Analysera konsekvensanalys i Analyser

Konsekvensanalys visar den framåtblickande, nedströmsvyn av beroenden för en databas, resurs eller ett fält. Den besvarar frågor om vilka databaser, applikationer, filer, länkar, maskininlärningsinnehåll och annat innehåll som direkt eller indirekt skulle påverkas om värdet på ett fält ändras. För många innehållstyper kan du också gå ner på detaljnivå till de specifika fält som påverkas av ändringen.

Qlik Cloud ger en aggregerad sammanfattning av nedströmspåverkan där du interaktivt kan undersöka direkta och indirekta beroenden för ett givet fält eller objekt.

Nedströmsursprung kallas konsekvensanalys eftersom det analyserar vilka objekt som kommer att påverkas av ändringar i dina data eller ditt analysinnehåll; dessa objekt är basnodens beroenden. Qlik Cloud tillhandahåller information och antal per typ av beroende objekt i en sammanfattningsvy.

Företagsanvändare som undersöker ett givet fält får en aggregerad sammanfattning av nedströmspåverkan som ger insikt i:

Vilka objekttyper som skulle påverkas av en ändring i detta fält, inklusive databaser, fillagring, applikationer och länkar
Vilka Power BI-rapporter och instrumentpaneler som skulle påverkas
Vilka Qlik NPrinting- eller Qlik Cloud-rapporter som skulle påverkas
Vilka datamodeller för Power BI och Tableau som skulle påverkas
Vad antalet direkta beroenden och indirekta beroenden är per typ
Vilka som är ägare till de objekt som påverkas om du gör en ändring
Vilka arbetsflöden för maskininlärning som skulle påverkas

För att visa information om uppströmsursprung, såsom indata, transformationer och annan historisk information som kan förklara var dina data kom ifrån och vilka operationer som har utförts på dem, visa dess ursprung. Se Analysera ursprung i Analyser.

För att använda konsekvensanalys måste du också ha Visa ursprung inställt på Tillåtet via User Default eller en anpassad säkerhetsroll.

Sammanfattningsvy för konsekvensanalys

Sammanfattningsvyn för Konsekvensanalys

Öppna konsekvensanalys från ditt aktivitetscenter genom att välja Mer-ikon på ett objekt som stöds, och sedan välja Verktyg > Konsekvensanalys. För vissa innehållstyper kan du också öppna konsekvensanalys när du har objektet öppet. Klicka på Mer och Konsekvensanalys.

Du kan komma åt ursprung (uppströms) eller konsekvensanalys (nedströms) för andra noder som visas i diagram genom att välja Mer-ikon och sedan välja Ursprung eller Konsekvensanalys (ny basnod).

I sammanfattningsvyn kan du filtrera på om du vill visa alla eller endast direkta beroenden. Ett exempel på ett direkt beroende är en applikation Applikation A som laddar ett specifikt dataset Datafil B. I detta fall är Applikation A direkt beroende av Datafil B. Ett exempel på ett indirekt beroende är en QVD C.qvd som skapas av Applikation A, baserat på Datafil B. I detta fall är C.qvd ett indirekt beroende av Datafil B.

Konsekvensanalysdiagram som visar beroende fält i en app — Sammanfattningsvyn för konsekvensanalys visar beroende fält i en applikation

Basnoden som analyseras är markerad med blått. Beroendena listas i den vänstra översikten med antal per typ. När den är i fokus och listas i huvudrutnätet är den typen markerad med en grön ruta. Typer av beroenden inkluderar databaser, applikationer, fillagring, databaser och länkar. De listade beroende objekten för den typen listas i huvudrutnätet. Gå ner på detaljnivå i dessa objekt genom att välja raden. Till exempel kommer en applikation att gå ner på tabell- och sedan fältnivå.

Gå ner på detaljnivå i basnoden för att visa och välja fält för att fokusera på det fältet — För att undersöka konsekvensen av en fältändring, gå ner på detaljnivå från basnodsobjektet och välj ett fält av intresse för att se beroenden för det fältet.

Välj på raden för det beroende objektet i fokus för att komma åt en meny med följande åtgärder:

Detaljer (se Noddetaljer)
Konsekvensanalys (ny basnod)
Ursprung (för det objektet)
Öppna

Åtgärdsmeny i beroenderutnätet — Åtgärder som kan vidtas på beroende objekt i sammanfattningsvyn för konsekvensanalys

Komma åt konsekvensanalys från ett dataset

Du kan också komma åt konsekvensanalys från översikten av ett dataset genom att byta till fliken Konsekvensanalys.

