Muster und Anomalien mit Dateneinblicken in autonome KI-Datenbank finden

Verwenden Sie Data Insights in Data Studio, um Muster und potenzielle Anomalien in Daten zu erkennen, die in Oracle Autonomous AI Database gespeichert sind. Data Insights kann Insights für eine Tabelle oder für eine Analyse-View generieren und die Ergebnisse dann als Diagramme im Data Insights-Dashboard anzeigen. Das Tool hebt Datenpunkte hervor, bei denen der Istwert einer Kennzahl wesentlich höher oder niedriger als der erwartete Wert für Kombinationen von Hierarchiewerten oder Tabellenspaltenwerten ist.

Verwenden Sie dieses Thema der autonomen KI-Datenbank als Einstiegspunkt, um zu verstehen, wann und wie Data Insights mit einer autonomen KI-Datenbank verwendet werden soll. Eine vollständige Referenz finden Sie in der Data Studio-Dokumentation.

Wann Data Insights verwendet werden soll

Verwenden Sie Data Insights, wenn Sie unerwartete Muster in Datenbankdaten schnell finden möchten, ohne Analyseabfragen manuell zu schreiben.

Beispiel: Mit Data Insights können Sie:

  • Suchen Sie Kennzahlenwerte, die unerwartet hoch oder niedrig sind.

  • Tatsächliche Werte mit erwarteten Werten vergleichen

  • Untersuchen Sie ungewöhnliche Kombinationen von Dimensions- oder Hierarchiewerten.

  • Durchsuchen Sie eine Tabelle, bevor Sie Berichte oder Dashboards erstellen.

  • Analysieren Sie eine Analyse-View, die mit der Datenanalyse erstellt wurde.

  • Prüfen Sie frühere Insight-Suchen und -Berichte. 

Data Insights ist besonders nützlich bei der explorativen Analyse. Es hilft, Muster zu identifizieren, die eine weitere Überprüfung verdienen, aber die Ergebnisse sollten im Geschäftskontext der Daten interpretiert werden.

Funktionsweise von Data Insights mit Autonomous AI Database

Data Insights wird über Database Actions für Autonomous AI Database ausgeführt. Database Actions ist mit jeder autonomen KI-Datenbankinstanz gebündelt und umfasst die Data Studio-Tools: Dataload, Katalog, Dateneinblicke, Datentransformationen und Datenanalyse. Weitere Informationen finden Sie unter Mit integrierter Oracle Database Actions-Verbindung verbinden.

Sie können Insights für Folgendes generieren:

Quelle Verwenden Sie es, wenn
Tabelle Sie möchten Daten direkt aus einer Datenbanktabelle analysieren.
Analyse-View Sie möchten Einblicke basierend auf Geschäftsmodellmetadaten, Hierarchien und Kennzahlen.

Insights, die aus einer Analyse-View generiert werden, können nützlicher sein als Insights, die direkt aus einer Tabelle generiert werden, da eine Analyse-View zusätzliche Metadaten zu Dimensionen, Hierarchien und Kennzahlen enthält. Weitere Informationen finden Sie unter Seite "Daten-Insights".

Für Nicht-ADMIN-Benutzer erfordern Data Studio-Tools, einschließlich Data Insights, die Datenbankrolle DWROLE. Wenn die Karte "Data Insights" in Database Actions nicht angezeigt wird, hat der Datenbankbenutzer möglicherweise nicht die erforderliche Rolle.

Bevor Sie beginnen

Vor der Verwendung von Data Insights:

  • Prüfen Sie, ob Sie auf Database Actions für die Instanz der autonomen KI-Datenbank zugreifen können.

  • Prüfen Sie, ob der Datenbankbenutzer die erforderliche Data Studio-Rolle wie DWROLE hat, es sei denn, Sie verwenden den ADMIN-Benutzer.

  • Stellen Sie sicher, dass die zu analysierende Tabelle oder Analyse-View in Ihrem Schema oder in einem Schema verfügbar ist, auf das Sie zugreifen können.

  • Um umfassendere Einblicke zu erhalten, sollten Sie zuerst eine Analyse-View mit dem Datenanalysetool erstellen. Mit der Datenanalyse können Sie Analyseansichten mit mehrdimensionalen Metadaten, Hierarchien und Kennzahlen erstellen. Weitere Informationen finden Sie unter Datenanalysetool.

Dateneinblicke öffnen

So öffnen Sie Data Insights:

  • Öffnen Sie Database Actions für Ihre autonome KI-Datenbank.

  • Wählen Sie die Registerkarte Data Studio aus.

  • Wählen Sie Data Insights aus.

Sie können Data Insights auch über das Auswahlmenü "Datenbankaktionen" unter Datentools öffnen. 

Insights generieren

So generieren Sie Insights:

  • Schema auswählen.

  • Wählen Sie eine Analyse-View bzw. Tabelle.

  • Wählen Sie die Spalte mit der Kennzahl oder den Daten aus, die Sie analysieren möchten.

  • Klicken Sie auf Suchen.

Data Insights leitet die Anforderung weiter, zeigt den Fortschritt bei der Ausführung der Suche an und zeigt dann die Ergebnisse im Data Insights-Dashboard an. 

Was Data Insights zeigt

Im Data Insights-Dashboard werden Insight-Ergebnisse als Balkendiagramme angezeigt. Die Diagramme zeigen Istwerte, erwartete Werte und die Datenpunkte mit den größten Unterschieden zwischen Ist- und erwarteten Werten. Sie können ein Diagramm öffnen, um weitere Details anzuzeigen, einschließlich des Dimensionswerts, einer kurzen Textanalyse sowie der tatsächlichen und erwarteten Werte für das ausgewählte Ergebnis. 

Sie können auch:

Aufgabe Beschreibung
Ergebnisse aktualisieren Aktualisieren Sie das Dashboard manuell, nachdem Sie Insights generiert haben.
Automatische Aktualisierung aktivieren Lassen Sie das Dashboard automatisch aktualisieren, während die Insight-Generierung ausgeführt wird.
Fehler anzeigen Öffnen Sie Fehlerdetails, wenn die Insight-Generierung nicht erfolgreich war.
Diagrammdetails öffnen Wählen Sie ein Diagramm aus, um ein größeres Diagramm und eine unterstützende Erläuterung anzuzeigen.
Letzte Suchen anzeigen Öffnen Sie vorherige Insight-Suchen im Bereich "Letzte Suchen" erneut.

Hinweise für Data Insights

  • Data Insights identifiziert potenzielle Anomalien. Ein hervorgehobenes Ergebnis bedeutet, dass der Wert vom vom vom Tool berechneten erwarteten Wert abweicht. Es bedeutet nicht automatisch, dass die Daten falsch sind.
  • Bei Analyseansichten verwenden Data Insights tendenziell höhere Hierarchieebenen, da die Unterschiede auf diesen Ebenen in der Regel größer als der absolute Wert sind. Der Vergleich basiert auf der absoluten Differenz und nicht auf der prozentualen Differenz. 
  • Bei Tabellen kategorisiert Data Insights Spalten als Dimensionen oder Kennzahlen basierend auf Datentyp und Kardinalität. Beispiel: Eine VARCHAR2-Spalte wird als Dimension behandelt, während eine NUMBER-Spalte je nach Daten entweder als Dimension oder als Kennzahl behandelt werden kann.