Autorius „Techopedia“ darbuotojai, 2017 m. Kovo 29 d
„Takeaway“: Šeimininkas Ericas Kavanaghas aptaria verslo informaciją su gydytoju Robinu Blooru ir IDERA Stanu Geigeriu.
Šiuo metu nesate prisijungęs. Jei norite pamatyti vaizdo įrašą, prisijunkite arba prisiregistruokite.
Ericas Kavanaghas: Ponios ir ponai, sveikiname dar kartą. Tai trečiadienis, 4:00 rytų, ir per pastaruosius porą metų atėjo laikas „Hot Technologies“, taip, iš tikrųjų. Mano vardas Ericas Kavanaghas, aš būsiu jūsų šios dienos laidos vedėjas. Man patinka ši tema: „Sveikatos patikrinimas: palaikyti sveiką verslo BI“, - apie tai mes ir kalbėsime šiandien. Yra tikrai jūsų mintis.
Taigi šiais metais karšta - „Hot Technologies“ buvo tikrai sukurta apibrėžti tam tikras technologijas ir galite įsivaizduoti, kad verslo programinės įrangos pasaulyje yra daugybė pardavėjų, kurie parduoda visokius skirtingus produktus, o tai, kas nutinka, vyksta Ar tai yra tokie netikri žodžiai, kurie pasibaigia, kai įvairūs pardavėjai pripranta ir pripranta prie labai skirtingų dalykų. Taigi, šio pasirodymo tikslas iš tikrųjų yra padėti pardavėjams draugams ir padėti mūsų auditorijai nustatyti ir sukti galvą apie tai, kokios konkrečios technologijos iš tikrųjų yra ir ką visi šie žodžiai reiškia, kai atsigręžiate į žalvarinius takus.
Taigi, aš dalyvausiu kaip vienas iš analitikų šiandien. Mes taip pat turime gydytoją Robiną Bloorą ir Staną Geigerį iš IDERA. Greitai pakalbėkime apie verslo informacijos ir analizės svarbą apskritai. Tai yra pagrindinis sprendimų medis, jei norite, arba srautinė schema, tiesiog pasakojanti apie tai, kaip dirbate spręsdami problemas įmonėje, aptardami skirtingas temas, pateikdami pasiūlymus ir tada sužinoję, ką žmonės galvoja. Ar jie sutinka? Ar jie nesutinka? Koks yra sutarimas, jei turite, ir kaip jūs dirbate per tą procesą?
Akivaizdu, kad visa tai yra labai bendro pobūdžio, tačiau tai yra geras priminimas apie procesą, kurio metu mes siūlome idėjas įmonėse, priimame sprendimus ir tada judame į priekį. Ir esmė ta, kad reikia duomenų apie kiekvieną iš šių komponentų. Tai dar teisingiau šiomis dienomis didžiųjų duomenų pasaulyje, nes, be abejo, dideli duomenys yra tas milžiniškas tiesos variklis. Dideli duomenys yra tai, kas vyksta; tai atstovas, kas yra kur, ką jie veikia, ką perka, kokia yra jų socialinės žiniasklaidos priemonė, pvz., tviteris. Žinoma, visa tai gali būti nulaužta - jūs turite to saugotis -, bet esmė ta, kad duomenys yra tikrovės referencinė architektūra, jei norite.
Taigi, jūs norite duomenų kiekviename šio sprendimo priėmimo etape. Dabar svarbus sutarimas. Jei norite laimingų vartotojų, kartais viršininkui gali tekti atsisakyti to, ko nori visi. Mes ką tik kalbėjome apie Steve'ą Jobsą dar prieš prasidedant šiai internetinei transliacijai, ir jis garsiai žinojo apie tokį dalyką. Jis yra gavęs garsią citatą, kurioje jis rekomenduoja žmonėms užmigti aplinkui girdimą triukšmą ir laikytis savo regėjimo, jei jie žino, ką daro. Taigi, jums ne visada reikia sutarimo, tačiau paprastai tai yra gera idėja. Bet bendras šios skaidrės ir šio komentaro tikslas yra pritraukti namo svarbą, kurį norime savo sprendimus priimti remdamiesi ne duomenimis, o tik instinktais, nors žarnos paprastai yra tikrai geros, kad padėtų jums žinoti, kur norite eiti, o tada jūs tikrai norite tai patvirtinti ar padaryti negaliojančiais savo duomenimis. Ir sakyčiau, nebijokite atsigręžti į tai, kaip gražų mažą žymeklį, arba priminkite, kad atsigręžę į progos galite bent jau gauti kažkokį pavyzdį ir suprasti, kur buvote. būkite sąžiningi dėl padarytų klaidų. Mes visi padarėme klaidų, taip atsitinka.
Taigi, jei turite verslo našumo problemų savo verslo intelekto sistemose, na, dabar galiu pasakyti, kad sena frazė „kantrybė yra dorybė“, o ne IT pasaulyje. Jei vartotojai ilgai laukia užklausų grįžimo arba negauna savo ataskaitų, tai griauna pasitikėjimą, o kai pasitikėjimo nebelieka, labai sunku tą susigrąžinti. Taigi, aš čia įdedu eilutę - daugeliu atvejų šiomis dienomis maždaug 40 sekundžių yra kaip 40 minučių - jei užklausa užtruks 40 sekundžių, žmonės pamiršta, apie ką net kalba, ko klausė duomenų. Įsivaizduokite pokalbį, jei jūsų paprašytų kažko, tarkime, jūsų viršininkas, jūs sakote: „Ei, aš norėčiau žinoti, kodėl mes einame šiuo keliu“. Ir jūs turėjote palaukti 40 sekundžių pokalbyje. gauti atsakymą? Tu būtum išėjęs iš kambario! Jūs manote, kad jūsų viršininkas prarado protą. Taigi tas latentinis laikotarpis, kurį turime kai kuriose informacinėse sistemose, kai iškyla problemų dėl veikimo, tai sutrumpins analizės procesą, analizės srautą arba, kaip kai kurie žmonės vadina, pokalbį, kurį užmezgate su savo duomenimis. Šiose sistemose turite paspartinti greitį, kad ir ką padarytumėte, kad tai padarytumėte. Mes kalbėsime apie tai šiandien, tai ir turite padaryti, nes be sklandaus idėjų srauto pirmyn ir atgal jūs esate tikrai sugadina visą analizės procesą. Taigi dar kartą išmetu šį komentarą: nepasitikėjimas yra tylus žudikas. Žmonės išties per daug nekels rankos, jei nepasitikės jumis, bet tiesiog pažiūrės į tave į šoną ir susimąstys, kas vyksta. Kai pasitikėjimo nebeliks, turėsite labai, labai sunkų laiką.
Taigi, dirbtinis intelektas, mes nuolat girdime apie mašininį mokymąsi ir intelektą bei „O, ar ne tai padės išspręsti visas šias problemas?“ Robinas ir aš jau daugelį metų girdžiu apie savaime suderinamas duomenų bazes ir visa tai linksmą. kai kurie iš jų vyksta, bet tiesiog užduokite sau klausimą: kaip dažnai „Siri“ jums tai tinka? Kaip dažnai „Siri“ netyčia iššoko ir eina: „Atsiprašau, aš to negavau.“ Dėl šios priežasties aš nieko iš tavęs neprašiau. Aš tiesiog netyčia paspaudžiau tą darned mygtuką. Taigi vis dar yra daug trūkumų, ir, beje, kairiajame šone, tai yra „Apple Newton“ ASIC mikroschema - atsimeni tą šuniuką prieš daugelį metų? Tai buvo vienas iš pirmųjų išmaniųjų įrenginių ir toks jau seniai yra, pavyzdžiui, aš noriu pasakyti, kad 90-ųjų pradžioje ar 90-ųjų viduryje. Kad Niutonas pasirodė ir nebuvo labai geras, tačiau turėjo viziją; jie žinojo, kur eina, bet, net ir dabar, sakyčiau, „iPhone AI“ ir mašinų mokymasis yra plačiai nesuprantamos sąvokos.
