A Techopedia munkatársai, 2017. március 29
Elvihető: Eric Kavanagh házigazda megbeszélést folytat az üzleti intelligenciáról Dr. Robin Bloorral és az IDERA Stan Geigerrel.
Jelenleg nincs bejelentkezve. Kérjük, jelentkezzen be vagy jelentkezzen be a videó megtekintéséhez.
Eric Kavanagh: Hölgyeim és uraim, üdvözlöm újra, ez a szerda 4:00 órakor keletre esik, és az elmúlt néhány évben azt jelentette, hogy ideje van a Hot Technologies-nek, igen, valóban. Eric Kavanagh vagyok, a házigazdám lesz a mai műsorban. Szeretem ezt a témát: „Egészségügyi ellenőrzés: Az egészséges vállalati BI fenntartása”, erről beszélünk ma. Van egy hely a tiédről.
Tehát ebben az évben forró - a Hot Technologies-t valóban úgy fejlesztették ki, hogy meghatározza a különféle technológiákat, és el tudod képzelni, hogy a vállalati szoftverek világában rengeteg eladó van, akik mindenféle különféle terméket eladnak, és mi történik ezzel? ezek azok a szóbeszédek, amelyek a megszokáshoz és a különböző gyártók által nagyon különböző dolgokhoz való ragyogáshoz szűnnek meg. Tehát, a show célja valójában az, hogy segítsen eladó eladó barátainknak, és segítse közönségünket mind abban, hogy azonosítsák és körbevegyék a fejünket, hogy mi a konkrét technológia valójában, és mit jelentenek ezek a szavak, amikor rézfúvókákhoz jutsz.
Tehát ma ma az egyik elemzőként fogok részt venni, dr. Robin Bloor is a vonalon és Stan Geiger az IDERA-ból. Beszéljünk gyorsan az üzleti intelligencia és az elemzés fontosságáról általában. Ez egy alapvető döntési fa, ha akar, vagy egy folyamatábra, csak egyfajta beszélgetés arról, hogy miként dolgozik a vállalati kérdésekben, különféle témákról folytatott megbeszéléseket, összehozza a javaslatokat, és megtudja, hogy mit gondolnak az emberek. Egyetértenek egymással? Nem értenek egyet? Mi a konszenzus, ha van ilyen, és hogyan dolgozol tovább ezen a folyamaton?
Nos, ez nyilvánvalóan nagyon általános, de jó emlékeztető arra a folyamatra, amelynek során ötleteket javasolunk a vállalatokban, meghozjuk döntéseinket, majd tovább haladunk. A lényeg az, hogy minden egyes elemre vonatkozóan adatokra van szükség. Ez manapság még inkább igaz a nagy adatok világában, mert természetesen a nagy adatok olyanak, mint ez a hatalmas igazságmotor. A nagy adatok valójában mi történnek; képviseli azt, hogy ki hol van, mit csinálnak, mit vásárolnak, mi a szociális média kezelése, például tweettelés. Természetesen mindazt a dolgot meg lehet csapkodni - erre vigyázni kell, de a lényeg az, hogy az adatok a referencia-architektúra, ha akarod, a valóság számára.
Szóval, adatokra van szüksége a döntéshozatali folyamat minden pontján. Most fontos a konszenzus. Ha boldog felhasználókat akar, akkor a főnököknek előfordulhat, hogy mindenkinek ellenzi a dolgot. Csak Steve Jobs-ről beszéltünk, még mielőtt ez a webes adás megkezdődött, és ő hírhedt volt az ilyen dologról. Van egy híres idézete, ahol azt ajánlja, hogy az emberek fojtsák el az általuk hallott zajt, majd ragaszkodjanak a látásukhoz, ha tudják, hogy mit csinálnak helyesen. Tehát nem mindig van szükség konszenzusra, de általában ez egy nagyon jó ötlet. De a dia és ennek a kommentárnak az a célja, hogy hazavigyázza annak fontosságát, hogy döntéseinket az adatok alapján, és nem csak az ösztön alapján akarjuk meghozni, bár a bél általában igazán segít abban, hogy megismerje, hova kíván menni, majd valóban azt akarja, hogy ezt érvényesítse vagy érvénytelenítse az Ön adataival. És azt mondanám, hogy ne féljetek odafigyelni erre a helyre, csakúgy, mint egy szép kis jelölő, vagy emlékeztető, hogy amikor alkalmanként visszatekint, legalább megkaphat valamilyen referenciakeretet, és megértheti, hol voltál származik, és őszinte legyek a hibáidért. Mindannyian hibákat tettünk, történik.
Tehát, ha problémái vannak az üzleti intelligencia rendszereiben, akkor ott van a régi kifejezés: „a türelem erény”, nem az informatika világában, most elmondhatom neked. Ha a felhasználók hosszú ideig várakoznak a kérdéseik visszatérésére, vagy nem kapják meg jelentéseiket, akkor ez rontja a bizalmat, és amikor a bizalom megszűnik, nagyon nehéz ezt visszanyerni. Tehát beillesztettem egy sort egy sorba - ezekben a napokban körülbelül 40 másodperc van, mint sok esetben 40 perc - ha a lekérdezés 40 másodpercig tart, akkor az emberek elfelejtik, miről beszélnek, amit kérdeznek. az adatok. Képzelje el egy beszélgetésben, ha valakivel kérdezi, mondjuk a főnököt, azt mondja: “Hé, szeretném tudni, miért van az, hogy megyünk erre az útra.” És 40 másodpercet kellett várnia egy beszélgetésben. kap választ? Kimentél a szobából! Azt gondolja, hogy a főnöke elvesztette a fejét. Tehát az a késedelem, amely bizonyos információs rendszerekben van, amikor teljesítményproblémák merülnek fel, azaz megszakítja az analitikai folyamatot, az analitikai folyamatot, vagy amint egyesek hívják, a beszélgetést, amelyet az adataival folytat. Gyorsan be kell lépnie ezekben a rendszerekben, bármit is kell tennie, hogy ez megtörténjen, és ma erről beszélünk, ma ezt kell tenned, mert anélkül, hogy az ötletek folyékony előre-hátra áramlása nélkül valóban károsítja az elemzési folyamatot. Tehát, és ismét kihozzam ezt a megjegyzést: a bizalom hiánya csendes gyilkos. Az emberek nem sokat emelik fel a kezüket, ha nem bíznak benned, hanem csak oldalra néznek és megkérdezik, mi folyik itt. És amint ez a bizalom megszűnt, nagyon-nagyon nehéz idő lesz a visszaszerzés.
Tehát a mesterséges intelligencia, jól halljuk a gépi tanulást és az AI-t, és „Ó, nem fogja megoldani ezeket a problémákat?” Robin és én évek óta halljuk az adatbázisok önhangolását és ezt a szórakoztató dolgot - van valami ilyen, de kérdezd meg magadtól azt a kérdést: milyen gyakran találja meg a Siri az Ön számára? Milyen gyakran véletlenül felbukkant Siri és elment: „Sajnálom, nem értem meg.” Ez azért van, mert nem kérdeztem tőled semmit. Csak véletlenül megütöttem azt a darned gombot. Tehát még mindig van sok hiba, és mellesleg a bal oldalon ez az Apple Newton ASIC chipe - emlékszel arra a kiskutyára évek és évek óta? Ez volt az egyik első intelligens eszköz, és ez már régen ilyen, olyan, mint a 90-es évek eleje vagy a 90-es évek közepe, amit mondani akarok. Hogy a Newton jött ki, és nem volt túl jó, de meglátása volt; tudták, hová mennek, de még az iPhone AI és a gépi tanulás során is mondom, hogy ezek széles körben félreértett fogalmak.
