Python · Power BI · dataprof · Data quality
Metric Evidence
Un report Power BI che affianca a ogni metrica le evidenze dataprof sui suoi dati.
Il fatturato è cambiato: quali segmenti hanno contribuito, e quali limiti dei dati pesano sulla lettura? Un progetto Power BI locale mostra i profili dataprof per mese e regione, la copertura dello snapshot e un controllo che le righe caricate da Power BI siano quelle profilate da dataprof. Dati sintetici, niente Power BI Service, nessuna licenza a pagamento.
Aggiornato da fonti pubbliche ·
Le evidenze accanto al numero, non al suo posto
Negli ordini sintetici ci sono tre situazioni pianificate: un calo reale in una regione, etichette di categoria che spariscono nella stessa regione e nello stesso mese, e un estratto che si ferma a metà mese. I mesi parziali si confrontano sugli stessi giorni, così il report mostra −8,5% dove un confronto ingenuo sul mese intero direbbe −39,8%. Le osservazioni sui dati descrivono i dati; non vengono mai presentate come il motivo per cui il fatturato è cambiato.
Verificato contro un riferimento indipendente
Ogni misura di evidenza sceglie un solo ambito, così profili sovrapposti non vengono mai sommati. Un riferimento Python ricalcola i risultati in centesimi interi, uno script in sola lettura riconcilia il DAX in esecuzione e un controllo di mutazione cambia un valore alla volta per dimostrare che la corrispondenza dello snapshot si rompe. Il punteggio di qualità globale è volutamente inutilizzato.