Analizar el análisis de impacto en Analítica

El análisis de impacto muestra la visión prospectiva y descendente de las dependencias de una base de datos, un recurso o un campo. Responde a preguntas sobre qué bases de datos, apps, archivos, enlaces, contenidos de aprendizaje automático y otros contenidos se verían afectados directa o indirectamente si cambia el valor de un campo. Para muchos tipos de contenido, también puede profundizar en los campos concretos que se ven afectados por el cambio.

Qlik Cloud ofrece un resumen agregado del impacto descendente en el que los usuarios pueden examinar de forma interactiva las dependencias directas e indirectas de un campo u objeto determinado.

El linaje descendente se denomina análisis de impacto porque analiza qué objetos se verán afectados por los cambios en sus datos o contenidos analíticos; estos objetos son los dependientes del nodo base. Qlik Cloud proporciona información y recuentos por tipo de objetos dependientes en una vista de resumen.

Los usuarios de negocio que examinen un campo determinado tendrán un resumen agregado del impacto posterior que brinda información sobre:

¿Qué tipos de objetos se verían afectados por un cambio en este campo, incluidas las bases de datos, el almacenamiento de archivos, las aplicaciones y los enlaces?
Qué informes y paneles de Power BI se verían afectados
Qué informes de Qlik NPrinting o Qlik Cloud se verían afectados
Qué modelos de datos para Power BI y Tableau se verían afectados
¿Cuál es el número de dependencias directas e indirectas, por tipo?
¿Quiénes son los propietarios de los elementos que se ven afectados si realiza un cambio?
Qué flujos de trabajo de aprendizaje automático se verían afectados

Para ver información sobre el linaje ascendente, como entradas, transformaciones y otra información histórica que puede explicar de dónde provienen sus datos y qué operaciones han actuado sobre ellos, vea su linaje. Vea Analizar el linaje en Analítica.

Vista de resumen del análisis de impacto

La vista resumida del Análisis de impacto

Abra el análisis de impacto desde su centro de actividades seleccionando El icono Más en un elemento pertinente y a continuación, seleccionando Análisis de impacto. Para algunos tipos de contenido, también puede abrir el análisis de impacto cuando tenga el elemento abierto. Haga clic en Más y en Análisis de impacto.

Puede acceder al linaje (ascendente) o al análisis de impacto (descendente) de otros nodos que aparecen en los gráficos seleccionando El icono Más y luego seleccionando Linaje o Análisis de impacto (nuevo nodo base).

En la vista de resumen, puede filtrar si desea mostrar todas las dependencias o solo las dependencias directas. Un ejemplo de una dependencia directa es una app Aplicación A que carga un conjunto de datos en particular Archivo de datos B. En este caso, Aplicación A depende directamente del Archivo de datos ABC. Un ejemplo de una dependencia indirecta es un archivo QVD C.qvd que es creado por Aplicación A, basado en Archivo de datos B. En este caso, C.qvd es una dependencia indirecta de Archivo de datos B.

Gráfico de análisis de impacto que muestra los campos dependientes en una app — La vista de resumen del análisis de impacto muestra campos dependientes en una app

El nodo base que se está analizando se destaca en azul. Los campos dependientes se listan en la vista general de la izquierda con recuentos por tipo. Cuando está enfocado y aparece en la cuadrícula principal, ese tipo se destaca en un recuadro verde. Los tipos de dependencias incluyen bases de datos, aplicaciones, almacenamiento de archivos, bases de datos y enlaces. Los objetos dependientes enumerados para ese tipo se muestran en la cuadrícula principal. Profundice en estos objetos seleccionando la fila. Por ejemplo, una aplicación profundizará en la tabla y luego en el nivel de campo.

Profundice en el nodo base para ver y seleccionar el campo que enfocar — Para investigar el impacto de un cambio de campo, profundice desde el objeto del nodo base y seleccione un campo de interés para ver las dependencias de ese campo.

Seleccione en la fila del objeto dependiente enfocado para acceder a un menú con las siguientes opciones:

Detalles (vea Detalles de nodo)
Análisis de impacto (nuevo nodo base)
Linaje (de ese objeto)
Abrir

Menú de acciones en la cuadrícula de dependencias — Acciones que se pueden realizar en objetos dependientes en la vista de resumen del análisis de impacto

Acceder al análisis de impacto desde un conjunto de datos

También puede acceder a una versión condensada de la vista resumida del análisis de impacto desde la vista general de un conjunto de datos cambiando a la pestaña Análisis de impacto.

Columnas de cuadrícula del análisis de impacto

Seleccione las columnas de interés con el selector de columnas icono columnas en la parte superior derecha de la cuadrícula. Las opciones de columna varían según el tipo de recurso que se esté visualizando. Las opciones de columna pueden incluir los siguientes encabezados:

Nombre
Número de conjuntos de datos | tablas | campos
Tipo
Espacio
Propietario
Última recarga
Modificado por última vez
Abrir
Número de modelos
Número de configuraciones
Número de versiones
Implementación de ML

Cuadrícula del análisis de impacto — Cuadrícula resumen del análisis de impacto

Cuando las columnas Propietario y Espacio tienen varios valores, aparece una información sobre herramientas que enumera los propietarios y los espacios.