És természetesen a gépi tanulás szempontjából nagyon hasznos lehet, és valójában használható ezekben a környezetekben, ahol megpróbálja megérteni, mi folyik a komplex információs architektúrával, ahol a dolgok rosszul vannak. A gépi tanulás ebben az összefüggésben nagyon értékes lehet, de csak akkor, ha nagyon akut módon alkalmazzák. Tehát éppen egy nagy eseményen vettem részt Kaliforniában, a Hudeoop egyik nagy disztribútorának, a Cloudera-nak az elemzői csúcstalálkozóján beszéltem a stratégiai főtisztviselővel és azt mondtam: „Tudod, számomra úgy tűnik, hogy Valójában a gépi tanulásnak csak két dolga van: szegmentálja és finomítja. ”Azaz különféle szegmenseket vagy tevékenységi csoportokat ad neked, beleértve az anomáliákat is, amelyek szegmensek lennének. És finomítja, azaz segít javítani egyfajta döntést. A klasszikus példa, amiről hallottál, hogy van például egy ember ebben a fényképben. Tehát ezt valami gépi tanulás megteheti, és bizonyos kontextusokban hasznos, amikor a hibaelhárításról beszélünk, mivel viselkedésmintákat kereshet a CPU használatában, a memória használatában, a lemez sebességében és a lemezek munkájában., és minden ilyen mókás cucc. Tehát hasznos lehet, de tényleg olyasmi, amelyre nagyon koncentrálni kell, hogy bármilyen értéket előállítson.
Tehát az egyik kedvenc dolgom, amiről beszélni lehet - és ezt egy kicsit meglátjuk, azt hiszem, amikor az IDERA-ból átvesszük a mai demonstrációnkat -, sok szempontból azt gondolom, hogy az emberek még mindig tanulnak szilikonról beszélni . Mindez mögött van egy anyagtudomány, és azoknak közületek, akik hibaelhárítást végeztek és igazán keményen áttekintették a komplex információs architektúrákat, amikor megpróbálták megérteni, mi folyik, még például egy Hadoop klaszterben is, valóban általában csak a hisztogramokat nézi. És akkor össze kell kapcsolnia, hogy mit jelentenek ezek a különféle hisztogramok egy adott pillanatban, és ez intelligenciát igényel; az emberi intelligenciát és tapasztalatot igényel. Tehát egyáltalán nem félek attól, hogy az ML, a gépi tanulás vagy az AI hamarosan túl sok munkahelyet fog elvonni a világon. Úgy gondolom, hogy mindig szükség lesz emberekre, akik őszintén tudják, miről beszélnek, hogy segítsenek minket kihozni és mindez megtörténjen.
Tehát tovább mozogjunk. Szóval, mi történik, ha nem adatvezérelt? Ez egy híres festmény, a „Vak vezet a vak” - emberek ezt nem akarják. Nem akarja, hogy ilyen környezet legyen a szervezetében. Tehát azt akarjuk, hogy azt akarjuk, hogy döntéseinket az adatok vezessenek, és azt akarjuk, hogy a döntéseket jó adatok, jó minőségű adatok vezessenek, és ez csak akkor történik meg, ha a helyes adatokat gyűjtjük, ha szép és tiszta, és ha a rendszerei megfelelően működnek, ha a BI-rendszereik egészségesek, az elemzőrendszerei egészségesek, és a felhasználók időben megkapják azt, amit akarnak.
Tehát ezzel összefoglalom és átadom az utánozhatatlan Robin Bloornak. Robin, vedd el.
Robin Bloor: Oké, hát köszönöm, hogy átadtam a labdát. Arra gondoltam, miközben beszéltél, Eric, csak a BI-re gondoltam, és volt egy eladó bemutató, ahol a közelmúltban vettem részt, amikor valaki megjegyezte, hogy egy adott eladónál egy adott rendszert egy nagy, rossz adattárházban működtetnek, amikor egy Egy adott időpontban 70 000 BI tranzakciót lehet végrehajtani, ami sok információhoz vezetne. Nekem előfordult, hogy ha valójában ilyen munkaterheléssel rendelkezik, és néhány másodpercet is pazarol a szoftver végrehajtása szempontjából, akkor ez valójában nagyon drága lesz, és ha perceket pazarol, borzasztóan drága lesz. És akkor eszembe jutott, hogy a világ szörnyű részén fut táblázatok - vannak, azt hiszem, árnyékrendszereknek hívták őket, nem? Először is, amikor az emberek csak táblázatokat és e-maileket használva készítenek rendszereket, és megteszik a dolgokat, mert az informatikai részleg nem tud mindenki számára készíteni alkalmazásokat, így ők ezt teszik. És szerintem sok BI bekapcsolódik az ilyen rendszerekbe.
Mindegy, miután ezt mondta, kezdjük el beszélni arról, amiről beszélek. A BI visszacsatolási kör a vállalati rendszerek számára, valójában annyira egyszerű vagy bonyolult, hogy pontosan milyen szerepet játszik a szervezetben. De ha ezt egy négy évvel ezelőtti ábra szemlélteti, amikor egy vagy másik módon megpróbáltuk megérteni, mi történik az elemzés oldalán. De nagyjából minden, ami utólag néz ki, visszatekintve a korábban történt eseményekre, és minden, ami a rendszer működésének szempontjából felügyelet alatt áll, inkább BI. Korábban nem volt olyan, hogy az előretekintés, a prediktív elemzés a BI volt, de valójában egyre inkább ez a helyzet. Eric megemlítette a gépi tanulást, mivel sok gépi tanulás valójában úgy vagy úgy történhet, hogy csak egy adatfolyammal szemben fut, és prediktív elemzéseket adhat az elkövetkező öt percre, vagy akár szinte valós időben, így válaszolhat egy az ügyfél, a kiszámított tudással, hogy mi történik valójában.
De ennek a diagramnak a középpontjában, a belsejében az elemzés származik. Általában az történik, hogy különféle elemző tevékenységek irányulnak bizonyos adatgyűjtésekre, és megtanulnak valami újat, megismerik az üzletet. És ezt az információt azután beragasztják az üzleti folyamatokba, amelyek táplálkozhatnak belőle. És általában ez úgy vagy úgy nyilvánul meg, hogy megjelennek a BI riasztások, vagy csak különféle dolgok kerülnek a műszerfalra, és így tovább és így tovább. Amikor valójában ezt tettük, négy kifejezés van ott, és véletlenül a „látvány” szóval érik véget, ami nagyon szép. De valójában nem minden a területen, amit az emberek akarnak tenni, az optimalizálás problémája is van, és az optimalizálás nem eredményez egyszerű elemzést. Nagyon összetett probléma, és sok optimalizálási probléma nem oldható meg egyértelműen. Csak jó megoldások lehetnek, nem tudod bebizonyítani, hogy jobb megoldásod is van. És ez egy olyan tevékenységi terület, ahol folyamatban van tevékenység, de kevésbé, mint az elemzés legtöbb más területén. Tehát az emberek azt mondják, hogy az elemzés korában élünk - nos, tíz évvel ezelőttihez viszonyítva, de ez jóval tovább haladhat, mint amennyire már elment.
Tehát a BI fogadása, a tudás iránti vágy olyan felhasználói kéréseket eredményez, amelyek analitikai projekteket készítenek, az analitikai projektek adattápokat alkotnak, az adattáblák és az analitika pedig betekintést és betekintést alkotnak a BI-be. Ez egy történet, amit csak elmondtam; Csak azt hittem, kiírom. Amit itt csináltam, úgy értem, hogy ennek a dianak és lényegében a többi diának a lényege az, hogy ténylegesen hangsúlyozzam, mennyire összetett az üzleti intelligencia világa. Ez nem egy egyszerű dolog, ezt a különféle diavetítést bonyolultabbá tehettem, mint amilyen valójában, de itt van az alján, külsõ adataival és belsõ adataival rendelkezik, amelyeket úgy vagy úgy átszerveznek. terület, amely manapság ez egyfajta adat-tó cucc, bár nem mindenki rendelkezik adat-tavakkal. És az embereknek nem feltétlenül vannak sikeresek. És ezután elvégeznek egy adagot tisztító és irányító tevékenységeket az adatokhoz, mielőtt valóban felhasználhatnák azokat. És akkor kiszolgálja ezeket az adatokat, és vagy jelentést készít róla, vagy elemzi, és az elemzés cselekvéshez vezet.
