Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Pengalaman Persiapan Data (Baru)
Persiapan data mengubah data mentah menjadi format yang dioptimalkan untuk analisis dan visualisasi. Dalam intelijen bisnis, proses penting ini melibatkan pembersihan, penataan, dan pengayaan data untuk memungkinkan wawasan bisnis yang bermakna.
Antarmuka persiapan data Amazon Quick Sight merevolusi proses ini dengan pengalaman visual yang intuitif yang memungkinkan pengguna membuat kumpulan data siap analisis tanpa keahlian SQL. Melalui pendekatannya yang modern dan efisien, pengguna dapat secara efisien membuat dan mengelola kumpulan data intelijen bisnis. Antarmuka visual menyajikan tampilan transformasi data yang jelas dan berurutan, memungkinkan penulis untuk melacak perubahan dari keadaan awal ke output akhir dengan presisi.
Platform ini menekankan kolaborasi dan penggunaan kembali, memungkinkan tim untuk berbagi dan menggunakan kembali alur kerja di seluruh organisasi. Desain kolaboratif ini mempromosikan konsistensi dalam praktik transformasi data sambil menghilangkan pekerjaan yang berlebihan, pada akhirnya mendorong proses standar di seluruh tim dan meningkatkan efisiensi secara keseluruhan.
**Topics**
+ [Komponen dalam pengalaman persiapan data](data-prep-components.md)
+ [Langkah-langkah persiapan data](data-prep-steps.md)
+ [Kemampuan alur kerja tingkat lanjut](advanced-workflow-capabilities.md)
+ [Fitur khusus rempah-rempah](spice-only-features.md)
+ [Beralih di antara pengalaman persiapan data](switching-between-data-prep-experiences.md)
+ [Fitur yang tidak didukung dalam pengalaman persiapan data baru](unsupported-features.md)
+ [Batas persiapan data](data-preparation-limits.md)
+ [Perubahan perilaku menelan](ingestion-behavior-changes.md)
+ [Pertanyaan umum](new-data-prep-faqs.md)
# Komponen dalam pengalaman persiapan data
Pengalaman persiapan data Amazon Quick Sight memiliki komponen inti berikut.
## Alur kerja
Alur kerja dalam pengalaman persiapan data Quick Sight mewakili serangkaian langkah transformasi data berurutan yang memandu kumpulan data Anda dari status mentah ke formulir siap analisis. Alur kerja ini dirancang untuk digunakan kembali, memungkinkan analis untuk memanfaatkan dan membangun pekerjaan yang ada sambil mempertahankan standar transformasi data yang konsisten di seluruh organisasi.
Sementara alur kerja dapat mengakomodasi beberapa jalur melalui berbagai Input atau melalui Divergensi (dirinci di bagian berikutnya), mereka pada akhirnya harus menyatu menjadi satu tabel output. Struktur terpadu ini memastikan konsistensi data dan kemampuan analisis yang efisien.
## Transformasi
Transformasi adalah operasi manipulasi data spesifik yang mengubah struktur, format, atau konten data Anda. Pengalaman persiapan data Quick Sight menawarkan berbagai jenis transformasi termasuk Join, Filter, Aggregate, Pivot, Unpivot, Append, dan Calculated Columns. Setiap jenis transformasi memiliki tujuan yang berbeda dalam membentuk kembali data Anda untuk memenuhi persyaratan analitis. Transformasi ini diimplementasikan sebagai langkah individual dalam alur kerja Anda.
## Langkah
Langkah adalah kumpulan transformasi homogen dari jenis yang sama yang diterapkan dalam alur kerja Anda. Setiap langkah berisi satu atau lebih operasi terkait dari kategori transformasi yang sama. Misalnya, langkah Ganti Nama dapat mencakup beberapa operasi penggantian nama kolom, dan langkah Filter dapat berisi beberapa kondisi pemfilteran—semuanya dikelola sebagai satu unit dalam alur kerja Anda.
Sebagian besar langkah dapat mencakup beberapa operasi, dengan dua pengecualian penting: Langkah Gabung dan Tambahkan dibatasi pada dua tabel input per langkah. Untuk bergabung atau menambahkan lebih dari dua tabel, Anda dapat membuat langkah Gabung atau Tambahkan tambahan secara berurutan.
Langkah-langkah ditampilkan secara berurutan, dengan setiap langkah dibangun berdasarkan hasil langkah sebelumnya, memungkinkan Anda untuk melacak transformasi progresif data Anda. Untuk mengganti nama atau menghapus langkah, pilih dan pilih menu tiga titik.
## Konektor
Konektor menghubungkan dua langkah dengan panah yang menunjukkan arah alur kerja. Anda dapat menghapus konektor dengan memilihnya dan menekan tombol hapus. Untuk menambahkan langkah di antara dua langkah yang ada, cukup hapus konektor, tambahkan langkah baru, dan sambungkan kembali langkah-langkah dengan menyeret mouse Anda di antara mereka.
## Konfigurasikan panel
**Panel Konfigurasi** adalah area interaktif tempat Anda menentukan parameter dan pengaturan untuk langkah yang dipilih. Bila Anda memilih langkah dalam alur kerja Anda, panel ini menampilkan opsi yang relevan untuk jenis transformasi tertentu. Misalnya, saat mengonfigurasi langkah Gabung, Anda dapat memilih jenis gabungan, kolom yang cocok, dan pengaturan khusus gabungan lainnya. point-and-clickAntarmuka **panel Konfigurasi** menghilangkan kebutuhan akan pengetahuan SQL.
