Seite "Daten-Insights"
Auf der Seite "Daten-Insights" werden Informationen zu Mustern und Anomalien in den Daten von Entitys in Ihrer Oracle Autonomous Database angezeigt.
Um zur Seite "Data Insights" zu gelangen, klicken Sie auf der Seite "Datenbankaktionen" auf die Registerkarte Data Studio, und wählen Sie das Menü Data Insights aus
Beschreibung der Abbildung data-insights.png
oder klicken Sie auf das Symbol "Selektor", und wählen Sie im Navigationsbereich im Menü "Datentools" die Option Daten-Insights aus.
In den folgenden Themen werden Einblicke und deren Generierung und Verwendung beschrieben.
- Insights
Sie können Insights für eine Tabelle oder für die für die Datenanalyse bereitgestellte Analyse-View generieren. - Insights generieren und Berichte anzeigen
Verwenden Sie diese Verfahren, um Insights zu generieren und Berichte zu ihnen anzuzeigen.
Übergeordnetes Thema: Analysieren
Informationen zu Insights
Sie können Insights für eine Tabelle oder für die für die Datenanalyse bereitgestellte Analyse-View generieren.
Die Insights, die Data Insights für die Analyse-View eines Geschäftsmodells generiert, können aufgrund der zusätzlichen Metadaten, die eine Analyse-View bereitstellt, nützlicher sein als die für eine Tabelle.
Insights heben Datenpunkte als potenziell anomal hervor, wenn der tatsächliche Wert für eine Kennzahl beim Filtern nach Paaren von analytischen View-Hierarchiewerten oder Tabellenspaltenwerten erheblich höher oder niedriger als der erwartete Wert ist, der über alle Hierarchie- oder Spaltenwerte berechnet wird. Insights heben unerwartete Muster hervor, die Sie untersuchen möchten.
Insights werden automatisch von verschiedenen Analysefunktionen generiert, die in die Datenbank integriert sind. Die Ergebnisse der Insight-Analyse werden als eine Reihe von Balkendiagrammen im Data Insights-Dashboard angezeigt.
Data Insights verwendet die folgenden Schritte, um Insights zu generieren:
- Sucht die Werte einer Kennzahl, z.B. Sales, über alle eindeutigen Paare der Hierarchie- oder Spaltenwerte für die Kennzahl hinweg. Wenn "Verkauf" die Hierarchien oder Spalten "Familienstand", "Altersgruppe", "Einkommensebene" und "Geschlecht" enthält, sind die Paare die Werte jedes eindeutigen Werts jeder Hierarchie oder Spalte, gepaart mit jedem eindeutigen Wert jeder anderen Hierarchie oder Spalte. Beispiel: Wenn die Werte für "Familienstand" "Verheiratet und Single" und die Werte für "Altersspanne" "A", "B" und "C" lauten, wären die Paare "Verheiratet" und "A", "Verheiratet" und "B", "Verheiratet" und "C", "Einzel" und "B" sowie "Einzel" und "C". Jeder eindeutige Wert des Familienstands wird auch mit jedem eindeutigen Wert von Einkommensebene und Geschlecht usw. gepaart.
- Schätzt einen erwarteten Wert für die Kennzahl für jedes Hierarchie- oder Spaltenpaar.
- Berechnet den Istwert für die Kennzahl für jedes Hierarchie- oder Spaltenpaar, z.B. Familienstand = S, Altersgruppe = C, und dann die Differenz zwischen dem Istwert und dem erwarteten Wert.
- Bewertet alle Unterschiede und wählt die größten Abweichungen zwischen dem tatsächlichen und dem erwarteten Wert aus, um sie als potenzielle Einblicke hervorzuheben.
Die daraus resultierenden Insights heben Fälle hervor, in denen der Kennzahlenwert für ein bestimmtes Hierarchie- oder Spaltenwertpaar wesentlich größer oder kleiner als erwartet ist, z.B. ein wesentlich höherer Umsatz, wobei "Familienstand" = "S" und "Altersspanne" = "C" ist.
Insights für Analyse-Views verwenden tendenziell die höheren Ebenen einer Hierarchie, da die Unterschiede zwischen den geschätzten und tatsächlichen Werten im Allgemeinen größer sind als bei Attributen auf niedrigerer Ebene. Beispiel: Die Differenz in Dollar zwischen dem geschätzten und dem tatsächlichen Umsatz für die gesamten USA ist im Allgemeinen größer als die Differenz zwischen dem geschätzten und dem tatsächlichen Umsatz für eine Stadt mit einer Bevölkerung unter 1000. Die Differenz wird in absoluten Werten und nicht in Prozentsätzen berechnet.