És ha valóban megvizsgálja a létező különféle elemzéseket, ez egy hihetetlenül hosszú lista, de nem feltétlenül egy teljesen átfogó lista, ez az, amit gondoltam, hogy leírjam, amikor valójában ezt a diát készítettem. Tehát nagyon sok dolog megy tovább a BI környezetben: vizualizációk, OLAP, teljesítménykezelés, eredménykártyák, műszerfalak, különféle előrejelzések, adatlakkok, szövegbányászat, videóbányászat, prediktív dolgok, nagyon sokféle cucc van, valójában folytatódik. Ha másképp nézzük a vállalati valóságra, alapvetően valójában ez hasonló az előző diagramhoz, csak másképp készül. Elválasztottam azt, amit BI-nek nevezne, mert szabályos és tudja, hogy mi szükséges, ez nem azt jelenti, hogy a ténylegesen zajló esemény hatékony, de legalább rendszeres dolgok történnek, mondjuk Tableau-ban, vagy Click-ben, vagy Cognos, van egy tárgy forrás, és így tovább és így tovább, különféle rendszeres jelentések vagy képességek fognak folyni. És akkor megvan az elemző alkalmazás, és különböznek egymástól. Mivel az analitikai alkalmazások valójában az adatok feltárására irányulnak, és véleményem szerint ez valamivel egyenlő a kutatással és fejlesztéssel. És akkor megvan a munkafolyamat. A munkafolyamat alatt keverje össze dolgát operációs és irodai alkalmazásokkal, ha erre szükség van - és ez a vállalati valóság, ahogy látom -, bár a legtöbb szervezetben nem olyan jól szervezett.
Tehát a BI megszakítása, ez csak egy megemlíthető dolog, megnehezíti a BI-t, mint régen, mivel a régi BI világ elsősorban a meglehetősen tiszta adatkészletekből állt, amelyek valamilyen módon elfogták, valószínűleg egy adattárházból, és betápláltak bizonyos BI szoftver. És akkoriban valóban öt vagy tíz évvel ezelőtt beszélek, de akkoriban az adatmennyiség nem bővült, az adatforrások ismertek voltak. Az adatok érkezési sebessége ismert volt, bár gyakran egyes BI-k nem történnek meg elég gyorsan bizonyos felhasználók kedvéért. Nem volt strukturálatlan adat, szinte semmi sem volt szociális adat, természetesen nem volt internet tárgyi adat, nem érdekelte az adatforrás. A számítógépes értéknek nem volt párhuzamossága az infrastruktúra vonatkozásában annak érdekében, hogy így vagy úgy meg tudjon csinálni rendkívül gyorsan. Nem volt gépi tanulás, és az analitikus munkaterhelés meglehetősen csekély volt. És mindez megváltozott, az adatmennyiség most drámai módon növekedhet. Az adatforrások száma, amelyben csak folyamatosan növekszik. Igen, az adatok gyors beérkezése az adatátvitelbe, sok strukturálatlan adat, természetesen a szociális adatok, amelyeket meg kell tisztítani, de más adatok, amelyek esetleg megtisztítást igényelnek, természetesen a tárgyak internete adatai, a helyzet most.
Az adatforrás kérdés, és mi törődik vele. A számítógépes teljesítmény ott van, ami ügyes, mert ez mindenféle dolgot megvalósíthat, és a gépi tanulás most már olyan jelenség, amely további BI képességek és új analitikai munkaterhelések létrehozásához vezet, amelyek ugyanezt teszik. Tehát a BI nem statikus helyzet, és azt hiszem, ez az utolsó, amit mondok, mielőtt átadom Stannek. Ó, nem, nem, van valami más. Jövő BI táj, a dolgok internetje, eseményvezérelt architektúrák, minden valósidejű, rendben. Ez elegendő a felhasználó BI-jétől a felhasználó által az összesített problémákhoz. Az adatáramlás teljesítményének időszerűsége, az adatok lefedettsége, az adatok tisztítása, az adatokhoz való hozzáférés képességei, a megjelenítés, a megosztás és az alkalmazhatóság.
Tehát most továbbadhatom Stannek, kivéve, ha a BI szolgáltatás megbízható és időszerű, ez nem szolgáltatás. Stan?
Eric Kavanagh: Rendben, Stan, adok neked a labdát, vegye el.
Stan Geiger: Oké. Szóval, amiről beszélek, csak a háttérm. Az IDERA vezetője vagyok a termékmenedzsment területén, és az egyik feladatom az üzleti intelligencia kínálatával kapcsolatos termék. Tehát egy kicsit tovább foglalkozom azzal, amit Robin beszélt, és az üzleti intelligenciával kapcsolatos kulcsfontosságú területről beszélek, amely a platform állapotának ellenőrzése. Olyan, mint mondta, most már ott volt az összes ilyen adat, hetekbe telt az elemzés, majd visszajutottunk jelentésekkel és dolgokkal. De a BI táj úgy változik, hogy közel kerülünk a szinte valós idejű elemzésekhez. És sok esetben a valós idejű elemzés. Szóval, egy kicsit beszélek erről a diaról, ez csak egyfajta áttekintés - és csakúgy, mint a teljes nyilvánosságra hozatal, az, hogy Microsoft szempontjából fogok róla beszélni, de ezek a fogalmak átmennek, ha az Ön BI A platformok Oracle-ben vannak, vagy Informatica-t és Oracle-t használ, vagy csak keverési módú, hibrid környezeteket használ. Csak a Microsoft környezetére használom, de ez eléggé szabványos.
Robinnak itt volt egy diaja, amely ezt megérintette: az, hogy van forrásrendszere, ahol összes adataimat ültem, és régen ezek voltak mind relációs adatbázisokban, mind az ilyen adattárolókban, de most megvan a Hadoop, az internet és a dolgok, és mindezek a strukturálatlan adatok ülnek odakinn, és ezeket beépíthetjük ebbe a BI architektúrába. Tehát a középső szint egy kicsit beszél az adattárolás összesítve; itt húzzuk be az adatokat, tisztíthatjuk, átszerkeszthetjük, majd behelyezhetünk valamilyen típusú adattárolóba, majd a bemutató réteg tetejére ül, és ehhez hozzáférnek a felhasználók. És elemzünk az adatokkal az adattárakban, műszerfalakat, és ott ülünk a Tableau-val, jelentéskészítő szolgáltatásokkal és hasonló dolgokkal. Mindig nevetek, mert amikor BA építész voltam, mindig nevetettünk az Excelről, mert nézzünk szembe, az Excel még mindig a tömegek BI eszköze.
Tehát egy kis áttekintés ott, de csak a platform architektúrájáról való beszélgetéshez megvan a forrásadata, és erről több adattárolóban beszéltünk. És aztán összeszedett tárolóm van a Microsoft világában. Rendelkezni fog az SQL Server adatbázisával, talán hol van az adattárház, esetleg az adattárházát a felhőben fogja tárolni, mint az adattárházát. Van elemzőszolgáltatása, azaz az OLAP-csövek és hasonló dolgok, amelyekkel összevonásokat végezhet, és dolgokat végezhet, amelyek többdimenziós, és hasonló dolgokra néznek. Akkor megvan a bemutató réteg, amelyről röviden beszélt, mindezen dolgokról, amelyek ezen adattárolók és összesítések tetején vannak. És mindig szeretem ezt az idézetet: "Nem tudod, amit nem tudsz", ami igaz. Ha nem figyeli, és nem nézi, mi folyik a BI platformon ezen a területen, honnan tudhatja meg, hogy mikor van valami más problémája, mint amikor a felhasználók csúnya e-maileket küldenek neked, és a telefon elindul? csengenek arról, hogy miért nem futnak a jelentéseim? Miért vesz igénybe mindent olyan sokáig?
Tehát ebben a tekintetben, amit tennie kell, képesnek kell lennie arra, hogy megfigyelje azokat a platformokat, amelyekről üzleti intelligenciát szolgáltat. És ezt alapvetően három területre bontottam: megvan a rendelkezésre állás, a teljesítmény és a felhasználás. Rendelkezésre állás: az erőforrás rendelkezésre áll: fel vagy le? Nagyon egyszerű ott. De ha megnézzük, mikor van, akkor lehet, hogy a platform elérhető, de lehet, hogy problémáid vannak ott, így képesnek kell lennie a kiváltó okainak azonosítására; Önnek képesnek kell lennie riasztásra és tudatására valakinek, hogy mi történik, mielőtt a dolgok kritikus állapotba kerülnek. Ez a teljesítmény oldalához is vezet, és a teljesítménymutatók szintjén, a szerver szintjén, ahol a szolgáltatásokat vagy a BI-szolgáltatásokat, vagy a BI-platformokat tárolják, dolgokat kapsz; erőforrás-szintű teljesítménye van, ahol például talán hozzáférhetek adatokhoz egy SAN-ból. Mivel a SAN erőforrás, hálózati erőforrás, akkor képesnek kell lennie az összes teljesítményének figyelemmel kísérésére, képesnek kell lennie a szűk keresztmetszetek azonosítására és a felhasználók boldogságának megőrzésére, és ha olyan környezetben tartózkodik, ahol valóban az időelemzés során képesnek kell lennie azonosítani a szűk keresztmetszeteket vagy problémákat, még mielőtt azok megtörténnének.