Be abejo, kalbant apie mašininį mokymąsi, jis gali būti labai naudingas ir iš tikrųjų gali būti naudojamas kai kuriose iš šių aplinkų, kuriose bandote suprasti, kas vyksta su jūsų sudėtinga informacijos architektūra, kur viskas vyksta blogai. Mašinų mokymasis gali būti labai vertingas tokiame kontekste, tačiau tik tuo atveju, jei jis taikomas labai aštriai. Taigi, aš buvau tik iš tikrųjų dideliame renginyje Kalifornijoje, kuriame įvyko vienas didžiųjų „Hadoop“ platintojų Cloudera viršūnių susitikimas analitikų metu. Aš kalbėjau su jų vyriausiuoju strategijos pareigūnu ir pasakiau: „Žinai, man atrodo, kad Iš tikrųjų mašininis mokymasis daro tik du dalykus: segmentus ir tobulina. “Tai reiškia, kad suteiksite skirtingus segmentus ar veiklos grupes, įskaitant anomalijas, kurios būtų segmentas. Ir tai patikslina, tai reiškia, kad jis padeda jums patobulinti tam tikros rūšies sprendimą. Pavyzdžiui, klasikinis pavyzdys, kurį girdite, yra tas, kad šioje nuotraukoje yra žmogus. Taigi tai yra kažkas, ko gali išmokti mašininis mokymasis, ir kai kuriais atvejais tai yra naudinga, kai kalbame apie trikčių šalinimą, nes galite ieškoti elgesio modelių, susijusių su procesoriaus naudojimu, atminties naudojimu, disko greičiu ir tuo, ką daro diskai. ir visa tai linksmi dalykai. Taigi tai gali būti naudinga, tačiau tai tikrai turi būti nukreipta į bet kokią vertę.
Taigi, vienas iš mano mėgstamiausių dalykų, apie kurį reikia kalbėti, ir aš tai šiek tiek pamatysime, manau, kai šiandien paimsime demonstracinę versiją iš IDERA, - manau, kad įvairiais būdais žmonės vis dar mokosi kalbėti siliciu. . Visa tai yra medžiagotyra, ir tiems iš jūsų, kurie atlikote trikčių šalinimą ir tikrai sunkiai pažvelgėte į sudėtingas informacijos struktūras, kai bandote suprasti, kas vyksta, net ir, pavyzdžiui, „Hadoop“ klasteryje. paprastai žiūrite tik į histogramas. Ir tada jūs turite koreguoti, ką šios skirtingos histogramos reiškia tam tikru laiko momentu, ir tai reikalauja intelekto; kad reikia žmogaus intelekto ir patirties. Taigi visai nebijau to, kad ML, mašinų mokymasis ar AI bet kada netrukus atims per daug darbo vietų šiame pasaulyje. Manau, kad visada prireiks žmonių, kurie atvirai žino, apie ką kalba, kad padėtų mums padėti ir visa tai įvykdyti.
Taigi, judėkime toliau. Taigi, kas atsitiks, jei nevaldysite duomenų? Tai garsus paveikslas „Aklas veda aklą“ - tai nėra tai, ko jūs ieškote, žmonės. Jūs nenorite tokios aplinkos savo organizacijoje. Taigi mes norime, kad norėtume, jog mūsų sprendimai būtų pagrįsti duomenimis, ir mes norime, kad sprendimus leistų priimti geri ir geros kokybės duomenys. Tai atsitiks tik tuo atveju, jei sukaupsite teisingus duomenis, jei jie bus gražūs ir švarūs, o jei jūsų sistemos veikia tinkamai, jei jūsų BI sistemos yra sveikos, jūsų analizės sistemos yra sveikos, o vartotojai laiku gauna tai, ko nori.
Taigi aš ruošiuosi įvynioti ir perduoti nepakartojamam Robinui Bloorui. Robinai, atimk jį.
Robinas Blooras: Gerai, gerai, ačiū, kad perdavėte man kamuolį. Aš galvojau, kol jūs kalbėjote, Eric, aš galvojau tik apie BI ir ten buvo pardavėjo pristatymas, kuriame neseniai dalyvavau, kai kas nors pastebėjo, kad tam tikrame pardavėjui, valdančiam tam tikrą sistemą dideliame, blogų duomenų sandėlyje, jie norės nurodytu laiku galėtų padaryti 70 000 BI operacijų, kurios leistų informaciją pateikti daugybei žmonių. Man taip atsitiko, kad jei iš tikrųjų turite tokį darbo krūvį ir net švaistote keletą sekundžių vykdydami programinę įrangą, tai iš tikrųjų bus labai brangu, o jei eikvosite minutes, tai bus siaubingai brangu. Ir tada aš prisiminiau, kad labai daug pasaulio šalių veikia skaičiuoklėmis - yra, manau, kad jos buvo vadinamos „šešėlinėmis sistemomis“, ar ne? Visų pirma, kai žmonės tiesiog sudarytų sistemas, naudodamiesi skaičiuoklėmis ir el. Laiškais, ir imtųsi veiksmų, nes IT departamentas negali kurti programų visiems, todėl jie tai daro. Manau, kad nemaža dalis BI įsitraukia į tokias sistemas.
Šiaip ar taip, pasakę, pradėkime kalbėti apie tai, apie ką kalbėsiu. BI yra grįžtamasis ryšys, skirtas korporacinėms sistemoms. Tai tikrai toks paprastas ar sudėtingas, priklausomai nuo to, kokį vaidmenį ji vaidina organizacijoje. Bet jei pažvelgtume į tai, tai yra schema iš maždaug prieš ketverius metus, kai mes vienaip ar kitaip bandėme suprasti, kas vyksta iš analitikos pusės. Tačiau beveik viskas, kas nutolusi, žvelgiant į tai, kas įvyko anksčiau, ir visa, kas prižiūrima, atsižvelgiant į sistemos veikimą, paprastai yra BI. Anksčiau tai, kas buvo numatymas, nuspėjamoji analizė buvo BI, niekada nebuvo, tačiau iš tikrųjų tai vis darosi. Erikas paminėjo mašinų mokymąsi, daug mašinų mokymosi iš tikrųjų vienaip ar kitaip gali būti tiesiog vykdoma prieš duomenų srautą ir gali suteikti prognozuojančią analizę ateinančioms penkioms minutėms ar net beveik realiu laiku, kad galėtumėte reaguoti į klientas, turintis apskaičiuotas žinias apie tai, kas iš tikrųjų vyksta.
Tačiau šios diagramos centre yra analizė. Paprastai nutinka tai, kad tam tikri duomenų rinkiniai nukreipiami į įvairias analitines veiklas ir sužinojama kažkas naujo, sužinoma apie verslą. Ir tada šios žinios yra įtraukiamos į verslo procesus, kuriais galima pasisemti žinių. Ir paprastai tai vienaip ar kitaip pasireiškia pasirodžius BI perspėjimams arba tiesiog įvairiems dalykams dedant į prietaisų skydelius ir pan. Kai mes iš tikrųjų tai darėme, ten yra keturi terminai ir jie baigiasi žodžiu „regėjimas“, kuris yra labai gražus. Tiesą sakant, tai dar ne viskas, ko žmonės nori padaryti, taip pat yra optimizavimo problema, o optimizavimas nesuteikia paprastos analizės. Tai labai sudėtinga problema ir daugybė optimizavimo problemų nėra vienareikšmiškai išsprendžiamos. Galite turėti tik gerus sprendimus, negalite įrodyti, kad turite geresnį sprendimą. Ir tai yra veiklos sritis, kurioje vykdoma veikla, tačiau tai yra mažiau nei daugelyje kitų analizės sričių. Taigi, žmonės sako, kad gyvename analizės amžiuje - gerai, mes tai darome, palyginti su prieš dešimt metų, bet tai gali nuveikti kur kas daugiau, nei jau praėjo.
Taigi, BI statymas, žinių troškimas sukelia vartotojų užklausas, kurios sukuria analizės projektus, o analizės projektai sukuria duomenų ežerus, o duomenų ežerai ir analizė sukuria įžvalgas ir įžvalgas, sukurdami BI. Tai istorija, kurią ką tik papasakojau; Aš tiesiog galvojau, kad parašysiu tai. Tai, ką aš čia padariau, turiu omenyje, kad visa šios skaidrės ir, tiesą sakant, daugumos kitų skaidrių esmė yra tik pabrėžti, koks sudėtingas iš tikrųjų yra verslo intelekto pasaulis. Tai nėra paprastas dalykas, aš būčiau galėjęs padaryti šį konkretų skaidresnį būdą sudėtingesnį, nei yra iš tikrųjų, bet jūs turite apačioje, jūs turite išorinių duomenų ir vidinių duomenų, kurie vienaip ar kitaip bus sudėti į inscenizaciją. plotas, kuris šiais laikais yra toks duomenų ežerų turinys, nors ne visi turi duomenų ežerus. Žmonės, kurie nebūtinai turi sėkmingų. Tada, prieš pradedant iš tikrųjų naudoti duomenis, reikalinga valymo veikla ir pagrindinė veikla, reikalinga duomenims. Tada jūs sutvarkote tuos duomenis ir jūs arba apie juos pranešate, arba juos analizuojate, o analizė lemia veiksmus.
