Osoblje Techopedia, 29. ožujka 2017
Odlazak: Domaćin Eric Kavanagh razgovara o poslovnoj inteligenciji s dr. Robin Bloor i IDERA-inim Stan Geiger-om.
Trenutno niste prijavljeni. Prijavite se ili prijavite da biste pogledali videozapis.
Eric Kavanagh: Dame i gospodo, ponovno dobrodošli, srijeda je u 4:00 istočna, a zadnjih nekoliko godina to znači da je vrijeme za vruće tehnologije, da, zaista. Moje ime je Eric Kavanagh, bit ću vam domaćin današnje emisije. Volim ovu temu: "Pregled zdravlja: Održavanje zdravog BI poduzeća", o tome ćemo danas razgovarati. Doista postoji mjesto o vašem.
Tako da je ove godine vruće - Hot Technologies je stvarno dizajniran tako da definira određene vrste tehnologije i možete zamisliti vani u svijetu poslovnog softvera postoji puno i puno dobavljača koji prodaju sve vrste različitih proizvoda i što se sve događa. jesu li te jezične riječi koje se navikavaju na navike i na njih nailaze različiti dobavljači za vrlo različite stvari. I tako, svrha ove emisije je zaista pomoći prijateljima prodavatelja i pomoći našoj publici da identificira i zamota oko glave kakve konkretne tehnologije zaista jesu i što sve ove riječi znače kad se spustite na mjedene spojeve.
Dakle, danas ću se kandidirati kao jedan od analitičara, također imamo dr. Robina Bloora na liniji i Stan Geiger-a iz IDERA-e. Razgovarajmo samo brzo o važnosti poslovne inteligencije i analitike općenito. Ako želite, ovo je osnovno stablo odluka ili dijagram toka samo govori o tome kako radite kroz probleme u vašoj tvrtki, razgovarate o različitim temama, sastavljate prijedloge i zatim saznate što ljudi misle. Slažu li se? Oni se ne slažu? Kakav je konsenzus, ako ga imate i kako prolazite kroz taj proces?
Pa, sve je to očito vrlo općenito, ali dobar je podsjetnik na postupak kojim predlažemo ideje u kompanijama, donosimo svoje odluke i zatim krenemo naprijed. I dno je da su podaci potrebni za svaku od tih komponenti. To je još istinitije ovih dana u svijetu velikih podataka, jer, naravno, veliki su podaci poput ovog divovskog pokretača istine vani. Veliki podaci se stvarno događaju; reprezentativan je tko je gdje, što rade, što kupuju, što im rukuje društvena mreža, primjerice tweet. Naravno, sve te stvari mogu biti hakirane - na to morate paziti - ali poanta je u tome što su podaci referentna arhitektura, ako hoćete, stvarnost.
Dakle, želite podatke u svakom trenutku ovog procesa odlučivanja. Sada je konsenzus važan. Ako želite sretne korisnike, ponekad šef može morati ići protiv zrna onoga što svi žele. Upravo smo razgovarali o Steveu Jobsu prije nego što je započeo ovaj webcast i on je bio poznat po takvim stvarima. Ima poznati citat u kojem preporučuje ljudima da uguše buku koju čuju unaokolo, a zatim se pridržavaju svoje vizije, ako znaju da je dobro što rade. Dakle, ne trebate uvijek konsenzus, ali obično je to prilično dobra ideja. Ali opća svrha ovog slajda i ovog komentara je prenijeti kući važnost da naše odluke želimo donositi na temelju podataka, a ne samo na instinktu, mada je crijevo obično jako dobro kad vam zna gdje želite ići, a zatim stvarno želite to potvrditi ili ga poništiti svojim podacima. Rekao bih da se ne bojite se pogledati to tamo, baš kao mali zgodni biljeg ili podsjetnik da kad se ponekad povrate unatrag, barem možete dobiti neki referentni okvir i shvatiti gdje ste bili dolazeći i budite iskreni u pogledu pogrešaka koje ste napravili. Svi smo pogriješili, događa se.
