Realizando uma análise de impacto no Análises
A análise de impacto mostra uma visão prospectiva e posterior das dependências de um banco de dados, recurso ou campo. Responde a perguntas sobre quais bancos de dados, aplicativos, arquivos, links, conteúdo de aprendizado de máquina e outros conteúdos seriam direta ou indiretamente impactados se o valor de um campo fosse alterado. Para muitos tipos de conteúdo, você também pode detalhar os campos específicos que são impactados pela alteração.
O Qlik Cloud fornece um resumo agregado do impacto downstream no qual você pode examinar interativamente as dependências diretas e indiretas de um determinado campo ou objeto.

A linhagem downstream é chamada de análise de impacto porque analisa quais objetos serão impactados por alterações em seus dados ou conteúdo analítico; esses objetos são os dependentes do nó base. O Qlik Cloud fornece informações e contagens por tipo de objetos dependentes em uma exibição resumida.
Os usuários corporativos que examinam um determinado campo terão um resumo agregado do impacto downstream, que fornece insights para:
- Quais tipos de objetos seriam afetados por uma alteração nesse campo, incluindo bancos de dados, armazenamento de arquivos, aplicativos e links
- Quais relatórios e painéis do Power BI seriam afetados
- Quais relatórios do Qlik NPrinting ou Qlik Cloud seriam afetados
- Quais modelos de dados do Power BI e do Tableau seriam afetados
- Qual é o número de dependências diretas e indiretas por tipo
- Quem serão os proprietários dos itens afetados se você fizer uma alteração
- Quais fluxos de trabalho de aprendizado de máquina seriam afetados
Para visualizar informações de linhagem upstream, como entradas, transformações e outras informações históricas que possam explicar de onde seus dados vieram e quais operações agiram sobre eles, visualize sua linhagem. Consulte Analisando a linhagem no Análises.
Exibição resumida da análise de impacto
Exibição resumida da Análise de impacto
Abra a análise de impacto em seu centro de atividades, selecionando em um item compatível e, em seguida, selecionando Análise de impacto. Para alguns tipos de conteúdo, você também pode abrir a análise de impacto quando o item estiver aberto. Clique em
e em Análise de impacto.
Você pode acessar a linhagem (upstream) ou a análise de impacto (downstream) para outros nós que aparecem nos gráficos, selecionando e depois Linhagem ou Análise de impacto (novo nó base).
Na visualização resumida, você pode filtrar se deseja exibir todas as dependências ou apenas as dependências diretas. Um exemplo de dependência direta é um aplicativo Aplicativo A que carrega um conjunto de dados específico Arquivo de Dados B. Nesse caso, o Aplicativo A depende diretamente do Arquivo de Dados B. Um exemplo de dependência indireta é um QVD C.qvd criado pelo Aplicativo A, com base no Arquivo de Dados B. Nesse caso, C.qvd é uma dependência indireta do Arquivo de dados B.
A exibição do resumo da análise de impacto mostra campos dependentes em um aplicativo

O nó base que está sendo analisado está destacado em azul. Os dependentes estão listados na visão geral à esquerda, com contagens por tipo. Quando em foco e listado na grade principal, esse tipo é destacado em uma caixa verde. Tipos de dependências incluem bancos de dados, aplicativos, armazenamento de arquivos, bancos de dados e links. Os objetos dependentes listados para esse tipo estão listados na grade principal. Detalhe esses objetos selecionando a linha. Por exemplo, um aplicativo detalhará a tabela e depois em nível de campo.
Para investigar o impacto de uma alteração de campo, detalhe a partir do objeto de nó base e selecione um campo de interesse para ver as dependências desse campo.

Selecione na linha do objeto dependente em foco para acessar um menu com as seguintes ações:
Detalhes (consulte Detalhes do nó)
Análise de impacto (novo nó base)
Linhagem (para esse objeto)
Abrir
Ações que podem ser realizadas em objetos dependentes na exibição resumida da análise de impacto

Acessando a análise de impacto de um conjunto de dados
Você também pode acessar uma versão condensada da visualização resumida da análise de impacto na visão geral de um conjunto de dados, alternando para a guia Análise de impacto.
Colunas da grade de análise de impacto
Selecione as colunas de interesse com o seletor de colunas no canto superior direito da grade. As opções de coluna variam de acordo com o tipo de recurso que está sendo visualizado. As opções de coluna podem incluir os seguintes títulos:
Nome
Número de conjuntos de dados | tabelas | campos
Tipo
Espaço
Proprietário
Última recarga
Última modificação
Abrir
Número de modelos
Número de configurações
Número de versões
Implementação de ML
Grade do resumo da análise de impacto

