Анализ происхождения в Аналитика

Последнее обновление: 20.10.2026

Происхождение отслеживает данные и преобразования данных в обратном направлении до исходного источника. В Qlik Cloud составляется подробное визуальное представление истории этого потока, в котором в интерактивной форме можно исследовать происхождение аналитического контента. Происхождение доступно для такого контента, как приложения, скрипты, потоки данных, Рецепты таблиц, эксперименты машинного обучения, развертывания машинного обучения и наборы данных.

Для просмотра происхождения аналитического контента данные, лежащие в основе такого контента, должны быть сохранены в Qlik Cloud в виде каталогизированного источника.

Бизнес-пользователи, изучающие данное поле, могут просматривать происхождение поля, в котором сведены самые важные зависимости:

Поля, используемые для его получения
Прямые ассоциации и зависимости, включая владельца и пространство
Первоначальный источник (первый известный источник)

Для просмотра нижестоящих или прямых зависимостей можно исследовать, какие элементы будут затронуты изменением объекта, оценив Анализ воздействия. См. Интерпретация анализа воздействия в Аналитика.

Видеоролик по использованию происхождения данных:

Использование происхождения данных

Чтобы использовать происхождение, также необходимо, чтобы для разрешения Просмотр происхождения было установлено значение Разрешено с помощью разрешений по умолчанию или настраиваемой роли безопасности.

График происхождения

На графе происхождения поток данных через аналитический контент представлен в виде интерактивной диаграммы. Приложение, таблица или поле называются узлом в графе происхождения. Когда узел является базовым узлом для исследования, он находится в фокусе и отображается в качестве последнего элемента на графике. На самом детализированном уровне графика происхождения на уровне поля отображаются источники данных и преобразования, на основе которых был построен узел.

Графы происхождения полезны следующим пользователям:

эксперты по работе с данными,
Бизнес-специалисты, разрабатывающие приложения
Продвинутые бизнес-пользователи, работающие с приложениями
Пользователи, работающие с моделями машинного обучения

Каждый узел соответствует одному шагу в происхождении выбранного контента. Информация о происхождении сохраняется всякий раз, когда аналитический ресурс обновляет свои данные. Если ваше приложение, скрипт, поток данных или Рецепт таблицы не обновлялись в последнее время, происхождение может быть неполным или неточным.

Происхождение доступно для поддерживаемых типов контента. Его можно открыть из панели или строки в каталоге. Можно выполнить анализ происхождения следующего аналитического контента:

Набор данных: наборы данных — это источники данных, такие как данные, загруженные из коннекторов или файлов данных. Наборы данных могут представлять собой таблицы в базе данных, данные, загружаемые в хранилище данных, или данные, создаваемые в приложении, такие как файл qvd. Наборы данных обычно включают одну таблицу, но некоторые, такие как файлы Excel, могут содержать несколько таблиц.

Наборы данных, которые были опубликованы из Talend Studio, обозначены . Чтобы открыть задание Talend Management Console, которое использовалось для создания набора данных, нажмите Открыть задание TMC в меню набора данных .... Для получения дополнительной информации см. Публикация наборов данных и графа происхождения в Qlik Cloud.
Приложение: Узлы приложений представляют Qlik Sense аналитические приложения, которые используют источники данных в происхождении. Узлы приложений отображают имя приложения и местоположение приложения как Qlik Sense.
Скрипт: в этих узлах представлены скрипты, созданные в интерфейсе Скрипт.
Поток данных: потоки данных можно исследовать для лучшего понимания источников, используемых и преобразуемых в потоках данных.
Рецепт таблицы: Рецепты таблиц можно проверить для лучшего понимания источника данных, которые они используют и преобразуют.
Эксперимент машинного обучения: позволяет понять происхождение данных для эксперимента по машинному обучению, то есть источников, из которых собраны и получены обучающие данные, используемые в модели машинного обучения.
Развертывание машинного обучения: позволяет понять происхождение развертывания машинного обучения и то, как оно используется в прогнозах. Происхождение развертываний машинного обучения обычно состоит из экспериментов, версий экспериментов, моделей и наборов данных.

Типичные входные узлы включают источники данных, используемые базовым узлом, или приложения, которые создают наборы данных. Происхождение на уровне поля позволяет провести детальное исследование того, как рассчитываются поля, и установить их специфический источник с учетом преобразований и приложений.

Узлы, доступные на графе происхождения, являются входными точками для выбранного контента. Выберите элемент, который будет базовым узлом. Входные узлы — это вышестоящие узлы по отношению к базовому.

Узлы, доступные на графике происхождения, являются входными данными для выбранного базового узла, то есть узла в фокусе. Базовый узел — это одиночный узел, для которого требуется получить происхождение; это может быть приложение, поток данных, эксперимент машинного обучения, набор данных, файл, таблица или поле.

