要件および制約事項

データ・キュレーションには、以下の要件および制限があります。

キュレーション・タスク

これらのキュレーション・タスクにより、貴重なデータ資産を開発できます：

• プロジェクトまたはカタログへのデータ資産を追加する：

  • 接続からデータ・ソースに資産を追加します。 メタデータ・インポートにより、1 つ以上のデータ資産を手動で 1 つずつ自動的に追加します。 クラウドまたはオンプレミスのデータをそのままにして、プロジェクトまたはカタログ内のデータにアクセスするための資産メタデータと接続情報を追加するだけです。
  • プロジェクトまたはカタログに関連付けられているストレージに個々のファイルをアップロードします。
  • カタログからプロジェクトに資産を手動で追加して、それらの資産を処理します。

• データの分析とエンリッチ:

  • 個々のデータ資産のプロファイルを作成して、資産の内容に関する基本的な統計を取得し、プロジェクトまたはカタログ内でデータ・クラスを割り当てます。 データ資産のプロファイル作成を参照してください。

  • プロジェクトでメタデータ・エンリッチを作成して実行します。 データ資産のエンリッチを参照してください。

    • 1 回の実行で複数のデータ資産のプロファイルを作成して、データ・クラスを自動的に割り当て、列のデータ・タイプと形式を識別します。
    • 欠損値やデータ・クラス違反などの一般的なデータ品質の問題をスキャンするために、1 回の実行で複数のデータ・セットに対して品質分析を実行します。
    • ビジネス用語を資産に自動的に割り当て、データ分類または機械学習アルゴリズムに基づいて用語の提案を生成します。

  • エンリッチ結果を確認します。 データ資産の品質スコアの全体像は、プロジェクトのメタデータ・エンリッチ資産で確認できます。 品質スコアをクリックすると、各データ資産または列の詳細な結果を表示できます。 あるいは、プロジェクトまたはカタログ内の資産の 「データ品質」 タブで情報にアクセスすることもできます。

  • インポート・ジョブとエンリッチ・ジョブを定期的に再実行して、データ資産に対する変更を検出して評価します。 これを手動で行うことも、インポートおよびエンリッチのスケジュールをセットアップすることもできます。

• データ品質ルールを実行してデータ品質を評価します。

• データを詳細化して、プロジェクトの品質と有用性を向上させます。

• プロジェクトからカタログに資産を公開します。

• カタログ内のデータ資産を評価してレビューする。

• タグを作成し、カタログ内のデータ資産に追加する。

• カタログ内の個々のデータ資産に分類とビジネス用語を追加します。

サンプル・フロー: 拡張キュレーション

キュレーション・フローには、以下のタスクがあります。

1. プロジェクトで、 「ディスカバー」 という目標を指定してメタデータ・インポートを作成および実行し、接続からプロジェクトへのメタデータの一括インポートを実行します。 また、1 回限りのスケジュールまたは繰り返しのスケジュールで実行するようにメタデータ・インポートを構成することもできます。

2. 同じプロジェクトで、メタデータ・エンリッチを作成して実行し、インポートされたデータ資産のセットに対して以下のタスクを 1 回の実行で実行します。

   • データ資産のプロファイルを作成します。
   • データ資産に対して品質分析を実行します。
   • インポートされた資産にビジネス用語を自動的に割り当て、用語候補を生成します。

   また、メタデータ・エンリッチの一回限りのスケジュールまたは繰り返しのスケジュールをセットアップすることもできます。 エンリッチ・スケジュールを、メタデータ・インポート用に構成されたスケジュールに合わせることができます。

3. データ資産とその列のエンリッチ結果を確認します。

4. 拡張されたデータ資産をカタログに公開します。

ほとんどのキュレーション・タスクは、ユーザー・インターフェースではなく API を使用して実行できます。 IBM Knowledge Catalog API へのリンクは、該当する各タスクに記載されています。

もっと見る

• カタログ資産
• プロジェクト
• データの精製
• メタデータのインポート
• データ資産のエンリッチ

親トピック: データの準備