Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Erfahrung in der Datenvorbereitung (neu) Durch die Datenaufbereitung werden Rohdaten in ein Format umgewandelt, das für die Analyse und Visualisierung optimiert ist. In der Business Intelligence umfasst dieser wichtige Prozess die Bereinigung, Strukturierung und Anreicherung von Daten, um aussagekräftige Geschäftseinblicke zu ermöglichen. Die Datenvorbereitungsoberfläche von Amazon Quick Sight revolutioniert diesen Prozess mit einer intuitiven, visuellen Erfahrung, die es Benutzern ermöglicht, analysebereite Datensätze ohne SQL-Kenntnisse zu erstellen. Durch den modernen, optimierten Ansatz können Benutzer Business Intelligence-Datensätze effizient erstellen und verwalten. Die visuelle Oberfläche bietet eine klare, sequentielle Ansicht der Datentransformationen, sodass Autoren Änderungen vom ursprünglichen Zustand bis zur endgültigen Ausgabe präzise verfolgen können. Die Plattform legt Wert auf Zusammenarbeit und Wiederverwendbarkeit und ermöglicht es Teams, Workflows im gesamten Unternehmen gemeinsam zu nutzen und wiederzuverwenden. Dieses kollaborative Design fördert die Konsistenz der Datentransformationspraktiken und eliminiert gleichzeitig redundante Arbeit, was letztendlich zu standardisierten Prozessen in allen Teams führt und die Gesamteffizienz verbessert. **Topics** + [Komponenten im Rahmen der Datenaufbereitung](data-prep-components.md) + [Schritte zur Datenvorbereitung](data-prep-steps.md) + [Erweiterte Workflow-Funktionen](advanced-workflow-capabilities.md) + [Funktionen nur für Gewürze](spice-only-features.md) + [Zwischen Datenaufbereitungserlebnissen wechseln](switching-between-data-prep-experiences.md) + [Funktionen, die in der neuen Datenaufbereitungserfahrung nicht unterstützt werden](unsupported-features.md) + [Grenzen der Datenaufbereitung](data-preparation-limits.md) + [Änderungen des Verschluckungsverhaltens](ingestion-behavior-changes.md) + [Häufig gestellte Fragen](new-data-prep-faqs.md) # Komponenten im Rahmen der Datenaufbereitung Die Datenvorbereitungserfahrung von Amazon Quick Sight umfasst die folgenden Kernkomponenten. ## Workflow Ein Workflow in der Datenaufbereitung von Quick Sight besteht aus einer sequentiellen Reihe von Datentransformationsschritten, die Ihren Datensatz vom Rohzustand in eine analysebereite Form leiten. Diese Workflows sind auf Wiederverwendbarkeit ausgelegt und ermöglichen es Analysten, bestehende Arbeiten zu nutzen und darauf aufzubauen und gleichzeitig konsistente Datentransformationsstandards im gesamten Unternehmen aufrechtzuerhalten. Workflows können zwar mehrere Pfade durch verschiedene Eingaben oder durch Divergenz (detailliert in den nachfolgenden Abschnitten) berücksichtigen, müssen aber letztlich in einer einzigen Ausgabetabelle zusammengeführt werden. Diese einheitliche Struktur gewährleistet Datenkonsistenz und optimierte Analysefunktionen. ## Transformation Eine Transformation ist ein spezifischer Datenmanipulationsvorgang, der die Struktur, das Format oder den Inhalt Ihrer Daten ändert. Die Erfahrung mit der Datenvorbereitung von Quick Sight bietet verschiedene Transformationstypen, darunter Verbinden, Filtern, Aggregieren, Pivotieren, Entpivotieren, Anhängen und berechnete Spalten. Jeder Transformationstyp dient einem bestimmten Zweck bei der Umgestaltung Ihrer Daten, um den analytischen Anforderungen gerecht zu werden. Diese Transformationen werden als einzelne Schritte innerhalb Ihres Workflows implementiert. ## Schritt Ein Schritt ist eine Sammlung homogener Transformationen desselben Typs, die in Ihrem Workflow angewendet werden. Jeder Schritt enthält eine oder mehrere verwandte Operationen derselben Transformationskategorie. Beispielsweise kann ein Umbenennungsschritt mehrere Operationen zum Umbenennen von Spalten beinhalten, und ein Filterschritt kann mehrere Filterbedingungen enthalten, die alle als eine Einheit in Ihrem Workflow verwaltet werden. Die meisten Schritte können mehrere Operationen beinhalten, mit zwei bemerkenswerten Ausnahmen: Die Schritte Verbinden und Anfügen sind auf zwei Eingabetabellen pro Schritt beschränkt. Um mehr als zwei Tabellen zu verknüpfen oder anzufügen, können Sie nacheinander weitere Schritte zum Verbinden oder Anhängen erstellen. Die Schritte werden der Reihe nach angezeigt, wobei jeder Schritt auf den Ergebnissen der vorherigen Schritte aufbaut, sodass Sie die fortschreitende Transformation Ihrer Daten verfolgen können. Um einen Schritt umzubenennen oder zu löschen, wählen Sie ihn aus und wählen Sie das Dreipunktmenü. ## Konnektor Der Konnektor verbindet zwei Schritte mit einem Pfeil, der die Workflow-Richtung angibt. Sie können einen Konnektor löschen, indem Sie ihn auswählen und die Löschtaste drücken. Um einen Schritt zwischen zwei vorhandenen Schritten hinzuzufügen, löschen Sie einfach den Konnektor, fügen Sie den neuen Schritt hinzu und verbinden Sie die Schritte erneut, indem Sie die Maus zwischen ihnen ziehen. ## Bereich „Konfigurieren“ Der **Konfigurationsbereich** ist der interaktive Bereich, in dem Sie Parameter und Einstellungen für einen ausgewählten Schritt definieren. Wenn Sie einen Schritt in Ihrem Workflow