Analiza si hay problemas de calidad de los datos

En este documento, se explica cómo usar BigQuery y Dataplex Universal Catalog en conjunto para garantizar que los datos cumplan con las expectativas de calidad. La calidad de los datos automática de Dataplex Universal Catalog te permite definir y medir la calidad de los datos en tus tablas de BigQuery. Puedes automatizar el análisis de los datos, validarlos en función de reglas definidas y registrar alertas si no cumplen con los requisitos de calidad.

Para obtener más información sobre la calidad de los datos automáticos, consulta la descripción general de la calidad de los datos automáticos.

Nota: En los pasos de este documento, se muestra cómo administrar los análisis de calidad de los datos en tu proyecto. También puedes crear y administrar análisis de calidad de los datos cuando trabajas con una tabla específica. Para obtener más información, consulta la sección Administra los análisis de calidad de los datos para una tabla específica de este documento.

Antes de comenzar

1. Enable the Dataplex API.

   Enable the API

2. Opcional: Si quieres que Dataplex Universal Catalog genere recomendaciones para las reglas de calidad de los datos según los resultados de un análisis de perfil de datos, crea y ejecuta el análisis de perfil de datos.

Roles requeridos

• Para ejecutar un análisis de calidad de los datos en una tabla de BigQuery, necesitas permiso para leer la tabla de BigQuery y permiso para crear un trabajo de BigQuery en el proyecto que se usa para analizar la tabla.

  Nota: Dataplex Universal Catalog no crea un trabajo de BigQuery en tu proyecto. Sin embargo, necesitas este permiso para crear un trabajo DryRun y verificar los permisos de la tabla.

• Si la tabla de BigQuery y el análisis de calidad de los datos están en proyectos diferentes, debes otorgar a la cuenta de servicio de Dataplex Universal Catalog del proyecto que contiene el análisis de calidad de los datos permiso de lectura para la tabla de BigQuery correspondiente.

  Nota: Si no creaste ningún análisis de calidad de los datos o de perfil de datos, o bien no tienes un lake de Dataplex Universal Catalog en este proyecto, crea un identificador de servicio ejecutando gcloud beta services identity create --service=dataplex.googleapis.com. Este comando devuelve un identificador de servicio de Dataplex Universal Catalog si existe.

• Si las reglas de calidad de los datos hacen referencia a tablas adicionales, la cuenta de servicio del proyecto de análisis debe tener permisos de lectura en las mismas tablas.

• Para obtener los permisos que necesitas para exportar los resultados del análisis a una tabla de BigQuery, pídele a tu administrador que le otorgue a la cuenta de servicio del catálogo universal de Dataplex el rol de IAM de editor de datos de BigQuery (roles/bigquery.dataEditor) en el conjunto de datos y la tabla de resultados. Esto otorga los siguientes permisos:

  • bigquery.datasets.get
  • bigquery.tables.create
  • bigquery.tables.get
  • bigquery.tables.getData
  • bigquery.tables.update
  • bigquery.tables.updateData

• Si los datos de BigQuery están organizados en un lago de Dataplex Universal Catalog, otorga a la cuenta de servicio de Dataplex Universal Catalog los roles de IAM de Dataplex Metadata Reader (roles/dataplex.metadataReader) y Dataplex Viewer (roles/dataplex.viewer). Como alternativa, necesitas todos los siguientes permisos:

  • dataplex.lakes.list
  • dataplex.lakes.get
  • dataplex.zones.list
  • dataplex.zones.get
  • dataplex.entities.list
  • dataplex.entities.get
  • dataplex.operations.get

• Si analizas una tabla externa de BigQuery desde Cloud Storage, otorga a la cuenta de servicio de Dataplex Universal Catalog el rol de visualizador de objetos de almacenamiento (roles/storage.objectViewer) para el bucket. Como alternativa, asigna a la cuenta de servicio de Dataplex Universal Catalog los siguientes permisos:

  • storage.buckets.get
  • storage.objects.get

• Si deseas publicar los resultados del análisis de calidad de los datos como metadatos del catálogo universal de Dataplex, debes tener el rol de IAM de editor de datos de BigQuery (roles/bigquery.dataEditor) para la tabla y el permiso dataplex.entryGroups.useDataQualityScorecardAspect en el grupo de entradas @bigquery en la misma ubicación que la tabla. Como alternativa, se te debe otorgar el rol de editor de Dataplex Catalog (roles/dataplex.catalogEditor) para el grupo de entradas @bigquery en la misma ubicación que la tabla.