Dakle, ako imate problema s performansama u sustavima vaše poslovne inteligencije, postoji stari izraz "strpljenje je vrlina", ne u svijetu IT-a, mogu vam reći upravo sada. Ako korisnici dugo čekaju da se njihovi upti vrate ili ne dobivaju izvješća, to narušava povjerenje, a kad povjerenja nema, vrlo je teško vratiti ga. Dakle, ovdje sam stavio crtu - oko 40 sekundi ovih dana je poput 40 minuta u mnogim slučajevima - ako će upit potrajati 40 sekundi, ljudi zaboravljaju o čemu uopće razgovaraju, o čemu su pitali podataka. Zamislite u razgovoru ako nekoga pitate, recimo svog šefa, kažete: "Hej, volio bih znati zašto idemo ovim putem." I morali ste čekati 40 sekundi na razgovor dobiti odgovor? Izašli biste iz sobe! Mislili biste da je vaš šef izgubio razum. Dakle, ta kašnjenja koja imamo u nekim informacijskim sustavima kada postoje problemi s performansama, to će oboriti analitički proces, analitički tijek ili, kako to neki ljudi nazivaju, razgovor koji vodite sa svojim podacima. Morate ubrzati u ovim sustavima, što god da morate učiniti da biste to postigli, a o tome ćemo razgovarati danas, to je ono što trebate učiniti, jer bez tečnog protoka ideja naprijed i nazad, vi ste stvarno šteti cijelom procesu analitike. Dakle, i još jednom izbacujem ovaj komentar: nedostatak povjerenja je tihi ubojica. Ljudi neće previše dizati ruke ako vam ne vjeruju, ali samo će vas gledati po strani i pitati se što se događa. A kad nestane tog povjerenja, imat ćete vrlo, vrlo težak trenutak kad ga vratite.
Dakle, umjetna inteligencija, dobro slušamo o strojnom učenju i AI i "Oh, zar to neće riješiti sve ove probleme?" Robin i ja već godinama slušamo o samonamjenjivanju baza podataka i svim tim zabavnim stvarima - događa se nešto od toga, ali samo se zapitajte: koliko često Siri shvaća kako vam odgovara? Koliko često je Siri slučajno iskočila i odlazila: "Žao mi je, nisam to shvatila." To je razlog što te nisam ništa pitala. Samo sam slučajno pritisnuo taj prokleti gumb. Dakle, ima još puno nedostataka, a usput i na lijevoj strani, to je ASIC čip iz Apple Newtona - sjećate se tog šteneta iz godina i godina? To je bio jedan od prvih pametnih uređaja, a to je bilo davno, to je poput početka 90-ih ili sredine 90-ih koje želim reći. Da je Newton izašao i nije bio baš dobar, ali imao je viziju; znali su kamo idu, ali čak i sada, uz iPhone AI i strojno učenje, rekao bih da su to široko pogrešno shvaćeni pojmovi.
A svakako, što se tiče strojnog učenja, može biti vrlo korisno i zapravo se može koristiti u nekim od tih okruženja gdje pokušavate shvatiti što se događa s vašom kompleksnom informacijskom arhitekturom, gdje stvari idu po zlu. Strojno učenje u tom kontekstu može biti vrlo vrijedno, ali samo ako se primjenjuje na vrlo oštar način. Dakle, upravo sam bio na velikom događaju u Kaliforniji, jedan od velikih distributera Hadoopa, Cloudera, imao je samit za analitičare, a ja sam razgovarao s njihovim glavnim savjetnikom za strategiju i rekao: "Znate, čini mi se da stvarno strojno učenje radi samo dvije stvari: segmentira se i pročišćava. "To znači da će vam pružiti različite segmente ili grupe aktivnosti uključujući anomalije, što bi bio segment. I pročišćava, što znači da vam pomaže poboljšati određenu vrstu odluke. Klasičan primjer za koji čujete da je na ovoj fotografiji na primjer ljudsko biće. Dakle, to može učiniti strojno učenje, a korisno je u određenim kontekstima, kada govorite o rješavanju problema, jer možete potražiti obrasce ponašanja u upotrebi CPU-a, u korištenju memorije, brzini diska i onome što diskovi rade i sve takve zabavne stvari. Znači može biti korisno, ali uistinu je nešto što mora biti vrlo usredotočeno kako bi stvorilo bilo kakvu vrijednost.
