Analizzare l'analisi impatto in Analisi
L'analisi impatto mostra la vista a valle e orientata al futuro delle dipendenze di un database, risorse o un campo. Risponde alle domande su quali database, app, file, collegamenti, contenuti di machine learning e altri contenuti sarebbero direttamente o indirettamente influenzati se venisse cambiato il valore di un particolare campo. Per molti tipi di contenuti, è inoltre possibile eseguire un drill-down sui campi specifici interessati dalla modifica.
Qlik Cloud fornisce un riassunto aggregato dell'impatto a valle dove l'utente può esaminare interattivamente le dipendenze dirette e indirette di un dato campo o oggetto.
La derivazione a valle è chiamata analisi impatto perché analizza quali oggetti saranno influenzati dai cambiamenti ai dati o ai contenuti analitici; questi oggetti dipendono dal nodo base. Qlik Cloud fornisce informazioni e conteggi per tipo di oggetti dipendenti in una vista riassuntiva.
Gli utenti che esaminano un dato campo avranno un riassunto aggregato dell'impatto a valle che fornisce informazioni in merito a:
- Quali tipi di oggetti possono essere influenzati da un cambiamento di questo campo, inclusi i database, l'archiviazione dei file, le app e i collegamenti
- Quali report e dashboard di Power BI possono essere interessati
- Quali report Qlik NPrinting o Qlik Cloud possono essere interessati
- Quali modelli di dati per Power BI e Tableau possono essere interessati
- Qual è il numero di dipendenze dirette e indirette per tipo
- Quali proprietari di elementi sono interessati in caso di cambiamento
- Quali flussi di lavoro di machine learning possono essere interessati
Per visualizzare informazioni sulla derivazione a monte come gli input, le trasformazioni e altre informazioni storiche che possono spiegare da dove vengono i dati dell'utente e quali operazioni hanno agito su di essi, visualizzare la relativa derivazione. Vedere Analisi della derivazione in Analisi.
Vista riepilogativa dell'Analisi impatto
La vista di riepilogo di Analisi impatto
Aprire l'analisi d'impatto dal centro attività selezionando 
su un elemento supportato, quindi selezionando Analisi impatto. Per alcuni tipi di contenuti, è possibile anche aprire l'analisi impatto dopo aver aperto l'elemento. Fare clic su e su Analisi impatto.
È possibile accedere alla derivazione (a monte) o all'analisi impatto (a valle) per altri nodi che appaiono nei grafici selezionando , quindi Derivazione o Analisi impatto (nuovo nodo di base).
Nella visualizzazione di riepilogo, è possibile filtrare se visualizzare tutte o solo le dipendenze dirette. Un esempio di una dipendenza diretta è un'app Applicazione A che carica un set di dati particolare File di dati B. In questo caso, Applicazione A dipende direttamente da File di dati B. Un esempio di una dipendenza indiretta è un file QVD C.qvd creato da Applicazione A, in base a File di dati B. In questo caso, C.qvd rappresenta una dipendenza indiretta di File di dati B.
Vista di riepilogo Analisi impatto che mostra i campi dipendenti in un'app
Il nodo base da analizzare è delineato in blu. Le dipendenze sono elencate nella panoramica di sinistra con conteggi per tipo. Quando è a fuoco ed è elencato nella griglia principale, quel tipo è delineato in un riquadro verde. I tipi di dipendenze includono database, app, archiviazione di file, database e collegamenti. Gli oggetti dipendenti elencati per quel tipo sono elencati nella griglia principale. Approfondire questi oggetti selezionando la riga. Per esempio, un'app effettuerà il drill-down nella tabella e poi a livello di campo.
Per studiare l'impatto di un cambiamento di campo, eseguire il drill-down dall'oggetto nodo base e selezionare un campo di interesse per vedere le dipendenze per quel campo.
Selezionare sulla riga dell'oggetto dipendente a fuoco per accedere a un menu con le seguenti azioni:
Dettagli (vedere Dettagli nodo)
Analisi impatto (nuovo nodo base)
Derivazione (per tale oggetto)
Apri
Azioni che possono essere intraprese sugli oggetti dipendenti nella vista di riepilogo dell'analisi impatto
Accesso ad Analisi impatto da un set di dati
È anche possibile accedere a una visualizzazione di riepilogo dell'analisi dell'impatto dalla panoramica di un set di dati passando alla scheda Analisi impatto.
Colonne della griglia dell'analisi impatto
Selezionare le colonne di interesse con il selezionatore colonne 
in alto a destra della griglia. Le opzioni di colonna variano a seconda del tipo di risorsa visualizzata. Le opzioni di colonna possono includere le seguenti intestazioni:
Nome
Numero di set di dati | tabelle | campi
Tipo
Spazio
Proprietario
Ultimo caricamento
Ultima modifica
Apri
Numero di modelli
Numero di configurazioni
Numero di versioni
Distribuzione di ML
Griglia di riepilogo Analisi impatto
Dettagli nodo
I dettagli sono limitati dal proprio accesso a tale oggetto. I dettagli possono fornire le seguenti informazioni:
Nome
Descrizione
Tag
Località
Spazio
Proprietario
Autore
Ultima modifica
Griglia di riepilogo Analisi impatto
Analisi impatto per i contenuti di machine learning
Con l'Analisi impatto, è possibile identificare le risorse a valle per i contenuti di machine learning. È possibile analizzare gli esperimenti di ML, le distribuzioni di ML e i set di dati nell'Analisi impatto.