Это будет крайний правый узел на экране, выделенный синим. Это фокус исследования, и будут представлены только входные данные в этот базовый узел.

Исследуя происхождение, можно интерактивным образом выбрать в качестве базового узла другую таблицу, приложение, поле или объект на экране и таким образом перенести на него фокус исследования.

Узел в фокусе, также называемый базовым узлом, будет отображаться в правой части экрана — Базовый узел происхождения

Линии, соединяющие узлы, — ребра. Ребра представляют отношения между узлами. Они представляют отношения, указывая на связи, такие как использование набора данных приложением. Они также могут представлять данные, которые образуются в качестве сопутствующего продукта работы приложения. Набор узлов и ребер образует график происхождения.

Ребра представляют собой отношения между объектами — Ребра происхождения представляют отношения

Узлы сворачиваются или разворачиваются, позволяя просматривать уровни иерархии с более крупной и мелкой детализацией начиная от группы набора данных или приложения и до самого детализированного уровня, то есть уровня поля.

Узел с уровнями актива, ресурса, таблицы и поля — На этом изображении узла показаны следующие уровни иерархии, от самого высокого (наиболее общего) до самого низкого (наиболее детального): ресурс данных (приложение), ресурс (набор данных), таблица и поля.

Открытие графа происхождения

Выполните следующие действия.

Откройте Наблюдения или Аналитика из центра активности.
Выберите Инструменты > Происхождение в контекстном меню для элемента, который поддерживает происхождение.

Открыть граф происхождения некоторых видов контента можно также после того, как будет открыт соответствующий объект. Нажмите Дополнительно и Происхождение.

Сведения об узле

Сведения ограничиваются доступом пользователя к этому объекту. В окне «Сведения» предоставляется следующая информация:

Имя
Описание
Теги
Местоположение
Пространство
Владелец
Создатель
Последнее изменение

Навигация по графу происхождения

Щелкните и перетащите график происхождения, чтобы перемещаться по нему или расположить его по центру. Можно использовать также кнопки навигации. Выберите «Главная» Главная страница , чтобы в центре графика происхождения был базовый узел. Используйте кнопки «Назад» и «Вперед» для перемещения по выбранным местам.

Кнопки навигации по графику происхождения. — Навигация по графику происхождения

Граф происхождения показывает зависимости от источника до аналитического контента, для которого был открыт график. Этот контент показан как узел по умолчанию. Чтобы просмотреть происхождение (по восходящей) или анализ воздействия (по нисходящей) для других узлов, отображаемых на графиках, выберите Дополнительно и Происхождение (новый базовый узел) или Анализ воздействия. Выберите узел, чтобы назначить его базовым.

Разворачивайте Стрелка вниз или сворачивайте стрелка вверх узлы, чтобы развернуть или свернуть группы объектов на одном уровне.

Обобщенный вид происхождения в приложении

Обобщенный вид происхождения в приложении может дать бизнес-пользователям общее представление о вышестоящих зависимостях в приложении. Для получения дополнительной информации см. раздел Вид сводки происхождения в приложении.

Анализ происхождения для контента машинного обучения

Граф происхождения может использоваться для анализа источников, поставляющих контент для машинного обучения, таких как эксперименты, развертывания и наборы данных. Используйте этот график, чтобы получить комплексное представление о том, каким образом были получены модели машинного обучения, на каких данных они обучались и для чего используются в сценариях производства.

Эксперименты, развертывания и наборы данных также отображаются в виде узлов при анализе другого содержимого в графе происхождения, например, нижестоящих приложений.

Ресурсы машинного обучения также отображаются в анализе воздействия, что позволяет проанализировать нижеследующий контент со всех точек зрения. Для получения дополнительной информации см. раздел Интерпретация анализа воздействия в Аналитика.

Открытие происхождения для контента машинного обучения

Выполните одно из следующих действий:

В центре активности нажмите рядом с экспериментом машинного обучения, развертыванием машинного обучения или набором данных и выберите Инструменты > Происхождение.
В эксперименте или развертывании машинного обучения нажмите на панели с инструментами навигации и выберите Происхождение.

Элементы навигации в графике происхождения для контента машинного обучения

Исследование узлов машинного обучения происходит так же, как и при работе с другим контентом. Обзор интерфейсов см:

График происхождения
Навигация по графу происхождения

Объекты машинного обучения в графе происхождения

В следующей таблице описаны общие объекты, связанные с машинным обучением, которые выводятся в графе происхождения.