## Panel pratinjau
**Panel Pratinjau** menampilkan sampel real-time data Anda seperti yang muncul setelah menerapkan langkah transformasi saat ini. Umpan balik visual langsung ini membantu Anda memverifikasi bahwa setiap transformasi menghasilkan hasil yang diharapkan sebelum melanjutkan ke langkah berikutnya. **Panel Pratinjau** diperbarui secara dinamis saat Anda memodifikasi konfigurasi langkah, memungkinkan penyempurnaan berulang transformasi data dengan percaya diri.
Komponen-komponen ini bekerja sama untuk menciptakan pengalaman persiapan data visual yang intuitif yang membuat transformasi data kompleks dapat diakses oleh pengguna bisnis tanpa memerlukan keahlian teknis.
# Langkah-langkah persiapan data
Pengalaman persiapan data Amazon Quick Sight menawarkan sebelas tipe langkah canggih yang memungkinkan Anda mengubah data secara sistematis. Setiap langkah melayani tujuan tertentu dalam alur kerja persiapan data.
Langkah-langkah dapat dikonfigurasi melalui antarmuka intuitif di panel **Konfigurasi**, dengan umpan balik langsung terlihat di panel **Pratinjau**. Langkah-langkah dapat digabungkan secara berurutan untuk membuat transformasi data yang canggih tanpa memerlukan keahlian SQL.
Setiap langkah dapat menerima masukan dari tabel fisik atau output dari langkah sebelumnya. Sebagian besar langkah menerima satu input, dengan langkah-langkah Append dan Join sebagai pengecualian — ini membutuhkan tepat dua input.
## Input
Langkah Input memulai alur kerja persiapan data Anda di Quick Sight dengan memungkinkan Anda memilih dan mengimpor data dari berbagai sumber untuk transformasi pada langkah selanjutnya.
**Opsi masukan**
+ **Tambahkan Dataset**
Manfaatkan kumpulan data Quick Sight yang ada sebagai sumber input, berdasarkan data yang telah disiapkan dan dioptimalkan oleh tim Anda.
+ **Tambahkan Sumber Data**
Connect langsung ke database seperti Amazon Redshift, Athena, RDS, atau sumber lain yang didukung dengan memilih objek database tertentu dan menyediakan parameter koneksi.
+ **Tambahkan Unggah File**
Impor data langsung dari file lokal dalam format seperti CSV, TSV, Excel, atau JSON.
**Konfigurasi**
Langkah Input tidak memerlukan konfigurasi. Panel **Pratinjau** menampilkan data yang diimpor bersama dengan informasi sumber, termasuk detail koneksi, nama tabel, dan metadata kolom.
**Catatan penggunaan**
+ Beberapa langkah Input dapat ada dalam satu alur kerja.
+ Anda dapat menambahkan langkah-langkah Input di setiap titik dalam alur kerja Anda.
## Tambahkan Kolom Terhitung
Langkah Tambahkan Kolom Terhitung memungkinkan Anda membuat kolom baru menggunakan ekspresi tingkat baris yang melakukan perhitungan pada kolom yang ada. Anda dapat membuat kolom baru menggunakan fungsi dan operator skalar (tingkat baris), dan menerapkan perhitungan tingkat baris yang mereferensikan kolom yang ada.
**Konfigurasi**
Untuk mengonfigurasi langkah Tambahkan Kolom Terhitung, di panel **Konfigurasi**:
1. Beri nama kolom terhitung baru Anda.
1. [Buat ekspresi menggunakan editor kalkulasi, yang mendukung fungsi dan operator tingkat baris (seperti [ifelse](ifelse-function.md) dan round).](round-function.md)
1. Simpan perhitungan Anda.
1. Pratinjau hasil ekspresi.
1. Tambahkan lebih banyak kolom terhitung sesuai kebutuhan.
**Catatan penggunaan**
+ Hanya perhitungan skalar (tingkat baris) yang didukung dalam langkah ini.
+ Di SPICE, kolom yang dihitung diwujudkan dan berfungsi sebagai kolom standar pada langkah selanjutnya.
## Ubah Tipe Data
Quick Sight menyederhanakan manajemen tipe data dengan mendukung empat tipe data abstrak:`date`,`decimal`,`integer`, dan`string`. Jenis abstrak ini menghilangkan kompleksitas dengan secara otomatis memetakan berbagai tipe data sumber ke ekuivalen Quick Sight mereka. Misalnya,,`tinyint`, `smallint``integer`, dan semuanya `bigint` dipetakan ke`integer`, while, `date``datetime`, dan `timestamp` dipetakan ke. `date`
Abstraksi ini berarti Anda hanya perlu memahami empat tipe data Quick Sight, karena Quick Sight menangani semua konversi dan perhitungan tipe data yang mendasarinya secara otomatis saat berinteraksi dengan sumber data yang berbeda.
**Konfigurasi**
Untuk mengonfigurasi langkah Ubah Jenis Data, di panel **Konfigurasi**:
1. Pilih kolom untuk dikonversi.
1. Pilih tipe data target (`string`,`integer`,`decimal`, atau`date`).
1. Untuk konversi tanggal, tentukan pengaturan format dan pratinjau hasil berdasarkan format input. Lihat [format tanggal yang didukung](supported-data-types-and-values.md) di Quick Sight.
