehen, um fortgeschrittene Datenaufbereitungstools kennenzulernen, und erhielt positives Feedback von erfahrenen Benutzern. Das Codebuchprogramm wird besonders geschätzt.
Nachteile:Der Beispielcode und die Daten sind voller Fehler, mit vielen Syntaxproblemen und inkonsistenten Verweisen, so dass sie nicht funktional sind. Die bereitgestellten SAS-Formate sind nicht mit allen Umgebungen kompatibel, und diese Einschränkungen wurden im Buch nicht offengelegt.
(basierend auf 2 Leserbewertungen)
The Data Detective's Toolkit: Cutting-Edge Techniques and SAS Macros to Clean, Prepare, and Manage Data (Hardcover edition)
Kosten- und Zeitersparnis bei der Reinigung, Verwaltung und Aufbereitung von Forschungsdaten bei gleichzeitiger Verbesserung der Datenqualität
Haben Sie sich jemals gewünscht, es gäbe einen einfachen Weg, Ihre Arbeitsbelastung zu reduzieren und die Qualität Ihrer Daten zu verbessern? Das Toolkit für Datendetektive: Cutting-Edge Techniques and SAS Macros to Clean, Prepare, and Manage Data hilft Ihnen, viele der arbeitsintensiven Aufgaben zu automatisieren, die nötig sind, um Rohdaten in qualitativ hochwertige, analysefähige Daten zu verwandeln. In diesem Buch finden Sie die richtigen Werkzeuge und Techniken, um den Zeitaufwand für das Bereinigen, Bearbeiten, Validieren und Dokumentieren Ihrer Daten zu reduzieren. Zu diesen Werkzeugen gehören SAS-Makros sowie ausgeklügelte Methoden zur Verwendung von SAS-Prozeduren und -Funktionen.
Die innovative Logik, die in die Makroprogramme des Buches eingebaut ist, ermöglicht es Ihnen, die Qualität Ihrer Daten anhand von Informationen aus den Formaten und Beschriftungen zu überwachen, die für die Variablen in Ihrem Datensatz erstellt wurden. Das Buch erklärt, wie man Datensätze harmonisiert, die kombiniert werden müssen, und wie man Datenbereinigungsaufgaben automatisiert, um Fehler in den Daten zu erkennen, darunter Werte, die außerhalb des zulässigen Bereichs liegen, inkonsistenter Datenfluss durch Sprungpfade, fehlende Daten, keine Variation der Werte für eine Variable und Duplikate. Am Ende dieses Buches werden Sie in der Lage sein, automatisch Codebücher, Crosswalks und Datenkataloge zu erstellen.