Ir jei jūs iš tikrųjų žiūrėsite į įvairias egzistuojančias analizės rūšis, tai yra neįtikėtinai ilgas sąrašas, tačiau tai nebūtinai yra visiškai išsamus sąrašas, tai yra tiesiog tai, ką aš galvojau užrašyti, kai iš tikrųjų kūriau šią skaidrę. Taigi, BI aplinkoje vyksta daugybė dalykų, susijusių su vizualizacijomis, OLAP, našumo valdymu, rezultatų suvestinėmis, prietaisų skydais, įvairių rūšių prognozėmis, duomenų ežerais, teksto gavyba, vaizdo įrašų gavyba, nuspėjamais dalykais. Yra daugybė dalykų, iš tikrųjų tęsiasi. Jei pažvelgsite į tai kitaip, tai į įmonės realybę, iš esmės tai yra panaši į paskutinę diagramą, ji tiesiog padaryta kitaip. Aš atskyriau tai, ką jūs vadintumėte BI, nes tai yra įprasta ir yra žinoma, ko reikia, tai nereiškia, kad tai, kas iš tikrųjų vyksta, yra efektyvu, bet bent jau turėsite įprastus dalykus, vykstančius, tarkime, „Tableau“, „Click“ arba „ „Cognos“, ten yra informacijos šaltinis ir tt ir taip toliau, bus rengiamos įvairios įprastos ataskaitos ar galimybės. Tada turite analitikos programas ir jos skiriasi. Kadangi analizės programos iš tikrųjų yra skirtos tyrinėti duomenis ir, mano manymu, jos prilygsta tyrimams ir plėtrai. Ir tada jūs turite darbo eigą. Vykdydami darbo eigą, jei reikia, sumaišykite savo turimus dalykus su programomis ir biuro programomis - tokia yra įmonės realybė, kokią aš matau, nors daugumoje organizacijų tai nėra taip gerai organizuota.
Taigi, BI sutrikimas, tai tik paminėtų dalykų visuma, daro BI sunkiau nei anksčiau, nes senąjį BI pasaulį pirmiausia sudarė gana švarūs duomenų rinkiniai, vienaip ar kitaip užfiksuoti, tikriausiai iš duomenų saugyklos ir dedami į konkrečias BI programinė įranga. Tomis dienomis aš tikrai kalbu prieš penkerius ar dešimt metų, bet tais laikais duomenų apimtys nebuvo plečiamos, duomenų šaltiniai buvo žinomi. Buvo žinomas duomenų gavimo greitis, nors dažnai kai kurie BI neįvyko pakankamai greitai, kad tiktų kai kurie vartotojai. Nebuvo jokių nestruktūrizuotų duomenų, beveik nebuvo socialinių duomenų, be abejo, nebuvo interneto duomenų, jums nerūpėjo duomenų kilmė. Kompiuterio vertė neturėjo paralelės infrastruktūros atžvilgiu, kad būtų galima vienaip ar kitaip elgtis nepaprastai greitai. Jūs nemokėjote mašinų, o analitinis krūvis buvo gana menkas. Ir visa tai pasikeitė, dabar duomenų kiekis gali labai išaugti. Duomenų šaltinių, kurių skaičius tik didėja, skaičius. Taip, labai greitai srautas perduodamas duomenis, daug nestruktūrizuotų duomenų, be abejo, socialiniai duomenys, kuriuos reikės išvalyti, tačiau dabar reikia spręsti dėl kitų duomenų, kuriuos gali reikėti išvalyti, be abejo, internetinių duomenų.
Duomenų kilmė yra problema, ir mes ja rūpinamės. Kompiuterio galingumas yra tvarkingas, nes tai leidžia atlikti įvairius dalykus, o dabar mašinų mokymasis yra reiškinys, kuris lemia tai, kad sukuriama daugiau BI galimybių ir naujų analitinių darbo krūvių, kurie tą patį padarys. Taigi, BI nėra statiška situacija ir aš manau, kad tai paskutinis dalykas, kurį pasakysiu, prieš perduodamas jį Stano. O ne, taip nėra, yra kažkas kita. Ateities BI peizažas, daiktų internetas, įvykiais grindžiama architektūra, viskas realiuoju laiku, gerai. Tai pakanka vartotojo BI, vartotojui, kad vartotojui būtų apibendrintos problemos. Duomenų srauto atlikimo savalaikiškumas, aprėptis, duomenų valymas, prieigos prie duomenų įgūdžiai, vizualizacija, pasidalinimas ir pritaikomumas.
Taigi dabar galiu perduoti jį Stanui, nebent BI paslauga yra patikima ir tinkama laiku, tai nėra paslauga. Stano?
Erikas Kavanaghas: Gerai, Stanai, aš tau duodu kamuolį, atimk jį.
Stano Geigeris: Gerai. Taigi tai, apie ką kalbėsiu, yra tik mano fonas. Aš esu „IDERA“ vyriausiasis vadybininkas produktų valdymo srityje, o viena iš mano atsakomybių - mūsų verslo žvalgybos produktų siūlymas. Taigi aš šiek tiek papasakosiu apie tai, apie ką kalbėjo Robinas, ir kalbėsiu apie svarbiausią sritį, kurios verslo žvalgyba yra jūsų platformos būklės stebėjimas. Kaip jis sakė, dabar mes buvome ten, kur turėjome visus šiuos duomenis, o analizuoti prireikė kelių savaičių, o tada grįšime su ataskaitomis ir dalykais. Bet BI aplinka keičiasi taip, kad dabar priartėjame prie beveik realaus laiko analizės. Daugeliu atvejų faktinė realiojo laiko analizė. Taigi, aš šiek tiek kalbu apie šią skaidrę, tai yra tik tam tikra apžvalga ir kaip tik visa informacija yra tai, kad aš apie tai kalbėsiu iš „Microsoft“ perspektyvos, tačiau visos šios sąvokos kerta, ar jūsų BI platformos yra „Oracle“, arba jūs naudojate „Informatica“ ir „Oracle“, arba tiesiog naudojate mišraus režimo hibridinę aplinką. Aš tiesiog naudojuosi „Microsoft“ aplinka, tačiau tai yra gana standartinė.
Robinas ten turėjo skaidrę, kuri palietė tai, kad jūs turite šaltinio sistemas, kuriose aš visus savo duomenis sėdžiu, o dabar tai būdavo visos, susijusios su reliacinėmis duomenų bazėmis ir tokiomis duomenų saugyklomis, bet dabar mes turime Hadoop, internetą ir daiktus, visus šiuos nestruktūrizuotus duomenis, esančius lauke, ir dabar juos galime įtraukti į šią BI architektūrą. Taigi ten esanti vidutinė pakopa yra duomenų kaupimas kaupiant; štai kur mes kaupiame duomenis, galime juos išvalyti, pertvarkyti, tada įstatyti į tam tikros rūšies duomenų saugyklą ir tada pateikties sluoksnis yra viršuje, o štai jūsų vartotojai gauna prieigą. Mes analizuojame tuos duomenis tose duomenų saugyklose, taip pat prietaisų skydelius ir turime ten sėdintį „Tableau“, teikiantį ataskaitas apie paslaugas ir panašius dalykus. Aš visada juokiuosi, nes kai buvau BA architektas, mes visada juokėmės apie „Excel“, nes, žiūrėkime, Excel vis dar yra masių BI įrankis.
Taigi, šiek tiek apžvalgos, bet norėdami pakalbėti tik apie platformos architektūrą, turite savo šaltinio duomenis, apie kuriuos aš kalbėjau keliose duomenų saugyklose. Ir tada aš kaupsiu saugyklą „Microsoft“ pasaulyje. Turėsite savo SQL Server duomenų bazę, galbūt ten, kur yra jūsų duomenų sandėlis, galbūt turite duomenų saugyklą debesyje, kaip savo duomenų saugyklą. Jūs turite analizės paslaugas, tai yra jūsų OLAP mėgintuvėlius ir panašius dalykus, kad atliktumėte apibendrinimus ir panašius dalykus, žiūrėdami į įvairius aspektus. Tada jūs turite savo pristatymo sluoksnį, apie kurį trumpai kalbėjau, apie visus šiuos dalykus, kurie yra tų duomenų saugyklų ir apibendrinimų viršuje. Ir man visada patinka ši citata „Tu nežinai to, ko nežinai“, kuri yra tiesa. Jei neprižiūrite ir nežiūrite, kas vyksta visose šiose jūsų BI platformos srityse, kaip sužinoti, kai kyla kita problema, nei tada, kai vartotojai pradeda siųsti jums nemalonius el. Laiškus ir telefonas įsijungia suskamba apie tai, kodėl mano ataskaitos neveikia? Kodėl viskas trunka taip ilgai?