1. Tambahkan kolom tambahan untuk mengonversi sesuai kebutuhan.
**Catatan penggunaan**
+ Konversikan beberapa tipe data kolom dalam satu langkah untuk efisiensi.
+ Saat menggunakan SPICE, semua perubahan tipe data diwujudkan dalam data yang diimpor.
## Ganti Nama Kolom
Langkah Ganti Nama Kolom memungkinkan Anda memodifikasi nama kolom agar lebih deskriptif, ramah pengguna, dan konsisten dengan konvensi penamaan organisasi Anda.
**Konfigurasi**
Untuk mengonfigurasi langkah Ganti Nama Kolom, di panel **Konfigurasi**:
1. Pilih kolom untuk diberi nama.
1. Masukkan nama baru untuk kolom yang dipilih.
1. Tambahkan lebih banyak kolom untuk mengganti nama sesuai kebutuhan.
**Catatan penggunaan**
+ Semua nama kolom harus unik dalam kumpulan data Anda.
## Pilih Kolom
Langkah Pilih Kolom memungkinkan Anda merampingkan kumpulan data Anda dengan memasukkan, mengecualikan, dan menyusun ulang kolom. Ini membantu mengoptimalkan struktur data Anda dengan menghapus kolom yang tidak perlu dan mengatur kolom yang tersisa dalam urutan logis untuk analisis.
**Konfigurasi**
Untuk mengkonfigurasi langkah Pilih Kolom, di panel **Konfigurasi**:
1. Pilih kolom tertentu untuk disertakan dalam output Anda.
1. Pilih kolom dalam urutan pilihan Anda untuk menetapkan urutan.
1. Gunakan **Select All** untuk menyertakan kolom yang tersisa dalam urutan aslinya.
1. Kecualikan kolom yang tidak diinginkan dengan membiarkannya tidak dipilih.
**Fitur Utama**
+ Kolom keluaran muncul dalam urutan pemilihan.
+ **Pilih Semua** mempertahankan urutan kolom asli.
**Catatan penggunaan**
+ Kolom yang tidak dipilih dihapus dari langkah selanjutnya.
+ Optimalkan ukuran set data dengan menghapus kolom yang tidak perlu.
## Menambahkan
Langkah Append secara vertikal menggabungkan dua tabel, mirip dengan operasi SQL UNION ALL. Quick Sight secara otomatis mencocokkan kolom berdasarkan nama daripada urutan, memungkinkan konsolidasi data yang efisien bahkan ketika tabel memiliki urutan kolom yang berbeda atau jumlah kolom yang bervariasi.
**Konfigurasi**
Untuk mengkonfigurasi langkah Append, di panel **Konfigurasi**:
1. Pilih dua tabel input untuk ditambahkan.
1. Tinjau urutan kolom output.
1. Periksa kolom mana yang ada di kedua tabel versus tabel tunggal.
**Fitur utama**
+ Cocokkan kolom berdasarkan nama, bukan urutan.
+ Mempertahankan semua baris dari kedua tabel, termasuk duplikat.
+ Mendukung tabel dengan jumlah kolom yang berbeda.
+ Mengikuti urutan kolom Tabel 1 untuk kolom yang cocok, lalu menambahkan kolom unik dari Tabel 2.
+ Menampilkan indikator sumber yang jelas untuk semua kolom
**Catatan penggunaan**
+ Gunakan langkah Ganti Nama terlebih dahulu saat menambahkan kolom dengan nama yang berbeda.
+ Setiap langkah Append menggabungkan tepat dua tabel; gunakan langkah-langkah Append tambahan untuk lebih banyak tabel.
## Join
Langkah Gabung secara horizontal menggabungkan data dari dua tabel berdasarkan nilai yang cocok dalam kolom tertentu. Quick Sight mendukung tipe Left Outer, Right Outer, Full Outer, dan Inner Join, memberikan opsi fleksibel untuk kebutuhan analitis Anda. Langkah ini mencakup resolusi konflik kolom cerdas yang secara otomatis menangani nama kolom duplikat. Meskipun self-join tidak tersedia sebagai tipe gabungan tertentu, Anda dapat mencapai hasil serupa menggunakan divergensi alur kerja.
**Konfigurasi**
Untuk mengonfigurasi langkah Gabung, di panel **Konfigurasi**:
1. Pilih dua tabel input untuk bergabung.
1. Pilih jenis gabungan Anda (Left Outer, Right Outer, Full Outer, atau Inner).
1. Tentukan kunci gabungan dari setiap tabel.
1. Tinjau konflik nama kolom yang diselesaikan secara otomatis.
**Fitur utama**
+ Mendukung beberapa jenis gabungan untuk kebutuhan analitis yang berbeda.
+ Secara otomatis menyelesaikan nama kolom duplikat.
+ Menerima kolom yang dihitung sebagai kunci gabungan.
**Catatan penggunaan**
+ Kunci gabungan harus memiliki tipe data yang kompatibel; gunakan langkah Ubah Jenis Data jika diperlukan.
+ Setiap langkah Gabung menggabungkan tepat dua tabel; gunakan langkah-langkah Gabung tambahan untuk lebih banyak tabel.