Kolumner i rutnätet för konsekvensanalys

Välj kolumner av intresse med kolumnväljaren ikon kolumner uppe till höger i rutnätet. Kolumnalternativen varierar beroende på vilken typ av resurs som visas. Kolumnalternativen kan inkludera följande rubriker:

Namn
Antal dataset | tabeller | fält
Typ
Utrymme
Ägare
Senaste laddning
Senast ändrad
Öppna
Antal modeller
Antal konfigurationer
Antal versioner
ML-distribution

Rutnät för konsekvensanalys — Sammanfattningsrutnät för konsekvensanalys

När kolumnerna Ägare och Utrymme har flera värden visas ett verktygstips som listar ägarna och utrymmena.

Noddetaljer

Detaljerna begränsas av din åtkomst till det objektet. Detaljer kan ge följande information:

Namn
Beskrivning
Taggar
Plats
Utrymme
Ägare
Skapare
Senast ändrad

Detaljvy från konsekvensanalys — Sammanfattningsrutnät för konsekvensanalys

Konsekvensanalys för maskininlärningsinnehåll

Med Konsekvensanalys kan du identifiera nedströmsresurser för ditt maskininlärningsinnehåll. Du kan analysera ML-experiment, ML-distributioner och dataset i Konsekvensanalys.

Till exempel kanske du vill identifiera vilka prediktionsdataset som skulle påverkas om du uppdaterade ett tillämpningsdataset. Du kan också se hur många inlärningsresurser som visas som nedströmsberoenden för annat innehåll, såsom analysapplikationer.

Maskininlärningstillgångar visas också i Ursprung för en omfattande analys av ursprunget till ditt prediktiva analysinnehåll. För mer information, se Analysera ursprung för maskininlärningsinnehåll.

Öppna Konsekvensanalys för maskininlärningsinnehåll

Gör ett av följande:

I ditt aktivitetscenter klickar du på bredvid ett ML-experiment, en ML-distribution eller ett dataset, och väljer Verktyg > Konsekvensanalys.
I ett ML-experiment eller en ML-distribution klickar du på i navigeringsfältet och väljer Konsekvensanalys.

Konsekvensanalys och ML-experiment

Med ett ML-experiment inställt som basnod visas det i det övre vänstra hörnet under Basnod. Välj experimentet för att gå ner på detaljnivå i experimentversioner Förgrening . En enskild experimentversion kan sedan väljas för analys som basnod. Slutligen kan du gå ner på detaljnivå inom versionen för att hitta en specifik modell ML-modell och ställa in den som basnod.

Nedströmsberoenden för experimentet, eller element inom det, inkluderar ML-distributioner, dataset och analysinnehåll såsom applikationer, skript och dataflöden.

Ett ML-experiment kan också visas i sammanfattningsvyn när uppströmsinnehåll (till exempel ett dataset) väljs som basnod. När du har valt ett experiment under Beroenden från basnod i den vänstra panelen kan du gå ner på detaljnivå inom experimentet för att visa mer information i rutnätet. Ett experiment ML-experiment går ner på detaljnivå till en eller flera versioner Tabell . En experimentversion Tabell går ner på detaljnivå till en eller flera modeller fält .

Konsekvensanalys och ML-distributioner

Med en ML-distribution inställd som basnod visas den i det övre vänstra hörnet under Basnod. Välj distributionen för att gå ner på detaljnivå i distribuerade modeller. En enskild modell ML-modell kan sedan väljas för analys som basnod. Slutligen kan du gå ner på detaljnivå inom modellen för att hitta en utdatanod för prediktion. Med utdatanoden inställd som basnod kan du använda beroenderutnätet för att visa en lista över genererade prediktionsdataset.

Nedströmsberoenden för distributionen, eller element inom den, inkluderar dataset och analysinnehåll såsom applikationer, skript och dataflöden.

En ML-distribution kan också visas i sammanfattningsvyn för konsekvensanalys när uppströmsinnehåll (till exempel ett ML-experiment) väljs som basnod. När du har valt en distribution under Beroenden från basnod i den vänstra panelen kan du gå ner på detaljnivå inom distributionen för att visa mer information i rutnätet. En distribution ML-distribution går ner på detaljnivå till en eller flera modeller Tabell . En modell Tabell går ner på detaljnivå till ett eller flera Konfiguration fält -objekt, där varje objekt representerar ett genererat prediktionsdataset. Dessa dataset kan analyseras individuellt genom att ställa in dem som en basnod.