Taigi, ką jūs turite padaryti, jūs turite sugebėti stebėti savo platformas, iš kurių teikiate verslo žvalgybą. Ir aš iš esmės tai suskirstė į tris sritis: jūs turite prieinamumą, našumą ir panaudojimą. Prieinamumas reiškia, ar šaltinis yra prieinamas: jo yra daugiau ar daugiau? Gana paprasta ten. Taip pat žiūrėdami į tai, kada turite, galite turėti platformą, tačiau galbūt turite problemų ten, taigi jūs turite sugebėti nustatyti pagrindines priežastis; jūs turite mokėti įspėti ir pranešti kam nors, kas vyksta, kol viskas tampa kritine būsena. Tai taip pat lemia našumą, jūs turite daiktus iš našumo metrikos lygio, serverio lygyje, kur talpinamos paslaugos ar BI paslaugos, arba BI platformos; turite našumą išteklių lygiu, kur, pavyzdžiui, galiu pasiekti duomenis iš SAN. SAN yra šaltinis, tinklo ištekliai, todėl jūs turite mokėti stebėti viso to veikimą, sugebėti nustatyti silpnąsias vietas ir išlaikyti savo vartotojus laimingus, o jei esate aplinkoje, kur jūs darote realų - laiko analizę, jūs turite mokėti identifikuoti trūkumus ar problemas, kol jie neprasidės.
Paskutinė teorija yra panaudojimas: ką daro vartotojai? Kas prijungtas prie mano BI šaltinių? Kas ką veikia? Kokias užklausas jie vykdo? Kokias ataskaitas jie rengia? Žinodami šią informaciją, galite nustatyti ir, pavyzdžiui, planuoti gebėjimus. Tai taip pat parodo, kas naudojama jūsų BI aplinkoje. Turėjome klientą, kad jie norėjo mūsų stebėjimo produkto, skirto BI, tik todėl, kad jie žinojo, kokias BI aplinkos dalis jie naudoja, kad galėtų perkelti išteklius. Pvz., Jei jie nesinaudojo tam tikromis ataskaitomis ar tam tikrais analizės paslaugų kubais, tada jie perkeltų išteklius į kitas sritis, kurios buvo labai išnaudojamos. Kita citata, kuri man patinka, man patinka tikrai puikūs filmai, tokie kaip „Tremors“, tad papasakok man savo filmą, todėl man patinka ši Burto Gummerio citata, kurią vaidino Michaelas Grossas, jis yra tarsi išgyvenimo šautuvo vaikinas ir sako, kad jis pasirodo ir jis išsitraukia šį didžiulį 50 kalibro snaiperio šautuvą, o vienas iš vaikinų sako: „Po velnių, Bertai“. Jis atsako: „Kai tau to reikia, o tu jo neturi, tu dainuoji kitokią melodiją. Kitaip tariant, jūs žinote ką? Jam buvo pasiruošta bet kas ir jis buvo pasiruošęs bet kam, todėl turiu omenyje tai, kad jei nestebi savo BI aplinkos stebėjimo iš išteklių ir naudojimo bei dalykų, apie kuriuos ką tik kalbėjau, tada net nesupranti, kad tau reikia įrankio arba aplinka ar struktūra, kuri ją stebi tol, kol jos neturite. Ir tada jūs suprantate, kad man to tikrai reikėjo eiti į priekį, ir būtent taip elgiasi dauguma mūsų klientų.
Taigi, pasakę tai, mes pereisime prie ir apžvelgsime, ką mes darome čia, IDERA, kad išspręstume kai kuriuos iš šių klausimų. Ir
Erikas Kavanaghas: Gerai, tu eini, aš tai matau.
Stano Geigeris: Ar matai? Gerai. Taigi, ką mes čia turime, tai yra mūsų „BI Manager“ produktas. Stebime, kad IDERA tradiciškai buvo įmonė „SQL Server“, „Microsoft SQL Server“ aplinkoje. Tada mes nusipirkome „Embarcadero“, taigi dabar mes išsiplėtėme į kai kurias kitas platformas, tačiau mūsų BI produktas tradiciškai stebi BI rinkinį „Microsoft“ aplinkoje. Tai būtų jūsų daugiamatės ir lentelinės analizės analizės paslaugos, ataskaitų teikimo paslaugos, ataskaitų teikimo įrankis ir tada integravimo paslaugos, kuri yra ETL platforma, panaši kaip ir „Informatica“.
O per mūsų produktą jūs galite stebėti visas tris tas aplinkas per vieną produktą, o tai, ką matote čia, yra bendras prietaisų skydas, ir čia reikėtų atkreipti dėmesį į tai, kai aš kalbėjau apie jo perspėjimą, tai yra vienas dalykas, kurį reikia stebėti, bet to nepakanka - turite turėti perspėjimo mechanizmą. Kitaip tariant, man reikia turėti galimybę būti informuotas, kol viskas tampa kritine būsena. Taigi, ką mes darome čia, yra visas rinkinys metrikų, kurias mes užfiksuojame ir kurias galima sukonfigūruoti, nes atsižvelgiant į jūsų aplinką, tam tikras slenksčius, jums gali būti gerai su trisdešimties milisekundžių skaitymo laiku jūsų aplinkoje. Kitose aplinkose gali būti kritiškiau, kad tas slenkstis būtų žemesnis, todėl svarbu ne tik turėti perspėjimą, bet ir jį konfigūruoti, nes aplinka skiriasi atsižvelgiant į išteklius.
Taigi iš esmės tai yra visos čia stebimos aplinkos apžvalga. Aš čia turiu tris pavyzdžius: vieną analizės tarnyboms, kitą integracijos tarnyboms, kitą ataskaitų tarnyboms. Ir jūs matote, kad čia turiu porą įspėjimų. Kadangi jie yra raudoni, manau, kad jie yra kritiniai, nes turiu kelis lygius, kuriuose galiu nustatyti tuos perspėjimus, ir perspėjimai gali būti išsiųsti el. Paštu žmonėms, kurie atsakingi už problemos išsiaiškinimą. Taigi, tik trumpai apžvelgsime ir grįšiu prie perspėjimo, kad galėtume pereiti į analizės paslaugų skyrių, ir aš tikiu, kad čia laukiu, kol įkelsiu. Iš esmės, ką mes darome, mes turime duomenų rinkimą; periodiškai ten išeina ir išeina, renka ir fotografuoja, ką veikia tavo aplinka. Taigi, aš turiu savo kas šešias minutes, taigi kas šešias minutes jis išeina ir apklausa aplinką. Aš kurį laiką miegojau su VM, todėl praeis šiek tiek laiko, kol tai vėl grįš. Ten mes einame.
Taigi, pažvelgsime į analizės paslaugų fragmentą, todėl čia spustelėsiu savo pavyzdį ir atsimenu, kad kalbėjau apie vieną iš dalykų, kuriuos stebime, tai našumas serverio lygiu, nes daug žmonių turi kelis dalykus veikia jų serveryje. Aš galiu turėti savo serveryje veikiančią duomenų bazę, pavyzdžiui, analizės paslaugas. Taigi, jei kažkas vyksta duomenų bazėje arba turiu problemų serverio lygiu, tai paveiks bet ką, kas ten veikia. Taigi, mes stebėsime serverio lygiu vykdomus dalykus, pavyzdžiui, koks yra disko našumas, ir jūs galite pamatyti, kaip užfiksuota metrika. Ir visa tai yra konfigūruojama. Aš pažvelgiu į tai, kas vyksta, atsižvelgiant į procesorių, teisingai ir dar kartą, tai yra serverio, o ne analizės paslaugų lygiu mano pavyzdyje. Bet iš tikrųjų serverio lygiu.
Ir aš galiu pažvelgti į tokius dalykus kaip kokia yra atmintis, pavyzdžiui, kokia atminties paskirtis yra? Taigi dabar aš suprantu, kokia yra paties serverio sveikata. Tuomet galime pradėti ieškoti ypatumų, šiuo atveju analizės tarnybų. Aš galiu pažiūrėti ir pamatyti, kaip, pavyzdžiui, vyksta mano kubo apdirbimas, ir tai suteikia man sveikatos vertinimą. Jei pradedu pastebėti, kad apdorojimas užtrunka ilgiau, arba eilutės nerašomos beveik taip greitai, tada galiu pradėti pažvelgti - ir tai eina į koreliacijos fragmentą, apie kurį, manau, kalbėjo Robinas, yra tai, kad vis tiek reikia, kad žmogus galėtų visa tai padaryti. Mes kalbame apie PG, mašininį mokymąsi, bet vis tiek reikia, kad žmogus sugebėtų susieti šiuos įvykius su daiktais. Mes galime pažvelgti į tokius dalykus kaip, pavyzdžiui, kas vyksta dėl kiek įmanoma daugiau klausimų, kokie klausimai vykdomi ir kiek laiko jie trunka? Aš galiu rūšiuoti, todėl galiu pradėti domėtis, kurios užklausos užima ilgiausiai laiko. Galite pažiūrėti čia praėjusį laiką, aš galiu pasižvalgyti ir pamatyti gerai, kas buvo ta užklausa ir kas tuo metu vykdė tą užklausą?