auswählen, werden in diesem Bereich relevante Optionen für diesen spezifischen Transformationstyp angezeigt. Wenn Sie beispielsweise einen Join-Schritt konfigurieren, können Sie den Verbindungstyp, passende Spalten und andere verbindungsspezifische Einstellungen auswählen. Dank der point-and-click Benutzeroberfläche des **Konfigurationsfensters** sind keine SQL-Kenntnisse erforderlich. ## Vorschaufenster Im **Vorschaufenster** wird in Echtzeit ein Beispiel Ihrer Daten angezeigt, so wie sie nach der Anwendung des aktuellen Transformationsschritts erscheinen. Anhand dieses sofortigen visuellen Feedbacks können Sie überprüfen, ob jede Transformation zu den erwarteten Ergebnissen führt, bevor Sie mit dem nächsten Schritt fortfahren. Das **Vorschaufenster** wird dynamisch aktualisiert, wenn Sie die Schrittkonfigurationen ändern, und ermöglicht so eine sichere iterative Verfeinerung von Datentransformationen. Diese Komponenten sorgen zusammen für ein intuitives, visuelles Datenvorbereitungserlebnis, das komplexe Datentransformationen für Geschäftsanwender zugänglich macht, ohne dass technisches Fachwissen erforderlich ist. # Schritte zur Datenvorbereitung Die Datenvorbereitungserfahrung von Amazon Quick Sight bietet elf leistungsstarke Schritttypen, mit denen Sie Ihre Daten systematisch transformieren können. Jeder Schritt dient einem bestimmten Zweck im Datenaufbereitungs-Workflow. Die Schritte können über eine intuitive Oberfläche im **Konfigurationsbereich** konfiguriert werden. Sofortiges Feedback ist im **Vorschaufenster** sichtbar. Die Schritte können nacheinander kombiniert werden, um komplexe Datentransformationen zu erstellen, ohne dass SQL-Kenntnisse erforderlich sind. Jeder Schritt kann entweder Eingaben aus einer physischen Tabelle oder die Ausgabe eines vorherigen Schritts erhalten. Die meisten Schritte akzeptieren eine einzige Eingabe, wobei die Schritte Anhängen und Verbinden die Ausnahmen bilden — diese erfordern genau zwei Eingaben. ## Input Der Eingabeschritt initiiert Ihren Datenvorbereitungs-Workflow in Quick Sight, indem Sie Daten aus mehreren Quellen auswählen und importieren können, um sie in nachfolgenden Schritten zu transformieren. **Eingabeoptionen** + **Datensatz hinzufügen** Nutzen Sie bestehende Quick Sight-Datensätze als Eingabequellen und bauen Sie auf Daten auf, die bereits von Ihrem Team vorbereitet und optimiert wurden. + **Fügen Sie eine Datenquelle hinzu** Stellen Sie eine direkte Verbindung zu Datenbanken wie Amazon Redshift, Athena, RDS oder anderen unterstützten Quellen her, indem Sie bestimmte Datenbankobjekte auswählen und Verbindungsparameter angeben. + **Datei hinzufügen (Upload)** Importieren Sie Daten direkt aus lokalen Dateien in Formaten wie CSV, TSV, Excel oder JSON. **Konfiguration** Der Eingabeschritt erfordert keine Konfiguration. Im **Vorschaufenster** werden Ihre importierten Daten zusammen mit Quellinformationen wie Verbindungsdetails, Tabellennamen und Spaltenmetadaten angezeigt. **Nutzungshinweise** + Innerhalb eines einzigen Workflows können mehrere Eingabeschritte vorhanden sein. + Sie können zu jedem Zeitpunkt in Ihrem Workflow Eingabeschritte hinzufügen. ## Berechnete Spalten hinzufügen Mit dem Schritt Berechnete Spalten hinzufügen können Sie neue Spalten mithilfe von Ausdrücken auf Zeilenebene erstellen, die Berechnungen für vorhandene Spalten durchführen. Sie können neue Spalten mithilfe skalarer Funktionen und Operatoren (auf Zeilenebene) erstellen und Berechnungen auf Zeilenebene anwenden, die auf vorhandene Spalten verweisen. **Konfiguration** **Um den Schritt Berechnete Spalten hinzufügen zu konfigurieren, gehen Sie im Konfigurationsbereich wie folgt vor:** 1. Geben Sie Ihrer neuen berechneten Spalte einen Namen. 1. [Erstellen Sie Ausdrücke mit dem Berechnungseditor, der Funktionen und Operatoren auf Zeilenebene (wie [ifelse](ifelse-function.md) und round) unterstützt.](round-function.md) 1. Speichern Sie Ihre Berechnung. 1. Zeigen Sie eine Vorschau der Ausdrucksergebnisse an. 1. Fügen Sie nach Bedarf weitere berechnete Spalten hinzu. **Nutzungshinweise** + In diesem Schritt werden nur skalare Berechnungen (auf Zeilenebene) unterstützt. + In SPICE werden berechnete Spalten materialisiert und funktionieren in nachfolgenden Schritten als Standardspalten. ## Datentyp ändern Quick Sight vereinfacht die Datentypverwaltung, indem es vier abstrakte Datentypen unterstützt: `date` `decimal``integer`,, und`string`. Diese abstrakten Typen reduzieren die Komplexität, indem sie verschiedene Quelldatentypen automatisch ihren Quick Sight-Entsprechungen zuordnen. Zum Beispiel `bigint` sind `tinyint``smallint`,`integer`, und alle zugeordnet`integer`, während, `date``datetime`, und zugeordnet `timestamp` sind. `date` Diese Abstraktion bedeutet, dass Sie nur die vier Datentypen von Quick Sight verstehen müssen, da Quick Sight bei der Interaktion mit verschiedenen Datenquellen alle zugrunde liegenden Datentypkonvertierungen und Berechnungen automatisch durchführt. **Konfiguration** Gehen Sie wie folgt vor, um den Schritt Datentyp ändern im **Konfigurationsbereich** zu konfigurieren: 1. Wählen Sie eine Spalte aus, die konvertiert werden soll. 1. Wählen Sie den Zieldatentyp (`string``integer`,`decimal`, oder`date`). 