  Como alternativa, necesitas todos los siguientes permisos:

  • bigquery.tables.update: En la mesa
  • dataplex.entryGroups.useDataQualityScorecardAspect: En el grupo de entrada @bigquery

  O bien, necesitas todos los siguientes permisos:

  • dataplex.entries.update: En el grupo de entrada @bigquery
  • dataplex.entryGroups.useDataQualityScorecardAspect: En el grupo de entrada @bigquery

• Si necesitas acceder a columnas protegidas por políticas de acceso a nivel de columna de BigQuery, asigna permisos de la cuenta de servicio de Dataplex Universal Catalog para esas columnas. El usuario que crea o actualiza un análisis de datos también necesita permisos para las columnas.

• Si una tabla tiene habilitadas las políticas de acceso a nivel de la fila de BigQuery, solo puedes analizar las filas visibles para la cuenta de servicio de Dataplex Universal Catalog. Ten en cuenta que los privilegios de acceso del usuario individual no se evalúan para las políticas a nivel de las filas.

Roles requeridos para el análisis de datos

Para usar la calidad de los datos automática, pídele a tu administrador que te otorgue uno de los siguientes roles de IAM:

• Acceso completo a los recursos de DataScan: Administrador de DataScan de Dataplex (roles/dataplex.dataScanAdmin)
• Para crear recursos de DataScan: Creador de Dataplex DataScan (roles/dataplex.dataScanCreator) en el proyecto
• Acceso de escritura a los recursos de DataScan: Editor de DataScan de Dataplex (roles/dataplex.dataScanEditor)
• Acceso de lectura a los recursos de DataScan, excepto las reglas y los resultados: Visualizador de DataScan de Dataplex (roles/dataplex.dataScanViewer)
• Acceso de lectura a los recursos de DataScan, incluidas las reglas y los resultados: Visualizador de datos de DataScan de Dataplex (roles/dataplex.dataScanDataViewer)

En la siguiente tabla, se enumeran los permisos de DataScan:

Nombre del permiso	Otorga permiso para realizar las siguientes acciones:
dataplex.datascans.create	Crea una DataScan
dataplex.datascans.delete	Borra una DataScan
dataplex.datascans.get	Ver metadatos operativos, como el ID o la programación, pero no los resultados ni las reglas
dataplex.datascans.getData	Consulta los detalles de DataScan, incluidas las reglas y los resultados
dataplex.datascans.list	Enumera DataScans
dataplex.datascans.run	Ejecuta una DataScan
dataplex.datascans.update	Actualiza la descripción de un DataScan
dataplex.datascans.getIamPolicy	Visualiza los permisos de IAM actuales en el análisis
dataplex.datascans.setIamPolicy	Establece permisos de IAM en el análisis

Crea un análisis de calidad de los datos

Console

1. En la consola de Google Cloud , en la página Curación de metadatos de BigQuery, ve a la pestaña Generación de perfiles de datos y calidad.

   Ir a Creación de perfiles de datos y calidad

2. Haz clic en Crear análisis de calidad de los datos.

3. En la ventana Define scan, completa los siguientes campos:

   1. Opcional: Ingresa un nombre visible.

   2. Ingresa un ID. Consulta las convenciones de nomenclatura de recursos.

   3. Escribe una descripción (opcional).

   4. En el campo Tabla, haz clic en Explorar. Elige la tabla que deseas analizar y, luego, haz clic en Seleccionar. Solo se admiten las tablas estándar de BigQuery.

      Para las tablas en conjuntos de datos multirregionales, elige una región en la que se creará el análisis de datos.

      Para explorar las tablas organizadas en los lakes de Dataplex Universal Catalog, haz clic en Browse within Dataplex Lakes.