Ad esempio, se si desidera, è possibile identificare quali set di dati di previsione verrebbero interessati se si aggiornasse un set di dati di applicazione. È possibile anche visualizzare quante risorse didattiche appaiono come dipendenze a valle di altri contenuti, come le app analitiche.
Le risorse di machine learning vengono mostrate anche in Derivazione, per un'analisi completa delle origini dei contenuti delle analisi predittive. Per ulteriori informazioni, vedere Analisi della derivazione per i contenuti di machine learning.
Apertura di Analisi impatto per i contenuti di machine learning
Effettuare una delle seguenti operazioni:
Nel proprio centro attività, fare clic su
accanto a un esperimento di ML, a una distribuzione di ML o a un set di dati, quindi selezionare Analisi d'impatto.In un esperimento di ML o in una distribuzione di ML, fare clic su
nella barra di navigazione e selezionare Analisi impatto.
Analisi impatto ed esperimenti di ML
In Analisi impatto, gli esperimenti di ML possono essere visualizzati in uno dei seguenti modi:
Come il nodo di base dell'analisi impatto.
Come nodi a monte di altri processi, ad esempio le previsioni o le app predittive.
Con un esperimento di ML impostato come nodo di base, questo viene visualizzato nell'angolo in alto a sinistra sotto Nodo di base. Selezionare l'esperimento 
per eseguire il drill-down delle versioni dell'esperimento 
. È possibile selezionare una sola versione dell'esperimento per l'analisi come nodo di base. Infine, è possibile eseguire il drill-down all'interno della versione per individuare un modello specifico 
e impostarlo come nodo di base.
Le dipendenze a valle dell'esperimento, o gli elementi al suo interno, includono distribuzioni di ML, set di dati e contenuti analitici come app, script e flussi di dati.
Un esperimento di ML può essere visualizzato anche nella vista di riepilogo quando il contenuto a monte (ad esempio, un set di dati) è selezionato come nodo di base. Dopo aver selezionato un esperimento in Dipendenze dal nodo di base nel pannello di sinistra, è possibile eseguire il drill-down nell'esperimento per visualizzare ulteriori informazioni nella griglia. Un esperimento esegue il drill-down in una o più versioni 
. La versione di un esperimento esegue il drill-down in uno o più modelli 
.
Analisi impatto e distribuzioni di ML
In Analisi impatto, le distribuzioni di ML possono essere visualizzate in uno dei seguenti modi:
Come il nodo di base dell'analisi impatto.
Come nodi a monte di altri processi, ad esempio le previsioni o le app predittive.
Quando si imposta una distribuzione di ML come nodo di base, questa viene visualizzata nell'angolo in alto a sinistra sotto Nodo di base. Selezionare la distribuzione 
per eseguire il drill-down dei modelli distribuiti. È possibile selezionare un solo modello per l'analisi come nodo di base. Infine, è possibile eseguire il drill-down all'interno del modello per trovare un nodo di output della previsione. Con il nodo di output impostato come nodo di base, è possibile utilizzare la griglia delle dipendenze per visualizzare un elenco dei set di dati di previsione generati.
Le dipendenze a valle della distribuzione, o gli elementi al suo interno, includono set di dati e contenuti analitici come app, script e flussi di dati.
Una distribuzione di ML può essere visualizzata anche nella vista di riepilogo dell'analisi impatto quando il contenuto a monte (ad esempio, un set di dati) viene selezionato come nodo di base. Dopo aver selezionato una distribuzione in Dipendenze dal nodo di base nel pannello di sinistra, è possibile eseguire il drill-down nella distribuzione per visualizzare ulteriori informazioni nella griglia. Una distribuzione esegue il drill-down di uno o più modelli . Un modello esegue il drill-down di uno o più elementi di Configurazione, con ogni elemento che rappresenta un set di dati di previsione generato. Questi set di dati possono essere analizzati individualmente impostandoli come nodo di base.
Analisi impatto e set di dati di ML
I set di dati di ML sono set di dati utilizzati o creati da esperimenti di ML e distribuzioni di ML. Includono i seguenti elementi:
Training set
I set di dati esportati dall'analitica incorporata in un esperimento di ML (schedeConfronta e Analizza).
Set di dati di applicazione
Set di dati di previsione
Quando si imposta un set di dati di ML come nodo di base, questo viene visualizzato nell'angolo in alto a sinistra sotto Nodo di base. Selezionare il set di dati per eseguire il drill-down di campi individuali.
