Brug disse trin i dataflows til at organisere, integrere og transformere dine data. Du kan for eksempel flette datakilder, aggregere data eller udføre en geospatial analyse.
Med trin kan du transformere dine data visuelt, uden at du skal have kendskab til kodning.
Brug datafloweditoren til at føje trin til dine dataflows.
.png
Tilføj kolonner
Føj tilpassede kolonner til dit måldatasæt. Du kan for eksempel beregne din lagerværdi ved at multiplicere antallet af enheder i kolonnen UNITS
med salgsprisen i kolonnen RETAIL_PRICE
(det vil sige UNITS
* RETAIL_PRICE
).
Tilføj data
Føj datakilder til dit dataflow. Du kan for eksempel føje begge datasæt til dit dataflow, hvis du fletter to datasæt. Se Databaseunderstøttelse af dataflows.
Aggreger
Opret gruppetotaler ved at anvende aggregatfunktioner. For eksempel antal, sum eller gennemsnit.
Analyser synspunkt
Registrer synspunkt for en given tekstkolonne (kun engelsk). Du kan for eksempel analysere kundefeedback for at afgøre, om den er positiv eller negativ. Synspunktanalyse evaluerer tekst baseret på ord og fraser, der indikerer en positiv, neutral eller negativ følelse. Baseret på resultatet af analysen indeholder en ny kolonne angivelsen Positiv, Neutral eller Negativ.
Anvend AI-model
Analyser data ved hjælp af en AI-model. Du kan for eksempel udføre objektregistrering, billedklassificering eller tekstregistrering ved hjælp af en model, der er oprettet i tjenesten OCI Vision. Se Bruge Oracle Cloud Infrastructure Vision-modeller i Oracle Analytics. Du kan også udføre sproganalyse som for eksempel synspunktanalyse og sprogregistrering ved hjælp af modeller, der er oprettet i OCI-sprogtjenesten.
Anvend model
Analyser data ved at anvende en model til maskinel indlæring fra Oracle Machine Learning eller OCI Data Science. Du kan for eksempel have oprettet en klassificeringsmodel for at forudsige, om e-mails er spam eller ikke spam. Se Anvende en forudsigelsesmodel eller en registreret Oracle-model til maskinel indlæring på et datasæt.
Anvend tilpasset script
Transformer dine data ved hjælp af en funktion, f.eks. en funktion, som er defineret i OCI (Oracle Cloud Infrastructure). Du kan for eksempel bruge en funktion til at konvertere engelsk tekst til spansk eller tysk. Din Oracle Analytics-administrator registrerer disse funktioner, så de er tilgængelige for dig.
AutoML
Brug AutoML-egenskaben i Oracle Autonomous Data Warehouse til at anbefale og træne en prædiktiv model. AutoML-trinnet analyserer dine data, beregner den algoritme, der er bedst at bruge, og registrerer en forudsigelsesmodel i Oracle Analytics. Analyserne beregnes i databasen, ikke i Oracle Analytics. Dette trin er tilgængeligt i trinvælgeren, når du har forbindelse til et datasæt, der er baseret på Oracle Autonomous Data Warehouse.
Se Træne en forudsigelsesmodel ved hjælp af AutoML i Oracle Autonomous Data Warehouse.
Bin
Tildel dataværdier til kategorier, for eksempel høj, lav eller mellem. Du kan for eksempel kategorisere værdier for RISK
som tre bins for henholdsvis lav, mellem og høj.
Forgrening
Opret flere output fra et dataflow. Hvis du for eksempel har salgstransaktionsdata, der er baseret på land, kan du gemme data for USA i den første forgrening og data for Canada i den anden forgrening.
Opret Essbase-kube
Oprette en Essbase-kube ud fra et regneark eller en database.
Kumulativ værdi
Beregn kumulative totaler, for eksempel glidende aggregering eller løbende aggregering.
Database Analytics
Udfør avanceret analyse og data mining-analyse. Du kan for eksempel finde afvigelser, klyngedata, eksempeldata og udføre affinitetsanalyser. Dette trin er tilgængeligt i trinvælgeren, når du har forbindelse til et datasæt, der er baseret på en Oracle-database eller Oracle Autonomous Data Warehouse. Analyserne beregnes i databasen, ikke i Oracle Analytics. Se Databaseanalysefunktioner.
Filtrer
Vælg kun de data, som du er interesseret i. Du kan for eksempel oprette et filter for at begrænse data vedrørende salgsindtægter til årene 2020-2022.
Diagramanalyse
Udføre geospatial analyse, for eksempel beregning af afstand eller antal hop mellem to toppunkter. Dette trin er tilgængeligt i trinvælgeren, når du har forbindelse til et datasæt, der er baseret på en Oracle-database eller Oracle Autonomous Data Warehouse. Analyserne beregnes i databasen, ikke i Oracle Analytics. Se Diagramanalysefunktioner.
Grupper
Kategoriser ikke-numeriske data i grupper, som du definerer. Du kan for eksempel placere ordrer inden for forretningsområderne Communication
og Digital
i en gruppe med navnet Technology
og ordrer inden for Games
og Stream
i en gruppe med navnet Entertainment
.
Sammenkæd
Kombiner data fra flere datakilder ved hjælp af en databasesammenkædning, der er baseret på en fælles kolonne. Du kan for eksempel kæde datasættet Orders
sammen med datasættet Customer_orders
ved hjælp af et kunde-id-felt.
Flet
Kombiner flere kolonner i en enkelt kolonne. Du kan for eksempel flette gadenummer, gadenavn, stat og postnummer i én kolonne.
Omdøb kolonner
Ændr navnet på en kolonne til noget mere sigende. Du kan for eksempel ændre CELL til Kontakts mobilnr.
Reorganiser kolonner
Ændr rækkefølgen af kolonner i outputdatasættet. Du kan for eksempel sortere kolonner alfabetisk efter kolonnenavn eller sortere dem efter datatype (tegn, heltal osv.).
Gem data
Angiv, hvor de data, der genereres af dataflowet, skal gemmes. Du kan gemme dataene i et datasæt i Oracle Analytics eller i en database. Du kan også angive runtime-parametre eller ændre datasættets standardnavn. Se Databaseunderstøttelse af dataflows.
Vælg kolonner
Angiv, hvilke kolonner der skal inkluderes i eller ekskluderes fra dit dataflow (standarden er at inkludere alle datakolonner).
Opdel kolonner
Udtræk data fra kolonner. Hvis en kolonne for eksempel indeholder 001011Sort
, kan du opdele disse data i to separate kolonner, 001011
og Sort
.
Tidsserieprognose
Beregn prognosticerede værdier baseret på historiske data. En prognose tager en tidskolonne og en målkolonne fra et givet datasæt og beregner prognosticerede værdier for målkolonnen.
Træn <modeltype>
Træn modeller til maskinel indlæring ved hjælp af algoritmer til numerisk forudsigelse, multiklassificering, binær klassificering og klynger. Se Dataflowtrin til træning af modeller til maskinel indlæring.
Når du har trænet en model til maskinel indlæring, kan du anvende den på dine data ved hjælp af trinnet Anvend model.
Transformer kolonne
Ændr dataformatet, -strukturen eller -værdierne. Du kan for eksempel konvertere tekst til store bogstaver, fjerne foranstillede og efterstillede mellemrum fra data eller beregne en procentvis værdistigning.
Union-rækker
Flet rækkerne for to datakilder (kaldes en UNION-kommando i SQL-terminologi). Du kan matche kolonner efter rækkefølge eller navn.