Detalhes do nó
Os detalhes são limitados pelo seu acesso a esse objeto. Eles podem fornecer as seguintes informações:
Nome
Descrição
Marcas
Localização
Espaço
Proprietário
Criador
Última modificação
Grade do resumo da análise de impacto

Análise de impacto para conteúdo de aprendizado de máquina
Com a Análise de impacto, você pode identificar recursos downstream para seu conteúdo de aprendizado de máquina. Você pode analisar experimentos de ML, implementações de ML e conjuntos de dados na Análise de impacto.
Por exemplo, você pode identificar quais conjuntos de dados de previsão seriam afetados se atualizasse um conjunto de dados de aplicação. Você também pode ver quantos recursos de aprendizado aparecem como dependências downstream para outros conteúdos, como aplicativos de análise.
Os ativos de aprendizado de máquina também são mostrados na Linhagem para uma análise abrangente das origens de seu conteúdo de análise preditiva. Para obter mais informações, consulte Analisando a linhagem para conteúdo de aprendizado de máquina.
Abrindo Análise de impacto para conteúdo de aprendizado de máquina
Realize uma das seguintes ações:
Em seu centro de atividades, clique em
ao lado de um experimento de ML, implementação de ML ou conjunto de dados e selecione Análise de impacto.
Em um experimento ou implementação de ML, clique em
na barra de navegação e selecione Análise de impacto.
Análise de impacto e experimentos de ML
Na Análise de impacto, os experimentos de ML podem aparecer de uma das seguintes maneiras:
Como o nó base da análise de impacto.
Como nós upstream de outros processos, como previsões ou aplicativos preditivos.
Com um experimento de ML definido como o nó base, ele aparece no canto superior esquerdo, em Nó base. Selecione o experimento para detalhar as versões do experimento
. Uma única versão de experimento
pode então ser selecionada para análise como o nó base. Por fim, você pode pesquisar na versão
para encontrar um modelo específico
e defini-lo como o nó base.
As dependências downstream para o experimento, ou elementos dentro dele, incluem implementações de ML, conjuntos de dados e conteúdo analítico, como aplicativos, scripts e fluxos de dados.
Um experimento de ML também pode aparecer na exibição resumida quando o conteúdo upstream (por exemplo, um conjunto de dados) é selecionado como o nó base. Depois de selecionar um experimento em Dependências do nó base no painel esquerdo, você pode detalhar o experimento para mostrar mais informações na grade. Um experimento detalha uma ou mais versões
. Uma versão experimental
detalha um ou mais modelos
.
Análise de impacto e implementações de ML
Em Análise de impacto, as implementações de ML podem aparecer de uma das seguintes maneiras:
Como o nó base da análise de impacto.
Como nós upstream de outros processos, como previsões ou aplicativos preditivos.
Com uma implementação de ML definida como nó base, ela aparece no canto superior esquerdo, em Nó base. Selecione a implementação para detalhar os modelos implementados. Um único modelo
pode então ser selecionado para análise como nó base. Por fim, você pode detalhar o modelo para encontrar um nó de saída de previsão. Com o nó de saída definido como nó base, você pode usar a grade de dependências para visualizar uma lista de conjuntos de dados de previsão gerados.
Dependências downstream para a implementação, ou elementos dentro dela, incluem conjuntos de dados e conteúdo analítico, como aplicativos, scripts e fluxos de dados.
Uma implementação de ML também pode aparecer na visualização resumida da análise de impacto quando o conteúdo upstream (por exemplo, um experimento de ML) é selecionado como nó base. Depois de selecionar uma implementação em Dependências do nó base no painel esquerdo, você pode detalhar a implementação para mostrar mais informações na grade. Uma implementação detalha um ou mais modelos
. Um modelo
detalha um ou mais itens de configuração
, com cada item representando um conjunto de dados de previsão gerado. Esses conjuntos de dados podem ser analisados individualmente, definindo-os como um nó base.
Análise de impacto e conjuntos de dados de ML
Os conjuntos de dados de ML são conjuntos de dados usados ou criados por experimentos e implementações de ML. Incluem:
Conjunto de dados de treinamento
Conjuntos de dados exportados de análises incorporadas em um experimento de ML (guias Comparar e Analisar)
Conjuntos de dados de aplicação
Conjunto de dados de previsão
Com um conjunto de dados de ML definido como nó base, ele aparece no canto superior esquerdo, em Nó base. Selecione o conjunto de dados para detalhar os campos individuais.