Insights für Tabellen kategorisieren Spalten basierend auf ihren Datentypen und Kardinalität als Dimensionsspalten oder Kennzahlspalten. Eine Spalte VARCHAR2 wird immer als Dimension kategorisiert. Eine Spalte NUMBER kann jedoch entweder eine Dimension oder eine Kennzahl sein. Beispiel: Eine NUMBER-Spalte für YEAR-Werte, die nur 10 eindeutige Werte in einer Tabelle mit 1 Million Zeilen enthält, wird als Dimension angenommen.
Übergeordnetes Thema: Seite "Daten-Insights"
Insights generieren und Berichte anzeigen
Verwenden Sie diese Prozeduren, um Insights zu generieren und Berichte zu ihnen anzuzeigen.
Insights generieren
So generieren Sie Insights für eine Tabelle oder ein Geschäftsmodell:
- Wählen Sie im Feld Schema ein Schema.
- Im Feld Analyse-View/Tabelle wählen Sie eine Analyse-View oder eine Tabelle.
- Wählen Sie im Feld Spalte eine Spalte aus, die Daten enthält, über die Sie Erkenntnisse gewinnen möchten.
- Klicken Sie auf Suchen.
Eine Bestätigungsmitteilung gibt an, dass die Anforderung für Insights erfolgreich weitergeleitet wurde. Verwerfen Sie den Hinweis, indem Sie im Hinweis auf das Symbol "Schließen" (X) klicken.
Eine Fortschrittsleiste gibt an, dass die Suche in Bearbeitung ist und wann sie abgeschlossen wurde. Die Insights werden im Data Insights-Dashboard als eine Reihe von Balkendiagrammen angezeigt.
Um die Anzeige der Insights zu aktualisieren, klicken Sie auf Aktualisieren. Um Aktualisierungen automatisch durchzuführen, klicken Sie auf Automatische Aktualisierung aktivieren.
Klicken Sie auf Letzte Suchen, um die Liste der vorherigen Insights-Suchen anzuzeigen.
Wählen Sie Fehler anzeigen aus, um ein Fehlerlog anzuzeigen, das während der Erstellung auftritt. Die Ergebnisse werden in einer neuen Browserregisterkarte angezeigt.
Bericht anzeigen
In den Diagrammen im Data Insights-Dashboard werden die Daten angezeigt, die anomale Ergebnisse enthalten. Die Balken in einem Diagramm zeigen die tatsächlichen Werte an. Die erwarteten Werte werden durch grüne horizontale Linien angezeigt. Die schwarz umrissenen Balken enthalten die wichtigsten Unterschiede zwischen den erwarteten und den tatsächlichen Werten.
Beispiel: Wenn die Faktentabelle für die Insights Werte zu einem Versicherungsprogramm aufzeichnet und die Kennzahlen der Faktentabelle AGE_CODE, GENDER_CODE, INCOME_CODE, NUM_INSURED, NUM_UNINSURED und YEAR lauten, können Insights für die Kennzahl NUM_INSURED generiert werden. In diesem Fall würde das Dashboard eine Reihe von Diagrammen mit der Bezeichnung YEAR und INCOME_CODE aufweisen. Jedes Diagramm hat einen Wert der zugehörigen Dimension in der oberen linken Ecke. Beispiel: Ein INCOME_CODE-Diagramm, das eine zugehörige AGE_CODE enthält, kann den AGE_CODE-Wert 2 in der oberen linken Ecke aufweisen.
Wenn Sie auf ein Diagramm klicken, werden weitere Details angezeigt. Oben in der erweiterten Ansicht des Diagramms befinden sich der Dimensionsname und -wert sowie eine kurze Textanalyse bemerkenswerter Insights. Unterhalb der Analyse befindet sich das Diagramm, das die Werte und Erkenntnisse zu ihnen zeigt.
Beispiel: Ein Diagramm für INCOME_CODE kann oben unter AGE_CODE = 2 plus die Textanalyse stehen. Im Diagramm wären die INCOME_CODE-Werte auf der X-Achse und die NUM_INSURED-Werte auf der Y-Achse. Wenn Sie auf einen Balken im erweiterten Diagramm zeigen, werden der tatsächliche und der erwartete NUM_INSURED-Wert für diese INCOME_CODE und AGE_CODE angezeigt.
Klicken Sie auf die Schaltfläche Zurück, um zum Data Insights-Dashboard zurückzukehren.
Frühere Protokolle anzeigen
Um die Ergebnisse einer vorherigen Suche anzuzeigen, klicken Sie oben rechts auf das Symbol "Letzte Suchen". Klicken Sie im Bereich "Letzte Suchen" auf eine beliebige Stelle im Feld für die Insights-Suche, die Sie anzeigen möchten.
Um die vorherigen Suchen zu filtern, geben Sie im Suchfeld oben im Bereich "Letzte Suchen" einen Wert ein.
Um den Bereich "Letzte Suchen" zu schließen, ohne eine Suche auszuwählen, klicken Sie auf das X oben rechts im Bereich.
Übergeordnetes Thema: Seite "Daten-Insights"