De ondersteunde data van de Syntho Engine

Syntho ondersteunt grote datasets met meerdere tabellen en databases. Ook voor datasets met meerdere tabellen en databases maximaliseren we de datanauwkeurigheid voor elke taak voor het genereren van synthetische data en demonstreren we dit via ons datakwaliteitsrapport. Daarnaast hebben de data-experts van SAS onze synthetische data extern beoordeeld en goedgekeurd.

We hebben ons platform geoptimaliseerd om de rekenvereisten te minimaliseren (bijv. geen GPU vereist), zonder afbreuk te doen aan de datanauwkeurigheid. Bovendien ondersteunen we automatisch schalen, zodat men enorme databases kan synthetiseren.

Specifiek voor multi-table datasets en databases detecteren we automatisch de datatypes, schema's en formaten om de nauwkeurigheid van de data te maximaliseren. Voor multi-table databases ondersteunen we automatische tabelrelatie-inferentie en -synthese. Tot slot ondersteunen we uitgebreide tabel- en kolombewerkingen, zodat u uw synthetische datageneratietaak kunt configureren, ook voor multi-table datasets en databases.

Synthetiseer, dupliceer of sluit tabellen of kolommen naar uw voorkeur uit. Wanneer u een database met meerdere tabellen synthetiseert, wilt u doorgaans de taak voor het genereren van synthetische data kunnen configureren om de gewenste combinatie van tabellen op te nemen en/of uit te sluiten.

Tabel modi:

• Synthetiseren: gebruik AI om de tabel te synthetiseren
• Dupliceren: Anonimiseer persoonlijk identificeerbare informatie (PII) of dupliceer de tabel 
• Uitsluiten: Sluit de tabel uit van de doeldatabase

Dit type data wordt veel gebruikt in veel sectoren. Dit kan bijvoorbeeld in de financiële sector zijn (bijvoorbeeld bij klanten die transacties doen) of in de gezondheidszorg (waar patiënten procedures ondergaan), en vele andere sectoren waar trends en patronen in de loop van de tijd belangrijk zijn om te begrijpen.

Tijdreeksdata kunnen met regelmatige of onregelmatige tussenpozen worden verzameld. De data kunnen univariaat zijn, bestaande uit een enkele variabele zoals temperatuur, of multivariaat, bestaande uit meerdere variabelen die in de loop van de tijd worden gemeten, zoals de waarde van een aandelenportefeuille of de inkomsten en uitgaven van een bedrijf.

Het analyseren van tijdreeksdata omvat vaak het identificeren van patronen, trends en seizoensfluctuaties in de loop van de tijd, evenals het maken van voorspellingen over toekomstige waarden op basis van data uit het verleden. De inzichten die worden verkregen door het analyseren van tijdreeksdata kunnen worden gebruikt voor een breed scala aan toepassingen, zoals het voorspellen van verkopen, het voorspellen van het weer of het detecteren van anomalieën in een netwerk. Daarom is ondersteuning voor tijdreeksdata vaak vereist bij het synthetiseren van data.