Dakle, jedna od mojih drugih najdražih stvari o kojima ćemo razgovarati - i malo ćemo vidjeti ovo, mislim, kad danas uzmemo naš demo iz IDERA - na mnogo načina mislim da ljudska bića još uvijek uče govoriti silicij, Ispod svega ovoga nalazi se materijalna znanost, a za one od vas koji ste riješili probleme i stvarno ozbiljno pogledali složene informacijske arhitekture, kada pokušavate shvatiti što se događa, čak i na primjer na Hadoop grupi, na primjer obično samo gledate histograme. A onda morate povezati što znače ti različiti histogrami u određenom trenutku, a za to je potrebna inteligencija; za to je potrebna ljudska inteligencija i iskustvo. Dakle, uopće se ne bojim da će ML, mašinsko učenje ili AI uskoro uskoro oduzeti previše poslova na ovom svijetu. Mislim da će uvijek postojati potreba za ljudskim bićima, koja iskreno znaju o čemu govore kako bi nam pomogli i sve ovo ostvarili.
Dakle, nastavimo dalje. Dakle, što će se dogoditi ako se ne pokreću podaci? Ovo je poznata slika, "Slepi vodeći slepcima" - ovo nije ono što tražite, narode. Ne želite takvo okruženje u vašoj organizaciji. Dakle, ono što želimo je da želimo da se naše odluke upravljaju podacima i želimo da odluke budu vođene dobrim podacima, kvalitetnim podacima i to će se dogoditi samo ako prikupite ispravne podatke, ako su lijepi i čisti i ako su vaši sustavi rade ispravno, ako su vaši BI sustavi zdravi, vaši analitički sustavi su zdravi i korisnici pravovremeno dobivaju ono što žele.
Dakle, s tim ću se završiti i predati nepojmljivoj Robin Bloor. Robin, odvedi ga.
Robin Bloor: Dobro, hvala što ste mi predali loptu. Razmišljao sam dok ste razgovarali, Eric, razmišljao sam samo o BI-u i nedavno je bila prezentacija dobavljača kojoj sam prisustvovao kada je netko napomenuo da u određenom dobavljaču, koji upravlja određenim sustavom u velikom, lošem skladištu podataka, oni dano vrijeme moglo bi obaviti 70.000 BI transakcija koje bi dovele do toga da se informacije dostave mnogim ljudima. Palo mi je na pamet da ako zapravo imate takvo opterećenje i čak potrošite nekoliko sekundi u izvršavanju softvera, to će zapravo biti jako skupo, a ako gubite minute, to će biti strašno skupo. I tada sam se sjetila da strašno puno svijeta traje na proračunskim tablicama - postoje, mislim da su ih nazivali "sustavi sjene", zar ne? U prvom redu, ljudi bi samo sastavljali sustave pomoću proračunskih tablica i e-pošte, a oni bi izvršavali stvari, jer IT odjel ne može graditi aplikacije za sve, pa to i čine. I mnoštvo BI, mislim da se ionako uključuje u takve sustave.
