Förstå data med hjälp av katalogverktyg

Katalogverktyg i Qlik Cloud hjälper dig få bättre dataeffektivitet och samtidigt upprätthålla säkerheten och efterlevnadsstandarder. Dataanalytiker och affärsgrupper behöver åtkomst till metadata som är av avgörande betydelse för verksamheten, och kunna använda användardefinierade taggar och klassificeringar.

Dataadministratörer kan verifiera att datainnehållet är korrekt och optimera datautforskningen genom att tilldela och redigera affärsmetadata (namn, beskrivningar, taggar och klassificeringar). Business Intelligence-användare och apputvecklare kan konfigurera anpassade taggar, använda klassificeringar och bläddra i datauppsättningar och profilstatistik för att säkerställa att datauppsättningar är lätta att hitta och innehåller rätt information.

Katalogverktyg är särskilt användbara för nya och befintliga datauppsättningar som användare har åtkomst till i sina personliga och delade utrymmen. Användare kan se in i datafiler, vilket ger insikter och hjälper dem fatta beslut om data. Användare kan se varifrån data kommer, vilken typ av data det är och hur de kan analyseras och användas på bästa sätt. Med hjälp av den här informationen kan användaren avgöra om det är bäst att skapa en ny app med dessa data, eller ladda data i en befintlig app.

Följande Katalog-alternativ är tillgängliga i aktivitetscentret för Analyser för datautforskning och hantering av affärsmetadata:

• Översikt över datauppsättning: affärsinformation och teknisk information om datauppsättningen kan granskas här. Detaljer inkluderar källfilstyp, utrymme, skapande och senast ändrade tidsstämplar, antal fält och rader, skapare och ägare, användningsstatistik, tillämpade taggar och vanliga dataklassificeringar. En komplett lista finns i Hantera metadata för datauppsättning.
• Tagga data för förbättrad sökning: taggar är metataggar som kan filtreras, och som hjälper användaren att strukturera och göra upptäckter i data. Användare skapar associationer till taggar som kan användas i sökningar för snabb åtkomst till och identifiering av relevanta datatillgångar.
• Dataprofilvyer och stickprov: Catalog profilerar dina datauppsättningar med statistik som namn, datatyp, exempelvärden, vanligaste värden, värdefrekvens och antal distinkta värden. Användare väljer intressant profilstatistik för att upptäcka trender och anomalier i data. I Hantering av metadata på fältnivå och dataprofilering finns fältdatavisualiseringar och en lista med tillgänglig profilstatistik.
• Klassificeringar av datauppsättningar: vilka standarder för datastyrning som används varierar stort i olika regioner och branscher. De flesta dataprocesser påverkas på något sätt av behovet av att skydda data genom att begränsa åtkomsten. För att tillgodose regionala och globala standarder och policyer för datasekretess och datakänslighet, tillhandahålls klassificeringar som kan konfigureras av användaren för att identifiera datauppsättningar med anpassade och sektorspecifika kategorier. Läs mer i Hantera metadata för datauppsättning.
• Skapa en app från dina data: Qliks data först-metod erbjuder en möjlighet att ladda upp datafiler och få insikter om data innan du skapar en app. Detta är ett viktigt element i arbetsflödet från rådata till analysfärdiga data. I Skapa en app från data finns information om att skapa en app från data, och i Lägga till data från uppladdade datafiler kan du läsa om att ladda upp datafiler till en befintlig app.
• Visa ursprunget för dina data: du kan visa en graf över ursprunget till dina data, med uppströmsursprunget av dina appar och datauppsättningar. Mer information finns i Analysera ursprung för appar, skript och datauppsättningar.
• Visa påverkansanalys för dina data: du kan se utdata och se nedströmspåverkan av appar och datauppsättningar i katalogen. Mer information finns här Analysera påverkansanalys för appar, skript och datauppsättningar.
• Datakvalitet: När du tittar på en datauppsättning eller en dataprodukt kan du få en uppfattning om kvaliteten på de data som de innehåller, från den övergripande kvaliteten och aktualiteten till antalet tomma eller ogiltiga rader för varje fält i en datauppsättning. Mer information finns här Data quality and data discovery.
• Dokumentation av dataprodukter: Få information om vad dataprodukten avser och vem du ska kontakta om du har frågor. Mer information finns i Creating data products.