Detalles de nodo

Los detalles están limitados por su acceso a ese objeto. Los detalles pueden proporcionar la siguiente información:

Nombre
Descripción
Etiquetas
Localización
Espacio
Propietario
Creador
Modificado por última vez

Vista detallada del análisis de impacto — Cuadrícula resumen del análisis de impacto

Análisis de impacto para contenidos de aprendizaje automático

Con el Análisis de impacto, puede identificar los recursos posteriores para su contenido de aprendizaje automático. Puede analizar experimentos de ML, implementaciones de ML y conjuntos de datos en el Análisis de impacto.

Por ejemplo, podría querer identificar qué conjuntos de datos de predicción se verían afectados si actualizara un conjunto de datos de aplicación. También podría ver cuántos recursos de aprendizaje aparecen como dependencias descendentes de otros contenidos, como las apps de análisis.

Los activos de aprendizaje automático también se muestran en Linaje para un análisis exhaustivo de los orígenes de su contenido de análisis predictivo. Para más información, vea Análisis de linaje para contenidos de aprendizaje automático (machine learning).

Abrir el Análisis de impacto para contenidos de aprendizaje automático

Tome una de las opciones siguientes:

En su centro de actividades, haga clic en junto a un experimento de ML, una implementación de ML o un conjunto de datos y seleccione Análisis de impacto.
En un experimento o implementación de ML, haga clic en en la barra de navegación y seleccione Análisis de impacto.

Análisis de impacto y experimentos de ML

En el Análisis de impacto los experimentos de ML pueden aparecer de cualquiera de las siguientes formas:

Como el nodo base del análisis de impacto.
Como nodos ascendentes de otros procesos, como las predicciones o las apps predictivas.

Con un experimento de ML establecido como nodo base, aparece en la esquina superior izquierda bajo Nodo base. Seleccione el experimento para profundizar en las versiones del experimento Bifurcación . A continuación se puede seleccionar una única versión del experimento para su análisis como nodo base. Por último, puede profundizar en la versión para encontrar un modelo específico Modelo de ML y establecerlo como nodo base.

Las dependencias descendentes del experimento, o de los elementos que lo componen, incluyen implementaciones de ML, conjuntos de datos y contenido analítico como apps, scripts y flujos de datos.

Un experimento de ML también puede aparecer en la vista de resumen cuando se selecciona un contenido ascendente (por ejemplo, un conjunto de datos) como nodo base. Cuando haya seleccionado un experimento en Dependencias del nodo base en el panel izquierdo, puede desglosar dentro del experimento para mostrar más información en la cuadrícula. Un experimento Experimento de ML profundiza en una o varias versiones de Tabla . Una versión del experimento Tabla profundiza en uno o varios modelos de campo .

Análisis de impacto e implementaciones de ML

En el Análisis de impacto, las implementaciones de ML pueden aparecer de cualquiera de las siguientes formas:

Como el nodo base del análisis de impacto.
Como nodos ascendentes de otros procesos, como las predicciones o las apps predictivas.

Con una implementación de ML configurada como el nodo base, aparece en la esquina superior izquierda bajo Nodo base. Seleccione la implementación para desglosar los modelos implementados. A continuación se puede seleccionar un único modelo de Modelo de ML para su análisis como nodo base. Por último, puede desglosar el modelo para encontrar un nodo de salida de predicción. Con el nodo de salida establecido como nodo base, puede utilizar la cuadrícula de dependencia para ver una lista de los conjuntos de datos de predicción generados.

Las dependencias descendentes de la implementación, o de los elementos que la componen, incluyen conjuntos de datos y contenidos analíticos como apps, scripts y flujos de datos.

Una implementación de ML también puede aparecer en la vista de resumen del análisis de impacto cuando se selecciona un contenido ascendente (por ejemplo, un experimento de ML) como nodo base. Cuando haya seleccionado una implementación en Dependencias del nodo base en el panel izquierdo, puede desglosar dentro de la implementación para mostrar más información en la cuadrícula. Una implementación Implementación de ML profundiza en uno o varios modelos de Tabla . Un modelo Tabla profundiza en uno o varios elementos de configuración campo , y cada elemento representa un conjunto de datos de predicción generado. Estos conjuntos de datos pueden analizarse individualmente estableciéndolos como nodo base.

Análisis de impacto y conjuntos de datos de ML

Los conjuntos de datos de ML son conjuntos de datos que se utilizan en experimentos de ML y en implementaciones de ML o que son creados por ellos. Entre ellos se incluyen:

Conjuntos de datos de entrenamiento
Conjuntos de datos exportados de análisis integrados en un experimento de ML (pestañas Comparar y Analizar)
Aplicar conjuntos de datos
Conjuntos de datos de predicción

Con un conjunto de datos de ML establecido como nodo base, este aparece en la esquina superior izquierda, bajo Nodo base. Seleccione el conjunto de datos para desglosar los campos individuales.