Taigi tada, kai pradedu matyti, kaip viskas pradeda spoksoti, galiu pradėti pasakojimą apie tai, kad galiu grįžti atgal ir pažiūrėti, ką tuo metu veikė vartotojai. Pamatysite vieną iš dalykų, kuriuos mes darome, yra tai, kad mes įtraukėme šį laiko rinkiklį čia, kad galėtumėte pasirinkti laiko langą. Pavyzdžiui, aš galiu grįžti prie tų perspėjimų, ir aš iš tikrųjų tai buvau tų perspėjimų nuoroda, kurią spustelėjau, ir man prireiks to laiko, kai tas perspėjimas įvyko. Tada aš galiu pradėti apibendrinti istoriją kartu, matau, na, gerai, disko skaitymas buvo pakilęs, turėjo atminties problemų ar pan., Tada aš galiu pereiti per užklausos veiklą tuo pačiu metu ir iš tikrųjų galiu pradėti koreliacija, kas vykdė, kokie klausimai galėjo sukelti tuos smaigalius ten. Tada galite pradėti daryti dalykus, pavyzdžiui, aš galiu pradėti tiuninguoti, būtent tada aš pradedu. Tai yra kaip automobilis, jei pastatote lenktyninį automobilį ir tiesiog numetate variklį ir užvedate raktą, kurį variklis gali užvesti, bet jei man reikia nuvažiuoti 180 mylių per valandą norint laimėti, aš turiu žinoti, kad variklis gali važiuoti 100 mylių per valandą, man reikia įeiti ten ir pradėti tirti tą variklį, kad galėčiau ten patekti. Būtent tai jums suteikia galimybę suteikti pakankamai informacijos, kad galėtumėte pradėti derinti savo aplinką, kad padidintumėte tos aplinkos sveikatą ir gamybą bei efektyvumą.
Tada mes stebime atmintyje esančius dalykus, ypač šiuo atveju analizės tarnyboms. Ir štai kur jūs galite pradėti matyti, kur viskas gali keistis, kai pradedate matyti, kad daiktai svyruoja aukščiau tarp jūsų atminties ribų, tokius dalykus. Kitas dalykas, į kurį verta atkreipti dėmesį, bet kuriuo metu, kai vykdote bet kokio tipo užklausas, norite, kad duomenys būtų talpykloje, nes kai jie kaupiami talpykloje, jie yra atmintyje ir nereikia skaityti iš disko, o tai yra daug daugiau. efektyvesnis nei duomenų nuskaitymas iš disko. Taigi, galite pradėti žiūrėti į vykstančius dalykus, atleiskite, pavyzdžiui, duomenų talpykloje. Anksčiau turėjau daugybę užklausų, norėdama gauti šiuos duomenis, ir jūs galite pamatyti, kad dažniausiai turėjau talpyklos talpyklas ir paieškas, kas yra gerai. Bet man buvo laikotarpis, kai įvykių buvo daug mažiau, nei buvo ieškoma, ir tai man sako, kad aš turėjau ką nors, kas atimdavo daug atminties, pavyzdžiui, kad talpykla buvo praleidžiama daug greičiau, todėl duomenys turėjo būti skaityti iš disko. Tai galime pastebėti žiūrėdami į saugojimo variklį. Tai yra tas pats laiko momentas, kaip ir kitoje diagramoje, ir jūs galite pamatyti smaigalį ten, kur tuo laikotarpiu užklausos iš failo tikrai išaugo. Tai reiškia, kad duomenys buvo skaitomi iš disko. Dabar aš galiu grįžti ir tada susieti tai su vykstančiomis užklausomis, o ne tam, kad visiems ausys kraujuotų, tačiau analizės tarnybose naudojama kalba, vadinama MDX, yra būdų, kaip efektyviau rašyti užklausas, todėl naudojama talpykla. efektyviau ir mažiau saugyklų. Taigi, yra pavyzdys, kaip suderinti tą variklį ir pateikti visus reikalingus kūrinius, kad galėtumėte tai koreliuoti.
Tiesiog greitai mes galime tai pakeisti ir kitu būdu, kai, žiūrėdami į užklausas, dabar galime žiūrėti į sesijas, kas iš tikrųjų yra prisijungę šiuo metu ir ką jie veikia? Taigi toks būdas pateikia priešingą vaizdą apie klausimus ir tai, kas juos vykdo. Tai kas yra prisijungę ir tada galiu pamatyti, ką jie veikia šiuo metu. Kitas dalykas, norint greitai pereiti, jūs galite pamatyti visus objektus mano daugialypiuose MOLAP kubeliuose. Ir aš galiu gauti informacijos apie tai. Taigi, pavyzdžiui, galiu rūšiuoti pagal šį skaitytą stulpelį ir matau, kad labiausiai naudojamas objektas yra laiko dimensija, o antras pagal naudojimą yra kliento aspektas. Ir tai padeda žmonėms, kurie kuria ir stato daiktus, efektyviau statyti savo kubus. Aš galbūt norėčiau pakeisti savo duomenų atskyrimo strategiją, pavyzdžiui, apie šiuos labai naudojamus matmenis mano kube, ir tai padidins, pavyzdžiui, užklausų našumą. Tai gali sumažinti kubo apdorojimo našumą, nes dabar turiu daugiau skaidinių, tačiau, žiūrint iš vartotojo perspektyvos, jis turės sureguliuoti tą variklį, kad būtų efektyvesnis šių objektų panaudojimas.
Taigi, judėkite toliau, kalbėkite apie integracijos paslaugas čia. Integravimo paslaugos, kaip minėjau, yra ETL platforma „Microsoft“ aplinkoje. Ką mes čia darome - ir tai yra nuosekli - mes stebime serverio našumą, ir tai būtų ta pati metrika, į kurią mes žiūrėjome, nes visos mano paslaugos veikia tame pačiame serveryje. Bet vėlgi, tai yra tai, kas vyksta serveryje. Tada aš galiu pažvelgti į integracijos tarnybų veiklą, savo ETL procesus. Taigi, aš galiu susidaryti nuomonę apie tai, kada šie procesai vyko, nesvarbu, ar jie buvo sėkmingi, ar ne, galiu pabrėžti tam tikrą ETL proceso eigą ir tada man parodys, kokie yra to ETL proceso etapai, ar jis buvo sėkmingas ar ne, ir kiek laiko tai užtruko.
Dabar, jei turėčiau nepavykusį paketą, čia pateiktą ETL procesą, galėčiau pereiti prie detalių ir pamatyti klaidos pranešimą, kuris man parodytų, kuriame paketo žingsnyje, kur tas ETL procesas nepavyko, kartu su visais su tuo susijusiais pranešimais. Taigi tai, kas duoda, galiu gauti įspėjimą, jei nepavyks, taigi, jei gaunu įspėjimą, galiu čia įeiti, pamatyti, nueiti prie to perspėjimo, pamatyti pakuotės gedimą, pažiūrėti veiksmus, pažiūrėkite, kur tai nepavyko, pažiūrėkite į klaidos pranešimą ir iš karto žinau, ką turiu padaryti, kad tai pašalinčiau: perleiskite jį iš naujo ir paleiskite iš naujo. Taigi, ką tai leidžia padaryti, mes vadiname tai trumpesniu laikotarpiu tarp problemos identifikavimo ir jos sprendimo. Taigi, ankstesniame gyvenime, kai buvau atsakingas už tokį dalyką, turėjome ETL procesą, kuris veiktų naktį, kad būtų galima įkelti duomenų saugyklą. Jei turėčiau šią informaciją, pirmiausia ryte, kai įeidavau, jei kažkas nepavyko, tada galiu greitai išspręsti šią problemą ir pasidaryti šį procesą atgal, kad įsitikinčiau, jog duomenų saugykla buvo parengta ir veikia, ir atnaujinta tuo metu, kai vartotojai priėjo ir pradėjo naudotis ataskaitomis.
Kitas dalykas yra tai, kad turiu du procesus, kurie veikia, tai yra žiūrėti ir pamatyti, kaip jis bėgo bėgant laikui. Tai svarbu, nes jei aš pradedu žiūrėti šiuos procesus, pavyzdžiui, užtrunku ilgiau, matau, kad šie laikai didėja, tada gali reikėti peržvelgti, pavyzdžiui, mano techninės priežiūros langą, turiu dalykų, kurie vyksta tame serveryje . Paimkite, pavyzdžiui, atsargines kopijas; Aš galiu pasidaryti atsarginę kopiją, dėl kurios mano procesas turi laukti, kol jis bus baigtas. Man gali reikėti pakeisti arba žongliruoti procesais, susijusiais su dalykais, kurie pradeda daryti įtaką mano ETL.
