Profilovanie dát a sémantické odporúčania

Profilovanie sa používa pre rôzne sémantické typy.

Kategórie sémantických typov sa profilujú, aby bolo možné identifikovať:

• geografické lokality, napríklad názvy miest,
• vzory, ako sú napríklad čísla kreditných kariet alebo e-mailové adresy,
• opakujúce sa vzory, napríklad dáta fráz rozdelených pomlčkami.

Odporúčania na opravu, zlepšenie alebo obohatenie množiny dát sa určujú podľa typu dát.

Príklady odporúčaní sémantického typu:

• Obohatenia – pridanie nového stĺpca k dátam, ktorý zodpovedá konkrétnemu zistenému typu, napríklad geografickej lokalite. Napríklad pridanie dát o počte obyvateľov pre mesto.
• Zreťazenia stĺpcov – ak sa v množine dát zistia dva stĺpce, z ktorých jeden obsahuje krstné mená a druhý priezviská, systém odporučí ich zreťazenie do jedného stĺpca. Napríklad do stĺpca meno_priezvisko.
• Sémantické extrakcie – ak sémantický typ pozostáva z podtypov, ako napríklad telefónne_číslo, ktoré zahŕňa predvoľbu, systém odporúča extrakciu podtypu do samostatného stĺpca.
• Extrakcia časti – ak sa v dátach zistí všeobecný oddeľovač vzorov, systém odporúča extrakciu častí tohto vzoru. Ak napríklad systém zistí v dátach opakujúce sa rozdelenie pomocou pomlčiek, odporúča extrakciu častí do samostatných stĺpcov, aby sa tak dáta potenciálne mohli stať užitočnejšími na účely analýzy.
• Extrakcie dátumov – ak sa zistia dátumy, systém odporúča extrakciu častí dátumu, ktorá by mohla rozšíriť možnosti analýzy dát. Môžete napríklad extrahovať deň v týždni z dátumu faktúry alebo nákupu.
• Úplné a čiastočné obfuskovanie, maskovanie alebo odstránenie – pri zistení polí obsahujúcich citlivé informácie, ako je napríklad číslo kreditnej karty, systém odporúča úplné alebo čiastočné maskovanie stĺpca alebo dokonca jeho odstránenie.

Sémantické typy sa identifikujú na základe vzorov v dátach.

Odporúčania sa poskytujú pre tieto sémantické typy:

• dátumy (vo viac ako 30 formátoch),
• číslo sociálneho poistenia pre USA (SSN),
• čísla kreditných kariet,
• atribúty kreditných kariet (CVV a dátum uplynutia platnosti),
• e-mailové adresy,
• telefónne čísla pre Severnú Ameriku,
• adresy v USA.

Rozpoznávanie sémantických typov je určované zavedenými referenčnými poznatkami poskytnutými spolu so službou.

Odporúčania založené na referenciách sa poskytujú pre tieto sémantické typy:

• názvy krajín,
• kódy krajín,
• názvy štátov (provincií),
• kódy štátov,
• názvy okresov (daňových príslušností),
• názvy miest (lokalizované názvy),
• kódy PSČ.

Odporúčané obohatenia sú založené na sémantických typoch.

Obohatenia sa určujú na základe hierarchie geografickej lokality:

• krajina,
• provincia (štát),
• daňová príslušnosť (okres),
• zemepisná dĺžka,
• zemepisná šírka,
• počet obyvateľov,
• nadmorská výška (v metroch),
• časové pásmo,
• kódy ISO krajín,
• kódy FIPS (Federal Information Processing Series),
• názov krajiny,
• hlavné mesto,
• kontinent,
• ID geografických názvov,
• používané jazyky,
• telefónna predvoľba krajiny,
• formát PSČ,
• vzor PSČ,
• telefónna predvoľba krajiny,
• názov meny,
• skratka meny,
• geografická doména najvyššej úrovne (GeoLTD),
• rozloha v štvorcových km.

Proces profilovania používa špecifické prahové hodnoty na určovanie konkrétnych sémantických typov.

Vo všeobecnosti platí, že na to, aby mohol systém určiť klasifikáciu, musí 85 % dátových hodnôt v stĺpci spĺňať kritériá. To znamená, že stĺpec, ktorý obsahuje 70 % krstných mien a 30 % iných dát, nespĺňa prahové požiadavky, a preto sa v súvislosti s ním neposkytnú žiadne odporúčania.

Pomocou odporúčaní vlastnej bázy poznatkov môžete rozšíriť systémovú bázu poznatkov služby Oracle Analytics. Vlastná báza poznatkov umožňuje sémantickému profilovaciemu programu služby Oracle Analytics identifikovať viac podnikových sémantických typov a poskytovať relevantnejšie a lepšie riadené odporúčania na obohatenie. Môžete napríklad pridať referenciu na vlastnú bázu poznatkov, ktorá triedi lieky na predpis podľa liekových kategórií USP – analgetiká alebo opiáty.

Tutoriál

O nahranie súborov vlastnej bázy poznatkov do služby Oracle Analytics požiadajte administrátora. Keď obohacujete množiny dát, Oracle Analytics na základe týchto sémantických dát poskytuje odporúčania pre obohatenie. Pri vytváraní zošitov môžete obohatenia poznatkov pridať do vizualizácií aj tak, že ich pridáte z panela Dáta.