数据概要分析和语义建议

概要分析将应用于各种语义类型。

将分析语义类型类别来识别：

• 地理位置，例如城市名称。
• 模式，例如可从信用卡号或电子邮件地址中找到的模式。
• 重复模式，例如带连字符的短语数据。

用于修复、改进或扩充数据集的建议由数据类型确定。

语义类型建议示例：

• 扩充 — 向您的数据添加与检测到的特定类型（例如，地理位置）对应的新列。例如，为城市添加人口数据。
• 列连接 — 在数据集中检测到两个列时，如果一个列包含名字，另一个列包含姓氏，则系统会建议将它们连接成一个列。例如，first_name_last_name 列。
• 语义提取 — 语义类型包含子类型（例如，包含区号的 us_phone 号码）时，系统会建议将子类型提取到单独的列中。
• 部分提取 — 在数据中检测到通用模式分隔符时，系统会建议提取该模式的各个部分。例如，如果系统在数据中检测到重复出现的连字符，则会建议将各个部分提取到单独的列中，从而使数据对分析更有用。
• 日期提取 — 检测到日期时，系统会建议提取日期中可能有助于数据分析的部分。例如，可以从发票或购买日期中提取星期几。
• 完全和部分混淆/遮蔽/删除 — 检测到敏感字段（例如信用卡号）时，系统会建议对该列进行完全或部分遮蔽，甚至删除。

根据在数据中找到的模式识别语义类型。

为以下语义类型提供了建议：

• 日期（超过 30 种格式）
• 美国社会安全号 (Social Security Number, SSN)
• 信用卡号
• 信用卡属性（CVV 和到期日期）
• 电子邮件地址
• 北美编码方案电话号码
• 美国地址

语义类型的识别由随服务提供的加载引用知识确定。

为以下语义类型提供了基于引用的建议：

• 国家/地区名称
• 国家/地区代码
• 省/自治区/直辖市名称
• 省/自治区/直辖市代码
• 县名（管辖区）
• 城市名称（本地化名称）
• 邮政编码

建议的扩充基于语义类型。

扩充是基于地理位置层次结构确定的：

• 国家/地区
• 省/自治区/直辖市
• 管辖区（县）
• 经度
• 纬度
• 人口
• 海拔（米）
• 时区
• ISO 国家/地区代码
• 联邦信息处理标准 (Federal Information Processing Standards, FIPS)
• 国家/地区名称
• 首都
• 大洲
• GeoNames ID
• 所用语言
• 电话的国家/地区代码
• 邮政编码格式
• 邮政编码模式
• 电话的国家/地区代码
• 货币名称
• 币种缩写
• 地理顶级域 (GeoLTD)
• 平方公里

概要分析过程使用特定阈值来做出有关特定语义类型的决策。

通常来说，列中 85% 的数据值必须满足单个语义类型的标准，系统才能做出分类决定。如果某个列 70% 的数据为名字而 30% 的数据为“其他”，则该列不满足阈值要求，因而不会提出建议。

利用定制知识库建议来扩充 Oracle Analytics 系统知识库。定制知识库可以让 Oracle Analytics 语义分析器找到更多业务特定的语义类型，并提出更相关、更可控的扩充建议。例如，您可以添加一条定制知识库参考，将处方药分类为“镇痛药”或“阿片类”USP 药物类别。

教程

让您的管理员将定制知识库文件上载到 Oracle Analytics。当您扩充数据集时，Oracle Analytics 会基于此语义数据提供扩充建议。当您创建工作簿时，您还可以通过从数据面板添加知识库扩充来将其包含在可视化中。