Ir paskutinis kūrinys yra ataskaitų teikimo paslaugos. Ataskaitų teikimo paslaugos yra „Microsoft“, iš esmės jų įmonės ataskaitų teikimo įrankis. Ir kai kuriuos dalykus vėlgi galime pažvelgti į dalykus serverio lygiu, į visus pranešimų serverio, ataskaitų tarnybų serverio, dalykus. Aš neturiu daug dalykų, bėgu čia; Turiu keletą prenumeratų, kurios vykdomos kas 15 minučių, kad būtų galima vykdyti ataskaitą. Taigi nematysite daug aktyvių ryšių, nes jis įsijungia, prisijungia, vykdo ataskaitą, atjungia ir išsiunčia.
Tačiau esant didelėms operacijų aplinkoms, kur daug pranešama, svarbiausia stebėti šiuos dalykus. Taigi, jūs galite pamatyti, kur man viskas buvo nutikę, taigi jis suteikia jums gerą supratimą apie tai, kas vyksta nuo tikrojo aptarnavimo ir platformos lygio. Ir tada, kaip aš kalbėjau skaidres, kas veikia ką ir ką jie veikia? Ir vienas iš mūsų klientų nupirko šį produktą tik už šį kūrinį, nes jie norėjo sužinoti, kokias ataskaitas žmonės vykdo, o kas - šias ataskaitas. Taigi tai yra vienas iš šios ataskaitos vykdymo dalykų, kuriuos galite pamatyti čia. Aš galiu pamatyti, kokia ataskaita, galiu pamatyti visus parametrus, kurie buvo toje ataskaitoje, galiu pamatyti, kas ją vykdo, galiu pamatyti ataskaitos formatą. Tada aš turiu visas šias metrikas aplink, taigi, jei vėlgi, aš galiu suskirstyti šiuos dalykus, pavyzdžiui, kokia ataskaita užtruko ilgiausiai norint gauti duomenis, ir aš galiu eiti tiesiai prie to ir pamatyti, kuri ataskaita yra. Ir tai vėlgi suteikia man duomenis, kad galėčiau būti, vėl sureguliuoti tą variklį. Dabar aš galiu pradėti derinti savo ataskaitų teikimo aplinką.
Ir paskutinis dalykas: ar aš galiu pažvelgti į vartotojo veiklą, su kuo dabar vėl susijęs, ką jie veikia? Aš iš tikrųjų galiu, aplinkoje, kurioje turėjau daug vartotojų, jie visi yra rūšiuojami, kad galėčiau priskirti reitingą ir matau, kas labiausiai naudoja aplinką. Taigi, kad greitai grįžtumėte ir pažiūrėtumėte į tuos perspėjimus. Čia buvo tas perspėjimas; Aš galiu spustelėti šią nuorodą čia ir nuves mane į to laiko diagramą ir parodys, kuri iš jų buvo perspėta. Taigi, jūs galite pamatyti čia, būtent todėl rašymo, pavyzdžiui, skaitymo ir rašymo, vidutinės milisekundės buvo vidutinės. Taigi, vėlgi, tiesiog bandau išsiaiškinti problemas. Ir tikrai svarbu turėti holistinį įrankį, o ne tik tai, kas pažvelgia į tą vieną dalyką, nes žmogus turi čia atvykti ir susieti šiuos vykstančius įvykius, todėl reikia mokėti žiūrėti į tai, kas tuo metu vyko. tam tikroje aplinkos aplinkoje, ir tai yra vienas iš dalykų, kuriuos mes darome per šį laiko rinkiklį.
Ericas Kavanaghas: Taip, tai Ericas čia, tiesiog pateikdamas greitą klausimą: „Aš manau, kad jūs tikriausiai pataikėte į nagą į galvą ir būtent tai aš kalbėjau valandos pabaigoje, kad turi ateiti žmogus. ir nubrėžkite šias koreliacijas tarp skirtingų aplinkų. Man įdomu sužinoti, ar yra kokia nors mokomoji medžiaga, kuria jūs galite pasidalyti, o gal darote kokį nors bendravimą su žmonėmis, kad padėtumėte jiems atpažinti kai kuriuos iš šių modelių? Kaip prieš minutę turėjote tikrai gerą pavyzdį, apie tai, kai vienas iš jų spjaudosi, pasakodamas, kad kažkas vyksta atmintyje, nes jis vis bandė sunaikinti atmintį. Tai suteikia jums užuominos, bet kaip žmonėms palyginti šią statistiką su realaus pasaulio problemomis, yra tikrasis klausimas.
Stan Geiger: Taip, tai geras dalykas ir vienas iš dalykų, apie kuriuos aš tik kalbėjau, produkto planas, yra šiais metais vėliau, mes išleisime versiją ir vieną iš dalykų, kuriuos pradėsime pridėti yra kiekviename iš šių grafikų, yra aprašymas, ką ši schema reiškia ir kodėl jums turėtų būti svarbu, ir koks yra to poveikis. Taigi, galėsite spustelėti klaustuką ar ką nors šioje diagramoje, tada ištraukite langą, kuriame gausite daug tos informacijos ir nurodysite, kad tai yra galimos priežastys, tai yra paveiktos sritys, ir kuo daugiau kaip jūs sakėte, štai tas smaigas, aš iš savo asmeninės patirties žinau, ką tai reiškia. Tada aš galiu pradėti eiti ir pradėti gręžtis į tam tikrą vietą ir ieškoti pagrindinės priežasties.
Dabar mes turime daug to, ką turime SQL Server diagnostikos tvarkyklės produkte, faktinėje duomenų bazėje. Tokiame produkte yra daug tokio tipo funkcijų, taip pat turime keletą diagnostikos vadovo analizės patarimų, kurie žymiai greičiau paaiškina jus. Štai kur mes einame šiuo produktu.
Erikas Kavanaghas: Ir aš spėju, kad yra parašai apie tam tikrą veiklą. Ar šis įrankis leidžia jums nustatyti, kada įvyko tam tikras įvykis, ir sudaryti katalogą, kuris laikui bėgant atpažins panašų modelį ir padės išsiaiškinti, ar, pavyzdžiui, naujas vartotojas naudojasi ta pati priemonė? Padėkite suprasti, ai, taip yra todėl, kad šie serveriai sumažėjo, ar todėl, kad sumažėjo šis regionas? Ar yra koks nors būdas kataloguoti problemų parašus, kad galėtumėte juos lengvai atpažinti vėliau?
Stano Geigeris: Ne, iš tikrųjų, bet tai iš tikrųjų yra įdomi sąvoka, nes beveik viskas panašu į principinę komponentų analizę - kur identifikuoji modelius ir užfiksuoji tuos modelius, todėl jei vėl juos matai, gali grįžti atgal ir žiūrėk, gerai, tuo metu tai buvo priežastis. Taip, tai kažkas, tai nėra kelio plane, bet tai yra kažkas, apie ką galvojau produkto valdymo požiūriu.
Erikas Kavanaghas: Aš galiu įsivaizduoti. O, eik į priekį.
Stanas Geigeris: Ne, aš ketinau pasakyti - ir sulaukiame daug užklausų, nes nežinau, kokia yra jūsų patirtis - bet tai, ką randame, yra DBA žinančios duomenų bazes, kaip ant jų užpakalio, bet BI turinys yra tarsi juodoji dėžutė, kai kalbama apie platformos sveikatą. Ir nėra, jie neturi daug žinių apie tai. Aš tai darau tik nuo to, kad joje dirbau nuo penkerių iki dešimties metų, tiesa? Tačiau tipiški žmonės, atsakingi už tai, ar sugeba perspėti, ir išsiaiškinti, kas vyko, jiems tai yra juodoji dėžutė.
Erikas Kavanaghas: Taip, aš galiu įsivaizduoti. Man taip pat būtų įdomu žinoti, todėl tame viename ekrane parodėte, kaip galite pamatyti visas kylančias užklausas, kiek laiko jos užtruko ir kas jas sukūrė. Ar taip pat galite pamatyti tikrąją pačios SQL užklausos struktūrą ir atlikti tam tikrą analizę? Kaip galbūt kartais žmonės sudeda SQL užklausas, kurios yra didelių gabaritų, sakykime, ir varginančios, priešingai nei meistras, kuris iš tikrųjų pateikia gražią, griežtą užklausą. Ar tai kažkas, ką galite įsivaizduoti naudodamiesi šiuo įrankiu ir tada padėti jums, kad problema?
Stan Geiger: Taip, tai, ką jūs galite padaryti, pavyzdžiui, ką aš padariau čia, aš tiesiog surūšiavau, pavyzdžiui, po pasibaigusio laiko. Taigi aš galiu pamatyti tuos, kurie užtruko ilgiausiai, ir tada gaunu tekstą, bet tada vis tiek kažkas, kuris yra daugiau ar mažiau dalyko ekspertas, turi pažiūrėti į tai ir eiti: „O, gerai, štai kodėl tai užtruko taip ilgai "Tai kažkas, ką mes turime atlikti tam tikro krūvio analizės srityje, kurią mes vadiname SQL darbo krūvio analizatoriumi duomenų bazės atžvilgiu, kad aš suklydau galvodamas apie galimą kelią sugalvoti panašų dalyką, kad jis atpažintų šias užklausas, tada pateikia rekomendacijas, kaip suderinti šias užklausas. Bet viena iš problemų yra ta, kad ši MDX užklausa yra gana specializuota kalba.