És az utolsó elmélet a felhasználás: mit csinálnak a felhasználók? Ki csatlakozik a BI forrásokhoz? Ki mire fut? Milyen kérdéseket futtatnak? Milyen jelentéseket futtatnak? Ezen információk ismerete segít például a kapacitástervezés meghatározásában és végrehajtásában. Megmutatja azt is, hogy mi kerül felhasználásra az Ön BI környezetében. Volt egy olyan ügyfelünk, aki csak a BI megfigyelő termékeinket akarta, így tudta, hogy a BI környezet mely részeit használják, hogy erőforrásokat mozgathassanak. Például, ha nem használnának bizonyos jelentéseket vagy bizonyos elemzési szolgáltatási kockákat, akkor az erőforrásokat áthelyezik erről a területre, amelyet magasan használnak fel. Egy másik idézet, amelyben szeretek, nagyon nagy filmeket szeretek, mint például a „Tremors”, szóval mondd el nekem a filmet, tehát tetszik ez a Burt Gummer idézete, akit Michael Gross játszott, ő egyfajta túlélő fegyver srác, és azt mondja: Megjelenik, és kihúzza ezt a hatalmas 50 kaliberű mesterlövészpuskát, és az egyik srác azt mondja: „A fenébe, Bert.” És azt válaszolja: „Ha szüksége van rá, és nincs rá, akkor más dallamot énekelsz. Más szavakkal, tudod mit? Bármire felkészült, és bárkire felkészült, és így értem: ha nem figyeli a BI-környezetet erőforrás és felhasználás alapján, és olyan dolgokat, amiről csak beszéltem, akkor nem veszi észre, hogy szüksége van egy eszközre vagy olyan környezetet vagy szerkezetet, amely figyeli azt, amíg nincs. És akkor rájössz, hogy valóban szükségem van rá, hogy továbblépjem, és ez az a mód, ahogyan sok ügyfelünk van.
Tehát, miután ezt mondtuk, beköltözzünk és megnézzük, mit csinálunk itt, az IDERA, ezen kérdések némelyikének megoldása érdekében. És-
Eric Kavanagh: Oké, oda megy, én látom.
Stan Geiger: Látod? Oké. Tehát itt van ez a BI Manager termékünk. Figyelemmel kísérjük, hogy az IDERA hagyományosan az SQL Server, a Microsoft SQL Server környezetben működik. Aztán az Embarcadero-ban vásároltunk, tehát most már más platformokra is kibővítettünk, de a BI termékünk hagyományosan figyeli a BI veremét a Microsoft környezetében. És ez lenne a többdimenziós és táblázatos elemzési szolgáltatások elemzési szolgáltatásai, jelentési szolgáltatások, jelentéskészítő eszköz, majd az integrációs szolgáltatások, amely egy ETL platform, hasonlóan az Informatica-hoz.
És a termékünkön keresztül meg tudja figyelni mind a három környezetet egy terméken keresztül, és amit itt látsz, az általános műszerfal, és itt érdemes megjegyezni, hogy amikor riasztásról beszélek, az egy dolog, amelyet figyelemmel kell kísérni, de ez nem elég - riasztási mechanizmussal kell rendelkeznie. Más szavakkal, értesítést kell kapnom, mielőtt a dolgok kritikus állapotba kerülnének. Tehát, amit itt csinálunk, ott van egy sor olyan mutató, amelyet elfogunk, és amelyek konfigurálhatók, mivel a környezettől, bizonyos küszöbértékektől függően előfordulhat, hogy harminc milliszekundum olvasási idővel rendben vagy. Más környezeteknél kritikusabb lehet, hogy ez a küszöb alacsonyabb legyen, ezért fontos, hogy ne csak legyen riasztás, hanem konfigurálható legyen, mivel a környezetek az erőforrásoktól függően eltérőek.
Tehát alapvetően ez az összes megfigyelt környezet áttekintése, és három példám van itt: az egyik elemző szolgáltatásokhoz, egy integrációs szolgáltatásokhoz, egy a jelentéskészítő szolgáltatásokhoz. És látod, van itt pár figyelmeztetés. Mivel ezek piros színűek, azt mondja nekem, hogy ezek kritikus fontosságúak, mivel több szintjemet is beállíthatom ezekre a riasztásokra, és a riasztásokat e-mailben is elküldhetjük azoknak az embereknek, akik felelősek a probléma vizsgálatáért. Tehát csak röviden áttekintjük, és visszatérek a figyelmeztetéshez, hogy bemenhessünk az elemző szolgálatba, és ez biztos, biztos vagyok benne, hogy itt vár. És alapvetően, amit csinálunk, van adatgyűjtésünk; rendszeresen kimegy oda, kimegy, és összegyűjti és pillanatképeket készít arról, hogy mit csinál a környezete. Szóval, minden hat percre beállítom az enyémet, tehát minden hat percben odakint van, és megkérdezi a környezetet. Egy darabig aludtam a virtuális gépén, tehát eltart egy pillanatra, amíg ez visszatér. Oda megyünk.
Tehát átnézzük az elemző szolgáltatások részét, ezért itt kattintson a példányomra, és emlékszem, hogy egy olyan dologról beszélgettünk, amelyet figyelünk, a szerver szintű teljesítmény, mert sok embernek több dolga van futnak a szerverükön. Lehetek egy adatbázisom, amely fut a szerveremen, valamint például elemzési szolgáltatások. Tehát, ha valami folyik az adatbázisban, vagy ha problémám van szerver szintjén, akkor az befolyásolja az ott futó dolgokat. Tehát a szerver szintjén figyeljük a dolgokat a szerver szintjén, például a lemez teljesítményét, és láthatjuk, hogy mindezekhez metrikákat rögzítünk. És mindez konfigurálható. Vettem egy pillantást arra, hogy mi folyik, CPU-szempontból, igazságos, és ismét, ez a szerver szintjén van, nem az itt bemutatott példám elemzési szolgáltatási szintjén. De valójában szerver szinten.
Tudok olyan dolgokat megnézni, mint például a memória, a memória teljes felhasználása, például az, ami elérhető? Tehát most kapok egy képet arról, hogy mi a maga a szerver egészsége. Akkor elkezdhetjük áttekinteni azokat a dolgokat, amelyek különösképpen jellemzőek, ebben az esetben az elemzési szolgáltatásokra. Megnézhetem például, hogy megy a kocka feldolgozása, és ez megmutatja az egészséget. Ha elkezdek látni, hogy a feldolgozás tovább tart, vagy nem a sorok írása szinte olyan gyorsan történik, akkor megnézhetek egy pillantást - és ez a korrelációs elemre vonatkozik, amelyről azt hiszem, hogy Robin beszélt, hogy az embernek még szükség van rá, hogy képes legyen mindezt megtenni. Beszélünk az AI-ről, a gépi tanulásról, de az embernek továbbra is szüksége van arra, hogy összekapcsolja ezeket az eseményeket a dolgok körül. Vessen egy pillantást olyan kérdésekre, mint például mi folyik a lekérdezéseknél, milyen lekérdezések futnak és mennyi ideig tartanak? Rendezni tudok, így elképzelést kaphatok arról, hogy a lekérdezések mikor vesznek a leghosszabb időt. Itt megnézheti az elmúlt időben, megnézhetem és megnézhetem az OK-t, mi volt a lekérdezés és ki futtatta azt a lekérdezést abban az időben?