   5. En el campo Alcance, elige Incremental o Datos completos.

      • Si eliges Incremental, en el campo Columna de marca de tiempo, selecciona una columna de tipo DATE o TIMESTAMP de tu tabla de BigQuery que aumente a medida que se agreguen registros nuevos y que se pueda usar para identificar registros nuevos. Puede ser una columna que particiona la tabla.

   6. Para filtrar tus datos, selecciona la casilla de verificación Filtrar filas. Proporciona un filtro de filas que consta de una expresión de SQL válida que se puede usar como parte de una cláusula WHERE en la sintaxis de GoogleSQL. Por ejemplo, col1 >= 0. El filtro puede ser una combinación de varias condiciones de columna. Por ejemplo, col1 >= 0 AND col2 < 10.

   7. Para muestrear tus datos, en la lista Tamaño de muestreo, selecciona un porcentaje de muestreo. Elige un valor de porcentaje entre 0.0% y 100.0% con hasta 3 dígitos decimales. Para conjuntos de datos más grandes, elige un porcentaje de muestreo más bajo. Por ejemplo, para una tabla de 1 PB, si ingresas un valor entre el 0.1% y el 1.0%, el análisis de calidad de los datos tomará muestras de entre 1 y 10 TB de datos. En el caso de los análisis de datos incrementales, el análisis de calidad de los datos aplica un muestreo al incremento más reciente.

   8. Para publicar los resultados del análisis de calidad de los datos como metadatos de Dataplex Universal Catalog, selecciona la casilla de verificación Publicar los resultados en BigQuery y Dataplex Catalog.

      Puedes ver los resultados del análisis más recientes en la pestaña Calidad de los datos de las páginas de BigQuery y Dataplex Universal Catalog de la tabla de origen. Para permitir que los usuarios accedan a los resultados del análisis publicado, consulta la sección Otorga acceso a los resultados del análisis de perfil de datos de este documento.

   9. En la sección Programación, elige una de las siguientes opciones:

      • Repetir: Ejecuta el análisis de calidad de los datos según un programa: por hora, por día, por semana, por mes o personalizado. Especifica la frecuencia con la que se ejecuta el análisis y a qué hora. Si eliges la opción personalizada, usa el formato cron para especificar el programa.

      • A pedido: Ejecuta el análisis de calidad de los datos a pedido.

   10. Haz clic en Continuar.

4. En la ventana Reglas de calidad de los datos, define las reglas que se configurarán para este análisis de calidad de los datos.

   1. Haz clic en Agregar reglas y, luego, elige una de las siguientes opciones.

      • Recomendaciones basadas en perfiles: Crea reglas a partir de las recomendaciones basadas en un análisis de perfil de datos existente.

        1. Elegir columnas: Selecciona las columnas para las que deseas obtener reglas recomendadas.

        2. Elegir proyecto para analizar: Si el análisis de perfil de datos se encuentra en un proyecto diferente del proyecto en el que estás creando el análisis de calidad de los datos, selecciona el proyecto desde el que se extraerán los análisis de perfil.

        3. Elegir resultados de perfil: Selecciona uno o más resultados de perfil y, luego, haz clic en Aceptar. Esto completará una lista de reglas sugeridas que puedes usar como punto de partida.

        4. Selecciona la casilla de verificación de las reglas que deseas agregar y, luego, haz clic en Seleccionar. Una vez que las selecciones, las reglas se agregarán a tu lista de reglas actual. Luego, puedes editar las reglas.

      • Tipos de reglas integradas: Crea reglas a partir de reglas predefinidas. Consulta la lista de reglas predefinidas.

        1. Elegir columnas: Selecciona las columnas para las que deseas seleccionar reglas.

        2. Elige tipos de reglas: Selecciona los tipos de reglas que quieras elegir y, luego, haz clic en Aceptar. Los tipos de reglas que aparecen dependen de las columnas que seleccionaste.

        3. Selecciona la casilla de verificación de las reglas que deseas agregar y, luego, haz clic en Seleccionar. Una vez que las selecciones, las reglas se agregarán a tu lista de reglas actual. Luego, puedes editar las reglas.

      • Regla de verificación de fila de SQL: Crea una regla de SQL personalizada para aplicar a cada fila.