1. Geben Sie für Datumskonvertierungen die Formateinstellungen an und zeigen Sie eine Vorschau der Ergebnisse auf der Grundlage der Eingabeformate an. Sehen Sie sich die [unterstützten Datumsformate](supported-data-types-and-values.md) in Quick Sight an. 1. Fügen Sie nach Bedarf weitere Spalten hinzu, um sie zu konvertieren. **Nutzungshinweise** + Konvertiert aus Effizienzgründen die Datentypen mehrerer Spalten in einem einzigen Schritt. + Bei Verwendung von SPICE werden alle Datentypänderungen in den importierten Daten materialisiert. ## Spalten umbenennen Mit dem Schritt „Spalten umbenennen“ können Sie Spaltennamen so ändern, dass sie aussagekräftiger und benutzerfreundlicher sind und den Benennungskonventionen Ihrer Organisation entsprechen. **Konfiguration** Gehen Sie wie folgt vor, um den Schritt „Spalten umbenennen“ im **Konfigurationsbereich** zu konfigurieren: 1. Wählen Sie eine Spalte aus, die Sie benennen möchten. 1. Geben Sie einen neuen Namen für die ausgewählte Spalte ein. 1. Fügen Sie nach Bedarf weitere Spalten hinzu, um sie umzubenennen. **Nutzungshinweise** + Alle Spaltennamen müssen innerhalb Ihres Datensatzes eindeutig sein. ## Wählen Sie Spalten Mit dem Schritt „Spalten auswählen“ können Sie Ihren Datensatz optimieren, indem Sie Spalten einbeziehen, ausschließen und neu anordnen. Auf diese Weise können Sie Ihre Datenstruktur optimieren, indem unnötige Spalten entfernt und die verbleibenden Spalten für die Analyse in einer logischen Reihenfolge angeordnet werden. **Konfiguration** Gehen Sie wie folgt vor, um den Schritt „Spalten auswählen“ im **Konfigurationsbereich** zu konfigurieren: 1. Wählen Sie bestimmte Spalten aus, die in Ihre Ausgabe aufgenommen werden sollen. 1. Wählen Sie die Spalten in Ihrer bevorzugten Reihenfolge aus, um die Reihenfolge festzulegen. 1. Verwenden **Sie „Alle auswählen“**, um die verbleibenden Spalten in ihrer ursprünglichen Reihenfolge einzubeziehen. 1. Schließen Sie unerwünschte Spalten aus, indem Sie sie nicht auswählen. **Die wichtigsten Funktionen** + Die Ausgabespalten werden in der Reihenfolge der Auswahl angezeigt. + Mit der **Option Alle auswählen** wird die ursprüngliche Reihenfolge der Spalten beibehalten. **Nutzungshinweise** + Nicht ausgewählte Spalten werden aus nachfolgenden Schritten entfernt. + Optimieren Sie die Datensatzgröße, indem Sie unnötige Spalten entfernen. ## Anfügen Der Schritt Anfügen kombiniert zwei Tabellen vertikal, ähnlich einer SQL UNION ALL-Operation. Quick Sight ordnet Spalten automatisch nach Namen und nicht nach Reihenfolge zu und ermöglicht so eine effiziente Datenkonsolidierung, selbst wenn Tabellen unterschiedliche Spaltenreihenfolgen oder eine unterschiedliche Anzahl von Spalten haben. **Konfiguration** Gehen Sie im Konfigurationsbereich wie folgt vor, um den Schritt „Anhängen“ zu **konfigurieren**: 1. Wählen Sie zwei Eingabetabellen zum Anhängen aus. 1. Überprüfen Sie die Reihenfolge der Ausgabespalten. 1. Untersuchen Sie, welche Spalten in beiden Tabellen und welche Spalten in einzelnen Tabellen vorhanden sind. **Schlüssel-Features** + Ordnet Spalten nach Namen statt nach Reihenfolge zu. + Behält alle Zeilen aus beiden Tabellen bei, einschließlich Duplikate. + Unterstützt Tabellen mit unterschiedlicher Anzahl von Spalten. + Folgt der Spaltenreihenfolge von Tabelle 1 für übereinstimmende Spalten und fügt dann eindeutige Spalten aus Tabelle 2 hinzu. + Zeigt klare Quellindikatoren für alle Spalten **Nutzungshinweise** + Verwenden Sie zuerst einen Umbenennungsschritt, wenn Sie Spalten mit unterschiedlichen Namen anhängen. + Jeder Schritt „Anfügen“ kombiniert genau zwei Tabellen. Verwenden Sie zusätzliche Anfügeschritte für weitere Tabellen. ## Join Beim Verbindungsschritt werden Daten aus zwei Tabellen auf der Grundlage übereinstimmender Werte in bestimmten Spalten horizontal kombiniert. Quick Sight unterstützt die Verbindungstypen Left Outer, Right Outer, Full Outer und Inner und bietet somit flexible Optionen für Ihre Analyseanforderungen. Dieser Schritt beinhaltet eine intelligente Lösung von Spaltenkonflikten, bei der doppelte Spaltennamen automatisch behandelt werden. Self-Joins sind zwar nicht als bestimmter Verbindungstyp verfügbar, mit Workflow-Divergenz können Sie jedoch ähnliche Ergebnisse erzielen. **Konfiguration** Gehen Sie im Konfigurationsbereich wie folgt vor, um den Join-Schritt zu **konfigurieren**: 1. Wählen Sie zwei Eingabetabellen aus, die verknüpft werden sollen. 1. Wählen Sie Ihren Verbindungstyp (Left Outer, Right Outer, Full Outer oder Inner). 