Изучение структуры данных с помощью запросов
Вы изучили пример данных и использовали этот пример для группировки и сортировки записей данных. К настоящему времени вы должны иметь общее представление о типах данных и значений, присутствующих в наборе данных.
Изучение структуры данных
Теперь, когда вы ответили на основные вопросы о данных, присутствующих в наборе данных, вы можете детализировать набор данных, чтобы найти тенденции и аналитические сведения в данных. Детализация данных по сути является итеративным процессом.
Например, на первом проходе можно использовать простые запросы для определения диапазона набора данных. Хотя вы изучили полный набор данных, вы также можете использовать запрос для изучения каждого столбца и соответствующего типа данных. Затем можно решить, какие столбцы необходимо просмотреть для суммирования (агрегирования) данных. Вы можете агрегировать данные по разным подгруппам, чтобы предоставить подсчеты и диапазоны (min/max) определенных полей. Если у вас есть динамические поля данных, их можно развернуть и увидеть, какие данные там содержатся.
Во втором проходе увеличьте масштаб и используйте запросы для визуализации данных в целом. Просмотрев выборку из таблицы данных в последнем уроке, вы узнали, что у вас есть данные временных рядов, данные, сгруппированные по штатам, и данные с конкретным местоположением. Вы также будете использовать запросы и встроенные визуализации для изучения этих различных типов рядов и получения аналитических сведений о их полноте и распределении.
Предоставлять идеи
Наконец, вы хотите поделиться своими результатами с другими пользователями. Возможно, вы хотите предоставить общий доступ к одному запросу или результат визуализации; или можно предоставить общий доступ ко всей панели мониторинга. Обмен данными является последним, важным этапом исследования данных.
Этот процесс представляет собой общий шаблон исследования данных для любого нового набора данных независимо от конкретной структуры и информации, содержащейся в ней. Средства, встроенные в Azure Data Explorer, помогут упростить этот процесс и быстро перейти от незнакомых данных к общим аналитическим сведениям.