        1. En Dimensión, elige una dimensión.

        2. En Umbral de aprobación, elige un porcentaje de registros que deben aprobar la verificación.

        3. En Nombre de la columna, elige una columna.

        4. En el campo Proporciona una expresión en SQL, ingresa una expresión en SQL que se evalúe como un valor booleano true (aprobado) o false (reprobado). Para obtener más información, consulta Tipos de reglas de SQL personalizadas compatibles y los ejemplos en Cómo definir reglas de calidad de los datos.

        5. Haz clic en Agregar.

      • Regla de verificación de agregación de SQL: Crea una regla de condición de tabla de SQL personalizada.

        1. En Dimensión, elige una dimensión.

        2. En Nombre de la columna, elige una columna.

        3. En el campo Proporciona una expresión en SQL, ingresa una expresión en SQL que se evalúe como un valor booleano true (aprobado) o false (reprobado). Para obtener más información, consulta Tipos de reglas de SQL personalizadas compatibles y los ejemplos en Cómo definir reglas de calidad de los datos.

        4. Haz clic en Agregar.

      • Regla de aserción de SQL: Crea una regla de aserción de SQL personalizada para verificar si los datos tienen un estado no válido.

        1. En Dimensión, elige una dimensión.

        2. Opcional: En Nombre de la columna, elige una columna.

        3. En el campo Proporciona una instrucción de SQL, ingresa una instrucción de SQL que devuelva las filas que coincidan con el estado no válido. Si se devuelven filas, esta regla falla. Omite el punto y coma final de la instrucción SQL. Para obtener más información, consulta los tipos de reglas de SQL personalizadas compatibles y los ejemplos en Cómo definir reglas de calidad de los datos.

        4. Haz clic en Agregar.

   2. Opcional: Para cualquier regla de calidad de los datos, puedes asignar un nombre de regla personalizado para usarlo en la supervisión y las alertas, y una descripción. Para ello, edita una regla y especifica los siguientes detalles:

      • Nombre de la regla: Ingresa un nombre de regla personalizado con hasta 63 caracteres. El nombre de la regla puede incluir letras (a-z, A-Z), dígitos (0-9) y guiones (-), y debe comenzar con una letra y terminar con un número o una letra.
      • Descripción: Ingresa una descripción de la regla con una longitud máxima de 1,024 caracteres.

   3. Repite los pasos anteriores para agregar reglas adicionales al análisis de calidad de los datos. Cuando termines, haz clic en Continuar.

5. Opcional: Exporta los resultados del análisis a una tabla estándar de BigQuery. En la sección Export scan results to BigQuery table, haz lo siguiente:

   1. En el campo Selecciona un conjunto de datos de BigQuery, haz clic en Explorar. Selecciona un conjunto de datos de BigQuery para almacenar los resultados del análisis de calidad de los datos.

   2. En el campo Tabla de BigQuery, especifica la tabla en la que se almacenarán los resultados del análisis de calidad de los datos. Si usas una tabla existente, asegúrate de que sea compatible con el esquema de la tabla de exportación. Si la tabla especificada no existe, Dataplex Universal Catalog la crea por ti.

      Nota: Puedes usar la misma tabla de resultados para varios análisis de calidad de los datos.

6. Opcional: Agrega etiquetas. Las etiquetas son pares clave-valor que te permiten agrupar objetos relacionados entre sí o con otros recursos de Google Cloud .

7. Opcional: Configura informes de notificaciones por correo electrónico para alertar a las personas sobre el estado y los resultados de un trabajo de análisis de calidad de los datos. En la sección Informe de notificaciones, haz clic en Agregar ID de correo electrónico y, luego, ingresa hasta cinco direcciones de correo electrónico. Luego, selecciona las situaciones para las que deseas enviar informes:

   • Nivel de calidad (<=): Envía un informe cuando un trabajo se completa correctamente con un nivel de calidad de los datos inferior al objetivo especificado. Ingresa una puntuación de calidad objetivo entre 0 y 100.
   • Fallas del trabajo: Envía un informe cuando falla el trabajo, independientemente de los resultados de la calidad de los datos.
   • Finalización del trabajo (correcto o incorrecto): Envía un informe cuando finaliza el trabajo, independientemente de los resultados de la calidad de los datos.