1. Geben Sie die Verbindungsschlüssel für jede Tabelle an. 1. Überprüfen Sie die automatisch gelösten Spaltennamenkonflikte. **Schlüssel-Features** + Unterstützt mehrere Verbindungstypen für unterschiedliche Analyseanforderungen. + Löst automatisch doppelte Spaltennamen auf. + Akzeptiert berechnete Spalten als Join-Schlüssel. **Nutzungshinweise** + Join-Schlüssel müssen kompatible Datentypen haben. Verwenden Sie bei Bedarf den Schritt Datentyp ändern. + Jeder Join-Schritt kombiniert genau zwei Tabellen. Verwenden Sie zusätzliche Join-Schritte für mehr Tabellen. + Erstellen Sie nach dem Verbinden einen Umbenennungsschritt, um automatisch aufgelöste Spaltenüberschriften anzupassen. ## Aggregate Mit dem Schritt Aggregieren können Sie Daten zusammenfassen, indem Sie Spalten gruppieren und Aggregationsoperationen anwenden. Diese leistungsstarke Transformation verdichtet detaillierte Daten zu aussagekräftigen Zusammenfassungen, die auf Ihren angegebenen Dimensionen basieren. Quick Sight vereinfacht komplexe SQL-Operationen über eine intuitive Oberfläche und bietet umfassende Aggregationsfunktionen, einschließlich erweiterter Zeichenkettenoperationen wie und. `ListAgg` `ListAgg distinct` **Konfiguration** Gehen Sie im **Konfigurationsbereich** wie folgt vor, um den Schritt Aggregieren zu konfigurieren: 1. Wählen Sie die Spalten aus, nach denen gruppiert werden soll. 1. Wählen Sie Aggregationsfunktionen für Kennzahlspalten aus. 1. Passen Sie die Namen der Ausgabespalten an. 1. Für `ListAgg` und `ListAgg distinct`: 1. Wählen Sie die Spalte aus, die Sie aggregieren möchten. 1. Wählen Sie ein Trennzeichen (Komma, Gedankenstrich, Semikolon oder vertikale Linie). 1. Zeigen Sie eine Vorschau der zusammengefassten Daten an. **Unterstützte Funktionen pro Datentyp** | Datentyp | Unterstützte Funktionen | | --- | --- | | Numerischer Wert | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` | | Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (nur für Datum) | | Zeichenfolge | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` | **Schlüssel-Features** + Wendet verschiedene Aggregationsfunktionen auf Spalten innerhalb desselben Schritts an. + **Group by** ohne Aggregationsfunktionen funktioniert wie SQL SELECT DISTINCT. + `ListAgg`verkettet alle Werte; `ListAgg distinct` beinhaltet nur eindeutige Werte. + `ListAgg`Funktionen behalten standardmäßig die aufsteigende Sortierreihenfolge bei. **Nutzungshinweise** + Durch die Aggregation wird die Anzahl der Zeilen in Ihrem Datensatz erheblich reduziert. + `ListAgg`und `ListAgg distinct` unterstützt `date` Werte, aber nicht`datetime`. + Verwenden Sie Trennzeichen, um die Ausgabe der Zeichenkettenverkettung anzupassen. ## Filter Mit dem Schritt Filter können Sie Ihren Datensatz eingrenzen, indem Sie nur Zeilen einbeziehen, die bestimmte Kriterien erfüllen. Sie können innerhalb eines einzigen Schritts mehrere Filterbedingungen anwenden, die alle durch `AND` Logik kombiniert werden, um Ihre Analyse auf relevante Daten zu konzentrieren. **Konfiguration** Gehen Sie im **Konfigurationsbereich** wie folgt vor, um den Schritt Filter zu konfigurieren: 1. Wählen Sie eine Spalte aus, die gefiltert werden soll. 1. Wählen Sie einen Vergleichsoperator. 1. Geben Sie Filterwerte auf der Grundlage des Datentyps der Spalte an. 1. Fügen Sie bei Bedarf zusätzliche Filterbedingungen für verschiedene Spalten hinzu. **Anmerkung** Zeichenkettenfilter mit „ist in“ oder „ist nicht in“: Geben Sie mehrere Werte ein (einen pro Zeile). Numerische Filter und Datumsfilter: Geben Sie Einzelwerte ein (außer „zwischen“, für das zwei Werte erforderlich sind). **Unterstützte Operatoren pro Datentyp** | Datentyp | Unterstützte Operatoren | | --- | --- | | Ganzzahl und Dezimalzahl | Entspricht, ist ungleich Größer als, Kleiner als Ist größer als oder gleich, ist kleiner als oder gleich Ist zwischen | | Date | Nachher, Vorher Ist zwischen Ist danach oder gleich, Ist davor oder gleich | | Zeichenfolge | Entspricht, ist ungleich Beginnt mit, endet mit Enthält, Enthält nicht Ist drin, ist nicht drin | **Nutzungshinweise** + Wenden Sie mehrere Filterbedingungen in einem einzigen Schritt an. + Kombinieren Sie Bedingungen für verschiedene Datentypen. + Zeigen Sie eine Vorschau der gefilterten Ergebnisse in Echtzeit an. ## Pivot Im Pivot-Schritt werden Zeilenwerte in eindeutige Spalten umgewandelt. Dabei werden Daten für einfachere Vergleiche und Analysen von einem Langformat in ein Breitformat konvertiert. Für diese Transformation sind Spezifikationen für die Filterung, Aggregation und Gruppierung von Werten erforderlich, um die Ausgabespalten effektiv verwalten zu können. **Konfiguration** Verwenden Sie im Konfigurationsbereich Folgendes, um den **Pivot-Schritt** zu konfigurieren: 1. **Pivot-Spalte**: Wählen Sie die Spalte aus, deren Werte zu Spaltenüberschriften werden sollen (z. B. Kategorie). 1. **Spaltenzeilenwert** pivotieren: Filtert bestimmte Werte, die aufgenommen werden sollen (z. B. Technologie, Bürobedarf). 1. **Spaltenüberschrift ausgeben**: Passen Sie neue Spaltenüberschriften an (standardmäßig werden Pivot-Spaltenwerte verwendet). 1. **Wertespalte**: Wählen Sie die Spalte aus, die aggregiert werden soll (z. B. Umsatz). 1. **Aggregationsfunktion**: Wählen Sie die Aggregationsmethode (z. B. Summe). 1. **Gruppieren nach**: Geben Sie die Anordnung der Spalten an (z. B. Segment). ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/quick/latest/userguide/images/pivot.png) **Unterstützte Operatoren pro Datentyp** | Datentyp | Unterstützte Operatoren | | --- | --- | | Ganzzahl und Dezimalzahl | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` | | Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (nur Datumswerte) | | Zeichenfolge | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` | **Nutzungshinweise** + Jede pivotierte Spalte enthält aggregierte Werte aus der Wertspalte. + Passen Sie die Spaltenüberschriften aus Gründen der Übersichtlichkeit an. + Sehen Sie sich eine Vorschau der Transformationsergebnisse in Echtzeit an. ## Entpivotieren Der Schritt Unpivot wandelt Spalten in Zeilen um, wodurch breite Daten in ein längeres, schmaleres Format umgewandelt werden. Diese Transformation hilft dabei, Daten, die über mehrere Spalten verteilt sind, in einem strukturierteren Format zu organisieren, sodass sie einfacher analysiert und visualisiert werden können. **Konfiguration** Gehen Sie im Konfigurationsbereich wie folgt vor, um den Schritt „Unpivot“ zu **konfigurieren**: 1. Wählen Sie Spalten aus, deren Pivotierung in Zeilen aufgehoben werden soll. 1. Definieren Sie die Zeilenwerte der Ausgabespalte. Die Standardeinstellung ist der ursprüngliche Spaltenname. Einige Beispiele hierfür sind Technologie, Bürobedarf und Möbel. 1. Benennen Sie die beiden neuen Ausgabespalten. + **Unpivotierte Spaltenüberschrift**: Der Name für frühere Spaltennamen (z. B. Kategorie) + **Spaltenwerte ohne Pivotierung**: Der Name für die nicht pivotierten Werte (z. B. Vertrieb) ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/quick/latest/userguide/images/unpivot.png) **Schlüssel-Features** + Behält alle nicht pivotierten Spalten in der Ausgabe bei. + Erstellt automatisch zwei neue Spalten: eine für frühere Spaltennamen und eine für die entsprechenden Werte. + Konvertiert breite Daten in ein langes Format. **Nutzungshinweise** + Alle Spalten ohne Pivotierung müssen kompatible Datentypen haben. + Die Anzahl der Zeilen nimmt in der Regel zu, nachdem die Pivotierung aufgehoben wurde. + Zeigen Sie eine Vorschau der Änderungen in Echtzeit an, bevor Sie sie übernehmen. # Erweiterte Workflow-Funktionen Die Datenvorbereitungserfahrung von Amazon Quick Sight bietet ausgefeilte Funktionen, die Ihre Fähigkeit verbessern, komplexe, wiederverwendbare Datentransformationen zu erstellen. In diesem Abschnitt werden zwei leistungsstarke Funktionen behandelt, die Ihr Workflow-Potenzial erweitern. Mit Divergenz können Sie aus einem einzigen Schritt mehrere Transformationspfade erstellen, sodass parallel Verarbeitungsströme möglich sind, die später erneut kombiniert werden können. Diese Fähigkeit ist besonders wertvoll für komplexe Szenarien wie Self-Joins und parallel Transformationen. Mit zusammengesetzten Datensätzen können Sie hierarchische Datenstrukturen erstellen, indem Sie vorhandene Datensätze als Bausteine verwenden. Diese Funktion fördert die Zusammenarbeit zwischen Teams und gewährleistet durch wiederverwendbare, mehrschichtige Transformationen eine konsistente Geschäftslogik. Diese Funktionen arbeiten zusammen, um flexible Workflow-Designs, verbesserte Teamzusammenarbeit und wiederverwendbare Datentransformationen zu ermöglichen. Sie sorgen für eine klare Datenherkunft und ermöglichen skalierbare Datenaufbereitungslösungen, sodass Ihr Unternehmen immer komplexere Datenszenarien effizient und übersichtlich handhaben kann. ## Divergenz Mit Divergenz können Sie in einem einzigen Schritt Ihres Workflows mehrere parallel Transformationspfade erstellen. Diese Pfade können unabhängig voneinander transformiert und später neu kombiniert werden, was komplexe Datenvorbereitungsszenarien wie Self-Joins ermöglicht. **Divergierende Pfade erstellen** Gehen Sie in Ihrem Workflow wie folgt vor, um eine Divergenz zu initiieren: 1. Wählen Sie den Schritt aus, in dem Sie eine Divergenz erzeugen möchten. 1. Wählen Sie das angezeigte **Pluszeichen** aus. 1. Konfigurieren Sie den neuen Zweig, der angezeigt wird. 1. Wenden Sie die gewünschten Transformationen auf jeden Pfad an. 1. Verwenden Sie die Schritte Verbinden oder Anhängen, um Pfade zu einer einzigen Ausgabe neu zu kombinieren. ![\[alt text not found\]](http://docs.aws.amazon.com/de_de/quick/latest/userguide/images/divergence.png) **Schlüssel-Features** + Erstellt bis zu fünf divergierende Pfade aus einem einzigen Schritt. + Wendet auf jeden Pfad unterschiedliche Transformationen an. + Kombiniert Pfade mithilfe der Schritte Verbinden oder Anhängen neu. + Zeigt unabhängig voneinander eine Vorschau der Änderungen in den einzelnen Pfaden an. **Best Practices** + Verwenden Sie Divergenz, um Self-Joins zu implementieren. + Erstellen Sie Datenkopien für parallel Transformationen. + Planen Sie Ihre Rekombinationsstrategie (Verbinden oder Anhängen). + Sorgen Sie für eine bessere Sichtbarkeit des Workflows bei einer klaren Pfadbenennung. ## Zusammengesetzte Datensätze Mit zusammengesetzten Datensätzen können Sie auf vorhandenen Datensätzen aufbauen und hierarchische Datentransformationsstrukturen erstellen, die in Ihrem Unternehmen gemeinsam genutzt und wiederverwendet werden können. Quick Sight unterstützt bis zu 10 Ebenen zusammengesetzter Datensätze sowohl im SPICE- als auch im Direct Query-Modus. **Erstellen eines zusammengesetzten Datensatzes** Gehen Sie in Ihrem Arbeitsablauf wie folgt vor, um einen zusammengesetzten Datensatz zu erstellen: 1. Wählen Sie den Eingabeschritt aus, wenn Sie einen neuen Datensatz erstellen. 