Un conjunto de datos de ML también puede aparecer en la vista de resumen del análisis de impacto cuando se selecciona un contenido ascendente (por ejemplo, un experimento de ML o una implementación de ML) como nodo base. Cuando haya seleccionado un conjunto de datos en la cuadrícula, podrá desglosarlo para mostrar información a nivel de campos.

Contenido eliminado

Si se elimina un experimento de ML, una implementación de ML o un conjunto de datos utilizado en procesos de aprendizaje automático, se sigue mostrando en la vista de resumen del Análisis de impacto al analizar otros nodos.

Permisos

Para obtener información sobre los permisos, consulte Permisos.

Ejemplo de escenario

Para ver un escenario a modo de ejemplo, consulte Ejemplo: ver el impacto del cambio en un conjunto de datos utilizado para hacer predicciones.

Permisos

Permisos para el análisis de dependencias

Los usuarios sin permiso de visualización no podrán ver los nombres de los recursos dependientes, la columna Última recarga para aplicaciones dependientes o la columna Modificado por última vez para otros tipos de recursos. Los usuarios sin permisos de visualización tampoco podrán ver el menú contextual El icono Más ni las opciones de profundización en el recurso.

Permisos cuando una app, script, flujo de datos o conjunto de datos es el nodo base

Debe poder ver una app, un script, un flujo de datos o un conjunto de datos para abrir el Análisis de impacto para el elemento desde su centro de actividades, así como para establecer el elemento como nodo base de otras formas. Como se indica en Permisos para el análisis de dependencias, los recursos dependientes se muestran con información limitada si usted no tiene acceso de visualización a los recursos.

Permisos para experimentos e implementaciones de ML

Si dispone de lo siguiente, puede abrir directamente el Análisis de impacto desde el experimento de ML o la implementación de ML, su centro de actividades, así como establecerlo como nodo base de otras formas:

Derecho Profesional o Full User
El rol de seguridad Automl Experiment Contributor o Automl Deployment Contributor
Para experimentos de ML o implementaciones de ML en espacios compartidos, uno de los siguientes roles de espacio en el espacio compartido:
- Propietario (del espacio)
- Puede administrar
- Puede editar
- Puede ver
Para experimentos de ML o implementaciones de ML en espacios administrados, uno de los siguientes roles de espacio en el espacio administrado:
- Propietario (del espacio)
- Puede administrar
- Puede contribuir
- Puede ver
- Puede operar

Sin los requisitos anteriores, el experimento o implementación no podrá configurarse como nodo base y se mostrará con información limitada cuando aparezca durante el análisis de otros contenidos.

Casos de uso a modo de ejemplo para analizar el impacto

Ejemplo: comprender el impacto de realizar un cambio en un conjunto de datos

Para ver un ejemplo similar, consulte:

Casos de uso del análisis de impacto

Como desarrollador de una app, usted es responsable de una fuente de datos y está considerando la posibilidad de realizar un cambio en un conjunto de datos denominado Sales data.xlsx, mediante la eliminación del campo Precio. Las preguntas que se plantea son las siguientes: ¿Qué se verá afectado si hago este cambio? ¿Qué tengo que hacer? ¿A quién debo notificar? Comience la investigación seleccionando El icono Más en la imagen del conjunto de datos y seleccionando Análisis de impacto.

Vea las dependencias posteriores para aplicaciones y conjuntos de datos con la vista de resumen del análisis de impacto — Vista resumida del análisis de impacto del conjunto de datos Sales data.xlsx

Ejemplo: ver el impacto del cambio en un conjunto de datos utilizado para hacer predicciones

Supongamos que usted es un colaborador de aprendizaje automático (machine learning) que ha configurado una serie de predicciones programadas a partir de una implementación de ML. Desea evaluar qué flujos de trabajo se verán afectados si modifica la lógica de cálculo de una columna en uno de sus conjuntos de datos de aplicación.

Al abrir el conjunto de datos de aplicación en el Análisis de impacto, puede identificar que se verían afectados los siguientes contenidos:

Una app de análisis
Una implementación de ML, dentro de la cual hay un modelo que utiliza el conjunto de datos de aplicación
Varios resultados de salida de varios conjuntos de datos, que se han generado a partir de la implementación de ML de forma programada

Con estos conocimientos, puede tomar una decisión correctamente informada sobre si debe proceder o no con la actualización o crear un nuevo flujo de trabajo de aprendizaje automático (machine learning).

Ver las dependencias descendentes de un conjunto de datos de aplicación utilizado para generar predicciones — Análisis de impacto para un conjunto de datos de aplicación de aprendizaje automático que analiza los conjuntos de datos de predicción específicos que se verían afectados por los cambios realizados en el conjunto de datos de aplicación.

Análisis de impacto en Integración de datos

El Análisis de impacto también está disponible en Integración de datos. Para más información, vea El análisis de impacto en Integración de datos.

¿Esta página le ha sido útil?

No dude en indicarnos en qué podemos mejorar si encuentra algún problema en esta página o su contenido, como, por ejemplo, errores tipográficos, pasos que falta o errores técnicos.

Deje aquí sus comentarios