8. Haz clic en Crear.

   Después de crear el análisis, puedes ejecutarlo en cualquier momento haciendo clic en Ejecutar ahora.

gcloud

Para crear un análisis de calidad de los datos, usa el comando gcloud dataplex datascans create data-quality.

Si los datos de origen están organizados en un lake de Dataplex Universal Catalog, incluye la marca --data-source-entity:

gcloud dataplex datascans create data-quality DATASCAN \
    --location=LOCATION \
    --data-quality-spec-file=DATA_QUALITY_SPEC_FILE \
    --data-source-entity=DATA_SOURCE_ENTITY

Si los datos de origen no están organizados en un lake de Dataplex Universal Catalog, incluye la marca --data-source-resource:

gcloud dataplex datascans create data-quality DATASCAN \
    --location=LOCATION \
    --data-quality-spec-file=DATA_QUALITY_SPEC_FILE \
    --data-source-resource=DATA_SOURCE_RESOURCE

Reemplaza las siguientes variables:

• DATASCAN: Es el nombre del análisis de calidad de los datos.
• LOCATION: La región Google Cloud en la que se creará el análisis de la calidad de los datos.
• DATA_QUALITY_SPEC_FILE: Es la ruta de acceso al archivo JSON o YAML que contiene las especificaciones del análisis de calidad de los datos. El archivo puede ser un archivo local o una ruta de acceso de Cloud Storage con el prefijo gs://. Usa este archivo para especificar las reglas de calidad de los datos para el análisis. También puedes especificar detalles adicionales en este archivo, como filtros, porcentaje de muestreo y acciones posteriores al análisis, como la exportación a BigQuery o el envío de informes de notificación por correo electrónico. Consulta la documentación sobre la representación en JSON y la representación de ejemplo en YAML.
• DATA_SOURCE_ENTITY: Es la entidad de Dataplex Universal Catalog que contiene los datos para el análisis de calidad de los datos. Por ejemplo, projects/test-project/locations/test-location/lakes/test-lake/zones/test-zone/entities/test-entity
• DATA_SOURCE_RESOURCE: Es el nombre del recurso que contiene los datos para el análisis de calidad de los datos. Por ejemplo, //bigquery.googleapis.com/projects/test-project/datasets/test-dataset/tables/test-table

REST

Para crear un análisis de calidad de los datos, usa el método dataScans.create.

Si deseas compilar reglas para el análisis de calidad de los datos con recomendaciones de reglas basadas en los resultados de un análisis de perfil de datos, llama al método dataScans.jobs.generateDataQualityRules en el análisis de perfil de datos para obtener las recomendaciones.

Nota: Si tu tabla de BigQuery está configurada con el parámetro Require partition filter establecido en true, usa la columna de partición de BigQuery como filtro de filas del análisis de calidad de los datos o columna de marca de tiempo.

Ejecuta un análisis de calidad de los datos

Console

1. En la consola de Google Cloud , en la página Curación de metadatos de BigQuery, ve a la pestaña Generación de perfiles de datos y calidad.

   Ir a Creación de perfiles de datos y calidad

2. Haz clic en el análisis de calidad de los datos que deseas ejecutar.

3. Haz clic en Ejecutar ahora.

gcloud

Para ejecutar un análisis de calidad de los datos, usa el comando gcloud dataplex datascans run:

gcloud dataplex datascans run DATASCAN \
--location=LOCATION \

Reemplaza las siguientes variables:

• LOCATION: Es la región Google Cloud en la que se creó el análisis de calidad de los datos.
• DATASCAN: Es el nombre del análisis de calidad de los datos.

REST

Para ejecutar un análisis de calidad de los datos, usa el método dataScans.run.

Visualiza los resultados del análisis de calidad de los datos

Console

1. En la consola de Google Cloud , en la página Curación de metadatos de BigQuery, ve a la pestaña Generación de perfiles de datos y calidad.

   Ir a Creación de perfiles de datos y calidad

2. Haz clic en el nombre de un análisis de calidad de los datos.

   • En la sección Descripción general, se muestra información sobre los trabajos más recientes, como cuándo se ejecutó el análisis, la cantidad de registros analizados en cada trabajo, si se aprobaron todas las verificaciones de calidad de los datos y, si hubo errores, la cantidad de verificaciones de calidad de los datos que fallaron.