Общие объекты машинного обучения, выводимые в графике машинного обучения
Элемент	Значки	Объяснение
Хранилище файлов		Не является уникальным для контента машинного обучения. Показывает местоположение, в котором хранится набор данных (как правило – в пространстве). Актуально для обучающих наборов данных, экспорта в эксперимент данных из встроенных аналитических систем, прикладных наборов данных, используемых для предсказаний, и выходных наборов данных (прогнозов).
Набор данных	Много (например, для QVD)	Не является уникальным для контента машинного обучения. Используется для представления обучающих наборов данных, экспорта в эксперимент данных из встроенных аналитических систем, прикладных наборов данных и выходных наборов данных (прогнозов).
Эксперимент машинного обучения		Эксперимент машинного обучения, в ходе которого обучаются модели.
Версия эксперимента машинного обучения		Версия в эксперименте машинного обучения, в которой выполнялось обучение одной или нескольких моделей.
Модель машинного обучения		Модель, обученная в некоторой версии эксперимента. Используется для представления обученных моделей в эксперименте машинного обучения, а также развернутых моделей в развертывании машинного обучения.
Развертывание машинного обучения		Развертывание машинного обучения, в котором содержится одна или несколько развернутых моделей.
Нет значка	-	Узлы вывода прогнозов в развертывании машинного обучения не имеют значков. Поля, включенные в набор данных для вывода прогнозов, также не имеют значков.

Происхождение и эксперименты машинного обучения

Эксперименты машинного обучения представлены в виде групповых структур. Эти структуры раскрываются следующим образом:

Эксперимент машинного обучения раскрывается до одной или нескольких версий эксперимента.
Версия эксперимента раскрывается до одной или нескольких моделей машинного обучения.

Модель, обученная в эксперименте и развернутая в развертывании машинного обучения, выводится в графе происхождения только тогда, когда базовый узел находится в нижеследующем контенте (например, прогнозы или развертывания).

Происхождение и развертывания машинного обучения

Развертывания машинного обучения представлены в виде групповых структур. Эти структуры раскрываются следующим образом:

Развертывание машинного обучения раскрывается в одну или несколько развернутых моделей.
Если модель в развертывании используется для пакетного прогнозирования, в структуре будут содержаться все выходы пакетного прогнозирования.

Происхождение на уровне поля доступно для прикладных наборов данных и наборов данных прогнозирования, которые связаны с развертыванием машинного обучения.

Развернутые модели, используемые для прогнозирования, подключаются обратно к эксперименту, в котором они были обучены.

Пример сценария

Пример сценария см. Пример: исследование происхождения контента машинного обучения.

Ограничения

Диаграмма происхождения имеет следующие ограничения:

Приложения, которые не были перезагружены после выпуска происхождения в Qlik Cloud, могут не содержать всей информации о происхождении до момента их перезагрузки. Сведения о некоторых узлах могут быть ограничены, если они не были загружены после включения происхождения для этого клиента.
Сведения об узле для наборов данных за пределами клиента, такие как подключения к SQL Server или Google Drive, ограничиваются типом набора данных и его именем. Подключения REST только показывают, что это данные REST.
Если элемент удален, он может по-прежнему отображаться в Происхождении при анализе других узлов.

Разрешения

Вы должны иметь возможность просматривать элемент, чтобы просмотреть его происхождение из ваших центров активности. Если удается просмотреть график происхождения для базового узла, то также можно просмотреть базовые сведения и метаданные для вышестоящих объектов происхождения.

Безопасность

Пользователь может изменить только базовый узел, к которому у него есть доступ. В противном случае это контекстное меню недоступно.
Если у пользователя есть доступ к базовому узлу, он сможет просматривать все происхождение по восходящей.

Практический пример анализа происхождения

Подробное описание анализа происхождения см. в разделе Граф происхождения на уровне поля. Примеры использования.

Пример: исследование источников информации с помощью вида сводки происхождения

Как потребитель аналитики, просматривающий линейчатую диаграмму в приложении cars-data4-app, вы хотели бы знать, откуда поступает эта информация. Убедитесь, что для диаграммы включены параметры Показать сведения и Показать выражения (Вид > Общее в свойствах), затем переключитесь в режим анализа листа. Щелкните правой кнопкой мыши на диаграмме или откройте меню значок «Дополнительные действия» и выберите Показать детали, чтобы показать потребителей в графе происхождения. Нажмите Показать зависимости.

Как можно увидеть, измерение Car_ID зависит от поля Car_ID, которое присутствует в трех указанных источниках QVD. Откройте в поле меню значок «Дополнительные действия» и выберите Происхождение - Car_ID / Cars, чтобы открыть граф происхождения для поля Car_ID в приложении.