Un set di dati di ML può essere visualizzato anche nella vista di riepilogo dell'analisi impatto quando il contenuto a monte (ad esempio, un esperimento di ML o una distribuzione di ML) viene selezionato come nodo di base. Una volta selezionato un set di dati nella griglia, è possibile eseguire il drill-down del set di dati per mostrare le informazioni a livello di campo.
Contenuti eliminati
Se si elimina un esperimento di ML, una distribuzione di ML o un set di dati utilizzati nei processi di machine learning, continuano a essere visualizzati nella vista di riepilogo di Analisi impatto quando si analizzano altri nodi.
Autorizzazioni
Per informazioni sulle autorizzazioni, vedere Autorizzazioni.
Scenario di esempio
Per uno scenario di esempio, vedere Esempio: impatto della modifica di un set di dati utilizzato per le previsioni.
Autorizzazioni
Autorizzazioni per l'analisi delle dipendenze
Gli utenti senza autorizzazione di visualizzazione non potranno visualizzare i nomi delle risorse dipendenti, la colonna Ultimo ricaricamento per le app dipendenti o la colonna Ultima modifica per altri tipi di risorse. Gli utenti che non hanno autorizzazioni di visualizzazione non potranno inoltre visualizzare il menu di scelta rapida o le opzioni di drill-in per la risorsa.
Autorizzazioni quando un'app, uno script, un flusso di dati o un set di dati sono utilizzati come nodo di base.
Per aprire l'Analisi impatto per l'elemento del centro attività, nonché per impostare l'elemento come nodo di base in altri modi, è necessario essere in grado di visualizzare un'app, uno script, un flusso di dati o un set di dati. Come indicato in Autorizzazioni per l'analisi delle dipendenze, le risorse dipendenti vengono mostrate con informazioni limitate se non si dispone di accesso di visualizzazione delle risorse.
Autorizzazioni per gli esperimenti di ML e le distribuzioni di ML
Se si dispone dei seguenti ruoli, è possibile aprire direttamente l'Analisi impatto dall'esperimento di ML o dalla distribuzione di ML, dal centro attività, nonché impostarla come nodo base in altri modi:
Diritto Full User o Professional
Ruolo di sicurezza Automl Experiment Contributor o Automl Deployment Contributor
Per gli esperimenti di ML o le distribuzioni di ML negli spazi condivisi, uno dei seguenti ruoli nello spazio in cui si trova l'esperimento di ML:
Proprietario (dello spazio)
È possibile gestire
Può modificare
È possibile visualizzare
Per gli esperimenti di ML o le distribuzioni di ML negli spazi gestiti, uno dei seguenti ruoli nello spazio gestito:
Proprietario (dello spazio)
È possibile gestire
Può contribuire
È possibile visualizzare
È possibile eseguire operazioni
Senza i requisiti di cui sopra, l'esperimento o la distribuzione non possono essere impostati come nodo di base e vengono mostrati con informazioni limitate quando appaiono durante l'analisi di altri contenuti.
Caso d'uso di esempio per l'analisi impatto
Esempio: comprensione dell'impatto di una modifica apportata a un set di dati
Per una descrizione dettagliata di un esempio simile a quello seguente, vedere:
Casi di utilizzo Analisi impattoIn quanto sviluppatore app, si è responsabili per una sorgente dati e si considera l'introduzione di una modifica a un set di dati Sales data.xlsx mediante la rimozione del campo Prezzo. Le domande sono: Quale sarà l'impatto dell'introduzione di questa modifica? Cosa dovrà essere affrontato? Chi dovrei notificare? Si dà inizio all'indagine selezionando sul riquadro del set di dati e selezionando Analisi impatto.
Visualizzazione di riepilogo di Analisi impatto per il set di dati Sales data.xlsx
Esempio: impatto della modifica di un set di dati utilizzato per le previsioni
Supponiamo che l'utente sia un collaboratore di machine learning che ha impostato previsioni programmate da una distribuzione di ML. Bisogna valutare quali flussi di lavoro possono essere influenzati se si modifica la logica di calcolo di una colonna in uno dei set di dati di applicazione.
Aprendo il set di dati di applicazione nell'Analisi impatto, è possibile rinvenire che i seguenti contenuti possono essere interessati:
Un'app analitica
Una distribuzione di ML, nella quale è presente un modello che utilizza il set di dati di applicazioni
Diversi output per i set di dati, che sono stati generati dalla distribuzione di ML in base a una pianificazione
Con questa conoscenza, è possibile prendere una decisione più informata se procedere con l'aggiornamento o creare un nuovo flusso di lavoro di machine learning
Analisi impatto per un set di dati di applicazione di machine learning, analizzando i set di dati di previsione specifici che possono essere interessati dalle modifiche al set di dati di applicazione.
Analisi impatto in Integrazione dati
L'Analisi impatto è disponibile anche in Integrazione dati. Per ulteriori informazioni, vedere Analizzare l'analisi impatto in Integrazione dati.