   • En la sección Configuración del análisis de calidad de los datos, se muestran detalles sobre el análisis.

3. Para ver información detallada sobre un trabajo, como las puntuaciones de calidad de los datos que indican el porcentaje de reglas que se aprobaron, qué reglas fallaron y los registros del trabajo, haz clic en la pestaña Historial de trabajos. Luego, haz clic en un ID de trabajo.

Nota: Si exportaste los resultados del análisis a una tabla de BigQuery, también puedes acceder a ellos desde la tabla. Las puntuaciones de calidad de los datos están disponibles si publicaste los resultados del análisis como metadatos de Dataplex Universal Catalog.

gcloud

Para ver los resultados de un trabajo de análisis de calidad de los datos, usa el comando gcloud dataplex datascans jobs describe:

gcloud dataplex datascans jobs describe JOB \
--location=LOCATION \
--datascan=DATASCAN \
--view=FULL

Reemplaza las siguientes variables:

• JOB: Es el ID del trabajo de análisis de calidad de los datos.
• LOCATION: Es la región de Google Cloud en la que se creó el análisis de calidad de los datos.
• DATASCAN: Es el nombre del análisis de calidad de los datos al que pertenece el trabajo.
• --view=FULL: Para ver el resultado del trabajo de análisis, especifica FULL.

REST

Para ver los resultados de un análisis de calidad de los datos, usa el método dataScans.get.

Visualiza los resultados publicados

Si los resultados del análisis de calidad de los datos se publican como metadatos de Dataplex Universal Catalog, puedes ver los resultados del análisis más recientes en las páginas de BigQuery y Dataplex Universal Catalog de la consola deGoogle Cloud , en la pestaña Calidad de los datos de la tabla de origen.

1. En la consola de Google Cloud , ve a la página BigQuery.

   Ir a BigQuery

2. En el panel Explorador, selecciona la tabla cuyos resultados del análisis de calidad de los datos deseas ver.

3. Haz clic en la pestaña Calidad de los datos.

   Se muestran los resultados publicados más recientes.

   Nota: Es posible que los resultados publicados no estén disponibles si se ejecuta un análisis por primera vez.

Visualiza los resultados del análisis histórico

Dataplex Universal Catalog guarda el historial de análisis de calidad de los datos de los últimos 300 trabajos o del último año, lo que ocurra primero.

Console

1. En la consola de Google Cloud , en la página Curación de metadatos de BigQuery, ve a la pestaña Generación de perfiles de datos y calidad.

   Ir a Creación de perfiles de datos y calidad

2. Haz clic en el nombre de un análisis de calidad de los datos.

3. Haz clic en la pestaña Historial de trabajos.

   La pestaña Historial de trabajos proporciona información sobre los trabajos anteriores, como la cantidad de registros analizados en cada trabajo, el estado del trabajo, la hora en que se ejecutó el trabajo y si cada regla se aprobó o rechazó.

4. Para ver información detallada sobre un trabajo, haz clic en cualquiera de los trabajos de la columna ID del trabajo.

gcloud

Para ver los trabajos históricos de análisis de calidad de los datos, usa el comando gcloud dataplex datascans jobs list:

gcloud dataplex datascans jobs list \
--location=LOCATION \
--datascan=DATASCAN \

Reemplaza las siguientes variables:

• LOCATION: Es la región de Google Cloud en la que se creó el análisis de calidad de los datos.
• DATASCAN: Es el nombre del análisis de calidad de los datos para el que se visualizarán los trabajos históricos.

REST

Para ver los trabajos históricos de análisis de calidad de los datos, usa el método dataScans.jobs.list.

Otorga acceso a los resultados del análisis de calidad de los datos

Para permitir que los usuarios de tu organización vean los resultados del análisis, haz lo siguiente:

1. En la consola de Google Cloud , en la página Curación de metadatos de BigQuery, ve a la pestaña Generación de perfiles de datos y calidad.

