プロファイルを行うためには、Dataplexでレイク・ゾーン・アセットを作成する必要があります。
レイク・ゾーンは論理的なデータの集合です。データの種類や用途、アクセス制御などによるグループ分けに用います。
レイクの中にゾーンが含まれます。
アセットは、Cloud Storage または BigQueryのデータへのマッピングを定義します。
（用語 – 公式ドキュメント）

レイクを作成するには、まず「Cloud Dataplex API」を有効にします。

ConsoleのDataplex画面で、「レイクの管理」＞「管理」を開き、「作成」ボタンで作成画面を開きます。
IDとリージョンを指定して、「作成」ボタンを押下します。

上で作成したレイクの詳細画面を開き、「ゾーンを追加」を押下します。

ゾーンIDとタイプを指定し、ゾーンを作成します。

上で作成したゾーンの詳細画面を開き、「アセットを追加」を押下します。

マッピングするデータの種類（BigQueryデータセット or Cloud Storageバケット）とデータ、及びアセットのIDを指定し、アセットを作成します。
（その他の項目はデフォルトのままにしました）

（作成完了）

レイク・ゾーン・アセットの作成が完了したら、いよいよプロファイルを作成してみます。
「データプロファイルスキャンを作成する」を押下します。

IDとスキャンするテーブルを指定して、「作成」ボタンを押下します。
今回はその他の設定はデフォルトのままにしました。
（範囲は、データ全体 または インクリメンタル（タイムスタンプ列に基づく増分）のいずれかを選択できます）

※スキャンするテーブルは、先ほど作成したレイク・ゾーン・アセット（マッピングしているBigQueryデータセット）内のテーブルから選択できます。

プロファイルの作成が完了したら、スキャンを実行して対象テーブルの情報を取得します。
作成したプロファイルの詳細画面を開き、「今すぐ実行」を押下します。

スキャンジョブが完了するとスキャン結果が表示されます。

数値データの列であれば、下の画像のように
・列名
・データ型
・NULL率
・ユニーク率
・平均、標準偏差、最大/最小、四分位数
・上位10個の値、及びそれらの割合と個数（個数は棒グラフにカーソルあてて表示）
を確認できました。

また、日付や文字型の列の場合は以下の情報が取得できました。
・列名
・データ型
・NULL率
・ユニーク率
・（文字列のみ）長さの最大/最小/平均
・上位10個の値、及びそれらの割合と個数（個数は棒グラフにカーソルあてて表示）

今回は、Dataplexの新機能であるプロファイルを実際に使ってみました。
テーブルの各列に対して統計情報を取得できるのは、データの品質チェック（正しくデータが格納されているか、おかしなデータが紛れ込んでいないかなど）に役立ちそうですね。

皆さんも是非使ってみてください！

ご覧いただきありがとうございました。

当社、システムサポートは、Google Cloudの導入・移行・運営支援を行っています。
お問い合わせは以下よりお願いいたします。