+ Buat langkah Ganti Nama setelah Bergabung untuk menyesuaikan header kolom yang diselesaikan secara otomatis.
## Agregat
Langkah Agregat memungkinkan Anda untuk meringkas data dengan mengelompokkan kolom dan menerapkan operasi agregasi. Transformasi yang kuat ini memadatkan data terperinci menjadi ringkasan yang bermakna berdasarkan dimensi yang Anda tentukan. Quick Sight menyederhanakan operasi SQL yang kompleks melalui antarmuka yang intuitif, menawarkan fungsi agregasi yang komprehensif termasuk operasi string lanjutan seperti dan. `ListAgg` `ListAgg distinct`
**Konfigurasi**
Untuk mengkonfigurasi langkah Agregat, di panel **Konfigurasi**:
1. Pilih kolom untuk dikelompokkan menurut.
1. Pilih fungsi agregasi untuk mengukur kolom.
1. Sesuaikan nama kolom keluaran.
1. Untuk `ListAgg` dan`ListAgg distinct`:
1. Pilih kolom untuk agregat.
1. Pilih pemisah (koma, tanda hubung, titik koma, atau garis vertikal).
1. Pratinjau data yang dirangkum.
**Fungsi yang didukung per tipe data**
| Tipe data | Fungsi yang Didukung |
| --- | --- |
| Numerik | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` |
| Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (hanya untuk tanggal) |
| String | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` |
**Fitur utama**
+ Menerapkan fungsi agregasi yang berbeda ke kolom dalam langkah yang sama.
+ **Kelompokkan** tanpa fungsi agregasi bertindak sebagai SQL SELECT DISTINCT.
+ `ListAgg`menggabungkan semua nilai; hanya `ListAgg distinct` mencakup nilai unik.
+ `ListAgg`fungsi mempertahankan urutan pengurutan menaik secara default.
**Catatan penggunaan**
+ Agregasi secara signifikan mengurangi jumlah baris dalam kumpulan data Anda.
+ `ListAgg`dan `ListAgg distinct` mendukung `date` nilai-nilai tetapi tidak`datetime`.
+ Gunakan pemisah untuk menyesuaikan output rangkaian string.
## Filter
Langkah Filter memungkinkan Anda untuk mempersempit dataset Anda dengan memasukkan hanya baris yang memenuhi kriteria tertentu. Anda dapat menerapkan beberapa kondisi filter dalam satu langkah, semuanya digabungkan melalui `AND` logika untuk membantu memfokuskan analisis Anda pada data yang relevan.
**Konfigurasi**
Untuk mengkonfigurasi langkah Filter, di panel **Konfigurasi**:
1. Pilih kolom untuk difilter.
1. Pilih operator perbandingan.
1. Tentukan nilai filter berdasarkan tipe data kolom.
1. Tambahkan kondisi filter tambahan di kolom yang berbeda jika diperlukan.
**catatan**
String filter dengan “is in” atau “is not in”: Masukkan beberapa nilai (satu per baris).
Filter numerik dan tanggal: Masukkan nilai tunggal (kecuali “antara” yang membutuhkan dua nilai).
**Operator yang didukung per tipe data**
| Tipe data | Operator yang Didukung |
| --- | --- |
| Integer dan Desimal | Sama, tidak sama Lebih besar dari, kurang dari Lebih besar dari atau sama dengan, kurang dari atau sama dengan Adalah antara |
| Date | Setelah, Sebelum Adalah antara Apakah setelah atau sama dengan, Apakah sebelum atau sama dengan |
| String | Sama, tidak sama Dimulai dengan, Berakhir dengan Berisi, Tidak mengandung Ada di dalam, Tidak di |
**Catatan penggunaan**
+ Terapkan beberapa kondisi filter dalam satu langkah.
+ Campur kondisi di berbagai tipe data.
+ Pratinjau hasil yang difilter secara real-time.
## Pivot
Langkah Pivot mengubah nilai baris menjadi kolom unik, mengubah data dari format panjang ke format lebar untuk perbandingan dan analisis yang lebih mudah. Transformasi ini memerlukan spesifikasi untuk penyaringan nilai, agregasi, dan pengelompokan untuk mengelola kolom keluaran secara efektif.
**Konfigurasi**
Untuk mengonfigurasi langkah Pivot, gunakan yang berikut ini di panel **Konfigurasi**:
1. **Kolom pivot**: Pilih kolom yang nilainya akan menjadi header kolom (misalnya, Kategori).
1. **Nilai baris kolom pivot: Filter nilai** spesifik untuk disertakan (misalnya, Teknologi, Perlengkapan Kantor).
1. **Header kolom keluaran: Sesuaikan header** kolom baru (default ke nilai kolom pivot).
1. **Kolom nilai**: Pilih kolom untuk digabungkan (misalnya, Penjualan).
1. **Fungsi agregasi**: Pilih metode agregasi (misalnya, Jumlah).
1. **Kelompokkan menurut**: Tentukan kolom pengorganisasian (misalnya, Segmen).
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/pivot.png)
**Operator yang didukung per tipe data**
| Tipe data | Operator yang Didukung |
| --- | --- |
| Integer dan Desimal | `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min` |
| Date | `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (hanya nilai tanggal) |
| String | `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min` |
**Catatan penggunaan**
+ Setiap kolom berputar berisi nilai agregat dari kolom nilai.