U svakom slučaju, rekavši to, idemo na razgovor o onome o čemu ću govoriti. BI je povratna sprega za korporativne sustave, stvarno je tako jednostavna ili složena, ovisno o tome koja točno uloga igra u organizaciji. Ali ako pogledamo to dijagram je prije otprilike četiri godine, kada smo pokušavali na ovaj ili onaj način razumjeti što se događa na strani analitike. Ali poprilično, sve što je unatrag, osvrćući se na ono što se ranije dogodilo i sve što je nadzor, s obzirom na način rada sustava, ima tendenciju da se BI. Nije ranije bio slučaj da je predviđanje, prediktivna analitika bila BI, ali to se zapravo sve više postaje. Eric je spomenuo strojno učenje, puno strojnog učenja može se na ovaj ili onaj način zapravo pokrenuti s nizom podataka i može vam dati prediktivnu analizu za narednih pet minuta, ili čak gotovo u stvarnom vremenu, tako da možete odgovoriti na kupca, s izračunatim znanjem o onome što se zapravo događa.
Ali središte ovog dijagrama, iznutra, dolazi iz analitike. Ono što se obično događa je da su različite analitičke aktivnosti usmjerene na određene zbirke podataka i nešto se novo nauči, saznaje se o poslu. A taj dio znanja tada je vezan u poslovne procese koji iz toga mogu proizaći. Obično se manifestira na ovaj ili onaj način kao što se pojavljuju BI upozorenja ili se samo postavljaju razne stvari na nadzorne ploče, i tako dalje, i tako dalje. Kad smo to zapravo napravili, postoje četiri termina i oni se završavaju riječi "vid" što je vrlo lijepo. Ali u stvari to nije sve što ljudi žele raditi, postoji i problem optimizacije i optimizacija ne daje jednostavnu analitiku. To je vrlo složen problem i puno problema s optimizacijom nije jedinstveno rješivo. Možete imati samo dobra rješenja, ne možete dokazati da imate bolje rješenje. I to je područje aktivnosti, gdje se neka aktivnost događa, ali to je manje nego u većini drugih područja analitike. Dakle, ljudi kažu da živimo u vremenu analitike - dobro, jesmo li u usporedbi s deset godina prije, ali to može ići puno dalje nego što je već prošlo.
Dakle, rođenje BI-a, želja za znanjem rađa zahtjeve korisnika, koji rađaju projekte analitike, a projekti analitike rađaju podatkovna jezera, a podatkovna jezera plus analitika rađa uvide i uvide rodi BI. To je priča koju sam upravo ispričao; Samo sam mislio da ću to napisati. Mislim, ono što sam ovdje napravio, hoću reći, cijela poanta ovog slajda, a zapravo većina ostalih dijapozitiva, samo je zapravo da naglasim koliko je svijet poslovne poslovne inteligencije zapravo. Nije to jednostavna stvar, mogao bih ovaj posebni način slajda učiniti složenijim nego što zapravo jest, ali ovdje na dnu imate vanjske podatke i interne podatke koji će se na ovaj ili onaj način staviti u inscenaciju područje, što je danas vrsta podataka s jezera, iako ne postoje sva jezera s podacima. A ljudi koji to nemaju nužno su uspješni. A zatim, na podacima se traži aktivnost čišćenja i upravljačka aktivnost prije nego što ih stvarno možete koristiti. A zatim, te podatke poslužujete gore ili o njima izvještavate ili ih analizirate i analiza vodi u akciju.
