Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Fonctionnalités de flux de travail avancées
L'expérience de préparation des données d'Amazon Quick Sight propose des fonctionnalités sophistiquées qui améliorent votre capacité à créer des transformations de données complexes et réutilisables. Cette section couvre deux fonctionnalités puissantes qui étendent le potentiel de votre flux de travail.
La divergence vous permet de créer plusieurs chemins de transformation à partir d'une seule étape, ce qui permet des flux de traitement parallèles qui peuvent être recombinés ultérieurement. Cette fonctionnalité est particulièrement utile pour les scénarios complexes tels que les jointures automatiques et les transformations parallèles.
Les ensembles de données composites vous permettent de créer des structures de données hiérarchiques en utilisant des ensembles de données existants comme éléments de base. Cette fonctionnalité favorise la collaboration entre les équipes et garantit une logique métier cohérente grâce à des transformations en couches réutilisables.
Ces fonctionnalités fonctionnent ensemble pour fournir des conceptions de flux de travail flexibles, une collaboration d'équipe améliorée et des transformations de données réutilisables. Ils garantissent un lignage clair des données et permettent des solutions de préparation des données évolutives, permettant à votre organisation de gérer des scénarios de données de plus en plus complexes avec efficacité et clarté.
Divergence
La divergence vous permet de créer plusieurs chemins de transformation parallèles à partir d'une seule étape de votre flux de travail. Ces chemins peuvent être transformés indépendamment puis recombinés, ce qui permet des scénarios complexes de préparation des données tels que les auto-jointures.
Création de chemins divergents
Pour initier une divergence, dans votre flux de travail :
-
Sélectionnez l'étape dans laquelle vous souhaitez créer une divergence.
-
Cliquez sur l'icône + qui apparaît.
-
Configurez la nouvelle branche qui apparaît.
-
Appliquez les transformations souhaitées à chaque tracé.
-
Utilisez les étapes Joindre ou Ajouter pour recombiner les chemins en une seule sortie.
Fonctions principales
-
Crée jusqu'à cinq chemins divergents à partir d'une seule étape.
-
Applique des transformations différentes à chaque tracé.
-
Recombine les chemins à l'aide des étapes Joindre ou Ajouter.
-
Prévisualise les modifications apportées à chaque trajectoire indépendamment.
Bonnes pratiques
-
Utilisez la divergence pour implémenter les jointures automatiques.
-
Créez des copies de données pour les transformations parallèles.
-
Planifiez votre stratégie de recombinaison (joindre ou ajouter).
-
Conservez un nom de chemin clair pour une meilleure visibilité du flux de travail.
Ensembles de données composites
Les ensembles de données composites vous permettent de vous appuyer sur des ensembles de données existants pour créer des structures de transformation de données hiérarchiques qui peuvent être partagées et réutilisées au sein de votre organisation. Quick Sight prend en charge jusqu'à 10 niveaux de jeux de données composites dans les modes SPICE et Direct Query.
Création d'un jeu de données composite
Pour créer un jeu de données composite, dans votre flux de travail :
-
Sélectionnez l'étape Entrée lors de la création d'un nouvel ensemble de données.
-
Choisissez Dataset comme source sous Ajouter des données.
-
Sélectionnez un jeu de données existant sur lequel vous souhaitez vous appuyer.
-
Appliquez des transformations supplémentaires si nécessaire.
-
Enregistrez en tant que nouvel ensemble de données.
Fonctions principales
-
Construit des structures hiérarchiques de transformation des données.
-
Supporte jusqu'à 10 niveaux d'imbrication de jeux de données.
-
Compatible avec SPICE et Direct Query.
-
Maintient un lignage clair des données.
-
Permet des transformations spécifiques à l'équipe.
Cette fonctionnalité améliore la collaboration entre les différentes équipes. Par exemple,
| Role | Action | Output |
|---|---|---|
|
Analyste mondial |
Crée un ensemble de données avec une logique métier globale |
Ensemble de données A |
|
Analyste des Amériques |
Utilise le jeu de données A, ajoute une logique régionale |
Ensemble de données B |
|
Analyste de l'ouest des États-Unis |
Utilise le jeu de données B, ajoute une logique locale |
Ensemble de données C |
Cette approche hiérarchique favorise une logique métier cohérente au sein de votre organisation en attribuant clairement la propriété des couches de transformation. Il crée un lignage de données traçable tout en prenant en charge jusqu'à 10 niveaux d'imbrication de jeux de données, permettant ainsi une gestion contrôlée et systématique de la transformation des données.
Bonnes pratiques
-
Définissez clairement la propriété de chaque couche de transformation.
-
Documentez les relations et les dépendances des jeux de données.
-
Planifiez la profondeur de la hiérarchie en fonction des besoins de l'entreprise.
-
Maintenez des conventions de dénomination cohérentes.
-
Passez en revue et mettez à jour les ensembles de données en amont avec soin.