Откройте меню, затем выберите просмотр происхождения для источника в потребительском виде сводки происхождения — Выберите источник или поле для просмотра происхождения для этого объекта

Просматривая граф происхождения справа налево, можно увидеть, что поле Car_ID находится в таблице Cars, которая была загружена в приложение cars-data4-app. Разворачивайте узлы Стрелка вниз , прослеживая историю поля до первоначального файла, загруженного в Qlik Cloud. Как мы видим, первый шаг назад показывает, что файл CSV cars-data.csv, содержащий поле Car_ID, был загружен в приложение cars-data4-app. Предшествующий узел – это приложение cars-data3-app, в котором был создан файл cars-data.csv. Сделав еще один шаг назад и развернув узел, мы видим, что первоначальным исходным файлом является файл CSV cars-data3.csv, содержащий поле ID.

Разворачивая таблицы и просматривая поля, мы можем идентифицировать первоначальный исходный файл, таблицу и поле для измерения линейчатой диаграммы Car_id-ID.

Начните с узла в фокусе и проследите историю происхождения до первоначального источника — Разворачивайте узлы для прослеживания истории поля вплоть до исходного файла

Пример: исследование источников базы данных и процессов их создания

Как разработчик приложения, вы планируете использовать существующий набор данных current_customers_analytics.xlsx для своего приложения. Вы исследуете первоначальные источники этого набора данных, чтобы понять, откуда взяты сведения. На плитке набора данных или в строке выберите Происхождение в меню Дополнительно , чтобы открыть график происхождения. Чтобы просмотреть метаданные набора данных из графа происхождения, откройте меню значок «Дополнительные действия» в файле XLSX current_customers_analytics.xlsx и откройте обзор.

Обзор набора данных можно открыть через график происхождения — Откройте обзор набора данных через график происхождения

Обзоры наборов данных можно открывать через график происхождения — Просматривайте теги, классификации и другие технические метаданные через вкладку обзора набора данных

Вкладку «Поля» для доступа к профилю можно открыть через график происхождения — Профиль данных можно открыть из вкладки Профиль

Щелкните стрелку «Назад» браузера, чтобы вернуться к графику происхождения набора данных для изучения. Раскройте Стрелка вниз на узле current_customers_analytics.xlsx и нажмите Выбрать все, чтобы просмотреть доступные поля. Сделайте то же самое для всех узлов. Следует учитывать, что любое поле можно сделать узлом в фокусе, выбрав Происхождение (новый базовый узел); можно также выбрать Анализ воздействия , чтобы проследить происхождение и зависимые объекты, на которые могут оказать влияние изменения в наборе данных.

Просмотр происхождения для набора данных — Раскрытый граф происхождения для набора данных. В каждом поле в каждом узле можно открыть приложение или данные, просмотреть анализ воздействия или изменить узел в фокусе

Отслеживая происхождение в обратном порядке и разворачивая узлы, вы можете увидеть, что этот набор данных XLSX является результатом работы Prep Current Customers Sales - Analytics приложения. Вернувшись на один ретранслятор назад и развернув узел File storage, вы увидите, что в приложение для анализа продаж был загружен CSV-файл: rgb_customers.csv. Анализ на уровне поля показывает, что поле Tags в исходном файле было переименовано в rgb_customers.Tags в приложении для анализа продаж. Первоначальный файл CSV можно открыть в области обзора, чтобы просмотреть ценные метаданные, такие как владелец, создатель, метрики использования, теги, классификации, профиль поля и анализ воздействия.

Пример: исследование происхождения контента машинного обучения

Случайный бизнес-пользователь или эксперт в области машинного обучения может использовать граф происхождения, чтобы проверить происхождение определенных предсказанных значений. Если базовый узел находится в наборе данных прогнозирования, этот пользователь может видеть:

Обучающие данные, включая источники данных и преобразования
Эксперимент, версия эксперимента и модель
Где была развернута модель и как она использовалась

Граф происхождения, показывающий весь поток данных – от подготовки обучающих данных до набора данных с прогнозами. — Граф происхождения с раскрытыми узлами. На графе показан весь поток данных, от подготовки обучающих данных до набора данных с прогнозами.

На изображении выше показан следующий процесс:

Поток данных загружает и преобразует данные из набора данных CSV , хранящегося в личном пространстве . Выходные данные сохраняются в наборе данных Parquet в том же пространстве.
Набор данных Parquet используется в версии 1 эксперимента машинного обучения . Эта версия эксперимента обучает модель .
Модель развернута в развертывании .
Используя набор данных CSV в личном пространстве в качестве прикладного набора данных, развертывание генерирует набор данных с прогнозами в формате Parquet .

Происхождение в Интеграция данных

Граф происхождения также доступен в Интеграция данных. Для получения дополнительной информации см. раздел Анализ происхождения в Интеграция данных.

Помогла ли вам эта страница?

Если вы обнаружили какую-либо проблему на этой странице или с ее содержанием — будь то опечатка, пропущенный шаг или техническая ошибка, сообщите нам об этом!

Оставьте свой отзыв здесь