Você pode gerar insights para uma tabela ou para a view analítica implantada para análise de dados.

As informações que o Data Insights gera para a view analítica de um modelo de negócios podem ser mais úteis do que as de uma tabela por causa dos metadados adicionais fornecidos por uma view analítica.

Os insights destacarão pontos de dados como potencialmente anômalos se o valor real de uma medida durante a filtragem em pares de valores de hierarquia da view analítica ou valores de coluna da tabela for consideravelmente maior ou menor que o valor esperado, calculado entre todos os valores de hierarquia ou coluna. Os insights destacam padrões inesperados, que você pode querer investigar.

Os insights são gerados automaticamente por várias funções analíticas incorporadas no banco de dados. Os resultados da análise de informações aparecem como série de gráficos de barras no painel de controle do Data Insights.

O Data Insights usa as seguintes etapas para gerar informações:

1. Localiza os valores de uma medida, por exemplo, Vendas, entre todos os pares distintos dos valores de hierarquia ou coluna da medida. Se Vendas tiver as hierarquias ou colunas Estado Civil, faixa etária, nível de renda e gênero, os pares serão os valores de cada valor distinto de cada hierarquia ou coluna comparados com cada valor distinto de cada uma das outras hierarquias ou colunas. Por exemplo, se os valores de Estado Civil for Married e Single e os valores de Faixa Etária forem A, B e C, os pares serão Married e A, Married e B, Married e C, Single e A, Single e B e Single e C. Cada valor distinto do Estado Civil também seria comparado com cada valor distinto de Nível de Receita e Sexo e assim por diante.
2. Estima um valor esperado para a medida para cada par de hierarquia ou coluna.
3. Calcula o valor real da medida para cada par de hierarquia ou coluna, por exemplo, Estado Civil = S, Faixa Etária = C e, em seguida, a diferença entre o valor real e o valor esperado.
4. Pontua todas as diferenças e seleciona as maiores variações entre os valores reais e esperados para destacar como insights potenciais.

Os insights resultantes destacam casos em que o valor da medida é significativamente maior ou menor para um determinado par de valores de hierarquia ou coluna do que o esperado, por exemplo, Vendas muito maiores em que Estado Civil = S e Faixa Etária = C.

Os insights para views analíticas tendem a usar os níveis mais altos de uma hierarquia porque as diferenças entre os valores estimados e reais são geralmente maiores do que para atributos de nível inferior. Por exemplo, a diferença em dólares entre as vendas estimadas e reais para todos os EUA é geralmente maior do que a diferença entre as vendas estimadas e reais para uma cidade com uma população inferior a 1000. A diferença é calculada em valores absolutos, não em porcentagens.

Os insights de tabelas categorizam as colunas como colunas de dimensão ou de medida com base em seus tipos de dados e cardinalidade. Uma coluna VARCHAR2 é sempre categorizada como dimensão, mas uma coluna NUMBER pode ser uma dimensão ou uma medida. Por exemplo, presume-se que uma coluna NUMBER para valores YEAR que tenha somente 10 valores distintos em uma tabela com 1 milhão de linhas seja uma dimensão.

Use esses procedimentos para gerar Insights e exibir relatórios sobre eles.