Erikas Kavanaghas: Taip, aš galiu įsivaizduoti. Bet, pavyzdžiui, galite pamatyti, kas yra žmonės, todėl nėra labai sunku išsiaiškinti, ar vienas asmuo, jei vienas vaikinas yra atsakingas už dešimties ilgiausių proceso užklausų, tada, jei nieko daugiau, galite jam paskambinti ar paskambinti. jo vadybininkui ar kam nors ir sako: „Ei, šis vaikinas kramto daug pralaidumo“, ir galbūt paaiškėja, kad šios yra vertingiausios užklausos verslui, tiesa? Turite tai įtraukti į verslo vertę, atsižvelgiant į pačius klausimus, tai nėra tik aiškus skaičių žaidimas, tiesa? Tai išsiaiškinti, gerai, šis vaikinas yra mūsų vartotojas, o jis keičia verslą, tiesa?
Stano Geigeris: Ne, tu visiškai teisus. Aš turiu galvoje, kad tai yra vienas iš būdų, kaip klientai tuo naudojasi, kad galėtų tai padaryti. Kaip jūs sakėte, galbūt rasite vieną sritį, nes vieną iš dalykų, apie kuriuos kalbu, visada naudoju „Excel“, bet jūs galite prisijungti prie „Excel“ analizės tarnybų ir paleisti suvestines lenteles nuo OLAP, ir ji generuoja savo užklausas, ir siunčia juos, o kartais jie nėra geriausios formos, todėl galite grįžti atpažinti tuos ir realiai juos perrašyti, atiduoti vartotojui ir leisti paleisti juos ten, kad nereikėtų pusvalandžio juos grįžti prie savo sukamojo stalo.
Erikas Kavanaghas: Tiksliai. Ir kai mes kalbame apie užklausas, jūs, vaikinai, aprėpiate užklausų spektrą, taigi jūs paminėjote MDX, o kaip su kai kuriomis kitomis užklausomis, pavyzdžiui, DAX užklausa, ar kai kuriomis iš šių kitų?
Stan Geiger: Taip, mes aprėpiame visus DAX ir MDX. Taigi, vienas iš dalykų, kurių nepaminėjau ar galbūt padariau, bet mes palaikome ir lenteles, ir OLAP, esančias „Microsoft“ ir „DAX“, - manau, jūs ir aš apie tai jau kurį laiką kalbėjome - ar mes matome daug daugiau lentelių, nei mes esame OLAP. Priežastis, kad paprasčiau yra pateikti lentelių modelius ir panašius dalykus, todėl pamatysite akivaizdžiai DAX užklausas, tačiau mes jas taip pat pasirinksime.
Erikas Kavanaghas: Taip, tai įdomu. Ar turite kokių nors aplinkybių, kodėl tai vyksta? Gal todėl, kad vis daugiau žmonių įsitraukia į šią medžiagą ir todėl, kad OLAP, be abejo, nėra kažkas naujo, tai buvo jau maždaug 30 metų?
Stanas Geigeris: Teisingai, gerai, tai savotiškas derinys, vienas iš dalykų, kubų kūrimas yra menas. Ir kubai buvo sukurti tam, kad būtų galima iš anksto sukaupti duomenis, todėl duomenis gauti yra labai greita, tačiau kubo apdorojimas užtrunka, nes reikia atlikti visus tuos suvestinius duomenis. Tada aparatūra tapo pigesnė, o atmintis - pigesnė, tada visi išėjo su stulpelių saugykla ir atminties duomenų bazėmis. Be to, lentelių lentelė yra arčiausiai tradicinių reliacinių duomenų bazių, todėl lentelių modelius pateikti yra daug lengviau ir greičiau nei naudojant OLAP. Trūkumas yra tas, kad jis yra atmintyje, visa tai yra atmintyje, todėl jis yra labai daug atminties ir duomenys nėra kaupiami tol, kol to nepaprašote. Taigi, pasakę visa tai, mes pradedame matyti daug daugiau lentelių lentelėse.
Erikas Kavanaghas: Tai įdomu. Taip pat gali būti todėl, kad ši pramonė šiek tiek išsilygina, ir aš turiu omenyje tai, kad sutinkame daug daugiau žmonių, kurie sąveikauja su duomenimis ir naudoja įvairius įrankius, ir, be abejo, kai jūs kalbate apie „Microsoft“, manau neabejotinai taip yra, kai turite daug, daug daugiau smulkaus ir vidutinio verslo vartotojų ir netgi kai kurių didesnių organizacijų, kurios gilinasi į dalykus, gauna prieigą prie įrankių, vykdo užklausas ir nėra gal taip gerai susipažinę su visas procesas ir technologijos, susijusios su pastato kubeliais, jūsų mintyje, tiesa? Priežastis, dėl kurios reikia susimąstyti, be to, brangi, tiesa? Šiems kubeliams sukurti reikia laiko, o prireikia energijos, nebent ten naudojatės naujesnėmis technologijomis. Kaip, pavyzdžiui, mes kalbėjome su tokiomis įmonėmis kaip „Snowflake“, pavyzdžiui, ji gamina gana įdomius dalykus, bet aš manau, kad jūs turite daug daugiau žmonių, naudojančių turinį, ir jie tikriausiai eina su tuo, ką ką tik aprašėte, tai yra lentelės formatas, priešingai nei formaliai statantys kubus, tiesa?
Stanas Geigeris: Taip, aš turiu galvoje, kad, manau, „Excel“ - kai tai buvo „Power Pivot“, manau - iš tikrųjų tai lentelės lentelė, jei pažvelgsite į tai; tai yra būdas kurti lentelių modelius. Tada aš pakartojau, kad aš galiu pasakyti savo sukurtus lentelių modelius ir diegti juos iki SQL Server, kad galėčiau jais pasidalyti su visais kitais. Taigi, tai beveik natūralus „Excel“ plėtinys.
Erikas Kavanaghas: Taip, tai gera mintis. Tai, ką matėme per pastaruosius, sakyčiau, nuo penkerių iki septynerių metų, yra tik didžiulis šių technologijų naudojimo išplėtimas, tiesa? O „Microsoft“, tiesą sakant, buvo to pradininkė, iš tikrųjų demokratizavusi galios duomenis per analizės tarnybas ir per „Power Pivot“, tiesa? Aš turiu galvoje, kad tai buvo žaidimų keitiklis pramonei, tiesa?
Stan Geiger: Taip, ne, tu visiškai teisus. Aš turiu galvoje skaidrę, kai pateikiu ilgesnį pristatymą, kuris rodo perėjimą nuo semantinio modelio, kuris buvo OLAP, prie lentelės. Ir aš manau, kad turiu „Microsoft“ citatą; Jie nori, kad duomenys būtų ne tik per parduotuvę, bet ir vartotojų rankose. Jie nori gauti daugiau duomenų juos naudojančių žmonių rankose.
Ericas Kavanaghas: Ir tai grįžta prie pirmosios mano labai paprastos skaidrės, kurią aš parodžiau ir kuri buvo pagrindinis bet kurios organizacijos sprendimų priėmimo procesas, o dabar - ir aš manau, kad tai yra puikus dalykas - sutinkame vis daugiau žmonių iš visos organizacijos hierarchijos, atkreipdami dėmesį į tai, kas vyksta, pateikdami jų istoriją prie stalo, o jūs tai darote turėdami duomenų, tai yra esmė, turiu galvoje, kad galite naudoti kitas priemones, bet jei jūsų istoriją papildysite duomenimis, jūs turėsite daug stipresnių argumentų nei tie, kurie to nedaro, tiesa?
Stan Geiger: Tiksliai taip. Kaip, taip, tai visiškai teisinga. Aš turiu galvoje tai, kodėl dabar tai buvo „Ei, man reikia šio pranešimo“, todėl dabar turėjau įvykdyti ataskaitos prašymą ir turėjau pereiti čia, gauti savo pranešimą ir dabar galiu sėdėti ten tiesiai prie savo stalo ir tikrai tik turiu prieigą prie sugeneruotų duomenų, priimu savo verslo sprendimus.
