Agrupar dados usando funções de agregação
As organizações de todos os setores lidam com um fluxo constante de dados e precisam transformar esses dados em insights significativos e úteis. No cenário meteorológico, você obteve um conjunto com os dados de tempestades dos EUA. Você viu em um módulo anterior como construir consultas básicas para explorar os dados.
Nesta unidade, você aprenderá a comparar grupos de dados e apresentar os resultados visualmente usando KQL (Linguagem de Consulta Kusto).
Comparar grupos de dados
Os dados no cenário de eventos de tempestade são apresentados no nível do evento, o que significa que cada linha representa um evento de tempestade específico e as informações associadas. São muitas tempestades individuais, e pode ser difícil obter insights significativos olhando para eventos individuais. Se você agrupar esses eventos individuais por campos comuns, por exemplo, por local, poderá fazer comparações significativas entre os grupos.
Uma função de agregação permite que você faça essas comparações agrupando valores de várias linhas para formar um só valor de resumo. O tipo de valor de resumo depende da função específica que você usa e pode ser um valor de contagem, média, máximo, mínimo ou mediano, apenas para citar alguns. Por exemplo, a ilustração a seguir resume a contagem de tipos de tempestade por local.
Apresentar os resultados visualmente
Depois de agrupar os dados, você deseja obter insights baseados nos resultados. A saída padrão das consultas é tabular. No entanto, em muitos cenários, representações gráficas podem comunicar melhor os resultados. Exploraremos algumas maneiras de converter resultados de consulta Kusto em visualizações gráficas usando o operador render.
Alguns tipos de visualização disponíveis são linechart, columnchart, barchart, piechart, scatterchart e pivotchart, entre outros. A imagem a seguir mostra um exemplo de resultados da consulta Kusto renderizados como um gráfico de linhas, gráfico de colunas e gráfico de barras.
Nas próximas unidades, aprenderemos sobre algumas das funções de agregação mais comuns, visualizaremos seus resultados usando o operador render e, em seguida, criaremos consultas complexas. Essas habilidades em KQL ajudarão você a obter insights sobre um conjunto de dados de amostra que contém dados meteorológicos dos EUA.