A ako stvarno pogledate razne vrste analiza koje postoje, ovo je nevjerojatno dugačak popis, ali to nije nužno i potpuno sveobuhvatan popis, to je upravo ono što sam mislio zapisati, kada sam zapravo stvarao ovaj dijapozitiv. Dakle, ima puno stvari koje se događaju u BI okruženju koje uključuju vizualizacije, OLAP, upravljanje performansama, karte s podacima, nadzorne ploče, razne vrste predviđanja, podatke o jezicima, rudanje teksta, rudarstvo videa, prediktivne stvari, postoji ogroman spektar stvari koje zapravo ide dalje. Ako gledate na drugačiji način, korporativnu stvarnost, u osnovi to je sličan dijagram za onaj posljednji, to je upravo učinjeno na drugačiji način. Odvojio sam ono što biste nazvali BI jer je to redovno i zna se što se traži, to ne znači da je ono što se zapravo događa učinkovito, ali barem ćete se redovno događati u, recimo, Tableauu, ili Clicku, ili u Cognos, postoji tematski izvor, i tako dalje, i tako dalje, odvijat će se različiti redovni izvještaji ili mogućnosti. A onda imate aplikacije za analitiku i one se razlikuju. Budući da se analitičke aplikacije zapravo odnose na istraživanje podataka i po meni to nekako izjednačava s istraživanjem i razvojem. A onda imate tijek rada. Pod tijekom rada miješajte svoje stvari s operativnim aplikacijama i uredskim aplikacijama, ako je to potrebno - i to je korporativna stvarnost kako ja vidim - iako u većini organizacija to nije tako dobro organizirano.
Dakle, poremećaj BI-a, ovo je samo skup stvari koje treba spomenuti čini BI težim nego što je bio prije jer se stari BI svijet sastojao uglavnom od prilično čistih skupova podataka koji su na ovaj ili onaj način snimljeni, vjerojatno iz skladišta podataka i uneseni u određene BI softver. U to vrijeme stvarno govorim prije pet ili deset godina, ali u te dane se količina podataka nije širila, izvori podataka bili su poznati. Brzina dolaska podataka bila je poznata, mada se često neki BI ne bi odvijao dovoljno brzo da se određenim korisnicima dopadne. Nije bilo nestrukturiranih podataka, gotovo da nije bilo društvenih podataka, sigurno nema IoT podataka, nije te bilo briga o podrijetlu podataka. Računalna vrijednost nije imala paralelizam u pogledu infrastrukture da bi se na ovaj ili onaj način moglo raditi stvari izuzetno brzo. Nisi imao strojno učenje, a broj analitičkih opterećenja bio je prilično malen. I sve se to promijenilo, količina podataka sada može dramatično rasti. Broj izvora podataka ih samo raste. Da, streaming dolaznih podataka vrlo brzo, puno nestrukturiranih podataka, svakako socijalni podaci koji će trebati čišćenje, ali drugi podaci koji bi mogli trebati čišćenje, sigurno IoT podaci, posao je sada.
Podizanje podataka je problem i mi se bavimo tim problemom. Snaga računala je tamo, što je uredno, jer to čini sve moguće stvari, a vi sada imate strojno učenje kao fenomen koji vodi do stvaranja više BI mogućnosti i novih analitičkih radnih opterećenja koja će raditi isto. Dakle, BI nije statična situacija i mislim da je to posljednje što ću reći prije nego što ga predam Stanu. Oh ne, nije, postoji još nešto. Budući BI krajolik, internet stvari, arhitekture zasnovane na događajima, sve u stvarnom vremenu, u redu. To je dovoljno BI korisnika, od strane korisnika, za korisničko pitanje ukratko. Pravovremenost protoka podataka, pokrivenost podataka, čišćenje podataka, vještine pristupa podacima, vizualizacija, razmjenjivost i djelotvornost.
Dakle, sada mogu to prenijeti Stanu, osim ako BI usluga nije pouzdana i pravovremena, to nije usluga. Stan?
Eric Kavanagh: Dobro, Stan, dajem ti loptu, odvedi je.