+ Sesuaikan header kolom untuk kejelasan.
+ Pratinjau hasil transformasi secara real-time.
## Unpivot
Langkah Unpivot mengubah kolom menjadi baris, mengubah data lebar menjadi format yang lebih panjang dan lebih sempit. Transformasi ini membantu mengatur penyebaran data di beberapa kolom ke dalam format yang lebih terstruktur untuk analisis dan visualisasi yang lebih mudah.
**Konfigurasi**
**Untuk mengkonfigurasi langkah Unpivot, di panel Konfigurasi:**
1. Pilih kolom untuk unpivot menjadi baris.
1. Tentukan nilai baris kolom keluaran. Defaultnya adalah nama kolom asli. Beberapa contoh termasuk Teknologi, Perlengkapan Kantor, dan Perabotan.
1. Beri nama dua kolom output baru.
+ **Header kolom unpivoted**: Nama untuk nama kolom sebelumnya (misalnya, Kategori)
+ **Nilai kolom unpivoted: Nama untuk nilai** unpivoted (mis., Penjualan)
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/unpivot.png)
**Fitur utama**
+ Mempertahankan semua kolom non-unpivoted dalam output.
+ Membuat dua kolom baru secara otomatis: satu untuk nama kolom sebelumnya dan satu untuk nilai yang sesuai.
+ Mengubah data yang luas menjadi format panjang.
**Catatan penggunaan**
+ Semua kolom yang tidak diputar harus memiliki tipe data yang kompatibel.
+ Jumlah baris biasanya meningkat setelah unpivoting.
+ Pratinjau perubahan secara real-time sebelum menerapkannya.
# Kemampuan alur kerja tingkat lanjut
Pengalaman persiapan data Amazon Quick Sight menawarkan fitur-fitur canggih yang meningkatkan kemampuan Anda untuk membuat transformasi data yang kompleks dan dapat digunakan kembali. Bagian ini mencakup dua kemampuan kuat yang memperluas potensi alur kerja Anda.
Divergensi memungkinkan Anda membuat beberapa jalur transformasi dari satu langkah, memungkinkan aliran pemrosesan paralel yang dapat digabungkan kembali nanti. Kemampuan ini sangat berharga untuk skenario kompleks seperti self-joins dan parallel transformation.
Kumpulan Data Komposit memungkinkan Anda membangun struktur data hierarkis dengan menggunakan kumpulan data yang ada sebagai blok bangunan. Fitur ini mempromosikan kolaborasi antar tim dan memastikan logika bisnis yang konsisten melalui transformasi berlapis yang dapat digunakan kembali.
Kemampuan ini bekerja sama untuk menyediakan desain alur kerja yang fleksibel, kolaborasi tim yang ditingkatkan, dan transformasi data yang dapat digunakan kembali. Mereka memastikan garis keturunan data yang jelas dan memungkinkan solusi persiapan data yang dapat diskalakan, memberdayakan organisasi Anda untuk menangani skenario data yang semakin kompleks dengan efisiensi dan kejelasan.
## Divergensi
Divergensi memungkinkan Anda membuat beberapa jalur transformasi paralel dari satu langkah dalam alur kerja Anda. Jalur ini dapat diubah secara independen dan kemudian digabungkan kembali, memungkinkan skenario persiapan data yang kompleks seperti self-join.
**Membuat jalur yang berbeda**
Untuk memulai Divergensi, dalam alur kerja Anda:
1. Pilih langkah di mana Anda ingin membuat divergensi.
1. Pilih ikon **\$1** yang muncul.
1. Konfigurasikan cabang baru yang muncul.
1. Terapkan transformasi yang Anda inginkan ke setiap jalur.
1. Gunakan langkah-langkah Gabung atau Tambahkan untuk menggabungkan kembali jalur menjadi satu output.
![\[alt text not found\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/images/divergence.png)
**Fitur utama**
+ Menciptakan hingga lima jalur yang berbeda dari satu langkah.
+ Menerapkan transformasi yang berbeda untuk setiap jalur.
+ Menggabungkan kembali jalur menggunakan langkah Gabung atau Tambahkan.
+ Pratinjau berubah di setiap jalur secara independen.
**Praktik terbaik**
+ Gunakan divergensi untuk menerapkan self-joins.
+ Buat salinan data untuk transformasi paralel.
+ Rencanakan strategi rekombinasi Anda (Bergabung atau Tambahkan).
+ Pertahankan penamaan jalur yang jelas untuk visibilitas alur kerja yang lebih baik.
## Kumpulan Data Komposit
Kumpulan Data Komposit memungkinkan Anda membangun kumpulan data yang ada, membuat struktur transformasi data hierarkis yang dapat dibagikan dan digunakan kembali di seluruh organisasi Anda. Quick Sight mendukung hingga 10 tingkat kumpulan data komposit dalam mode SPICE dan Direct Query.
**Membuat kumpulan data komposit**
Untuk membuat kumpulan data komposit, dalam alur kerja Anda:
1. Pilih langkah Input saat membuat dataset baru.
1. Pilih **Dataset** sebagai sumber Anda di bawah **Tambahkan Data**.
1. Pilih kumpulan data yang ada untuk dibangun.
1. Terapkan transformasi tambahan sesuai kebutuhan.
1. Simpan sebagai dataset baru.
**Fitur utama**
+ Membangun struktur transformasi data hierarkis.
