关系发现
：这种方法涉及找出正在使用的数据，并试图找到每个数据集之间的关联。为此，分析师从元数据分析开始以找出数据之间的关系，然后将范围缩小到特定字段之间的关联。
一般来说，对数据进行剖析时，几乎没有任何缺点或不利之处。数据量大是一回事，但数据质量很重要，这就是数据剖析的作用所在。在您具有精确格式的标准化数据时，几乎不会出现客户不满意或沟通不畅的情况。
挑战本质上大多是系统性的，因为举例来说，如果数据没有集中放置在一个地方，就很难找到这些数据。但如果安装了某些数据工具和应用程序，这就不应成为问题，而且只会对公司的决策有利。让我们仔细看看其他主要优点和挑战。
数据剖析可以提供与任何其他工具不同的简要数据概览。更具体地说，您可以获得以下结果：
-
更准确的分析
：完整的数据剖析将确保更高的质量和更可靠的数据。正确剖析数据有助于更好地了解不同数据集和来源之间的关系，并有助于支持
数据治理
过程。
-
将信息保持集中：
通过使用数据剖析对数据进行检查和分析，您可以获得高得多的数据质量，并使数据更加有条理。源数据检查将消除错误，并凸显问题最多的领域。然后，它生成洞察和数据结构，以通过尽可能最佳的方式集中放置数据。
数据剖析挑战通常源于相关工作的复杂性。更具体地说，您可能遇到以下问题：
-
昂贵且耗时：
在尝试实施成功的计划时，数据剖析可能会变得非常复杂，部分原因是典型组织收集的数据量巨大。如果聘请经过培训的专家分析结果，然后在没有正确工具的情况下做出决策，这可能会变得非常昂贵且耗时。
-
资源不足：
为了启动数据剖析过程，公司需要将所有数据集中放置在一个地方，而实际情况往往并非如此。如果数据位于不同的部门，并且没有经过培训的数据专业人员，对整个公司进行数据剖析可能会变得非常困难。
无论采用何种方法，以下数据剖析工具和最佳实践都会优化数据剖析准确性和效率：
列剖析：
此方法会扫描表格，并统计每个值在每一列中出现的次数。需要了解列内的频率分布和模式时，列剖析可能非常有用。
跨列剖析：
该技术由两个过程组成：键分析和依赖项分析。键分析过程查找可能的主键以查看属性值数组。而依赖项分析过程用于确定数据集中嵌入了哪些关系或模式。
跨表剖析：
该技术使用键分析识别游离数据。外键分析识别孤立记录或一般差异，以检查不同表中的列集之间的关系。
数据规则验证：
此方法会根据既定的规则和标准对数据集进行评估，以验证其是否确实遵循了这些预定义规则。
键完整性：
确保键始终位于数据中，并识别可能有问题的孤立键。
基数：
该技术检查数据集之间的关系，例如，一对一和一对多。
模式和频率分布：
该技术确保正确设置了数据字段格式。
虽然数据剖析能够在各行各业的多种环境中提高质量、准确性和可用性，但其更突出的用例包括：
数据转换
：在处理数据之前，需要将其转换为可用且进行组织的数据集。这是创建预测模型和检查数据之前的重要步骤，因此，必须在执行任何这些步骤之前完成数据剖析。可以使用
IBM Db2
完成该过程，IBM Db2 是为支持数据转换而构建的云原生数据库。
此外，
ELT（提取、加载、转换）和 ETL（提取、转换、加载）
是数据集成过程，用于将原始数据从源系统移动到目标数据库。IBM 提供数据集成服务和解决方案以支持业务就绪数据管道，并为您的企业提供高效扩展所需的工具。
数据集成
：为了正确集成多个数据集，您必须先了解每个数据集之间的关系。在尝试了解数据指标并确定如何将它们相关联时，这是至关重要的一步。
查询优化
：如果要获得最准确和优化的公司信息，数据剖析是关键所在。数据剖析考虑了有关数据库特性的信息，并创建有关每个数据库的统计信息。
IBM i 7.2 软件
提供了数据库性能和查询优化，以专用于该目的。数据库调优目标是，充分利用系统资源以最大限度缩短查询响应时间。