Um conjunto de dados de ML também pode aparecer na visualização resumida da análise de impacto quando o conteúdo upstream (por exemplo, um experimento ou uma implementação de ML) é selecionado como nó base. Depois de selecionar um conjunto de dados na grade, você pode detalhar o conjunto de dados para mostrar informações em nível de campo.
Conteúdo excluído
Se um experimento de ML, implementação de ML ou conjunto de dados usado em processos de aprendizado de máquina for excluído, ele ainda será mostrado na exibição resumida da Análise de impacto ao analisar outros nós.
Permissões
Para obter informações sobre permissões, consulte Permissões.
Cenário de exemplo
Para ver um exemplo de cenário, consulte Exemplo: impacto da alteração de um conjunto de dados usado para previsões.
Permissões
Permissões para análise de dependência
Usuários sem permissão de visualização não poderão visualizar nomes de recursos dependentes, a coluna Último carregamento para aplicativos dependentes ou a coluna Última modificação para outros tipos de recursos. Usuários sem permissões de visualização também não poderão visualizar o menu de contexto do ou as opções de detalhamento do recurso.
Permissões quando um aplicativo, script, fluxo de dados ou conjunto de dados é o nó base
Você deve ser capaz de visualizar um aplicativo, script, fluxo de dados ou conjunto de dados para abrir a Análise de impacto para o item a partir do seu centro de atividades, bem como para definir o item como o nó base de outras maneiras. Conforme declarado em Permissões para análise de dependência, os recursos dependentes são mostrados com informações limitadas se você não tiver acesso de visualização aos recursos.
Permissões para experimentos e implementações de ML
Se você tiver o seguinte, poderá abrir diretamente a Análise de impacto no experimento de ML ou na implementação de ML, no seu centro de atividades e também defini-lo como o nó base de outras maneiras:
Direito de usuário Professional ou Full User
Função de segurança Automl Experiment Contributor ou Automl Deployment Contributor
Para experimentos de ML ou implementações de ML em espaços compartilhados, uma das seguintes funções de espaço no espaço compartilhado:
Proprietário (do espaço)
Pode gerenciar
Pode editar
Pode exibir
Para experimentos de ML ou implementações de ML em espaços gerenciados, uma das seguintes funções de espaço no espaço gerenciado:
Proprietário (do espaço)
Pode gerenciar
Pode contribuir
Pode exibir
Pode operar
Sem os requisitos acima, o experimento ou implementação não pode ser definido como nó base e é mostrado com informações limitadas quando aparece durante a análise de outro conteúdo.
Exemplo de casos de uso para analisar a análise de impacto
Exemplo: Compreendendo o impacto de fazer uma alteração em um conjunto de dados
Para ver uma explicação de um exemplo semelhante, consulte:
Casos de uso de análises de impactoComo desenvolvedor de aplicativos, você é responsável por uma fonte de dados e está pensando em fazer uma alteração em um conjunto de dados Sales data.xlsx removendo o campo Price. As perguntas que você tem são: O que será afetado ao fazer essa mudança? O que precisa ser abordado? Quem devo notificar? Você começa a investigação selecionando no bloco do conjunto de dados e selecionando Análise de impacto.
Exibição resumida da análise de impacto para o conjunto de dados Sales data.xlsx

Exemplo: impacto da alteração de um conjunto de dados usado para previsões
Suponha que você seja um colaborador de aprendizado de máquina que tenha configurado previsões agendadas de uma implementação de ML. Você deseja avaliar quais fluxos de trabalho seriam afetados se alterasse a lógica de cálculo de uma coluna em um de seus conjuntos de dados de aplicação.
Abrindo o conjunto de dados de aplicação na Análise de impacto, você pode identificar que o conteúdo a seguir seria afetado:
Um aplicativo de análise
Uma implementação de ML, na qual há um modelo que usa o conjunto de dados de aplicação
Várias saídas de conjuntos de dados, que foram geradas a partir da implementação de ML em uma base programada
Com esse conhecimento, você pode tomar uma decisão mais informada sobre se deve prosseguir com a atualização ou criar um novo fluxo de trabalho de aprendizado de máquina.
Análise de impacto para um conjunto de dados de aplicação de aprendizado de máquina, analisando os conjuntos de dados de previsão específicos que seriam afetados por alterações no conjunto de dados de aplicação.

Análise de impacto no Integração de dados
A Análise de impacto também está disponível no Integração de dados. Para obter mais informações, consulte Realizando uma análise de impacto no Integração de dados.