+ Mendukung hingga 10 tingkat penyarangan kumpulan data.
+ Kompatibel dengan SPICE dan Direct Query.
+ Mempertahankan garis keturunan data yang jelas.
+ Memungkinkan transformasi khusus tim.
Fitur ini meningkatkan kolaborasi di berbagai tim. Misalnya,
| Peran | Tindakan | Output |
| --- | --- | --- |
| Analis Global | Membuat dataset dengan logika bisnis global | Dataset A |
| Analis Amerika | Menggunakan Dataset A, menambahkan logika regional | Dataset B |
| Analis AS-Barat | Menggunakan Dataset B, menambahkan logika lokal | Dataset C |
Pendekatan hierarkis ini mempromosikan logika bisnis yang konsisten di seluruh organisasi Anda dengan menetapkan kepemilikan yang jelas atas lapisan transformasi. Ini menciptakan garis keturunan data yang dapat dilacak sambil mendukung hingga 10 tingkat penyarangan kumpulan data, memungkinkan manajemen transformasi data yang terkontrol dan sistematis.
**Praktik terbaik**
+ Tetapkan kepemilikan yang jelas untuk setiap lapisan transformasi.
+ Mendokumentasikan hubungan dan dependensi kumpulan data.
+ Rencanakan kedalaman hierarki berdasarkan kebutuhan bisnis.
+ Pertahankan konvensi penamaan yang konsisten.
+ Tinjau dan perbarui kumpulan data hulu dengan cermat.
# Fitur khusus rempah-rempah
SPICE Amazon Quick Sight (Super-cepat, Paralel, Mesin Perhitungan Dalam Memori) memungkinkan fitur persiapan data intensif komputasi tertentu. Transformasi ini diwujudkan dalam SPICE untuk kinerja yang optimal, daripada dieksekusi pada waktu kueri.
**Fitur khusus rempah-rempah**
| Langkah-langkah | Kemampuan lainnya |
| --- | --- |
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/spice-only-features.html) |
**Fitur yang tersedia di SPICE dan DirectQuery**
| Langkah-langkah | Kemampuan lainnya |
| --- | --- |
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/spice-only-features.html) | [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/quick/latest/userguide/spice-only-features.html) |
**Praktik terbaik**
+ Gunakan SPICE untuk alur kerja yang membutuhkan fitur khusus Spice.
+ Pilih SPICE untuk mengoptimalkan kinerja untuk transformasi kompleks dan kumpulan data besar.
+ Pertimbangkan DirectQuery untuk kebutuhan data real-time ketika fitur khusus Spice tidak diperlukan.
# Beralih di antara pengalaman persiapan data
Pengalaman persiapan data lama mengacu pada antarmuka persiapan data sebelumnya di Amazon Quick Sight yang ada sebelum Oktober 2025. Pengalaman persiapan data baru adalah antarmuka visual yang disempurnakan yang menunjukkan urutan step-by-step transformasi. Kumpulan data lama adalah yang dibuat sebelum pengalaman persiapan data baru, sedangkan kumpulan data baru dibuat setelah Oktober 2025.
Saat membuat kumpulan data baru, Quick Sight secara otomatis mengarahkan Anda ke pengalaman persiapan data baru. Antarmuka visual ini menawarkan kemampuan yang ditingkatkan dan peningkatan kegunaan untuk tugas transformasi data.
## Opsi opt-out
Sebelum menyimpan dan menerbitkan kumpulan data, Anda memiliki opsi untuk beralih kembali ke pengalaman persiapan data lama, jika diinginkan. Fleksibilitas ini memungkinkan tim untuk bertransisi dengan kecepatan mereka sendiri sambil menjadi akrab dengan antarmuka baru.
**penting**
Jika kumpulan data disimpan dan dipublikasikan dalam pengalaman baru, tidak akan ada opsi untuk kembali ke pengalaman lama. Ini adalah desain, karena pengalaman baru memiliki fitur baru yang signifikan yang tidak didukung dalam pengalaman warisan. Oleh karena itu secara langsung mengonversi kumpulan data dari satu pengalaman ke pengalaman lain tidak didukung. Anda perlu membuat kumpulan data baru untuk beralih ke pengalaman lama.
## Alur kerja transisi
Setelah kumpulan data disimpan dalam pengalaman baru atau lama, transformasi tidak dapat langsung dikonversi dari satu pengalaman ke pengalaman lainnya. Namun, jika ada versi kumpulan data yang diterbitkan, Anda dapat menggunakan kontrol versi untuk membuka versi sebelumnya yang mungkin ada dalam pengalaman lama.
Kumpulan data lama akan terus dapat diakses untuk dilihat dan diedit secara eksklusif melalui antarmuka lama. Ini menjaga kompatibilitas dengan alur kerja yang telah ditetapkan sebelumnya.
Sebelum sepenuhnya beralih, luangkan waktu untuk membiasakan diri dengan pengalaman persiapan data baru. Saat bekerja dengan kumpulan data lama, pertimbangkan untuk membuat versi baru menggunakan pengalaman baru untuk modifikasi masa depan. Gunakan kontrol versi untuk mempertahankan akses ke versi lama kumpulan data jika diperlukan. Dokumentasikan setiap perubahan dalam alur kerja saat beralih dari pengalaman lama ke pengalaman baru untuk memastikan keselarasan tim.
