揭秘数据探查：引领企业数据治理质量提升，助力业务高速发展！

1）数据量大且混乱、数据质量参差不齐；

2）整体概括信息缺乏，度量信息如最大值、最小值、平均值、汇总值、方差、中位数等，维度信息如枚举值分布等，均不能直接对用户可见；

3）元数据管理不完善，如表名称备注、字段类型、描述不准确、口径未统一等存在元数据管理混乱或缺失的情况。

而以上问题，通过数据探查就能得到有效解决。

数据探查是数据开发的基础，是保障数据质量非常重要的一步。如果没有数据探查，数据分析师就会在数据管理类项目频繁反复地进行重复的工作，对项目开发、运维来讲都是低质量低效率的行为，同时也在拖延项目周期。

数据探查可通过自动化的手段分析数据内容、背景、结构、路径等信息，检查数据成分、数据关系及数据格式等是否存在问题。通过精准识别数据转化机制、建立数据有效性及准确性规则、校验数据间依赖性的过程，帮助企业全面剖析数据，并确定这些数据可用性。

数据探查可以帮助企业完善对数据的认识，避免由于不够了解数据而遗漏场景，做好提前预防，从而提高数据质量，把控数据来源，减少返工，常见的场景有：

1）字段标签分析：在没有字段注释的情况下，通过对字段值进行剖析，识别出该字段所描述的内容，提高数据的可读性和解释性，为后续的数据分析和决策提供有力支持。

 2）数据间关系剖析：发现主、外键字段，揭示数据之间的相互关系和依赖性，分析字段中有多少重复值，重复值影响的行数等。帮助我们发现数据中的隐藏模式、群体结构和网络连接，从而更好地理解数据的复杂性和互动性，协助业务人员在决策制定和业务优化中做出更准确的判断。

3）字段值深度洞察：通过分析计算字段的数据类型、空值、唯一值、平均值、标准差、方差等数据分布情况，对数据进行更深入的洞察，提升数据质量，为数据清洗和预处理提供指导，帮助业务人员提高数据清洗和加工效率，让数据分析做到开箱即可拿到高质量数据。

传统方法下，数据探查过程的过滤、替换、合并等操作都是独立的单一模型，步骤之间没有进行融合，需要分别对数据进行处理，且各模型和方法具有不同的使用模式和接口，难以结合使用。另外，传统方法对于文本类字段较少涉及，导致在对数据描述内容不了解的情况下难以进行更深入的数据分析。

因此，我们需要一种更加综合和灵活的数据探查方法，能够同时针对不同类型的数据进行处理分析，Tempo数据治理平台的数据探查功能可以满足这个需求，只需要简单3步，就能帮助数据团队了解数据特征和规律，为后续的数据处理和分析工作提供依据和支持。

△数据探查算法逻辑框架图

第一步：从表、字段以及字段值三个维度多数据源进行统计分析，包括：总量、空值唯一值、重复值、时间、增量等；

第二步：通过正则表达式、机器学习算法等方法对数据内容进行洞察分析，包括实体、事件等属性的识别；

第三步：综合前两步所得属性，采用大数据挖掘及人工智能算法进行业务建模，快速实现从人工经验向自动化、智能化的跳变，加速企业数据质量核查与管理。

Tempo数据治理平台的数据探查功能在某煤炭企业中得到了应用，通过数据治理和数据中台项目中的mt_csms（煤炭销售管理系统）、mt_erp（电子采购平台系统）、mt_hrs（人力资源系统）三个业务系统中的验证，得到的验证结果如下：

Tempo数据治理平台还能进行数据结构探查，数据内容探查及数据关系探查，可以帮助数据分析团队更深入理解数据集，揭示数据的内在特征和规律，并提供数据驱动的决策支持。

▶ 数据结构探查：可以了解数据在内存中的组织方式，从而更好地设计算法和优化数据处理流程。

▶ 数据内容探查：使数据分析团队能够发现数据的分布、异常和趋势，帮助识别数据质量问题、处理缺失值和异常值以及改进数据预处理过程。

▶ 数据关系探查：揭示了特征之间的关系和相互作用，帮助企业挖掘出隐藏的模式、找到关键特征和构建更准确的预测模型。

通过数据探查，可以为企业提供了对数据的直观认识，减少对主观假设的依赖，使数据分析和决策更加可靠和可信，及早防控风险，并有效利用数据资源，为业务决策、产品优化和创新提供有力的支持。