As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Geração de visualizações e insights de dados
Depois de importar seus dados para o Data Wrangler, você pode usá-los para gerar visualizações e insights de dados.
+ **[Visualizações](#dw-visualizing-data)**: o Data Wrangler pode gerar diferentes tipos de gráficos, como histogramas e gráficos de dispersão. Por exemplo, você pode gerar um histograma para identificar discrepâncias nos dados.
+ **[Insights de dados](#dw-generating-insights)**: você pode usar um *relatório de qualidade e insights de dados para o Amazon Personalize* para aprender sobre seus dados por meio de insights de dados e estatísticas de colunas e linhas. Esse relatório pode informar se há algum tipo de problema em seus dados. E você pode saber quais ações tomar para melhorar seus dados. Essas ações podem ajudar você a atender aos requisitos de atributos do Amazon Personalize, como requisitos de treinamento de modelos, ou podem levar a recomendações aprimoradas.
Depois de aprender sobre seus dados por meio de visualizações e insights, você pode usar essas informações para aplicar transformações adicionais e melhorar seus dados. Ou, se você tiver concluído a preparação de seus dados, poderá processá-los e importá-los para o Amazon Personalize. Para obter informações sobre como transformar dados, consulte [Transformação de dados](dw-transform-data.md). Para obter informações sobre processamento e importação de dados, consulte [Processar dados e importá-los para o Amazon Personalize](dw-export-data.md).
## Gerar visualizações
Você pode usar o Data Wrangler para criar diferentes tipos de gráficos, como histogramas e gráficos de dispersão. Por exemplo, você pode gerar um histograma para identificar discrepâncias nos dados. Para gerar uma visualização de dados, você adiciona uma etapa de **Análise** ao seu fluxo e, em **Tipo de análise**, escolhe a visualização que deseja criar.
Para obter mais informações sobre a criação de visualizações no Data Wrangler, consulte [Analyze and Visualize no](https://docs.aws.amazon.com/sagemaker/latest/dg/data-wrangler-analyses.html) *Amazon SageMaker * AI Developer Guide.
## Gerar insights de dados
Você pode usar o Data Wrangler para gerar um **relatório de qualidade de dados e insights para o Amazon Personalize** específico para seu tipo de conjunto de dados. Antes de gerar o relatório, recomendamos que você transforme seus dados para atender aos requisitos do Amazon Personalize. Isso resultará em insights mais relevantes. Para obter mais informações, consulte [Transformação de dados](dw-transform-data.md).
**Topics**
+ [Conteúdo do relatório](#dw-report-content)
+ [Gerar o relatório](#dw-generating-insight-report)
### Conteúdo do relatório
O **relatório de qualidade de dados e insights para o Amazon Personalize** inclui as seguintes seções:
+ **Resumo:** o resumo do relatório inclui estatísticas do conjunto de dados e avisos de alta prioridade:
+ **Estatísticas do conjunto de dados:** incluem estatísticas específicas do Amazon Personalize, como o número de usuários exclusivos em seus dados de interações, e estatísticas gerais, como o número de valores ausentes ou valores discrepantes.
+ **Avisos de alta prioridade:** esses são insights específicos do Amazon Personalize que têm o maior impacto no treinamento ou nas recomendações. Cada aviso inclui uma ação recomendada que você pode tomar para resolver o problema.
+ **Linhas duplicadas e linhas incompletas:** essas seções incluem informações sobre quais linhas têm valores ausentes e quais linhas estão duplicadas em seus dados.
+ **Resumo do atributo:** esta seção inclui o tipo de dados de cada coluna, informações de dados inválidas ou ausentes e contagens de avisos.
+ **Detalhes do atributo:** esta seção inclui subseções com informações detalhadas para cada uma de suas colunas de dados. Cada subseção inclui estatísticas da coluna, como contagem de valores categóricos e informações de valores ausentes. E cada subseção inclui insights específicos do Amazon Personalize e ações recomendadas para colunas de dados. Por exemplo, um insight pode indicar que uma coluna tem mais de 30 categorias possíveis.
#### Problemas no tipo de dados
O relatório identifica colunas que não são do tipo de dados correto e especifica o tipo necessário. Para obter insights relacionados a esses atributos, você deve converter o tipo de dados da coluna e gerar o relatório novamente. Para converter o tipo, você pode usar a transformação [Analisar valor como tipo](https://docs.aws.amazon.com/sagemaker/latest/dg/data-wrangler-transform.html#data-wrangler-transform-cast-type) do Data Wrangler.
#### Insights Amazon Personalize
Os insights do Amazon Personalize incluem uma descoberta e uma ação sugerida. A ação é opcional. Por exemplo, o relatório pode incluir um insight e uma ação relacionados ao número de categorias para uma coluna de dados categóricos. Se você não acredita que a coluna seja categórica, você pode ignorar esse insight e nenhuma ação é necessária.
Exceto por pequenas diferenças de escolha de palavras, os insights específicos do Amazon Personalize são os mesmos que os insights de um *único conjunto de dados* que você pode gerar ao analisar seus dados com o Amazon Personalize. Por exemplo, o relatório de insights no Data Wrangler inclui informações, como “O conjunto de dados de interações com itens tem apenas X usuários únicos com duas ou mais interações”. No entanto, ele não inclui insights, como “X% dos itens no *conjunto de dados de itens* não têm interações no *conjunto de dados de interações com itens*”.
Para obter uma lista de possíveis insights específicos do Amazon Personalize, consulte os insights que não fazem referência a vários conjuntos de dados no [Insights de dados](analyzing-data.md#data-insights).
#### Exemplos de relatório
A aparência do relatório Amazon Personalize é a mesma do relatório de insights gerais no Data Wrangler. Para ver exemplos do relatório de insights gerais, consulte [Obtenha insights sobre dados e qualidade de dados](https://docs.aws.amazon.com/sagemaker/latest/dg/data-wrangler-data-insights.html) no *Amazon SageMaker AI Developer Guide*. O exemplo a seguir mostra como funciona a seção de resumo de um relatório de um conjunto de dados de interações com itens. Ele inclui estatísticas do conjunto de dados e alguns possíveis avisos de alta prioridade do conjunto de dados de interações com itens.
O exemplo a seguir mostra como a seção de detalhes do recurso de uma coluna EVENT\_TYPE de um conjunto de dados de interações com itens pode aparecer em um relatório.
### Gerar o relatório
Para gerar o **relatório de qualidade de dados e insights para o Amazon Personalize**, selecione **Obter insights de dados** para sua transformação e crie uma análise.
**Para gerar um relatório de qualidade de dados e insights para o Amazon Personalize**
1. Escolha a opção **\+** para a transformação que você está analisando. Se você não tiver adicionado uma transformação, selecione o **\+** para a transformação de **Tipos de dados**. O Data Wrangler adiciona essa transformação automaticamente ao seu fluxo.
1. Selecione **Obter insights de dados**. O painel **Criar análise** é exibido.
1. Para **Tipo de análise**, selecione **Relatório de qualidade de dados e insights para o Amazon Personalize**.
1. Para **Tipo de conjunto de dados**, escolha o tipo de conjunto de dados do Amazon Personalize que você está analisando.
1. Opcionalmente, selecione **Executar com dados completos**. Por padrão, o Data Wrangler gera insights sobre apenas uma amostra de seus dados.
1. Selecione **Criar**. Quando a análise for concluída, o relatório será exibido.