Tehát akkor kezdhetek el egy történetet e körültetni, amikor láttam, hogy a dolgok elkezdenek tüskedni, visszamehetek és megnézem, megnézem, mit csináltak a felhasználók abban az időben. És látni fogja az egyik dolgot, amit csinálunk, ha ide helyezzük ezt az időválasztót, hogy lehetővé tegye az időablak kiválasztását. Tehát például vissza tudok térni ezekre a figyelmeztetésekre, és valójában egy linket mutattam be azokra a figyelmeztetésekre, amelyekre kattintottam, és ez a riasztás bekövetkezése idején rám fog tartani. Aztán elkezdem összerakni a történetet, látom, hát, a leolvasás elkészült, vagy volt memóriaproblémáim, vagy bármi ilyesmi, és akkor átugorhatom a lekérdezési tevékenységet ugyanabban az időben, és ténylegesen el is indíthatom összefüggés azzal, hogy ki futtatta azokat a lekérdezéseket, amelyek ezeket a tüskeket okozták. És akkor elkezdhet olyan dolgokat csinálni, mintha elkezdhetem a hangolást, akkor kezdtem el a hangolást. Ez olyan, mint egy autó, ha épít egy versenyautót, és csak ledobja a motort, és elindítja azt a kulcsot, amely a motor elindulhat, de ha óránként 180 mérföldre kell mennem, hogy megnyerjem, akkor tudnom kell, hogy a motor 100 mérföld óránként, be kell mennem oda, és el kell indítanom a motort, hogy oda tudjak érni. És ezt teszi lehetővé, hogy elegendő információt tudjunk adni a környezet hangolásának megkezdéséhez, a környezet egészségének és előállításának, valamint a hatékonyság növeléséhez.
Ezután figyelemmel kíséri a memóriában levő dolgokat, amelyek ebben az esetben az elemző szolgáltatásokra vonatkoznak. És itt láthatja, hogy hol kezdhetnek rosszulni a dolgok, amikor elkezdesz látni, hogy a dolgok fent emlékezetükben az emlékezet határain belül vannak, ilyenek. A másik dolog, amelyet érdemes megnézni: bármikor bármilyen típusú lekérdezést futtat, azt szeretné, ha az adatok gyorsítótárba kerülnének, mert amikor gyorsítótárazásra kerül, a memóriában van, és nem kell lemeztolvasni, ami sokkal több hatékonyabb, mint ha adatokat kellene olvasni a lemezről. Tehát elkezdheti átnézni a folyamatban lévő dolgokat, bocsásson meg, például az adat-gyorsítótárban. Korábban futtam egy csomó kérdést, hogy megszerezzem ezeket az adatokat, és láthatja, hogy a legtöbbször a gyorsítótár találatai és a keresések átfedésben vannak, ami jó. De volt egy olyan időszakom, amikor a találatok sokkal alacsonyabbak voltak, mint a keresések, ami azt mondja nekem, hogy valami zajlott, ami memóriaigényes volt, tehát a gyorsítótár sokkal gyorsabban kiürült, tehát az adatoknak olvasni a lemezről. És ezt láthatjuk, amikor a tárolómotorra nézzünk. Ez ugyanabban az időben, mint a másik grafikon, és ott láthatja a tüskét, ahol a fájlból származó lekérdezések valóban felugrottak abban az időszakban. És ez azt jelenti, hogy az adatokat a lemezről olvastam. Most visszamehetek, majd összekapcsolhatom a futó lekérdezésekkel, és nem azért, hogy mindenki fülét vérzzék, de az elemző szolgáltatásokban MDX nevű nyelvet használnak, vannak lehetőségek a lekérdezések hatékonyabb írására, tehát a gyorsítótárat használják. hatékonyabban és kevesebb tárolással. Tehát van egy példa ennek a motornak a hangolására, és megadja az összes darabot, amely ahhoz szükséges, hogy összekapcsolódhasson.
Gyorsan megfordíthatjuk másképp is, amikor a kérdéseket megvizsgáljuk, akkor megnézhetjük az üléseket, ki jelenleg kapcsolódik ebben a pillanatban, és mit futnak? Tehát ez a fajta ellentétes képet ad neked a lekérdezésekről és azokról, akik végrehajtják őket. Ez az, aki csatlakozik, és akkor látom, hogy mire működnek. A másik dolog, ha csak gyorsan át akarunk lépni, akkor láthatjuk az összes tárgyat a többdimenziós MOLAP kockaimban. És információt szerezhetek róla. Tehát például a leolvasott oszlop szerint tudok rendezni, és látom, hogy a leginkább felhasznált objektum az idődimenzió, a második pedig a legjobban kihasznált ügyfélméret. Ez elősegíti a dolgokat fejlesztő és építő embereket a kockák hatékonyabb felépítésében. Szeretném megváltoztatni az adatok particionálási stratégiáimat, például a kockamban ezt a nagyon hasznosított méretet illetően, és ez növeli például a lekérdezések teljesítményét. Lehet, hogy csökkenti a kocka feldolgozásának teljesítményét, mert most már több partícióm van, de felhasználói szempontból ez a motor behangolása megtörténik, hogy hatékonyabban használjam ezeket az objektumokat.
Tehát folytassa, beszéljen itt az integrációs szolgáltatásokról. Az integrációs szolgáltatások, már említettem, egy ETL platform egy Microsoft környezetben. Amit itt csinálunk - és ez következetes -, ellenőrizzük a szerver teljesítményét, és ezek ugyanazok a mutatók, amelyeket megnéztünk, mivel az összes szolgáltatás ugyanazon a szerveren fut. De megint ez egy áttekintés arról, mi folyik a szerveren. Aztán megnézhetem az integrációs szolgáltatások tevékenységét, az ETL folyamataimat. Tehát kaphatok egy ötletet arról, hogy mikor futtak ezek a folyamatok, függetlenül attól, hogy sikeresek voltak-e vagy sem, kiemelhetek egy ETL-folyamat egy adott futását, majd megmutatom nekem az ETL-folyamat lépéseinek bontását, függetlenül attól, hogy sikeres volt-e. vagy sem, és mennyi ideig tartott.
Ha egy sikertelen csomagom van itt az ETL folyamattal, le tudok mélyedni a részletekre, és megnézem a hibaüzenetet, és megmutatom nekem, hogy a csomag melyik lépésében az az ETL folyamat meghiúsult, és az ehhez kapcsolódó összes üzenet. Szóval, mit csinál, az ad nekem, és riasztást kaphatok, ha nem sikerül, tehát ha riasztást kapok, beléphetek ide, láthatom, megyek erre a figyelmeztetésre, láthatom a csomag meghibásodását, megnézem a lépéseket, nézze meg, ahol nem sikerült, nézzen meg egy hibaüzenetet, és azonnal tudom, hogy mit kell tennem ennek javításához: telepítse újra, majd indítsa újra. Tehát, amit ez lehetővé tesz, az úgy hívjuk, hogy lerövidítjük az ablakot a probléma azonosítása és a probléma megoldása között. Tehát a korábbi években, amikor én voltam a felelős az ilyen jellegű dolgokért, volt egy ETL-folyamat, amely éjszaka futott, és betöltheti az adattárházunkat. Ha rendelkeztem ezekkel az információkkal, először délelőtt, amikor bejöttem, ha valami nem sikerült, akkor gyorsan meg tudom oldani, és visszaállíthatom ezt a folyamatot, hogy megbizonyosodhassam arról, hogy az adattárkészlet működött-e, és a felhasználók általi frissítés megtörtént-e. bejött, és elkezdett hozzáférni a jelentésekhez.
A másik dolog az, hogy két folyamata van, amelyek futnak, az, hogy megnézzem és megnézem, hogyan futott az idő múlásával. Ez azért fontos, mert ha elkezdek látni ezeket a folyamatokat, például hosszabb időt vesz igénybe, ha látom, hogy ezek az idők felgyorsulnak, akkor lehet, hogy átnézem például a karbantartási ablakot, lehet, hogy dolgok folynak ezen a szerveren . Vegyünk például biztonsági mentéseket; Lehetséges, hogy folyamatban van egy biztonsági másolat, amely miatt a folyamatomat várni kell, amíg kész. Lehet, hogy újra kell ütemeznem vagy zsugoríroznom a folyamatokat olyan dolgok körül, amelyek kezdik hatni az ETL-re.
