Tentang pembuatan profil data

Pembuatan profil data Dataplex Universal Catalog memungkinkan Anda mengidentifikasi karakteristik statistik umum kolom dalam tabel BigQuery. Informasi ini membantu Anda memahami dan menganalisis data secara lebih efektif.

Informasi seperti nilai data umum, distribusi data, dan jumlah null dapat mempercepat analisis. Jika digabungkan dengan klasifikasi data, pembuatan profil data dapat mendeteksi kelas data atau informasi sensitif yang pada gilirannya dapat mengaktifkan kebijakan kontrol akses.

Dataplex Universal Catalog juga menggunakan informasi ini untuk merekomendasikan aturan untuk pemeriksaan kualitas data.

Model konseptual

Katalog Universal Dataplex memungkinkan Anda lebih memahami profil data dengan membuat pemindaian pembuatan profil data.

Diagram berikut menunjukkan cara Dataplex Universal Catalog memindai data untuk melaporkan karakteristik statistik.

Pemindaian profiling data dikaitkan dengan satu tabel BigQuery dan memindai tabel untuk menghasilkan hasil profiling data. Pemindaian pembuatan profil data mendukung beberapa opsi konfigurasi.

Opsi konfigurasi

Bagian ini menjelaskan opsi konfigurasi yang tersedia untuk menjalankan pemindaian pembuatan profil data.

Opsi penjadwalan

Anda dapat menjadwalkan pemindaian pembuatan profil data dengan frekuensi yang ditentukan atau sesuai permintaan melalui API atau Google Cloud konsol.

Cakupan

Sebagai bagian dari spesifikasi pemindaian pembuatan profil data, Anda dapat menentukan cakupan tugas sebagai salah satu opsi berikut:

• Tabel lengkap: Seluruh tabel dipindai dalam pemindaian pembuatan profil data. Sampling, filter baris, dan filter kolom diterapkan pada seluruh tabel sebelum menghitung statistik pembuatan profil.

• Inkremental: Data inkremental yang Anda tentukan dipindai dalam pemindaian profil data. Tentukan kolom Date atau Timestamp dalam tabel yang akan digunakan sebagai kenaikan. Biasanya, ini adalah kolom tempat tabel dipartisi. Sampling, filter baris, dan filter kolom diterapkan pada data inkremental sebelum menghitung statistik pembuatan profil.

Memfilter data

Anda dapat memfilter data yang akan dipindai untuk pembuatan profil menggunakan filter baris dan filter kolom. Penggunaan filter membantu Anda mengurangi waktu dan biaya eksekusi, serta mengecualikan data sensitif dan tidak berguna.

• Filter baris: Filter baris memungkinkan Anda berfokus pada data dalam jangka waktu tertentu atau dari segmen tertentu, seperti wilayah. Misalnya, Anda dapat mengecualikan data dengan stempel waktu sebelum tanggal tertentu.

• Filter kolom: Filter kolom memungkinkan Anda menyertakan dan mengecualikan kolom tertentu dari tabel untuk menjalankan pemindaian pembuatan profil data.

Data sampel

Dataplex Universal Catalog memungkinkan Anda menentukan persentase rekaman dari data Anda yang akan diambil sampelnya untuk menjalankan pemindaian pembuatan profil data. Membuat pemindaian profil data pada sampel data yang lebih kecil dapat mengurangi waktu eksekusi dan biaya kueri seluruh set data.

Beberapa pemindaian profiling data

Katalog Universal Dataplex memungkinkan Anda membuat beberapa pemindaian pembuatan profil data sekaligus menggunakan konsol Google Cloud . Anda dapat memilih hingga 100 tabel dari satu set data dan membuat pemindaian pembuatan profil data untuk setiap set data. Pelajari lebih lanjut.

Mengekspor hasil pemindaian ke tabel BigQuery

Anda dapat mengekspor hasil pemindaian pembuatan profil data ke tabel BigQuery untuk analisis lebih lanjut. Untuk menyesuaikan pelaporan, Anda dapat menghubungkan data tabel BigQuery ke dasbor Looker. Anda dapat membuat laporan gabungan menggunakan tabel hasil yang sama di beberapa pemindaian.