   Ir a Creación de perfiles de datos y calidad

2. Haz clic en el análisis de calidad de los datos cuyos resultados quieras compartir.

3. Haz clic en la pestaña Permisos.

4. Haz lo siguiente:

   • Para otorgar acceso a una principal, haz clic en Otorgar acceso. Otorga el rol Visualizador de datos de DataScan de Dataplex a la principal asociada.
   • Para quitar el acceso de una principal, selecciona la principal de la que deseas quitar el rol Visualizador de datos de DataScan de Dataplex. Haz clic en Quitar acceso y, luego, confirma la acción cuando se te solicite.

Soluciona problemas relacionados con una falla en la calidad de los datos

Puedes configurar alertas para las fallas en la calidad de los datos con los registros de Cloud Logging. Para obtener más información, incluidas consultas de muestra, consulta Cómo configurar alertas en Cloud Logging.

Para cada trabajo con reglas a nivel de la fila que fallan, Dataplex Universal Catalog proporciona una consulta para obtener los registros con errores. Ejecuta esta consulta para ver los registros que no coincidieron con tu regla.

Nota: La consulta devuelve todas las columnas de la tabla, no solo la columna failed.

Console

1. En la consola de Google Cloud , en la página Curación de metadatos de BigQuery, ve a la pestaña Generación de perfiles de datos y calidad.

   Ir a Creación de perfiles de datos y calidad

2. Haz clic en el nombre del análisis de calidad de los datos cuyos registros deseas solucionar.

3. Haz clic en la pestaña Historial de trabajos.

4. Haz clic en el ID del trabajo que identificó errores de calidad de los datos.

5. En la ventana de resultados del trabajo que se abre, en la sección Reglas, busca la columna Consulta para obtener registros con errores. Haz clic en Copiar la consulta en el portapapeles para la regla que falló.

6. Ejecuta la consulta en BigQuery para ver los registros que provocaron la falla del trabajo.

gcloud

No compatible.

REST

1. Para obtener el trabajo que identificó errores de calidad de los datos, usa el método dataScans.get.

   En el objeto de respuesta, el campo failingRowsQuery muestra la búsqueda.

2. Ejecuta la consulta en BigQuery para ver los registros que provocaron la falla del trabajo.

Administra los análisis de calidad de los datos de una tabla específica

En los pasos de este documento, se muestra cómo administrar los análisis de calidad de los datos en tu proyecto con la página Curación de metadatos > Generación de perfiles de datos y calidad de BigQuery en la consola deGoogle Cloud .

También puedes crear y administrar análisis de calidad de los datos cuando trabajas con una tabla específica. En la consola de Google Cloud , en la página de BigQuery para la tabla, usa la pestaña Calidad de los datos. Haz lo siguiente:

1. En la consola de Google Cloud , ve a la página BigQuery.

   Ir a BigQuery

   En el panel Explorador, selecciona la tabla.

2. Haz clic en la pestaña Calidad de los datos.

3. Según si la tabla tiene un análisis de calidad de los datos cuyos resultados se publican como metadatos de Dataplex Universal Catalog, puedes trabajar con los análisis de calidad de los datos de la tabla de las siguientes maneras:

   • Se publican los resultados del análisis de calidad de los datos: Los resultados del análisis más reciente se muestran en la página.

     Para administrar los análisis de calidad de los datos de esta tabla, haz clic en Análisis de calidad de los datos y, luego, selecciona una de las siguientes opciones:

     • Crear análisis nuevo: Crea un análisis de calidad de los datos nuevo. Para obtener más información, consulta la sección Crea un análisis de calidad de los datos de este documento. Cuando creas un análisis desde la página de detalles de una tabla, esta se preselecciona.

     • Ejecutar ahora: Ejecuta el análisis.

     • Editar configuración de análisis: Edita la configuración, incluidos el nombre visible, los filtros y la programación.

       Para editar las reglas de calidad de los datos, en la pestaña Calidad de los datos, haz clic en la pestaña Reglas. Haz clic en Modificar reglas. Actualiza las reglas y, luego, haz clic en Guardar.

     • Administrar permisos del análisis: Controla quién puede acceder a los resultados del análisis. Para obtener más información, consulta la sección Otorga acceso a los resultados del análisis de calidad de los datos de este documento.