És az utolsó rész a jelentési szolgáltatások. A jelentési szolgáltatások a Microsoft, alapvetően vállalati jelentési eszközük. És néhány dolog, megint megnézhetjük a dolgokat kiszolgáló szintjén, megnézhetjük a dolgokat a jelentéskiszolgálón, a jelentési szolgáltatási szerveren, maga. Nem sok cucc futok itt; Van néhány előfizetésem, amelyek 15 percenként futnak be egy jelentés elkészítéséhez. Tehát nem fog sok aktív kapcsolatot látni, mert bekapcsol, csatlakozik, jelentést futtat, leválaszt és küld.
De magas tranzakciós környezetben, ahol sok jelentést készítenek, kulcsfontosságú az, hogy megfigyeljük ezeket a dolgokat. Tehát láthatja, hogy hol voltak dolgom itt, tehát nagyon jó ötlet ad neked, hogy mi történik a tényleges szolgáltatási és platformszinten. És akkor, amint a diákban beszéltem, ki futtatja mit és mit csinálnak? És egyik ügyfelünk csak ezt a darabot vásárolta erre a termékre, mert tudni akarták, milyen riportokat futtatnak az emberek, és ki készítette ezeket a jelentéseket. Tehát ez a jelentés végrehajtásának egyik dolga, amelyet itt láthat. Látom, milyen jelentést, látom a paramétereket, amelyek abban a jelentésben voltak, látom, ki futtatja, látom a jelentés formátumát. És akkor megvan mindezek a mutatók, így ha újra meg tudom sorolni ezeket a dolgokat, például az, hogy a jelentés miként tartott a leghosszabb ideig az adatok lekérdezéséhez, és rámenhetek arra, hogy megnézem, melyik jelentés. És ismét, mindez adatokat ad nekem annak érdekében, hogy újra légy, és újra beállítsam a motort. Most megkezdhetem a jelentéskörnyezet hangolását.
És az utolsó dolog, hogy átnézhetem a felhasználói tevékenységet, ki csatlakozik a jelenlegi helyzethez, mit csinálnak? Valójában egy olyan környezetben, ahol több felhasználóm volt, ezek mind válogathatók, tehát rangsorolhatom, láthatom, hogy ki használja a környezetet legjobban. Tehát, csak hogy gyorsan visszatérhessünk, és vessünk egy pillantást ezekre a riasztásokra. Itt volt az a figyelmeztetés; Itt rákattinthatok erre a linkre, és elvisz a diagramhoz az adott időpontban, és megmutatja, melyik volt riasztás alatt. Tehát itt láthatod, hogy ez az volt, mert például az írás milliszekunduma volt, például az olvasás és az írás. Tehát ismét csak megpróbáltam megtalálni a problémák azonosításának pontját. És nagyon fontos, hogy legyen egy holisztikus eszköz, és ne csak valami, amely az egyik dolgot vizsgálja meg, mert az embernek itt be kell lépnie, és össze kell kapcsolnia ezeket a folyamatban levő eseményeket, így képesnek kell lennie arra, hogy megnézze, mi történt akkor pontosan az adott környezet több területén, és ez az egyik dolog, amit ezen az időválasztón keresztül végezünk.
Eric Kavanagh: Igen, itt Eric itt egy gyors kérdéssel: mert azt hiszem, valószínűleg a fejére szögeztél fel, és erről beszéltem az óra tetején, hogy egy embernek el kell jönnie behúzza ezeket a korrelációkat a különféle környezetek között. Kíváncsi vagyok, van-e olyan oktatási anyag, amelyet ti srácok megoszthatnak, vagy esetleg elkövet valamilyen kapcsolatot az emberekkel, hogy segítsen nekik megismerni ezeket a mintákat? Mint egy perccel ezelőtt egy igazán jó példa, arról szól, hogy ezek közül az egyik tüskés, és azt mondja neked, hogy valami történik a memóriában, mert folyamatosan próbálta eldobni a memóriát. Ez ad neked egy nyomot, de az emberek hogyan viszonyítják ezeket a statisztikákat a valós problémákhoz, ez az igazi kérdés.
Stan Geiger: Igen, ez egy jó pont, és az egyik dolog, amiről éppen beszéltem, a termék ütemterve, az idén később kiadunk egy verziót, és az egyik dolog, amit elkezdenénk hozzáadni a fenti grafikonok mindegyikére vonatkozik, leírja, hogy mit jelent ez a grafikon, és miért kell érdekelnie, és mi ennek a hatása. Tehát kattintson rá egy kérdőjelre vagy valamire ezen a táblán, majd húzzon egy ablakot, amely sok információt fog adni neked, és megmondja, hogy ezek a lehetséges okok, ezek azok a területek, amelyekre hatással van, és hogy Ön abban az irányban, hogy továbbléphessen, mint mondtad, itt van ez a tüske, személyes tapasztalataim alapján tudom, hogy ez mit jelent. Aztán elkezdek elmenni, és elkezdek fúrni egy területet, és megtalálni a kiváltó okot.
Most már nagyon sok van az SQL Server diagnosztikai kezelő termékében, az aktuális adatbázisban. Nagyon sok ilyen típusú funkcionalitás van egy ilyen termékben, és van néhány elemzési csavarunk a diagnosztikai menedzser számára, amely sokkal gyorsabban utal rá. És ezen a úton haladunk tovább ezzel a termékkel.
Eric Kavanagh: És azt hiszem, vannak aláírások bizonyos tevékenységekre. Ez az eszköz lehetővé teszi-e annak azonosítását, amikor egy bizonyos típusú esemény történt, és olyan katalógust, amely idővel felismer egy hasonló mintát a sorban, és segít kitalálni, ha új felhasználó, például a ugyanaz az eszköz? Segítsen megérteni, ó, ez azért van, mert ezek a szerverek lementek, vagy mert ez a régió lement? Van valamilyen módszer a problémák aláírásainak katalogizálására, úgy, hogy később könnyen azonosíthatók legyenek?
Stan Geiger: Nem, valójában, de valójában ez egy érdekes koncepció, mert ez majdnem olyan, mint mi - alapvető alkotóelem elemzés, azt hiszem - ahol azonosítja a mintákat, és naplózza ezeket a mintákat, és így ha újra meglátja, akkor visszatérhet és látod, oké, ez volt az oka akkor. Igen, ez valami, nem szerepel az útitervben, de erre gondoltam a termékmenedzsment szempontjából.
Eric Kavanagh: El tudom képzelni. Ó, menj tovább.
Stan Geiger: Nem, azt akartam mondani - és sok kérést kaptunk, mert nem tudom, mi az Ön tapasztalata -, de azt találjuk, hogy a DBA-k tudják az adatbázisokat, mint a kezük hátsó része, de a BI dolgok olyan, mint egy fekete doboz, amikor a platform egészségi állapotáról van szó. És nincs, nincs sok tudásbázisuk körül. Csak azért, mert öt-tíz évig dolgoztam benne, igaz? De a tipikus emberek, akik felelősek ezek megtalálásáért, riasztások megszerzéséért és kitalálásáért, hogy mi történt, ez egy fekete doboz számukra.
Eric Kavanagh: Igen, el tudom képzelni. Kíváncsi lennék arra is, hogy tudjam, tehát az egyik képernyőn megmutatta, hogy miként láthatja az összes felmerülő kérdést, mennyi ideig tartott futtatni, és ki generálta őket. Láthatja-e maga az SQL lekérdezés tényleges felépítését és valamilyen elemzést is végez körül? Mint például néha az emberek olyan SQL lekérdezéseket állítanak össze, amelyek nagyon terjedelmesek, mondjuk és nehézkes, szemben a mesterrel, aki valóban egy szép, szűk lekérdezést állít össze. Ez az, amit ezen az eszközön keresztül megjeleníthet, és segíthet neked, hogy ez a probléma?
Stan Geiger: Igen, tehát az, amit tehetünk, például az, amit itt csináltam, az, hogy csak a lejárási idő alapján rendeztem. Tehát látom azokat, amelyek a leghosszabb időt vesznek, majd megkapom a szöveget, de akkor mégis valakinek, aki többé-kevésbé a téma szakértője, meg kell nézni ezt, és elmenni: „Ó, oké, hát miért tartott ilyen sokáig . ”Ez valami olyan munkaterhelés-elemzés, amelyet SQL Workload Analyzer-nek hívunk az adatbázis oldalán, és ezt az elgondolkodtam azon a gondolaton, hogy talán az úton jön egy hasonló dolog, hogy azonosítsa ezeket a lekérdezéseket, majd ajánlásokat ad a lekérdezések hangolására. De az egyik kérdés az, hogy ez az MDX lekérdezés egy nagyon speciális nyelv.