Hasil pembuatan profil data

Hasil pembuatan profil data mencakup nilai berikut:

Jenis kolom	Hasil pembuatan profil data
Kolom numerik	Persentase nilai null. Persentase nilai unik (berbeda) perkiraan. 10 nilai paling umum dalam kolom. Nilainya bisa kurang dari 10 jika jumlah nilai unik dalam kolom kurang dari 10 (nilai null tidak disertakan). Untuk setiap nilai yang paling umum ini, persentase kemunculannya dalam data yang dipindai dalam pemindaian saat ini ditampilkan. Nilai rata-rata, deviasi standar, minimum, perkiraan kuartil bawah, perkiraan median, perkiraan kuartil atas, dan maksimum.
Kolom string	Persentase nilai null. Persentase nilai unik (berbeda) perkiraan. 10 nilai paling umum di kolom, yang bisa kurang dari 10 jika jumlah nilai unik di kolom kurang dari 10. Panjang rata-rata, minimum, dan maksimum string.
Kolom non-bertumpuk lainnya (tanggal, waktu, stempel waktu, biner, dll.)	Persentase nilai null. Persentase nilai unik (berbeda) perkiraan. 10 nilai paling umum di kolom, yang bisa kurang dari 10 jika jumlah nilai unik di kolom kurang dari 10.
Semua kolom jenis data bertingkat atau kompleks lainnya (seperti Record, Array, JSON) atau kolom apa pun dengan mode berulang.	Persentase nilai null.

Hasilnya mencakup jumlah catatan yang dipindai di setiap eksekusi.

Pelaporan dan pemantauan

Anda dapat memantau dan menganalisis hasil pembuatan profil data menggunakan laporan dan metode berikut:

• Laporan yang dipublikasikan dengan tabel sumber di halaman BigQuery dan Dataplex Universal Catalog

  Jika telah mengonfigurasi pemindaian profiling data untuk memublikasikan hasilnya di halaman BigQuery dan Dataplex Universal Catalog di konsolGoogle Cloud , Anda dapat melihat hasil pemindaian profiling data terbaru di halaman ini di tab Profil Data, dari project mana pun.

  

• Laporan historis per tugas di Dataplex Universal Catalog

  Di halaman Profil Dataplex Universal Catalog, Anda dapat melihat laporan mendetail untuk tugas terbaru dan historis. Hal ini mencakup informasi profil tingkat kolom dan konfigurasi yang digunakan.

  

• Tab Analisis

  Di halaman Profil Dataplex Universal Catalog, Anda dapat menggunakan tab Analisis untuk melihat tren statistik kolom tertentu di beberapa tugas pembuatan profil. Misalnya, jika Anda memiliki pemindaian inkremental, Anda dapat melihat tren rata-rata nilai dari waktu ke waktu.

  

• Membuat dasbor atau analisis Anda sendiri

  Jika telah mengonfigurasi pemindaian pembuatan profil data untuk mengekspor atau menyimpan hasil ke tabel BigQuery, Anda dapat membuat dasbor sendiri menggunakan alat, seperti Looker Studio.

Batasan

• Pembuatan profil data didukung untuk tabel BigQuery dengan semua jenis kolom, kecuali BIGNUMERIC. Pemindaian yang dibuat untuk tabel dengan kolom BIGNUMERIC akan menghasilkan error validasi dan tidak berhasil dibuat.

Harga

• Katalog Universal Dataplex menggunakan SKU pemrosesan premium untuk menagih biaya pembuatan profil data. Untuk mengetahui informasi selengkapnya, lihat Harga.

• Pemrosesan premium Katalog Universal Dataplex untuk pembuatan profil data ditagih per detik dengan minimum satu menit.

• Anda tidak dikenai biaya untuk pemindaian pembuatan profil yang gagal.

• Biaya bergantung pada jumlah baris, jumlah kolom, jumlah data yang dipindai, setelan partisi dan pengelompokan pada tabel, serta frekuensi pemindaian.

• Ada beberapa opsi untuk mengurangi biaya pemindaian pembuatan profil data:

  • Pengambilan sampel
  • Pemindaian inkremental
  • Pemfilteran kolom
  • Pemfilteran baris

• Untuk memisahkan biaya pembuatan profil data dari biaya lainnya di SKU pemrosesan premium Dataplex Universal Catalog, pada laporan Penagihan Cloud, gunakan label goog-dataplex-workload-type dengan nilai DATA_PROFILE.

• Untuk memfilter biaya gabungan, gunakan label berikut:

  • goog-dataplex-datascan-data-source-dataplex-entity
  • goog-dataplex-datascan-data-source-dataplex-lake
  • goog-dataplex-datascan-data-source-dataplex-zone
  • goog-dataplex-datascan-data-source-project
  • goog-dataplex-datascan-data-source-region
  • goog-dataplex-datascan-id
  • goog-dataplex-datascan-job-id

Apa langkah selanjutnya?

• Pelajari cara menggunakan pembuatan profil data.
• Pelajari kualitas data otomatis.
• Pelajari cara menggunakan kualitas data otomatis.
• Pelajari cara mempelajari data Anda dengan membuat insight data.