Este primer paso ocupó en mi Proyecto más del 90% de todo el tiempo que le dediqué, ya que se nos aclaró desde un principio que los Dataset facilitados debían ser convenientemente cuidados y tratados, como si fuera un caso real en una oficina/empresa, por si en un futuro pudieran volver a ser utilizados.

Así que hice un análisis de los datos facilitados, viendo que tenía dos Dataset, uno de taxis Amarillos y otro de Taxis Verdes, decidí unirlos entre sí, y sobre todo, limpiar de datos que no me eran necesarios para responder a las preguntas del Brief, o simplemente que estaban vacíos o erróneos.

Aquí una instantánea del Flujo de Datos que creé en Dataiku