データプロファイリング

データプロファイリングとは

データプロファイリングとは、データを調査および分析して、その構造、内容、および品質をよりよく理解するプロセスです。これには、データの種類、長さ、パターン、完全性などのデータ属性に関する統計と指標を収集して、データ品質に影響を与える可能性のある潜在的な問題や矛盾を特定することが含まれます。

データプロファイリングの目的は、データの包括的な概要を提供し、データガバナンス、データクレンジング、およびデータ統合アクティビティをサポートすることです。

RATH によるデータプロファイリング

RATH をデータソースに接続すると、[データソース] タブでデータの鳥瞰図にアクセスできます。このページでは、データソースの概要を示す 3 つの異なるオプションを使用して、データソースの分布と基本統計にアクセスできます。

テーブルビュー: テーブル形式でデータを一目で確認できます。
メタビュー: メタデータの概要を確認できます。ベストプラクティス: メタビューを使用して、データフィールドのタイプをすばやく構成します。
統計ビュー: データソースの統計情報を確認できます。ベストプラクティス: このビューは、統計およびデータ分布分析に使用します。

テーブルビュー

テーブルビューでは、使用可能なデータフィールドを一目で確認できるため、このデータセットの概要を理解することができます。テーブルビュー

編集する特定のデータフィールドにマウスカーソルを移動します。この例では、date フィールドを変更しようとしています。テーブルビューでフィールドを編集

「日付」の右側にある「ペン」ボタンをクリックして、このフィールドの名前を変更します。
「日付」の右側にある「電球」ボタンをクリックして、セミオート探索機能でこのフィールドを探索します。
[変換] ボタンをクリックして、このフィールドを変換します。この場合、RATH は「date」フィールドを DateTime フィールドとして自動的に検出し、フィールドを時間単位でグループ化することを提案します。
このフィールドの次元を変更します。
- データ型については、名義、序数、量的、一時的から選択できます。
- これら 4 つの異なるデータ型の詳細については、このドキュメント (opens in a new tab) を参照してください。
データセットからこのフィールドの選択を解除するには、[フィールドを使用] オプションをオンにします。

ディメンションとメジャーの概念は、ビジネスインテリジェンス (BI) から借用されています。厳密には：

ディメンションは 独立変数 ですが、メジャーは 従属変数 です。

または、ディメンションは 機能変数 であり、メジャーは ターゲット変数 です。

RATH は、ディメンションとメジャーの割り当てを自動的に支援します。

ベストプラクティス: 未調査のデータセットの場合、RATH を使用して迅速な分析結果を生成できます。後で、理解に応じてフィールドタイプを調整できます。