1. Wählen Sie unter **Daten hinzufügen** die Option **Datensatz** als Quelle aus. 1. Wählen Sie einen vorhandenen Datensatz aus, auf dem Sie aufbauen möchten. 1. Wenden Sie bei Bedarf zusätzliche Transformationen an. 1. Als neuen Datensatz speichern. **Schlüssel-Features** + Erstellt hierarchische Strukturen für die Datentransformation. + Unterstützt bis zu 10 Ebenen der Datensatzverschachtelung. + Sowohl mit SPICE als auch mit Direct Query kompatibel. + Behält eine klare Datenherkunft bei. + Ermöglicht teamspezifische Transformationen. Diese Funktion verbessert die Zusammenarbeit zwischen verschiedenen Teams. Zum Beispiel | Rolle | Action | Ausgabe | | --- | --- | --- | | Globaler Analyst | Erstellt einen Datensatz mit globaler Geschäftslogik | Datensatz A | | Analyst für Amerika | Verwendet Datensatz A und fügt regionale Logik hinzu | Datensatz B | | Analyst für den Westen der USA | Verwendet Datensatz B und fügt lokale Logik hinzu | Datensatz C | Dieser hierarchische Ansatz fördert eine konsistente Geschäftslogik in Ihrer gesamten Organisation, indem die Verantwortung für die Transformationsebenen eindeutig zugewiesen wird. Es schafft eine nachvollziehbare Datenherkunft und unterstützt gleichzeitig bis zu 10 Ebenen der Datensatzverschachtelung, was ein kontrolliertes und systematisches Datentransformationsmanagement ermöglicht. **Best Practices** + Legen Sie klare Zuständigkeiten für jede Transformationsebene fest. + Dokumentieren Sie die Beziehungen und Abhängigkeiten von Datensätzen. + Planen Sie die Tiefe der Hierarchie auf der Grundlage der Geschäftsanforderungen. + Halten Sie sich an konsistente Namenskonventionen. + Überprüfen und aktualisieren Sie die vorgelagerten Datensätze sorgfältig. # Funktionen nur für Gewürze Die SPICE (Superfast, Parallel, In-Memory Calculation Engine) von Amazon Quick Sight ermöglicht bestimmte rechenintensive Datenvorbereitungsfunktionen. Diese Transformationen werden in SPICE materialisiert, um eine optimale Leistung zu erzielen, anstatt zur Abfragezeit ausgeführt zu werden. **Funktionen, die nur in SPICE verfügbar sind** | Schritte | Andere Funktionen | | --- | --- | | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/quick/latest/userguide/spice-only-features.html) | **Funktionen, die sowohl in SPICE als auch in DirectQuery** | Schritte | Andere Funktionen | | --- | --- | | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/quick/latest/userguide/spice-only-features.html) | **Best Practices** + Verwenden Sie SPICE für Workflows, die nur SPICE-Funktionen erfordern. + Wählen Sie SPICE, um die Leistung für komplexe Transformationen und große Datensätze zu optimieren. + Erwägen Sie DirectQuery den Bedarf an Echtzeitdaten, wenn keine reinen SPICE-Funktionen erforderlich sind. # Zwischen Datenaufbereitungserlebnissen wechseln Ältere Erfahrungen mit der Datenvorbereitung beziehen sich auf die vorherige Datenvorbereitungsschnittstelle in Amazon Quick Sight, die vor Oktober 2025 existierte. Die neue Erfahrung bei der Datenvorbereitung ist die verbesserte visuelle Oberfläche, die step-by-step Transformationssequenzen anzeigt. Bei älteren Datensätzen handelt es sich um Datensätze, die vor der neuen Datenaufbereitung erstellt wurden, während es sich bei neuen Datensätzen um Datensätze handelt, die nach Oktober 2025 erstellt wurden. Wenn Sie einen neuen Datensatz erstellen, leitet Sie Quick Sight automatisch zur neuen Datenaufbereitungserfahrung weiter. Diese visuelle Oberfläche bietet erweiterte Funktionen und eine verbesserte Benutzerfreundlichkeit für Datentransformationsaufgaben. ## Opt-Out-Option Vor dem Speichern und Veröffentlichen eines Datensatzes haben Sie die Möglichkeit, auf Wunsch zur alten Datenaufbereitung zurückzukehren. Diese Flexibilität ermöglicht es den Teams, den Übergang in ihrem eigenen Tempo vorzunehmen und sich gleichzeitig mit der neuen Oberfläche vertraut zu machen. **Wichtig** Wenn ein Datensatz in der neuen Oberfläche gespeichert und veröffentlicht wird, gibt es keine Möglichkeit, zur alten Oberfläche zurückzukehren. Dies ist beabsichtigt, da das neue Erlebnis wichtige neue Funktionen enthält, die im alten Erlebnis nicht unterstützt werden. Daher wird die direkte Konvertierung von Datensätzen von einem Erlebnis in ein anderes nicht unterstützt. Sie müssen einen neuen Datensatz erstellen, um zum alten Erlebnis zu wechseln. ## Arbeitsablauf bei der Umstellung Sobald ein Datensatz entweder im neuen oder im älteren Erlebnis gespeichert wurde, können die Transformationen nicht direkt von einem Erlebnis in ein anderes konvertiert werden. Wenn jedoch eine veröffentlichte Datensatzversion vorhanden ist, können Sie mithilfe der Versionskontrolle zur vorherigen Version wechseln, die sich möglicherweise in der Legacy-Oberfläche befindet. Ältere Datensätze können weiterhin ausschließlich über die ältere Benutzeroberfläche angezeigt und bearbeitet werden. Dadurch wird die Kompatibilität mit zuvor etablierten Workflows gewahrt. Nehmen Sie sich vor der vollständigen Umstellung Zeit, um sich mit der neuen Datenaufbereitung vertraut zu machen. Wenn Sie mit älteren Datensätzen arbeiten, sollten Sie erwägen, eine neue Version zu erstellen und