# Fitur yang tidak didukung dalam pengalaman persiapan data baru
Meskipun pengalaman persiapan data baru menawarkan kemampuan yang ditingkatkan, beberapa fitur dari pengalaman lama belum didukung. Bagian ini menguraikan fitur-fitur ini dan memberikan panduan untuk menangani alur kerja yang terpengaruh.
Saat menggunakan sumber data yang tidak didukung, Amazon Quick Sight secara otomatis default ke pengalaman lama. Untuk fitur lain yang tidak didukung, pilih **Beralih ke pengalaman lama** di sudut kanan atas halaman persiapan data. Aturan Dataset yang dibuat dalam pengalaman lama tetap kompatibel dengan kumpulan data lama dan pengalaman baru.
## Sumber data yang tidak didukung
Sumber data berikut saat ini hanya tersedia dalam pengalaman lama.
| Sumber Data | Detail |
| --- | --- |
| Salesforce | Secara otomatis default ke pengalaman lama |
| Google Spreadsheet | Secara otomatis default ke pengalaman lama |
| Analitik S3 | **Sumber data S3 didukung** |
## Fitur lain yang tidak didukung
Fitur-fitur berikut saat ini hanya tersedia dalam pengalaman lama.
| Kategori Fitur | Fitur yang tidak didukung |
| --- | --- |
| Manajemen Dataset | [Penyegaran tambahan](refreshing-imported-data.md#refresh-spice-data-incremental)[, [parameter Dataset](dataset-parameters.md), [Folder kolom, Deskripsi kolom](organizing-fields-folder.md)](describing-data.md) |
| Jenis Data | [Geospasial](geospatial-data-prep.md)[, [format ELF/CLF](supported-data-sources.md#file-data-sources), Zip/file dalam S3 GZip ](supported-data-sources.md#file-data-sources) |
| Opsi konfigurasi | [“Mulai dari baris” dalam pengaturan unggahan file](choosing-file-upload-settings.md), format tanggal JODA |
| Pemilihan dataset induk dari pengalaman lama | Kumpulan data induk dan anak harus ada di lingkungan pengalaman yang sama. Anda tidak dapat menggunakan kumpulan data pengalaman lama sebagai induk untuk kumpulan data pengalaman baru. |
## Pengembangan masa depan
Amazon Quick Sight berencana untuk mengimplementasikan fitur-fitur ini dalam pengalaman persiapan data baru di masa depan. Pendekatan ini memastikan bahwa peluncuran awal untuk pengalaman persiapan data baru memprioritaskan:
**Kemampuan yang ditingkatkan**
+ Alur kerja transformasi visual
+ Transparansi proses yang ditingkatkan
+ Teknik persiapan lanjutan melalui Divergence
+ Fitur baru yang kuat seperti Append, Aggregate, dan Pivot
**Adopsi yang fleksibel**
Pengguna dapat memilih di antara pengalaman sebelum mempublikasikan kumpulan data, memastikan alur kerja yang tidak terputus saat tim bertransisi dengan kecepatan mereka sendiri. Pendekatan ini memungkinkan akses langsung ke kemampuan baru sambil mempertahankan dukungan untuk persyaratan khusus melalui pengalaman warisan.
# Batas persiapan data
Pengalaman persiapan data Amazon Quick Sight dirancang untuk menangani kumpulan data skala perusahaan sambil mempertahankan kinerja optimal. Batasan berikut memastikan fungsionalitas yang andal.
## Batas ukuran set data (SPICE)
+ **Ukuran output**: Hingga 2TB atau 2 miliar baris
+ **Ukuran input total**: Sumber input gabungan tidak dapat melebihi 2TB
+ **Ukuran tabel sekunder**: Ukuran gabungan dibatasi hingga 20GB
**catatan**
Tabel primer adalah tabel dengan ukuran maxiumum dalam alur kerja; yang lainnya sekunder.
## Batas struktur alur kerja
+ **Langkah maksimum**: Hingga 256 langkah transformasi per alur kerja
+ **Tabel sumber**: Maksimum 32 langkah impor per alur kerja
+ **Kolom keluaran**: Hingga 2048 kolom pada setiap langkah dalam alur kerja dan tabel keluaran akhir dengan 2000 kolom
+ **Jalur divergen**: Maksimum 5 jalur dari satu langkah (hanya SPICE, tidak berlaku untuk DirectQuery)
+ **Dataset sebagai sumber**: Hingga 10 level untuk SPICE dan DirectQuery
Batasan ini dirancang untuk menyeimbangkan fleksibilitas dengan kinerja, memungkinkan transformasi data yang kompleks sambil memastikan kemampuan analisis yang optimal.
# Perubahan perilaku menelan
Pengalaman persiapan data baru memperkenalkan perubahan penting dalam bagaimana masalah kualitas data ditangani selama konsumsi SPICE. Perubahan ini secara signifikan memengaruhi kelengkapan dan transparansi data dalam kumpulan data Anda.
Dalam pengalaman lama, saat menghadapi inkonsistensi tipe data (seperti format tanggal yang salah atau [masalah serupa](errors-spice-ingestion.md)), seluruh baris yang berisi sel bermasalah dilewati selama konsumsi. Pendekatan ini menghasilkan lebih sedikit baris dalam kumpulan data akhir, yang berpotensi mengaburkan masalah kualitas data.
