重要
Microsoft Purview 統合カタログと従来の Microsoft Purview データ ガバナンス機能 (旧称 Azure Purview) は廃止されます。 Microsoft は、Microsoft Fabric のデータ ガバナンス機能を統合しています。 新しいアカウントは作成できなくなり、既存の機能は 2027 年 11 月 12 日までメンテナンス モードのままになります。 廃止のタイムライン、移行ガイダンス、推奨される次の手順については、 Microsoft Purview データ ガバナンスの廃止のお知らせを参照してください。
データ品質しきい値は、データが許容可能な品質レベルを満たしているかどうかを決定する定義済みの制限です。 簡単に言えば、「どれくらい良いのが十分か?」という質問に答えます。
たとえば、列に完全性ルールを実行すると、次のようになります。
- 合計レコード: 1,000
- 値を持つレコード: 920
- 完全性スコア: 92%
しきい値が 90% であれば、データは期待値を満たしています。
しきい値が 95% の場合、データは期待を満たしていません。
しきい値は、データが特定のユース ケースの期待を満たしているかどうかを定義するカットオフ ポイントです。
しきい値が重要な理由
データの種類が異なれば、必要な品質も異なります。 例:
- Email address 列: 99 - 100% の完全性が必要な場合があります。
- 説明列: おそらく 80 から 90% が許容されます。
- 金融取引: 100% の精度が要求される場合があります。
すべてに対して 80% など、1 つの固定されたしきい値を使用すると、特に重要なデータや規制対象のデータの場合、誤解を招く可能性があります。
しきい値の種類
- ルールレベルのしきい値: ルールごとに設定します (たとえば、完全性は 95% に≥する必要があります)。
- データ資産レベルのしきい値: 列ごとに異なる期待値。
- データ製品レベルのしきい値: 総合スコア要件。
構成可能なデータ品質しきい値
データ品質しきい値を構成して、ルールおよびデータ資産レベルで許容できる最小品質スコアを設定できます。 品質評価をビジネスの重要度に合わせるしきい値を定義します。
データ資産の既定のしきい値を構成または編集する
Microsoft Purview 統合カタログで、[正常性管理]、[データ品質] の順に選択します。
ガバナンス ドメインを選択し、データ製品を選択してから、データ資産を選択します。
[概要] ページで、[スコアしきい値の設定] を選択します。
既定のしきい値を変更します。
[保存] を選択します。
データ品質ルールのしきい値を構成する
- 統合カタログで、[正常性管理] を選択してから、[データ品質] を選択します。
- ガバナンス ドメインを選択し、データ製品を選択してから、データ資産を選択します。
- [ ルール] ページで、[ 新しいルール] を選択します。
- 既定のルールまたはカスタム ルールを選択し、[ 次へ] を選択します。
- [ スコアしきい値 ] を選択し、既定のしきい値を変更します。
- [保存] を選択します。
データ品質ルールのしきい値を編集する
- データ・アセットの「 ルール」 ページで、ルールの編集アイコンを選択します。
- 概要から、[ スコアしきい値] を選択します。
- しきい値を編集します。
- [保存] を選択します。
アラートを構成する
データ アセットまたはルールのデータ品質スコアが定義されたしきい値を下回ったときに通知するアラートを設定します。 ルールのしきい値を設定または編集するときは、次の手順に従います。
- [ アラート] トグルをオンに設定します。
- [ 受信者] で、1 人以上のユーザーを追加します。
- [保存] を選択します。
注:
しきい値を構成しない場合は、デフォルトのしきい値と色が使用されます。 既定のしきい値スコア値は次のとおりです。
- 低 (赤): 0-40
- 中 (オレンジ): 40-80
- 高 (緑): 80-100
重要
しきい値メタデータは、セルフサービス分析用の Azure Data Lake Storage Gen2 または Fabric Lakehouse に発行されません。
構成可能なデータ品質しきい値機能から organization が得られる利点は次のとおりです。
- 企業が organization を品質ガバナンスに合わせることを可能にします。
- Microsoft Purview データ品質によって生成されるデータ品質スコアに対する信頼性が向上し、企業全体のチームがデータが特定のユース ケースに適しているかどうかを自信を持って判断できるようになります。
- 組織が一般的な品質チェックを超えて、ビジネス主導のデータ品質管理に移行するのに役立ちます。
- 規制および意思決定上のユース ケースをサポートします。
- 統一されたしきい値評価によって引き起こされるユーザーまたは組織の混乱を軽減します。
ルールレベルのしきい値を設定すると、「良い」とはどのようなものかの明確な基準が作成されます。 アラートにより、データがその標準を下回った瞬間に確実に対処できます。 これには、いくつかの実用的な利点があります。
- 問題の早期検出: レポート、パイプライン、モデルに影響を与える前に、データの欠落、不整合、不正確などをキャッチします。
- ビジネス リスクの軽減: 不良データが誤った意思決定、財務上のエラー、またはコンプライアンスの問題を引き起こすのを防ぎます。
- 迅速な修復: アラートを使用すると、チームは数日または数週間後に問題を発見するのではなく、すぐに対応できます。
- アカウンタビリティとガバナンス: 明確なしきい値により、データ品質に対する所有権と期待が定義されます。
- 運用効率: 手動監視を排除し、アドホック チェックへの依存を減らします。
- データへの信頼: 品質基準を一貫して実施することで、分析と AI の出力に対する信頼が高まります。
つまり、 しきい値は 許容可能な品質を定義し、アラートはその標準を実行可能にします。