dabei die neue Oberfläche für future Änderungen zu nutzen. Verwenden Sie die Versionskontrolle, um bei Bedarf weiterhin auf ältere Versionen von Datensätzen zugreifen zu können. Dokumentieren Sie alle Änderungen im Arbeitsablauf beim Übergang von einer alten zu einer neuen Lösung, um die Abstimmung im Team sicherzustellen. # Funktionen, die in der neuen Datenaufbereitungserfahrung nicht unterstützt werden Die neue Datenaufbereitungserfahrung bietet zwar erweiterte Funktionen, einige Funktionen der älteren Version werden jedoch noch nicht unterstützt. In diesem Abschnitt werden diese Funktionen beschrieben und Anleitungen zur Handhabung der betroffenen Workflows gegeben. Wenn Sie nicht unterstützte Datenquellen verwenden, verwendet Amazon Quick Sight automatisch standardmäßig die alte Benutzeroberfläche. Wählen Sie für andere nicht unterstützte Funktionen in der oberen rechten Ecke der **Datenvorbereitungsseite die Option Zur älteren Version wechseln** aus. Regeln In der alten Umgebung erstellte Datensätze bleiben sowohl mit älteren als auch mit neuen Erlebnisdatensätzen kompatibel. ## Datenquellen werden nicht unterstützt Die folgenden Datenquellen sind derzeit nur in der älteren Version verfügbar. | Datenquelle | Details | | --- | --- | | Salesforce | Standardmäßig wird die Legacy-Oberfläche verwendet | | Google Sheets | Standardmäßig wird die ältere Benutzeroberfläche verwendet | | S3 Analytics | **S3-Datenquellen werden unterstützt** | ## Andere nicht unterstützte Funktionen Die folgenden Funktionen sind derzeit nur in der Legacy-Version verfügbar. | Funktionskategorie | Nicht unterstützte Funktionen | | --- | --- | | Verwaltung von Datensätzen | [Inkrementelle Aktualisierung](refreshing-imported-data.md#refresh-spice-data-incremental), [Datensatzparameter](dataset-parameters.md), [Spaltenordner](organizing-fields-folder.md), [Spaltenbeschreibungen](describing-data.md) | | Datentypen | [Geospatial](geospatial-data-prep.md)[, [ELF/CLF-Formate](supported-data-sources.md#file-data-sources), ZIP-Dateien in S3 GZip ](supported-data-sources.md#file-data-sources) | | Konfigurationsoptionen | [„Ab Zeile beginnen“ in den Einstellungen für das Hochladen von Dateien](choosing-file-upload-settings.md), JODA-Datumsformat | | Auswahl des übergeordneten Datensatzes aus älteren Versionen | Übergeordnete und untergeordnete Datensätze müssen in derselben Erlebnisumgebung vorhanden sein. Sie können einen älteren Erlebnisdatensatz nicht als übergeordnetes Element für einen neuen Erlebnisdatensatz verwenden. | ## Zukünftige Entwicklung Amazon Quick Sight plant, diese Funktionen in future in der neuen Datenaufbereitungserfahrung zu implementieren. Dieser Ansatz stellt sicher, dass beim ersten Start der neuen Datenaufbereitungserfahrung folgende Prioritäten gesetzt werden: **Verbesserte Funktionen** + Workflows zur visuellen Transformation + Verbesserte Prozesstransparenz + Fortschrittliche Präparationstechniken durch Divergenz + Leistungsstarke neue Funktionen wie Append, Aggregate und Pivot **Flexible Einführung** Benutzer können vor der Veröffentlichung von Datensätzen zwischen verschiedenen Erlebnissen wählen und so einen unterbrechungsfreien Arbeitsablauf gewährleisten, während die Teams den Übergang in ihrem eigenen Tempo vornehmen. Dieser Ansatz ermöglicht den sofortigen Zugriff auf neue Funktionen und gewährleistet gleichzeitig die Unterstützung spezieller Anforderungen durch die alte Benutzeroberfläche. # Grenzen der Datenaufbereitung Die Erfahrung bei der Datenvorbereitung von Amazon Quick Sight ist darauf ausgelegt, Datensätze auf Unternehmensebene zu verarbeiten und gleichzeitig eine optimale Leistung aufrechtzuerhalten. Die folgenden Grenzwerte gewährleisten eine zuverlässige Funktionalität. ## Größenbeschränkungen für Datensätze (SPICE) + **Ausgabegröße**: Bis zu 2 TB oder 2 Milliarden Zeilen + **Gesamteingabegröße**: Kombinierte Eingangsquellen dürfen 2 TB nicht überschreiten + **Größe der Sekundärtabellen**: Die kombinierte Größe ist auf 20 GB begrenzt **Anmerkung** Primärtabellen sind Tabellen mit maximaler Größe in einem Workflow; alle anderen sind Sekundärtabellen. ## Grenzen der Workflow-Struktur + **Maximale Anzahl an Schritten**: Bis zu 256 Transformationsschritte pro Workflow + **Quelltabellen**: Maximal 32 Importschritte pro Workflow + **Ausgabespalten**: Bis zu 2048 Spalten in jedem Schritt des Workflows und endgültige Ausgabetabelle mit 2000 Spalten + **Divergierende Pfade**: Maximal 5 Pfade aus einem einzigen Schritt (nur SPICE, gilt nicht für) DirectQuery + **Datensatz als Quelle**: Bis zu 10 Stufen für SPICE und DirectQuery Diese Grenzwerte dienen dazu, Flexibilität und Leistung in Einklang zu bringen, komplexe Datentransformationen zu ermöglichen und gleichzeitig optimale Analysemöglichkeiten zu gewährleisten. # Änderungen des Verschluckungsverhaltens Die neue Erfahrung mit der Datenaufbereitung führt zu einer wichtigen Änderung in der Art und Weise, wie Datenqualitätsprobleme bei der SPICE-Erfassung behandelt werden. Diese Änderung wirkt sich erheblich auf die Vollständigkeit und Transparenz der Daten in Ihren Datensätzen aus. In der alten Version wurde bei Inkonsistenzen