Erikas Kavanaghas: Teisingai. Žinote, aš grįžau iš praėjusios savaitės konferencijos ir ten buvo isteriškas vaikino, kuris parduotuvėje „Target“ valdo gana didelę BI aplinką, komentaras, jis nurodė savitarnos analizę ir savitarnos BI ir, aišku, šiomis dienomis tai yra didelis klausimas. Aš tikiu, kad tai, kas, jūsų vaikinai, daro didelę veiklą IDERA veikloje, nes kai norite įdiegti savitarnos paslaugas, pirmiausia turite sveiką BI aplinką, ar ne? Jei ketinate iš ten pritraukti įvairius žmones, kurie visokiais būdais užduoda visus klausimus, norėsite, kad čia būtų kažkas panašaus į šį įrankį, kad galėtumėte suprasti, kas užduoda kokius klausimus ir kur. Juokingą citatą, kurią jūs išmesite tik dėl paspirtuko, kaip jūs sakėte: „Yra savitarpio linija tarp savitarnos BI ir eikite patys“.
Stano Geigeris: Taip.
Erikas Kavanaghas: Aš maniau, kad tai yra isteriškai. Bet ar matote, kad savitarnos tendencija iš tikrųjų skatina daug suvokti, ką darote su technologijomis?
Stan Geiger: Taip, nes, kaip jūs sakėte, jei leisite savitarnos BI, tuomet tikriausiai turėsite kokių nors našumo problemų, nes: A) prieigos kiekis, žmonių skaičius esant duomenims, ir B) prastai suformuotų užklausų skaičius ir prieigos būdai, kuriuos turite. Taigi, jūs tikrai privalote stebėti aplinką, kad galėtumėte džiaugtis visais, kurie bando sunaudoti duomenis, tiesa?
Erikas Kavanaghas: Taip, aš manau, kad tai teisinga. Tai palaiminimas ir prakeikimas: gerai, kad žmonės bando naudoti daiktus, tačiau, jūsų nuomone, jei tuo metu neturite tinkamo įrankio, būsite nelaimingas stovyklautojas, nes be savitarnos, neturėdamas tokio įrankio, man atrodo, kad tai tiesiog reikalauja kalnas problemų.
Stanas Geigeris: Taip, aš turiu galvoje, kad tai panašu į tai, kai statiau duomenų sandėlius, tarsi jei tinkamai nesuprastumėte savo matmenų ir faktų lentelių, tada paslėptumėte ad hoc ataskaitas, galbūt norėtumėte nuskaityti po Rokas.
Erikas Kavanaghas: Tai nuostabu. Taip, tai gerai, vėlgi, gera žinia, kad žmonės naudojasi šiais dalykais, bet aš manau, kad turiu patikėti, jog savitarna paskatins daug veiklos dėl to, ką darai, nes tu kalbi apie rampą padidinti įtampa ir slėgis šioms sistemoms pagal dydį. Ne tik vienu, ar dviem dydžiais, ir būtent tuo jūs norite turėti tam tikrą matomumą ir norite pamatyti, kas ką daro, kur, kada, kaip ir kodėl. Užduokite tuos klausimus ir tada priimkite keletą sprendimų, kaip galite stebėti ir keisti aplinką bei keisti savo politiką, kas turi prieigą prie ko, tiesa?
Stano Geigeris: Teisus. Ir jūs žinote, tai taip pat, žinodami, pamatę, kad panaudojimas taip pat leidžia jums ten patekti, o potencialas, kaip jau minėjau objektą kube, galiu padaryti ką nors patobulinti, kad tiek, kiek aš konstruoju ir kuriu daiktai. Taigi, būtina ne tik pažvelgti į daiktų atlikimą, bet ir sugebėti pamatyti, kaip jūsų schema ir dizainas veikia tame lygmenyje, kad galėtumėte tai pakoreguoti. Tai tiesiog didės ir didės, nes tokie dalykai kaip „power BI“ yra labai svarbūs dalykai dabar su „Microsoft“, todėl dabar galiu kurti savo prietaisų skydelius, valdiklius ir daiktus, o ne turiu būti BI kūrėjas.
Erikas Kavanaghas: Teisingai. Taip, tai yra gera medžiaga, jos yra visur, bet jums reikės kažkokio būdo, kaip valdyti tą aplinką, arba tapsite nelaimingais vartotojais. Tai veda prie nelaimingo valdymo, dėl kurio žmonės atleidžiami. Kai viskas pradeda kristi, yra gana aiškus domino efektas, tačiau tai yra puikus dalykas.
Taigi aš čia sukramčiau paskutines penkias minutes. Robinai, ar nekilo klausimų?
Robinas Blooras: Na, manau, kad tai yra žavu, tiesą sakant, sąžininga. Mane verčia galvoti apie tai, kad mūsų aplinka buvo labai suvaržyta, o savitarnos paslaugos iš tikrųjų keičia pasaulį, ir daug kas iš tikrųjų vyksta iš tikrųjų, nes į aplinką pateko nepaprastai daug daugiau duomenų, nei įvyko anksčiau. Vienintelis klausimas, „nes mes neturime daug laiko, bet vienintelis klausimas, kurio man būtų įdomu paklausti, būtent taip, kaip jūs paaiškinote, kad - nes aš maniau, kad tai buvo labai geras demonstracinis variantas. Veikia BI stebėjimas. Man buvo įdomu, ką iš tikrųjų daro žmonės, neturintys tokio tipo daiktų? Kadangi tai turi būti labai sunku, yra keletas dalykų, kuriuos pakeisite, ir pagrindinė priežastis yra gera, jūs ne visada pasiekiate pagrindinę priežastį, tačiau kai kuriuos dalykus galite pasiekti ir su pagrindine priežastimi. kad jūs žiūrite, kad kai pasakėte, kad daugybė žmonių perka įrankį tik tam, kad žinotų, kas ką veikia, ir, kad mano protas sukasi, nes tarsi nežinote, kas ką veikia, tada daiktai yra nekontroliuojami. Taigi, kaip atrodo aplinka, kai ji nekontroliuojama?
Stan Geiger: Aš turiu galvoje, kad visą šią informaciją, kurią turime įrankyje, galite gauti patys, tačiau jūs turėtumėte parašyti daugybę namų scenarijų ir, nes ten yra visi duomenys, tiesiog jūs turite žinoti, kur gauti, o tam reikia tam tikro lygio žinių, tiesa? Taigi, tokiose aplinkose, kur jūs neturite tokio lygio žinių, iš esmės tai, ką jūs gaunate, yra „hey“, „up up“ arba down down? Aš tikrai nežinau, ar jis veikia efektyviai, ar ne, bet viskas baigėsi, tiesa? Tada aš pradedu skambinti telefonams ar žmonėms vykti: „Ei, mano ataskaita nėra mano gautuosiuose, kas vyksta?“ Arba „Aš ką tik pateikiau šią ataskaitą naudodamas ataskaitų tarnybas“, arba jie čia gali atlikti užklausą analizės tarnybose., bet tai trunka kaip pusvalandis, o anksčiau tai užtrukdavo tik 30 sekundžių, kas vyksta? Na, dabar jūs turite padaryti ugnies grąžtą ir pabandyti išsiaiškinti, o be įrankio tai tampa labai sunku.
Robinas Blooras: Na, teisingai, tai buvo dalykas, kuris man vis labiau pasirodė akivaizdus, nes jūs pademonstravote kiekvieną dimensiją to, ką jūs čia iš tikrųjų turite. Kitas dalykas, tai tarsi labai, labai primityviu lygmeniu, jei neturite perspėjimų, kad jums būtų pasakyta, kad viskas blogai, tada tai tiesiog brangu - jūs patenkate į brangią situaciją, bandydami išgydyti tai, kas atsitiko, nes jūs nesužinosi, kol daiktai pradės blogai kristi, tiesa?
Stan Geiger: Teisingai, tu nežinai to, ko nežinai.
Erikas Kavanaghas: Jūs tai turite. Sveiki, žmonės, mes per valandą perdegėme ir pasikeitėme. Labai didelis ačiū mūsų pačių Robinui Bloorui ir, žinoma, mūsų draugui Stanui Geigeriui iš „IDERA Software“. Jie bus „Enterprise Data World“, iš tikrųjų, jei kuris nors iš jūsų ten nuvyks, jūsų tikrai bus ir Atlantoje. Mūsų geras draugas Tony Shaw daro puikų darbą rengdamas šią konferenciją jau ketverius metus, ir, hey, kas sena, vėlgi yra nauja. Tai viskas karšta. Tikimės, kad jus pamatysime ten, jei ne, dar kartą apsilankykite pas mus kitą savaitę. Mes turime krūvą kitų internetinių transliacijų.
Visada įdomu išgirsti savo mintis, siųskite el. Laišką, kuris man tinka, jei turite klausimų ar pasiūlymų ar kitų technologijų, apie kurias norėtumėte sužinoti naudodamiesi „Hot Technologies“. Su tuo jūs atsisveikinsite, žmonės. Dar kartą ačiū, kad prisijungėte, mes su jumis kalbėsimės kitą kartą. Pasirūpink. Iki.
