07. Valores ausentes e nulos

A ausência de um valor não diz, sozinha, o que aconteceu. Pode significar informação desconhecida, campo não aplicável, atraso na origem ou falha de coleta. Tratar todos esses casos como zero fabrica uma certeza que os dados não possuem.

Preparar dados é construir o caminho entre uma fonte e uma base analítica confiável. Armazenamento, ingestão, qualidade e consulta formam uma sequência: uma decisão mal resolvida no início reaparece no modelo e no relatório. Este é o capítulo 7 de 24 da disciplina Preparar dados. A leitura parte do que foi construído em Tipos de dados e filtragem. Depois dele, o estudo avança para Dados duplicados.

O significado vem antes da substituição

NULL representa ausência; cadeia vazia é um texto presente sem caracteres; zero é um número conhecido. Antes de usar COALESCE, imputação ou preenchimento, pergunte por que o valor falta e como a substituição afetará contagens, médias, relações e decisões.

Com essa base, o capítulo segue para Padronizar marcadores de ausência. O conceito que acabou de ser apresentado passa a funcionar como ponto de partida para a decisão seguinte.

Padronizar marcadores de ausência

Fontes usam “N/D”, hífen, espaços e códigos especiais para representar ausência. A preparação deve reconhecer somente marcadores acordados e convertê-los de forma consistente. Padronizar melhora medição, mas é preciso preservar distinções quando “não informado” e “não aplicável” têm efeitos diferentes.

A decisão anterior ainda não encerra o problema. Em Completude e dimensão desconhecida, veremos o que muda quando esse mecanismo encontra outra camada, outro contexto ou uma necessidade mais específica.

Completude e dimensão desconhecida

Meça nulos por coluna, período e origem para detectar tendência e quebra de contrato. Em um esquema estrela, uma linha “Desconhecido” na dimensão pode manter fatos cuja chave ainda não chegou, evitando perda silenciosa. O caso deve continuar visível para correção posterior.

Resta ligar esse mecanismo a Imputação com limites explícitos. Essa passagem completa o fluxo e permite avaliar o resultado como um todo, em vez de conferir apenas uma configuração isolada.

Imputação com limites explícitos

Preencher média, último valor ou categoria mais frequente muda a base e pode influenciar análise. A regra precisa ser justificável, documentada e, quando possível, acompanhada de uma marca de imputação. COALESCE é adequado apenas quando o valor alternativo preserva a semântica.

Com as quatro partes reunidas, já é possível sair das definições e acompanhar uma situação completa. O exemplo seguinte mostra como as decisões aparecem em conjunto e em que momento cada uma precisa ser conferida.