Pengalaman baru ini mengambil pendekatan yang lebih terperinci terhadap inkonsistensi data. Saat menghadapi sel bermasalah, hanya nilai yang tidak konsisten yang dikonversi ke nilai nol sambil mempertahankan seluruh baris. Pelestarian ini memastikan bahwa data terkait di kolom lain tetap dapat diakses untuk dianalisis.
**Dampak pada kualitas dataset**
Kumpulan data yang dibuat dalam pengalaman baru biasanya akan berisi lebih banyak baris daripada rekan lama mereka ketika data sumber mengandung inkonsistensi. Pendekatan yang disempurnakan ini menawarkan beberapa manfaat:
+ Peningkatan kelengkapan data dengan mempertahankan semua baris
+ Transparansi yang lebih besar dalam mengidentifikasi masalah kualitas data
+ Visibilitas yang lebih baik dari nilai-nilai bermasalah untuk remediasi
+ Pelestarian data terkait di kolom yang tidak terpengaruh
Perubahan ini memungkinkan analis untuk mengidentifikasi dan mengatasi masalah kualitas data secara lebih efektif, daripada menghilangkan baris bermasalah secara diam-diam dari kumpulan data.
# Pertanyaan umum
## 1. Kapan pengguna perlu beralih dari pengalaman baru ke lama?
[Pengguna harus kembali ke pengalaman lama saat bekerja dengan kumpulan data yang berisi fitur yang saat ini tidak didukung.](unsupported-features.md) Quick Sight secara aktif bekerja untuk menggabungkan fitur-fitur ini ke dalam pengalaman baru dalam rilis mendatang.
## 2. Mengapa kumpulan data berwarna abu-abu saat mencoba menambahkannya dalam pengalaman baru? Dapatkah kumpulan data digabungkan antara pengalaman lama dan pengalaman baru?
Saat ini, kumpulan data induk dan anak harus ada dalam lingkungan pengalaman yang sama. Anda tidak dapat menggabungkan kumpulan data di seluruh pengalaman lama dan baru karena pengalaman baru mencakup fitur tambahan yang tidak tersedia dalam warisan, seperti fungsi Append, kemampuan Pivot, dan Divergence.
**Menggunakan kumpulan data induk dari pengalaman lama**
Untuk menggunakan kumpulan data induk dari pengalaman lama, Anda dapat beralih kembali ke lingkungan tersebut. Cukup navigasikan ke halaman persiapan data dan pilih **Beralih kembali ke pengalaman lama** di pojok kanan atas. Sesampai di sana, Anda dapat membuat kumpulan data anak Anda sesuai kebutuhan.
**Pengembangan masa depan**
Kami berencana untuk menerapkan fungsionalitas yang memungkinkan pengguna untuk meningkatkan kumpulan data lama ke pengalaman baru. Jalur yang ditingkatkan ini akan memungkinkan penggunaan kumpulan data induk lama dalam pengalaman baru.
## 3. Mengapa Quick Sight meluncurkan pengalaman persiapan data baru sebelum mencapai paritas fitur lengkap dengan pengalaman lama?
Pengalaman persiapan data baru dikembangkan melalui kolaborasi pelanggan yang luas untuk mengatasi tantangan analitik dunia nyata. Peluncuran awal memprioritaskan:
**Kemampuan yang ditingkatkan**
+ Alur kerja transformasi visual
+ Transparansi proses yang ditingkatkan
+ Teknik persiapan lanjutan melalui Divergence
+ Fitur baru yang kuat seperti Append, Aggregate, dan Pivot
**Adopsi yang fleksibel**
Pengguna dapat memilih di antara pengalaman sebelum menerbitkan kumpulan data, memastikan alur kerja yang tidak terputus saat tim bertransisi dengan kecepatan mereka sendiri. Pendekatan ini memungkinkan akses langsung ke kemampuan baru sambil mempertahankan dukungan untuk persyaratan khusus melalui pengalaman warisan.
## 4. Apakah fitur yang saat ini hanya tersedia dalam pengalaman lama ditambahkan ke pengalaman baru?
Ya. Quick Sight secara aktif bekerja untuk menggabungkan fitur lama ke dalam pengalaman baru.
## 5. Bagaimana perubahan API memengaruhi skrip pembuatan kumpulan data yang ada?
Quick Sight mempertahankan kompatibilitas mundur sambil memperkenalkan kemampuan baru:
+ Skrip yang Ada: Skrip API lama akan terus berfungsi, membuat kumpulan data dalam pengalaman lama
+ Penamaan API: Nama API saat ini tetap tidak berubah
+ Fungsionalitas Baru: Format API tambahan mendukung kemampuan pengalaman baru yang ditingkatkan
+ Dokumentasi: Spesifikasi API lengkap untuk pengalaman baru tersedia di referensi API kami
## 6. Dapatkah kumpulan data dikonversi antar pengalaman setelah publikasi?
+ Future Migration Path: Quick Sight akan menambahkan fitur di masa depan untuk dengan mudah memigrasikan kumpulan data lama ke pengalaman baru.
+ Proses Satu Arah: Mengonversi kumpulan data dari pengalaman baru ke format lama tidak didukung karena dependensi fitur lanjutan