Analiza wpływu w Analytics

Analiza wpływu przedstawia wybiegający w przyszłość widok dalszych zależności bazy danych, zasobu lub pola. Udziela odpowiedzi na pytanie, na które bazy danych, aplikacje, pliki, łącza, treść uczenia maszynowego lub inną zawartość wpłynęłaby bezpośrednio lub pośrednio zmiana wartości pola. W przypadku wielu typów zawartości można także drążyć w dół do określonych pól, na które wpływ miała zmiana.

Qlik Cloud zapewnia zagregowane podsumowanie dalszego wpływu, w którym można interaktywnie badać bezpośrednie i pośrednie zależności danego pola lub obiektu.

Pochodzenie elementów podrzędnych jest nazywane analizą wpływu, ponieważ analizuje, na które obiekty wpłyną zmiany danych lub treści analitycznych. Obiekty te są elementami zależnymi węzła podstawowego. Qlik Cloud dostarcza informacji i zlicza według typu obiekty zależne w widoku podsumowania.

Użytkownicy biznesowi badający dane pole będą mieli zagregowane podsumowanie wpływu na dalsze elementy, które zapewnia wgląd w następujące zagadnienia:

Na jakie typy obiektów, w tym bazy danych, pamięć plików, aplikacje i łącza, miałaby wpływ zmiana w tym polu
Na które raporty i pulpity nawigacyjne Power BI będzie to mieć wpływ
Na które raporty Qlik NPrinting lub Qlik Cloud będzie to mieć wpływ
Na które modele danych dla Power BI i Tableau będzie to mieć wpływ
Ile jest zależności bezpośrednich i pośrednich według typu
Kim są właściciele elementów, na które wpłynęłaby Twoja zmiana
Na które przepływy pracy uczenia maszynowego będzie to mieć wpływ?

Aby wyświetlić wcześniejsze informacje o pochodzeniu, takie jak dane wejściowe, przekształcenia i inne informacje historyczne, które mogą wyjaśnić, skąd wzięły się Twoje dane i jakie operacje na nich przeprowadzono, zobacz ich pochodzenie. Zobacz temat Analizowanie pochodzenia w Analytics.

Widok podsumowania analizy wpływu

Otwórz analizę wpływu z centrum aktywności, wybierając stronę Ikona Więcej na obsługiwanym elemencie, a następnie wybierając pozycję Analiza wpływu. W przypadku niektórych typów zawartości można również otworzyć analizę wpływu po otwarciu elementu. Kliknij Więcej i Analiza wpływu.

Dostęp do pochodzenia (elementów nadrzędnych) albo analizy wpływu (na elementy podrzędne) dla innych węzłów, które pojawiają się na wykresach, możesz uzyskać, wybierając Ikona Więcej , a następnie Pochodzenie lub Analiza wpływu (nowy węzeł podstawowy).

W widoku podsumowania możesz wyświetlać wszystkie lub tylko bezpośrednie zależności, używając filtru. Przykładem bezpośredniej zależności jest aplikacja Application A, która ładuje określony zestaw danych Datafile B. W takim przypadku Application A bezpośrednio zależy od Datafile B. Przykładem pośredniej zależności jest plik QVD C.qvd utworzony przez Application A na podstawie pliku Datafile B. W tym przypadku C.qvd jest pośrednią zależnością Datafile B.

Wykres analizy wpływu przedstawiający pola zależne w aplikacji — Widok podsumowania analizy wpływu pokazuje pola zależne w aplikacji

Analizowany węzeł podstawowy jest zaznaczony na niebiesko. Elementy zależne są wymienione w przeglądzie po lewej stronie z liczbami według typów. Gdy typ jest uaktywniony i znajduje się na głównej siatce, jest wyróżniony zieloną obwódką. Typy zależności obejmują bazy danych, aplikacje, pamięć masową plików, bazy danych i łącza. Wymienione obiekty zależne dla tego typu są wymienione w głównej siatce. Możesz drążyć te obiekty, wybierając wiersz. Na przykład z aplikacji można drążyć do poziomu tabeli, a następnie pola.

Drąż do węzła podstawowego, aby wyświetlić i wybrać pole, na którym chcesz się skupić. — W celu zbadania wpływu zmiany pola drąż od obiektu węzła podstawowego i wybierz interesujące Cię pole, aby zobaczyć zależności dla tego pola.

