AWS Glue Data Quality prend désormais en charge l'étiquetage des règles pour améliorer les rapports
AWS annonce aujourd'hui la disponibilité générale de l'étiquette de règle, une fonctionnalité d'AWS Glue Data Quality qui vous permet d'appliquer des étiquettes de paires clé-valeur personnalisées à vos règles de qualité des données afin d'améliorer l'organisation, le filtrage et la création de rapports ciblés. Cette amélioration vous permet de classer les règles de qualité des données en fonction du contexte commercial, de la propriété de l'équipe, des exigences de conformité ou de toute taxonomie personnalisée répondant à vos besoins en matière de qualité des données et de gouvernance.
Les libellés de règles constituent un moyen efficace d'organiser et d'analyser les résultats relatifs à la qualité des données. Vous pouvez interroger les résultats à l'aide d'étiquettes spécifiques pour identifier les règles défaillantes dans des catégories particulières, comptabiliser les résultats des règles par équipe ou par domaine et créer des rapports ciblés pour les différentes parties prenantes. Par exemple, vous pouvez appliquer toutes les règles relatives à l'équipe financière avec le libellé « team=finance » et générer un rapport personnalisé pour présenter les métriques de qualité spécifiques à l'équipe financière. Vous pouvez étiqueter les règles de priorité élevée avec « criticality=high » pour hiérarchiser les efforts de correction. Les étiquettes peuvent être créées dans le cadre du DQDL. Vous pouvez interroger les étiquettes dans le cadre des résultats des règles, des résultats au niveau des lignes et des réponses de l'API, ce qui facilite l'intégration à vos flux de travail de surveillance et de reporting existants.
L'étiquetage des règles d'AWS Glue Data Quality est disponible dans toutes les régions AWS commerciales où AWS Glue Data Quality est disponible. Pour plus d'informations, consultez le tableau des régions AWS. Pour en savoir plus sur l'étiquetage des règles, consultez la documentation relative à AWS Glue Data Quality.