Konsekvensanalys och ML-dataset

ML-dataset är dataset som används i eller skapas av ML-experiment och ML-distributioner. De inkluderar:

Träningsdataset
Dataset exporterade från inbäddad analys i ett ML-experiment (flikarna Jämför och Analysera)
Tillämpningsdataset
Prediktionsdataset

Med ett ML-dataset inställt som basnod visas det i det övre vänstra hörnet under Basnod. Välj datasetet för att gå ner på detaljnivå i enskilda fält.

Ett ML-dataset kan också visas i sammanfattningsvyn för konsekvensanalys när uppströmsinnehåll (till exempel ett ML-experiment eller en ML-distribution) väljs som basnod. När du har valt ett dataset i rutnätet kan du gå ner på detaljnivå inom datasetet för att visa information på fältnivå.

Behörigheter

För information om behörigheter, se Behörigheter.

Exempelscenario

För ett exempelscenario, se Exempel: Konsekvens av att ändra ett dataset som används för prediktioner.

Behörigheter

Behörigheter för beroendeanalys

Användare utan visningsbehörighet kommer inte att kunna se namn på beroende resurser, kolumnen Senaste laddning för beroende applikationer eller kolumnen Senast ändrad för andra resurstyper. Användare utan visningsbehörigheter kommer inte heller att kunna se snabbmenyn Mer-ikon eller alternativ för att gå ner på detaljnivå för resursen.

Behörigheter när ett objekt är basnoden

Du måste kunna visa ett objekt för att öppna Konsekvensanalys från ditt aktivitetscenter , samt för att ställa in objektet som basnod på andra sätt. Som anges i Behörigheter för beroendeanalys visas beroende resurser med begränsad information om du inte har visningsåtkomst till resurserna.

Exempel på användningsfall för att analysera konsekvensanalys

Exempel: Förstå konsekvensen av att göra en ändring i ett dataset

För en genomgång av ett liknande följande exempel, se:

Användningsfall för konsekvensanalys

Som applikationsutvecklare är du ansvarig för en datakälla och överväger att göra en ändring i ett dataset Sales data.xlsx genom att ta bort fältet Price. Frågorna du har är: Vad kommer att påverkas av att göra denna ändring? Vad behöver åtgärdas? Vem ska jag meddela? Du påbörjar undersökningen genom att välja Mer-ikon på dataset-panelen och välja Konsekvensanalys.

Visa nedströmsberoenden för appar och dataset med sammanfattningsvyn för konsekvensanalys — Sammanfattningsvy för konsekvensanalys för datasetet Sales data.xlsx

Exempel: Konsekvens av att ändra ett dataset som används för prediktioner

Anta att du är en maskininlärningsbidragsgivare som har ställt in schemalagda prediktioner från en ML-distribution. Du vill bedöma vilka arbetsflöden som skulle påverkas om du ändrar beräkningslogiken för en kolumn i ett av dina tillämpningsdataset.

Genom att öppna tillämpningsdatasetet i Konsekvensanalys kan du identifiera att följande innehåll skulle påverkas:

En analysapplikation
En ML-distribution, inom vilken det finns en modell som använder tillämpningsdatasetet
Flera datasetutdata, som har genererats från ML-distributionen på schemalagd basis

Med denna kunskap kan du fatta ett mer välgrundat beslut om huruvida du ska fortsätta med uppdateringen eller skapa ett nytt arbetsflöde för maskininlärning.

Visa nedströmsberoenden för ett tillämpningsdataset som används för att generera prediktioner — Konsekvensanalys för ett tillämpningsdataset för maskininlärning, som analyserar de specifika prediktionsdataset som skulle påverkas av ändringar i tillämpningsdatasetet.

Borttaget innehåll

Om ett objekt tas bort kan det fortfarande visas i sammanfattningsvyn för Konsekvensanalys när du analyserar andra noder.

Konsekvensanalys i Dataintegrering

Konsekvensanalys är också tillgängligt i Dataintegrering. För mer information, se Analysera påverkansanalys i Dataintegrering.

Var den här sidan till hjälp för dig?

Om du stöter på några problem med den här sidan eller innehållet på den, t.ex. ett stavfel, ett saknat steg eller ett tekniskt fel – meddela oss!

Lämna din feedback här