Wybierz w wierszu uaktywnionego obiektu zależnego, aby uzyskać dostęp do menu z następującymi działaniami:

Szczegóły (patrz Szczegóły węzła)
Analiza wpływu (nowy węzeł podstawowy)
Pochodzenie (dla tego obiektu)
Otwórz

Menu działań w siatce zależności — Działania, które można podjąć na obiektach zależnych w widoku podsumowania analizy wpływu

Dostęp do analizy wpływu z zestawu danych

Możesz również uzyskać dostęp do skondensowanego widoku podsumowania analizy wpływu z przeglądu zestawu danych, wybierając kartę Analiza wpływu.

Kolumny siatki analizy wpływu

Wybierz interesujące Cię kolumny za pomocą narzędzia do wybierania kolumn ikona kolumny w prawym górnym rogu siatki. Opcje kolumn różnią się w zależności od typu oglądanego zasobu. Opcje kolumny mogą zawierać następujące nagłówki:

Nazwa
Liczba zestawów danych | tabel | pól
Typ
Przestrzeń
Właściciel
Ostatnie przeładowanie
Ostatnia modyfikacja
Otwórz
Liczba modeli
Liczba konfiguracji
Liczba wersji
Wdrożenie uczenia maszynowego

Siatka analizy wpływu — Siatka podsumowania analizy wpływu

Gdy kolumny Właściciel i Przestrzeń zawierają kilka wartości, pojawia się chmurka zawierająca listę właścicieli i przestrzeni.

Szczegóły węzła

Szczegóły są ograniczone przez Twój dostęp do danego obiektu. Szczegóły mogą dostarczyć następujących informacji:

Nazwa
Opis
Znaczniki
Lokalizacja
Przestrzeń
Właściciela
Twórca
Ostatnia modyfikacja

Widok szczegółów z analizy wpływu — Siatka podsumowania analizy wpływu

Analiza wpływu do treści uczenia maszynowego

Dzięki analizie wpływu można zidentyfikować dalsze zasoby do treści uczenia maszynowego. W Analizie wpływu można analizować eksperymenty i wdrożenia uczenia maszynowego oraz zestawy danych.

Na przykład możesz chcieć zidentyfikować, na które zestawy danych predykcyjnych miałaby wpływ aktualizacja zbioru danych do zastosowania. Można również zobaczyć, ile zasobów do uczenia pojawia się jako podrzędne zależności dla innych treści, takich jak aplikacje analityczne.

Zasoby uczenia maszynowego są również wyświetlane w Pochodzeniu w celu kompleksowej analizy pochodzenia treści analizy predykcyjnej. Więcej informacji zawiera temat Analizowanie pochodzenia treści uczenia maszynowego.

Otwieranie Analizy wpływu na potrzeby treści uczenia maszynowego

Wykonaj jedną z poniższych czynności:

W centrum aktywności kliknij obok eksperymentu uczenia maszynowego, wdrożenia uczenia maszynowego lub zestawu danych i wybierz opcję Analiza wpływu.
W eksperymencie lub wdrożeniu uczenia maszynowego kliknij na pasku nawigacyjnym i wybierz Analiza wpływu.

Analiza wpływu i eksperymenty uczenia maszynowego

W Analizie wpływu eksperymenty uczenia maszynowego mogą występować następująco:

Jako podstawowy węzeł analizy wpływu.
Jako węzły poprzedzające inne procesy, takie jak predykcje lub aplikacje predykcyjne.

Po ustawieniu eksperymentu uczenia maszynowego jako węzła podstawowego pojawi się on w lewym górnym rogu w sekcji Węzeł podstawowy. Wybierz eksperyment Eksperyment uczenia maszynowego , aby drążyć do wersji eksperymentu Fork (Rozwidlenie) . Pojedynczą wersję eksperymentu można następnie wybrać do analizy jako węzeł podstawowy. Wreszcie, można przejść do wersji , aby znaleźć określony model Model uczenia maszynowego i ustawić go jako węzeł podstawowy.

Zależności podrzędne dla eksperymentu lub jego elementów obejmują wdrożenia uczenia maszynowego, zestawy danych i treści analityczne, takie jak aplikacje, skrypty i przepływy danych.

Eksperyment uczenia maszynowego może również pojawić się w widoku podsumowania, gdy jako węzeł podstawowy zostanie wybrana zawartość nadrzędna (na przykład zestaw danych). Po wybraniu eksperymentu w obszarze Zależności z węzła bazowego w lewym panelu można przejść w głąb eksperymentu, aby wyświetlić więcej informacji na siatce. Eksperyment Eksperyment uczenia maszynowego umożliwia drążenie do jednej lub większej liczby wersji Tabela . Wersja eksperymentu Tabela umożliwia drążenie do jednej lub większej liczby modeli pole .