zwischen Datentypen (z. B. falsche Datumsformate oder [ähnliche Probleme](errors-spice-ingestion.md)) die gesamte Zeile mit problematischen Zellen bei der Aufnahme übersprungen. Dieser Ansatz führt zu weniger Zeilen im endgültigen Datensatz, wodurch Datenqualitätsprobleme möglicherweise verschleiert werden. Die neue Erfahrung bietet einen detaillierteren Ansatz für Dateninkonsistenzen. Bei problematischen Zellen werden nur die inkonsistenten Werte in Nullwerte umgewandelt, wobei die gesamte Zeile beibehalten wird. Durch diese Beibehaltung wird sichergestellt, dass verwandte Daten in anderen Spalten weiterhin für Analysen zugänglich sind. **Auswirkungen auf die Qualität der Datensätze** Datensätze, die in der neuen Oberfläche erstellt wurden, enthalten in der Regel mehr Zeilen als ihre älteren Gegenstücke, wenn die Quelldaten Inkonsistenzen enthalten. Dieser verbesserte Ansatz bietet mehrere Vorteile: + Verbesserte Vollständigkeit der Daten durch Beibehaltung aller Zeilen + Größere Transparenz bei der Identifizierung von Datenqualitätsproblemen + Bessere Sichtbarkeit problematischer Werte für die Behebung + Beibehaltung verwandter Daten in Spalten, die nicht betroffen sind Diese Änderung ermöglicht es Analysten, Probleme mit der Datenqualität effektiver zu identifizieren und zu beheben, anstatt problematische Zeilen stillschweigend aus dem Datensatz auszulassen. # Häufig gestellte Fragen ## 1. Wann müssen Benutzer von der neuen zur älteren Version wechseln? Benutzer müssen zur alten Oberfläche zurückkehren, wenn sie mit Datensätzen arbeiten, die derzeit [nicht unterstützte](unsupported-features.md) Funktionen enthalten. Quick Sight arbeitet aktiv daran, diese Funktionen in den kommenden Versionen in das neue Erlebnis zu integrieren. ## 2. Warum sind Datensätze ausgegraut, wenn versucht wird, sie in das neue Erlebnis einzufügen? Können Datensätze zwischen älteren und neuen Erlebnissen kombiniert werden? Derzeit müssen übergeordnete und untergeordnete Datensätze in derselben Erlebnisumgebung vorhanden sein. Es ist nicht möglich, Datensätze aus älteren und neuen Erlebnissen zu kombinieren, da das neue Erlebnis zusätzliche Funktionen enthält, die in älteren Versionen nicht verfügbar waren, wie z. B. Funktionen zum Anhängen, Pivot-Funktionen und Divergenz. **Verwenden von übergeordneten Datensätzen aus dem alten Erlebnis** Um übergeordnete Datensätze aus der Legacy-Oberfläche zu verwenden, können Sie zu dieser Umgebung zurückkehren. Navigieren Sie einfach zur Seite zur Datenvorbereitung und wählen Sie in der oberen rechten Ecke die **Option Zurück zur älteren Version wechseln** aus. Dort können Sie Ihre untergeordneten Datensätze nach Bedarf erstellen. **Zukünftige Entwicklung** Wir planen die Implementierung von Funktionen, mit denen Benutzer ältere Datensätze auf das neue Erlebnis aktualisieren können. Dieser verbesserte Weg wird die Verwendung älterer übergeordneter Datensätze innerhalb der neuen Erfahrung ermöglichen. ## 3. Warum bringt Quick Sight das neue Datenaufbereitungserlebnis auf den Markt, bevor die volle Funktionsparität mit dem alten Erlebnis erreicht ist? Das neue Datenaufbereitungserlebnis wurde in enger Zusammenarbeit mit Kunden entwickelt, um die Herausforderungen der realen Analytik zu bewältigen. Bei der ersten Markteinführung wurden folgende Prioritäten gesetzt: **Verbesserte Funktionen** + Workflows zur visuellen Transformation + Verbesserte Prozesstransparenz + Fortschrittliche Präparationstechniken durch Divergenz + Leistungsstarke neue Funktionen wie Append, Aggregate und Pivot **Flexible Einführung** Benutzer können vor der Veröffentlichung von Datensätzen zwischen verschiedenen Erlebnissen wählen und so einen unterbrechungsfreien Arbeitsablauf gewährleisten, während die Teams den Übergang in ihrem eigenen Tempo vornehmen. Dieser Ansatz ermöglicht den sofortigen Zugriff auf neue Funktionen und gewährleistet gleichzeitig die Unterstützung spezieller Anforderungen durch die alte Benutzeroberfläche. ## 4. Werden Funktionen, die derzeit nur im Legacy-Erlebnis verfügbar sind, dem neuen Erlebnis hinzugefügt? Ja. Quick Sight arbeitet aktiv daran, ältere Funktionen in das neue Erlebnis zu integrieren. ## 5. Wie wirken sich API-Änderungen auf bestehende Skripts zur Datensatzerstellung aus? Quick Sight behält die Abwärtskompatibilität bei und führt gleichzeitig neue Funktionen ein: + Bestehende Skripte: Ältere API-Skripts funktionieren weiterhin und erstellen Datensätze in der alten Umgebung + API-Benennung: Aktuelle API-Namen bleiben unverändert + Neue Funktionalität: Zusätzliche API-Formate unterstützen die erweiterten Funktionen des neuen Erlebnisses + Dokumentation: Die vollständigen API-Spezifikationen für das neue Erlebnis finden Sie in unserer API-Referenz ## 6. Können Datensätze nach der Veröffentlichung zwischen Erlebnissen konvertiert werden? + Zukünftiger Migrationspfad: Quick Sight wird in future eine Funktion hinzufügen, mit der ältere Datensätze einfach auf das neue Erlebnis migriert werden können. + Einseitiger Prozess: Die Konvertierung von Datensätzen aus dem neuen Erlebnis in das alte Format wird aufgrund erweiterter Funktionsabhängigkeiten nicht unterstützt