Datanormalisering-værktøj

Værktøjet accepterer ét eller flere tabulære datasæt og identificerer de numeriske kolonner, der skal normaliseres. Der er tre metoder: Min-Max-normalisering til intervallet 0–1, Z-score-standardisering med gennemsnit 0 og standardafvigelse 1, og robust skalering baseret på medianen og IQR. Uddata bevarer oprindelige kolonnenavne og datatyper, mens værdier i målvariablerne erstattes. Output inkluderer den transformerede datasæt og en kolonnevis statistiksammenfatning.
Normaliseringsparametre kan anvendes globalt eller pr. kolonne. Ved kolonnevis konfiguration tildeles hver numerisk funktion en metode og eventuelle intervaller. Ved sammenfletning af datasæt kan en fælles referencefordeling beregnes eller den tilpasses uafhængigt pr. kilde, afhængigt af workflow. Manglende værdier håndteres efter konfigurerbare regler og afbryder ikke transformationen.
Målgrupperne er dataingeniører, dataforskere, analysehold og ML-ingeniører, der har brug for reproducerbar dataforberedelse til rapporter, dashboards eller modeltræning. Værktøjet adskiller sig ved kolonnebaseret kontrol, auditable parameter-eksport og batch-behandling for store datamiljøer, hvilket reducerer manuel scripting og sikrer konsistente funktioner på tværs af projekter. Typiske anvendelsesområder inkluderer harmonisering af kundedata fra flere regioner, forberedelse af funktioner til regressions- eller afstandsbaserede modeller og tilpasning af BI-datasæt til retfærdige sammenligninger. Værktøjet er designet til hastighed, gennemsigtighed og gentagelighed, med tydelig fejlrapportering og håndtering af kanttilfælde.