Analiza wpływu i wdrożenia uczenia maszynowego

W Analizie wpływu wdrożenia uczenia maszynowego mogą występować następująco:

Jako podstawowy węzeł analizy wpływu.
Jako węzły poprzedzające inne procesy, takie jak predykcje lub aplikacje predykcyjne.

Po ustawieniu wdrożenia uczenia maszynowego jako węzła podstawowego pojawi się ono w lewym górnym rogu w sekcji Węzeł podstawowy. Wybierz wdrożenie Wdrożenie uczenia maszynowego , aby drążyć do wdrożonych modeli. Pojedynczy model Model uczenia maszynowego można następnie wybrać do analizy jako węzeł podstawowy. Na koniec można przejść do modelu, aby znaleźć węzeł wyjściowy predykcji. Z węzłem wyjściowym ustawionym jako węzeł podstawowy można użyć siatki zależności, aby wyświetlić listę wygenerowanych zestawów danych predykcyjnych.

Zależności podrzędne dla wdrożenia lub jego elementów obejmują zestawy danych i treści analityczne, takie jak aplikacje, skrypty i przepływy danych.

Wdrożenie uczenia maszynowego może również pojawić się w widoku podsumowania analizy wpływu, gdy jako węzeł podstawowy zostanie wybrana zawartość nadrzędna (na przykład eksperyment uczenia maszynowego). Po wybraniu wdrożenia w obszarze Zależności z węzła bazowego w lewym panelu można przejść w głąb wdrożenia, aby wyświetlić więcej informacji na siatce. Wdrożenie Wdrożenie uczenia maszynowego umożliwia drążenie do jednej lub większej liczby modeli Tabela . Model Tabela umożliwia drążenie do jednego lub większej liczby elementów konfiguracji pole , przy czym każdy element reprezentuje wygenerowany zestaw danych predykcyjnych. Te zestawy danych można analizować indywidualnie po ustawieniu ich jako węzeł podstawowy.

Analiza wpływu i wdrożenia uczenia maszynowego

Zestawy danych uczenia maszynowego to zestawy danych, które są wykorzystywane lub tworzone przez eksperymenty uczenia maszynowego i wdrożenia uczenia maszynowego. Obejmują one:

Zestawy danych do uczenia
Zestawy danych eksportowane z wbudowanej analityki w eksperymencie uczenia maszynowego (karty Porównaj i Analizuj)
Zestawy danych do zastosowania
Zestawy danych predykcyjnych

Po ustawieniu zestawu danych uczenia maszynowego jako węzła podstawowego pojawi się ono w lewym górnym rogu w sekcji Węzeł podstawowy. Wybierz zestaw danych, aby przejść do poszczególnych pól.

Zestaw danych uczenia maszynowego może również pojawić się w widoku podsumowania analizy wpływu, gdy jako węzeł podstawowy zostanie wybrana zawartość nadrzędna (na przykład eksperyment lub wdrożenie uczenia maszynowego). Po wybraniu zestawu danych w siatce można przejść w dół w ramach zestawu danych, aby wyświetlić informacje na poziomie pola.

Usunięta zawartość

Jeśli eksperyment uczenia maszynowego, wdrożenie uczenia maszynowego lub zestaw danych używany w procesach uczenia maszynowego zostanie usunięty, jest on nadal wyświetlany w widoku podsumowania analizy wpływu podczas analizowania innych węzłów.

Uprawnienia

Więcej informacji na temat uprawnień zawiera artykuł Uprawnienia.

Przykładowe zastosowanie

Przykładowe zastosowanie można znaleźć na stronie Przykład: wpływ zmiany zestawu danych używanego do prognozowania.

Uprawnienia

Uprawnienia do analizy zależności

Użytkownicy bez uprawnień nie będą mogli zobaczyć nazw źródeł zależnych, kolumny Ostatnie przeładowanie dla zależnych aplikacji ani kolumny Ostatnia modyfikacja dla innych typów zasobów. Użytkownicy bez uprawnień do wyświetlania nie będą także mogli wyświetlać menu kontekstowego ani opcji drążenia zasobów narzędzia Ikona Więcej .

