Ir para conteúdo principal Pular para conteúdo complementar

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.

video thumbnail

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 Ícone Mais 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 Mais 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 Ícone Mais 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

Gráfico de análise de impacto mostrando 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.

Detalhe no nó base até a exibição e selecione o campo para enfatizar esse 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

Menu Ações na grade de dependências

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 colunas de ícone 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

Grade de análise de impacto

Nota informativaQuando as colunas Proprietário e Espaço têm vários valores, aparece uma dica de ferramenta listando esses proprietários e espaços.

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

Exibição de detalhes 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

  • Em seu centro de atividades, clique em Mais 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 Mais 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 Experimento de ML para detalhar as versões do experimento Fork. Uma única versão de experimento Fork pode então ser selecionada para análise como o nó base. Por fim, você pode pesquisar na versão Fork para encontrar um modelo específico Modelo de ML 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 Experimento de ML detalha uma ou mais versões Tabela. Uma versão experimental Tabela detalha um ou mais modelos campo.

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 Implementação de ML para detalhar os modelos implementados. Um único modelo Modelo de ML 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 Implementação de ML detalha um ou mais modelos Tabela. Um modelo Tabela detalha um ou mais itens de configuraçãocampo, 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 Ícone Mais 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 impacto

Como 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 Ícone Mais 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

Exibir dependências downstream para aplicativos e conjuntos de dados com exibição resumida da análise de impacto

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.

Visualizar as dependências downstream de um conjunto de dados de aplicação usado para gerar previsões

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.

Esta página ajudou?

Se você encontrar algum problema com esta página ou seu conteúdo - um erro de digitação, uma etapa ausente ou um erro técnico - informe-nos como podemos melhorar!