Eric Kavanagh: Igen, el tudom képzelni. De láthatjuk például, hogy kik az emberek, tehát nem túl nehéz kitalálni, hogy egy ember, ha egy srác felel a leghosszabb folyamatok tíz lekérdezéséért, akkor ha semmi más nem hívhatja fel, vagy felhívhatja. a vezetőjével vagy valakivel, és azt mondják: "Hé, ez a fickó nagyon sok rágcsálást rág, " és talán kiderül, hogy ezek a legértékesebb kérdések a vállalkozás számára, igaz? Össze kell vetni azzal, hogy mi az üzleti érték, maguk a lekérdezések alapján, ez nem csak egyértelmű szám játék, igaz? Meg kell tudnom, nos, ez a fickó a mi felhasználónk, és ő változtatja meg az üzletet, igaz?
Stan Geiger: Nem, igazad van. Úgy értem, ez az egyik módja annak, hogy az ügyfelek ezt használják. Mint mondtad, előfordulhat, hogy talál egy területet, mert az egyik dologról, amiről beszélek, mindig az Excel-en sablonolom, de csatlakozhat az Excel elemzési szolgáltatásaihoz és futtathatja pivot táblákat az OLAP-ból, és ez saját lekérdezéseket generál, és elküldi őket, és néha nem a legjobb formában, tehát visszamehet, azonosíthatja azokat, és valójában átírhatja azokat, és átadhatja a felhasználónak, és hagyhatja, hogy ott futtassák őket, úgy, hogy ne legyen fél óra hogy visszatérjenek a pivot asztalukhoz.
Eric Kavanagh: Pontosan. És amikor a lekérdezésekről beszélünk, srácok lefedik a lekérdezések skáláját, tehát megemlítette az MDX-t, mi lenne a többi lekérdezéskel, mint például a DAX lekérdezés, vagy ezek közül néhány?
Stan Geiger: Igen, lefedjük, igen, minden DAX-ot és MDX-et is. Tehát az egyik dolog, amelyet nem említettem, vagy talán megemlítettem, de támogatjuk mind a táblázatos, mind az OLAP-t a Microsoftban és a DAX-ben - azt hiszem, te és én erről beszéltünk egy ideje -, sokat látunk több táblázatos, mint OLAP. Mert egyszerűbb a táblázatos modellek és hasonló dolgok előállítása, és így nyilvánvalóan látni fogja a DAX lekérdezéseket, de ezeket is felvesszük.
Eric Kavanagh: Igen, ez érdekes. Van valamilyen kontextusod körül, miért történik ez? Talán azért, mert egyre többen lépnek be ezekbe a dolgokba, és mivel az OLAP természetesen nem valami új, máris erről volt szó, legalább harminc éve?
Stan Geiger: Rendben, nos, ez egyfajta kombináció, a kockák tervezésének egyik dolga művészet. És kockákat építettek az adatok előzetes összesítésére, így az adatok kiszámítása nagyon gyors, de a kocka feldolgozása eltart egy ideig, mert meg kell végeznie ezeket az összesítéseket. És akkor a hardver olcsóbb lett, a memória pedig olcsóbb, és valójában mindenki kijött oszlopos áruházakkal és memórián belüli adatbázisokkal. És a táblázatos valószínűleg a legközelebb áll a hagyományos relációs adatbázisokhoz, és sokkal egyszerűbb és gyorsabb a táblázatos modellek előállítása, mint az OLAP esetében. Hátránya azonban, hogy a memóriában található, az egész a memóriában rejlik, tehát nagyon memóriaigényes és az adatok nem halmozódnak fel, amíg nem kéri. Tehát, de miután ezt mindent elmondtunk, sokkal táblázatosabban láthatjuk odakint.
Eric Kavanagh: Ez érdekes. Lehet, hogy azért is, mert ez az iparág kissé kilapul, és erre gondolok, hogy sokkal több embert érünk el, akik adatokkal lépnek kapcsolatba és különféle eszközöket használnak, és amikor a Microsoftról beszélünk, azt hiszem ez egyértelműen az a helyzet, hogy sok-sokkal több felhasználóval rendelkezik kis- és középvállalkozások számára, sőt még néhány nagyobb szervezetnél is, akik belemerülnek a dolgokba, hozzáférnek az eszközökhöz, futtatnak lekérdezéseket, és valószínűleg nem ismerik a az egész folyamat és a kocka körül épülő technológiák, pontosan igazad van? Mert ez gondolkodást igényel, és drága is, igaz? Időbe telik, és energiát igényel ezeknek a kockáknak a felépítése, hacsak nem használsz ott valamelyik újabb technológiát. Mint például, olyan cégekkel beszélgettünk, mint például a Snowflake, nagyon érdekes dolgokat csinálnak, de azt hiszem, hogy sokkal több ember használja a cuccokat, és valószínűleg azokkal járnak, amiket már leírtak, ami a táblázatos formátum, szemben a formálisan kockaépítéssel, igaz?
Stan Geiger: Igen, úgy értem, azt hiszem, az Excel - amikor azt gondoltam, hogy a Power Pivot volt - ez valójában táblázatos, ha megnézzük; Így készíthet táblázatos modelleket. És akkor a következő iteráció volt, elmondhatom nekem a táblázatos modelljeimet, amelyeket készítek, és telepítem az SQL Server-re, hogy megoszthassam mindenki máskal. Szóval ez egyfajta természetes kiterjesztés az Excel szinte kivételével.
Eric Kavanagh: Igen, ez jó pont. Amit az utóbbi, mondjuk öt-hét év alatt láthattunk, csak ezen technológiák alkalmazásának hatalmas kiterjesztése, ugye? És a Microsoft, őszintén szólva, úttörő szerepet tölt be abban, valóban demokratizálva a hatalomra vonatkozó adatokat elemző szolgáltatások és a Power Pivot révén, igaz? Úgy értem, ez játékváltó volt az ipar számára, igaz?
Stan Geiger: Igen, nem, pontosan igazad van. Úgy értem, van egy diam, amikor hosszabb bemutatót adok, amely megmutatja az áttérést a szemantikai modellről, amely az OLAP volt, a táblázatosra. És azt hiszem, van egy árajánlata a Microsoft-tól; az adatoknak a felhasználók kezében kell lenniük, nem csak az IT-üzlet falán, hanem több adatot akarnak szerezni az azt fogyasztók kezében.
Eric Kavanagh: És ez visszatér az első nagyon egyszerű diához, amelyet bemutattam, amely minden szervezet alapvető döntéshozatali folyamata volt, és most - és azt hiszem, hogy ez nagyszerű dolog - egyre több embert kapunk a szervezet egész hierarchiájából figyelve arra, hogy mi történik, hozza a történetüket az asztalra, és ezt az adatokkal csinálja, ez az alsó sor, úgy értem, használhat más eszközöket is, de ha a történetedet adatokkal alátámasztja, sokkal erősebb érveket fogsz bocsátani, mint azoknak, akik nem, igaz?
Stan Geiger: Pontosan, igen. Mint, igen, pontosan így van. Úgy értem, ez az oka annak, hogy régebben „Hé, szükségem van erre a jelentésre”, tehát most át kellett mennem a jelentési kérelemnek, át kellett mennem ide, megszereznem a jelentést, és most ülhetek. ott, közvetlenül az íróasztalomnál, és valóban csak az, hogy hozzáférhetek a generált adatokhoz, meghozom üzleti döntéseimet.
Eric Kavanagh: Így van. Tudod, csak az elmúlt héten jöttem vissza egy konferenciáról, és egy hisztérikus megjegyzés érkezett egy fickótól, aki meglehetősen nagy BI környezetet működtet a Target üzlet számára, és hivatkozott az önkiszolgáló elemzésre és az önkiszolgáló BI-re, és nyilvánvalóan ez manapság nagy kérdés. Biztos vagyok benne, hogy ez egy olyan tevékenység, amely sok tevékenységet vezet ahhoz, amit az IDERA-ban csináltok, mert ha önkiszolgálást szeretne létrehozni, mindenekelőtt jobb, ha egészséges BI-környezete van, igaz? Ha mindenféle embert odakinn, mindenféle kérdést feltesz bármilyen módon, akkor itt szeretne lenni valami hasonlót ehhez az eszközhöz, hogy megértse, ki kérdezi melyeket és hol. És a vicces idézetet itt csak a rúgások miatt dobom ki, amint azt mondtad: "Finom vonal van az önkiszolgáló BI és a saját magad között."
