Кіріспе
Деректерді профильдеу – қолданыстағы ақпарат көзінен (мысалы, деректер базасынан немесе файлдан) алынған деректерді зерттеу және осы деректер туралы статистикалық мәліметтерді немесе ақпараттық қорытындыларды жинау процесі. Осы статистиканың мақсаты:
Қолданыстағы деректерді басқа мақсаттар үшін оңай пайдалану мүмкіндігін анықтау; кілт сөздермен, сипаттамалармен белгілеу немесе санатқа жатқызу арқылы деректерді іздеу мүмкіндігін жақсарту; деректердің сапасын бағалау, оның ішінде деректердің белгілі бір стандарттарға немесе үлгілерге сәйкес келуін анықтау; жаңа қолданбаларға деректерді интеграциялаумен байланысты тәуекелді бағалау, соның ішінде деректерді біріктірудегі қиындықтарды анықтау; деректер базасының метадеректерін анықтау, оның ішінде мәндердің үлгілерін және таралуын, негізгі кандидаттарды, сыртқы кілт кандидаттарын және функционалды тәуелділіктерді анықтау; белгілі метадеректер деректер базасындағы нақты мәндерді дәл сипаттайтынын бағалау; деректерге көп көлемде жұмыс істеу жобаларының басында деректерге қатысты туындауы мүмкін мәселелерді түсіну, осылайша жобаның соңындағы жағымсыз тосынсыйлардан аулақ болу. Жобаның соңына қарай деректердегі мәселелерді анықтау кешігуге және шығындардың артуына әкелуі мүмкін. Негізгі деректерді басқару сияқты мақсаттар үшін, негізгі деректер қажет болған жағдайда немесе деректер сапасын жақсарту үшін деректерді басқаруға арналған барлық деректерді кәсіпорын деңгейінде қарастыру.
Find out whether existing data can be easily used for other purposes
Improve the ability to search data by tagging it with keywords, descriptions, or assigning it to a category
Assess data quality, including whether the data conforms to particular standards or patterns
Assess the risk involved in integrating data in new applications, including the challenges of joins
Discover metadata of the source database, including value patterns and distributions, key candidates, foreign key candidates, and functional dependencies
Assess whether known metadata accurately describes the actual values in the source database
Understanding data challenges early in any data intensive project, so that late project surprises are avoided. Finding data problems late in the project can lead to delays and cost overruns. Have an enterprise view of all data, for uses such as master data management, where key data is needed, or data governance for improving data quality.
Кіріспе
Деректерді профильдеу – дерек қоймасында пайдалану үшін деректердің құрылымын, мазмұнын, қатынастарын және туынды ережелерін анықтау мақсатында ақпаратты талдау. Профильдеу деректердегі аномалияларды түсінуге және дерек сапасын бағалауға ғана емес, сонымен қатар кәсіпорын метадеректерін табуға, тіркеуге және бағалауға көмектеседі. Талдау нәтижелері үміткер бастапқы жүйелердің қолайлылығын анықтау үшін, әдетте, бастапқы кезеңде іске асыруға/асырмауға қатысты шешім қабылдауға негіз болады, сондай-ақ кейінірек шешімдерді жобалау үшін туындаған мәселелерді анықтауға мүмкіндік береді. Метадеректерді заңсыз мәндер, әріп қателер, жоғалған мәндер, мәндердің әртүрлі форматталуы және қайталаулар сияқты мәселелерді анықтау үшін қолдануға болады. Әртүрлі құрылымдық деңгейлер үшін әртүрлі талдаулар жүргізіледі. Мысалы, әрбір бағанның әртүрлі мәндерінің, типінің және қолданылуының жиілік таралуын түсіну үшін жеке бағандарды жеке-жеке профильдеуге болады. Бағандар арасындағы талдау арқылы енгізілген мәндердің өзара тәуелділігін анықтауға болады. Соңында, бір-бірін жабатын мәндер жиынтығын, яғни нысандар арасындағы сыртқы кілт қатынастарын кестелер арасындағы талдау арқылы зерттеуге болады. Есептеу күрделілігі бір бағаннан бір кестеге, содан кейін кестелер арасындағы құрылымдық профильдеуге көшкенде артады. Сондықтан, өнімділік – профильдеу құралдарын бағалау критерийі болып табылады.
Деректерді профильдеу қашан жүргізіледі?
Кимбаллдың айтуынша, деректер қоймасын дамыту процесінде деректерді профильдеу бірнеше рет және әртүрлі қарқынмен жүргізіледі. Көз жүйелері анықталғаннан және DW/BI бизнес-талаптары қанағаттандырылғаннан кейін дереу жеңіл профильдеу бағалауы жүргізілуі керек. Бұл бастапқы талдаудың мақсаты – дұрыс деректердің қажетті деңгейдегі толықтығымен қолжетімді екенін және аномалияларды кейіннен өңдеуге болатынын ерте кезеңде анықтау. Егер олай болмаса, жоба тоқтатылуы мүмкін. Сонымен қатар, деректерді өлшемдік модельге түрлендіру үшін не қажеттігін бағалау мақсатында өлшемдік модельдеу процесінен бұрын тереңдетілген профильдеу жүргізіледі. ETL жүйесін жобалау процесінде деректерді толыққанды профильдеу, қандай деректерді алу керектігін және деректер жиынтығына қандай сүзгілерді қолдану керектігін анықтау үшін қолданылады. Бұдан өзге, деректер қоймасын дамыту процесінде деректерді кезеңдік сақтауға, деректер базарына және т.б. жүктегеннен кейін деректерді профильдеу жүргізілуі мүмкін. Осы кезеңдерде деректерді тексеру деректерді тазалау және түрлендірудің дұрыс орындалғанын және талаптарға сәйкес келетінін қамтамасыз етуге көмектеседі.
Пайдалары мен мысалдар
Деректерді профильдеудің артықшылықтары – деректер сапасын жақсарту, маңызды жобаларды іске асыру мерзімін қысқарту және пайдаланушылардың деректерді түсіну деңгейін арттыру. Деректерде жатқан бизнес ақпаратты анықтау – деректерді профильдеудің маңызды нәтижелерінің бірі. Деректерді профильдеу – корпоративтік деректер базаларындағы деректердің дұрыстығын арттырудың ең тиімді технологияларының бірі.