Uprawnienia, gdy aplikacja, skrypt, przepływ danych lub zestaw danych jest węzłem podstawowym

Musisz być w stanie wyświetlić aplikację, skrypt, przepływ danych lub zestaw danych, aby otworzyć analizę wpływu dla elementu z centrum aktywności, a także aby ustawić element jako węzeł bazowy w inny sposób. Jak podano w temacie Uprawnienia do analizy zależności, zasoby zależne są wyświetlane z ograniczonymi informacjami, jeśli użytkownik nie ma dostępu do tych zasobów.

Uprawnienia do eksperymentów uczenia maszynowego i wdrożeń uczenia maszynowego

W takim przypadku można bezpośrednio otworzyć Analizę wpływu z poziomu eksperymentu uczenia maszynowego, wdrożenia uczenia maszynowego lub centrum aktywności, a także ustawić go jako węzeł bazowy w inny sposób:

Uprawnienie profesjonalne lub Full User
Rola bezpieczeństwa Automl Experiment Contributor lub Automl Deployment Contributor
W przypadku eksperymentów uczenia maszynowego lub wdrożeń uczenia maszynowego w przestrzeniach udostępnionych jedna z poniższych ról w przestrzeni udostępnionej:
- Właściciel (przestrzeni)
- Może zarządzać
- Może edytować
- Może wyświetlać
W przypadku eksperymentów uczenia maszynowego lub wdrożeń uczenia maszynowego w przestrzeniach zarządzanych jedna z poniższych ról w przestrzeni zarządzanej:
- Właściciel (przestrzeni)
- Może zarządzać
- Może współtworzyć
- Może wyświetlać
- Może operować

Bez spełnienia powyższych wymagań nie można ustawić eksperymentu lub wdrożenia jako węzła podstawowego i są one wyświetlane z ograniczonymi informacjami, gdy pojawiają się podczas analizy innych treści.

Przykładowe zastosowania analizy wpływu

Przykład: zrozumienie wpływu wprowadzenia zmiany w zbiorze danych

Aby zapoznać się z omówieniem podobnego przykładu, zobacz:

Analiza wpływu — przypadki użycia

Jako twórca aplikacji odpowiadasz za źródło danych i rozważasz wprowadzenie zmian w zestawie danych Sales data.xlsx przez usunięcie pola Price. Twoje pytania to: Na co wpłynie wprowadzenie tej zmiany? Czym należy się zająć? Kogo należy powiadomić? Badanie rozpoczynasz, wybierając Ikona Więcej na kafelku zestawu danych i opcję Analiza wpływu.

Wyświetlanie zależności dalszych aplikacji i zestawów danych w widoku podsumowania analizy wpływu — Widok podsumowania analizy wpływu dla zestawu danych Sales data.xlsx

Przykład: wpływ zmiany zestawu danych używanego do prognozowania

Załóżmy, że jesteś współautorem uczenia maszynowego, który skonfigurował zaplanowane przewidywania z wdrożenia uczenia maszynowego. Chcesz ocenić, na które przepływy pracy miałaby wpływ zmiana logiki obliczeń dla kolumny w jednym z zestawów danych do zastosowania.

Otwierając zestaw danych do zastosowania w Analizie wpływu, można zidentyfikować, że wpłynie to na następującą zawartość:

Aplikacja analityczna
Wdrożenie uczenia maszynowego, w ramach którego istnieje jeden model korzystający z zestawu danych do zastosowania
Kilka zestawów danych wyjściowych, które zostały wygenerowane z wdrożenia uczenia maszynowego na podstawie harmonogramu

Dzięki tej wiedzy można podjąć bardziej świadomą decyzję, czy kontynuować aktualizację, czy utworzyć nowy przepływ pracy uczenia maszynowego.

Wyświetlanie dalszych zależności dla zestawu danych do zastosowania używanego do generowania predykcji — Analiza wpływu dla zestawu danych uczenia maszynowego do zastosowania, analizująca określone zestawy danych predykcyjnych, na które miałyby wpływ zmiany w zestawie danych do zastosowania.

Analiza wpływu w Integracja danych

Analiza wpływu jest również dostępna na stronie Integracja danych. Więcej informacji zawiera temat Analiza wpływu w Integracja danych.

Czy ta strona była pomocna?

Jeżeli natkniesz się na problemy z tą stroną lub jej zawartością — literówkę, brakujący krok lub błąd techniczny — daj nam znać, co możemy poprawić!

Przekaż tu opinię