Stan Geiger: Igen.
Eric Kavanagh: Azt hiszem, ez hisztérikus. De látja, hogy az önkiszolgálási tendencia valóban sok tudatosságot idéz elő, amit a technológiával csinálsz?
Stan Geiger: Igen, mert ahogy mondtad, ha engedélyezi az önkiszolgáló BI-t, akkor valószínűleg néhány teljesítményproblémát fog feltenni, csak a következők miatt: A) a hozzáférés mennyisége, az emberek száma az adatoknál, és B) a rosszul kialakított lekérdezések mennyisége és elérésének módjai. Tehát valóban, nagyon fontos, hogy figyelemmel kísérje a környezetet, hogy mindenki boldog legyen, aki megpróbálja felhasználni az adatokat, igaz?
Eric Kavanagh: Igen, azt hiszem, pontosan így van. Áldás és átok: jó, hogy az emberek megpróbálják felhasználni a cuccokat, de az ön véleményére, ha nincs akkor a megfelelő eszköz, akkor boldogtalan lakóautó leszel, mert önkiszolgálás nélkül egy ilyen eszköz nélkül, számomra úgy tűnik, hogy csak egy bajok hegyét kéri.
Stan Geiger: Igen, úgy értem, ez hasonló ahhoz, amikor adatraktárakat építettem, olyan, mintha nem kapta meg a méreteit és a ténytábláit helyesen, akkor elengedte az ad hoc jelentéstételt, érdemes feltérképezni egy szikla.
Eric Kavanagh: Ez fantasztikus. Igen, ismét jó, jó hír az, hogy az emberek ezeket a dolgokat használják, de azt hiszem, el kell gondolnom, hogy az önkiszolgálás sok tevékenységet fog folytatni azért, amit csinálsz, mert a rámpáról beszélsz növelje meg a feszültség mértékét és az ezekre a rendszerekre gyakorolt nyomást nagyságrend szerint. Nem csak egy, vagy két nagyságrend szerint, és erről van szó, hogy valóban szeretne valamilyen láthatóságot, és látni szeretné, hogy ki mit csinál, hol, mikor, hogyan és miért. Tegye fel ezeket a kérdéseket, majd hozzon néhány döntést arról, hogy miként lehet figyelemmel kísérni és megváltoztatni a környezetet, és megváltoztathatja házirendjét, hogy kihez mire fér hozzá, igaz?
Stan Geiger: Igaz. És tudod, azt is tudja, hogy látva, hogy a felhasználás lehetővé teszi, hogy odamenj, és a potenciál, amint említettem a kocka belsejében lévő tárgyat, megtehetek dolgokat annak javítása érdekében, hogy amennyire építek és tervezek dolgokat. Tehát elengedhetetlen, hogy ne csak a dolgok teljesítményére tekintsünk, hanem arra is, hogy megnézhessük, miként működik a rendszer és a formatervezés ezen a szinten, annak érdekében, hogy hozzá tudjon csinálni. És ez csak egyre nagyobb lesz, mivel a Microsoftnál sokkal fontosabb az olyan dolgok, mint a power BI, így most elkészíthetem saját műszerfalakat, widgeteket és dolgokat, és nem kell BI fejlesztő lennem.
Eric Kavanagh: Így van. Igen, ez jó dolog, mindenhová eljut, de valamilyen módon szüksége lesz a környezet kezelésére, vagy boldogtalan felhasználók lesznek. Ez boldogtalan vezetéshez vezet, ami az embereket elbocsátják. Van elég egyértelmű dominóhatás, amikor a dolgok elkezdenek esni, de ez jó dolog.
Szóval itt rágtam fel az elmúlt öt percben. Robin, volt kérdése?
Robin Bloor: Nos, szerintem nagyon érdekes, hogy őszinte legyek. Arra gondolok, hogy nagyon korlátozott környezetben voltunk, és az önkiszolgálás valóban megváltoztatja a világot, és valójában sok ez történik, mert szörnyen sokkal több adat került a környezetbe, mint korábban történt. Az egyetlen kérdés: "mivel nem sok időnk van, de csak az a kérdés, amelyet feltennék érdeklődésem, az, ahogy Ön ezt magyarázta meg", mert azt gondoltam, hogy ez egy nagyon jó demo -, ahogyan a A BI monitorozás működik. Kíváncsi voltam, mit csinálnak azok az emberek, akiknek nincs ilyen cuccja? Mivel nagyon nehéznek kell lennie, számos dologban változtatni kell, a kiváltó ok jó, nem feltétlenül mindig jut a fő okhoz, de néhány dologgal meg is érheti a kiváltó okot amit nézel, hogy amikor azt mondtad, hogy sokan csak azért vásárolják meg az eszközt, hogy tudják, ki mire fut, és hogy az agyam forog, mert olyan, mintha nem tudnád, ki mire fut, akkor a dolgok ellenőrizhetetlenek. Szóval, hogyan néz ki a környezet, ha ellenőrizetlen?
Stan Geiger: Úgy értem, mindezt az információt megkaphatja az eszközben, de el kell írnia egy csomó házi készítésű szkriptet, mert az adatok ott vannak, csak meg kell tudnod, hogy hová megszerezni, amelyhez magas szintű szakértelem szükséges, igaz? Tehát olyan környezetben, ahol nincs ilyen szintű szakértelem, alapvetően azt kapod, hogy hé, felfelé vagy lefelé? Tényleg nem tudom, hogy hatékonyan működik-e, vagy sem, de felbukkan, igaz? Aztán elkezdek telefonhívásokat kezdeményezni, vagy az emberek elmennek: „Hé, a jelentés nem található a beérkezett üzenetek mappában, mi folyik itt?” Vagy „Csak ezt a jelentést küldtem be jelentési szolgáltatásokon keresztül”, vagy esetleg itt keresnek egy elemzési szolgáltatást, de úgy tart, mint egy fél óra, és régen csak 30 másodpercig tartott, mi folyik itt? Nos, most meg kell tennie a tűzgyakorlatot, és meg kell próbálnia kitalálni, és szerszám nélkül nagyon nehéz lesz.
Robin Bloor: Nos, igaz, ez volt az a helyzet, ami számomra egyre inkább nyilvánvalóvá vált, ahogy megmutatta, hogy mi itt ténylegesen megvan. A másik dolog, olyan, mint egy nagyon-nagyon primitív szinten, ha nincs olyan riasztás, amely azt mondja neked, hogy a cucc rosszul megy, akkor ez csak drága - drága helyzetbe kerül, és megpróbálja meggyógyítani a történt eseményeket, mert te addig nem tudod meg, amíg a dolgok rosszul esnek, ugye?
Stan Geiger: Igaz, nem tudod, mit nem tudsz.
Eric Kavanagh: Megvan. Nos, hé emberek, egy órán át megégettünk és megváltozottunk. Nagyon nagy köszönet a saját Robin Bloornak és természetesen barátunknak, Stan Geigernek, az IDERA Software-től. Valójában az Enterprise Data World-en lesznek, valójában ha valaki közted megy le, valójában a tiéd is ott lesz Atlanta-ban. Jó barátunk, Tony Shaw nagyszerű munkát végez a konferencia vezetésével négy éve, és hé, mi a régi, ismét új. Ez mind forró cucc. Remélhetőleg odakint találkozunk, ha nem, akkor nézzen vissza velünk a jövő héten, van egy csomó más internetes adás sorakozva.
Mindig kíváncsi vagyok meghallgatni a gondolatait, és küldjön egy e-mailt nekem, amely számomra megfelelő, ha bármilyen kérdése vagy javaslata van, vagy más olyan technológiát szeretne megismerni, amelyet a Hot Technologies munkatársai szeretnének megismerni. És ezzel búcsút fogsz mondani, emberek. Köszönjük, hogy csatlakozott hozzánk, legközelebb beszélünk veled. Vigyázz magadra. Viszlát.