     • Ver resultados históricos: Consulta información detallada sobre los trabajos de análisis de calidad de los datos anteriores. Para obtener más información, consulta las secciones Visualiza los resultados del análisis de calidad de los datos y Visualiza los resultados históricos del análisis de este documento.

     • Ver todos los análisis: Consulta una lista de los análisis de calidad de los datos que se aplican a esta tabla.

   • Los resultados del análisis de calidad de los datos no se publican: Selecciona una de las siguientes opciones:

     • Crear análisis de calidad de los datos: Crea un análisis de calidad de los datos nuevo. Para obtener más información, consulta la sección Crea un análisis de calidad de los datos de este documento. Cuando creas un análisis desde la página de detalles de una tabla, esta se preselecciona.

     • Ver análisis existentes: Consulta una lista de los análisis de calidad de los datos que se aplican a esta tabla.

Visualiza los análisis de calidad de los datos de una tabla

Para ver los análisis de calidad de los datos que se aplican a una tabla específica, haz lo siguiente:

1. En la consola de Google Cloud , en la página Metadata curation de BigQuery, ve a la pestaña Data profiling & quality.

   Ir a Creación de perfiles de datos y calidad

2. Filtra la lista por nombre de tabla y tipo de análisis.

Actualiza un análisis de calidad de los datos

Puedes editar varios parámetros de configuración de un análisis de calidad de los datos existente, como el nombre visible, los filtros, la programación y las reglas de calidad de los datos.

Nota: Si un análisis de calidad de los datos existente publica los resultados en las páginas de BigQuery y Dataplex Universal Catalog en laGoogle Cloud consola, y, en cambio, quieres publicar los resultados de los análisis futuros como metadatos de Dataplex Universal Catalog, debes editar el análisis y volver a habilitar la publicación. Es posible que necesites permisos adicionales para habilitar la publicación del catálogo.

Console

1. En la consola de Google Cloud , en la página Curación de metadatos de BigQuery, ve a la pestaña Generación de perfiles de datos y calidad.

   Ir a Creación de perfiles de datos y calidad

2. Haz clic en el nombre de un análisis de calidad de los datos.

3. Para editar la configuración, incluidos el nombre visible, los filtros y la programación, haz clic en Editar. Edita los valores y haz clic en Guardar.

4. Para editar las reglas de calidad de los datos, en la página de detalles del análisis, haz clic en la pestaña Reglas actuales. Haz clic en Modificar reglas. Actualiza las reglas y, luego, haz clic en Guardar.

gcloud

Para actualizar la descripción de un análisis de calidad de los datos, usa el comando gcloud dataplex datascans update data-quality:

gcloud dataplex datascans update data-quality DATASCAN \
--location=LOCATION \
--description=DESCRIPTION

Reemplaza lo siguiente:

• DATASCAN: Es el nombre de la exploración de calidad de los datos que se actualizará.
• LOCATION: Es la región de Google Cloud en la que se creó el análisis de calidad de los datos.
• DESCRIPTION: Es la nueva descripción del análisis de calidad de los datos.

Nota: Puedes actualizar los campos de especificación, como rules, rowFilter o samplingPercent, en el archivo de especificación de calidad de los datos. Consulta las representaciones en JSON y YAML.

REST

Para editar un análisis de calidad de los datos, usa el método dataScans.patch.

Borra un análisis de calidad de los datos

Console

1. En la consola de Google Cloud , en la página Curación de metadatos de BigQuery, ve a la pestaña Generación de perfiles de datos y calidad.

   Ir a Creación de perfiles de datos y calidad

2. Haz clic en el análisis que quieras borrar.

3. Haz clic en Borrar y, luego, confirma cuando se te solicite.

gcloud

Para borrar un análisis de calidad de los datos, usa el comando gcloud dataplex datascans delete:

gcloud dataplex datascans delete DATASCAN \
--location=LOCATION \
--async

Reemplaza las siguientes variables:

• DATASCAN: Es el nombre del análisis de calidad de los datos que se borrará.
• LOCATION: Es la región de Google Cloud en la que se creó el análisis de calidad de los datos.

REST

Para borrar un análisis de calidad de los datos, usa el método dataScans.delete.

¿Qué sigue?

• Obtén más información sobre la administración de datos en BigQuery.