Stan Geiger: U redu. Dakle, ono o čemu ću govoriti je samo moja pozadina. Viši sam menadžer u IDERA-i u upravljanju proizvodima i jedna od odgovornosti koju imam je naša poslovna inteligencija koja nudi proizvod. Stoga ću malo proširiti ono o čemu je Robin govorio i razgovarati o ključnom području s poslovnom inteligencijom je praćenje zdravlja vaše platforme. Kao što je rekao, sada je bilo tamo gdje smo imali sve te podatke i trebalo bi nekoliko tjedana da analiziramo, a onda bismo se vratili s izvješćima i stvarima. Ali BI pejzaž se mijenja tako da smo sada sve bliži gotovo stvarnom vremenu analitike. A u mnogim slučajevima stvarna analitika u stvarnom vremenu. Dakle, malo govorim o ovom dijapozitivu, ovo je samo vrsta pregleda - i kao potpuno otkrivanje je to da ću o tome govoriti iz Microsoftove perspektive, ali svi ti koncepti prelaze i na vaš BI platforme su u Oracleu ili koristite Informatica i Oracle ili samo miješate hibridna okruženja. Upotrijebit ću je samo u vezi s Microsoftovim okruženjem, ali ovo je prilično standardno.
Robin je tamo imao slajd koji se dotakao toga, to je da imate izvorne sustave, gdje imam sve svoje podatke, a sada su to bili svi u relacijskim bazama podataka i takvim pohranjivanjima, ali sad imamo Hadoop, internet i stvari, i svi ti nestrukturirani podaci sjede vani, a sada ih možemo unijeti u ovu BI arhitekturu. Dakle, o srednjem sloju koji malo razgovara je pohrana podataka u agregaciji; tu unosimo podatke, možemo ih očistiti, možda rekonstruirati, a zatim staviti u neku vrstu skladišta podataka, a zatim iznad toga sjedi sloj prezentacije i tu korisnici dobivaju pristup. A mi radimo analitiku tih podataka u tim spremištima podataka, radimo nadzorne ploče i tamo imamo Tableau, koji izvještava o uslugama, i takve stvari. Uvijek se smijem jer, dok sam bio arhitekt BA, uvijek smo se smijali Excel-u, jer, suočimo se s tim, Excel je BI alat za mase.
Dakle, malo pregleda tamo, ali samo da pričamo o vrsti arhitekture platforme, dobili ste svoje izvorne podatke i o tome sam govorio u više prodavaonica. I tada sam u Microsoftovom skladištu spremio svoju zbirku podataka, imat ćete bazu podataka SQL Server, možda tamo gdje je vaše skladište podataka, možda imate svoje skladište podataka u oblaku, kao svoje skladište podataka. Nabavili ste usluge analize, što su vaše OLAP cijevi i slične stvari za stvaranje agregacija i stvari okolo gledanja stvari u više dimenzija i sličnih stvari. Zatim imate svoj prezentacijski sloj, o kojem sam ukratko govorio, svih ovih stvari koje stoje na vrhu tih spremišta podataka i združivanja. Uvijek mi se svidi ovaj citat "Ne znaš ono što ne znaš", što je istina. Ako ne pratite i ne gledate što se događa, na svim tim područjima vaše BI platforme, kako znati kada imate neki drugi problem nego kad vam korisnici počnu slati gadne e-poruke i telefon se pokrene zvoni zašto se moja izvješća ne prikazuju? Zašto sve traje tako dugo?
Dakle, u tom smislu, što morate učiniti, morate biti u mogućnosti nadzirati svoje platforme s kojih služite poslovnu inteligenciju. I to sam u osnovi podijelio na tri područja: imate dostupnost, performanse i upotrebu. Dostupnost koja znači je li resurs dostupan: je li gore ili dolje? Tamo je prilično jednostavno. Ako gledate i kada imate, možda imate dostupnu platformu, ali možda imate problema tamo, pa morate biti u mogućnosti identificirati uzročne uzroke; morate biti u stanju upozoriti i obavijestiti nekoga što se događa prije nego što stvari dođu u kritično stanje. To dovodi i do strane performansi, imate stvari sa razine mjernih podataka o performansama, na razini poslužitelja, gdje se nalaze usluge ili BI usluge ili BI platforme; imate performanse na razini resursa gdje, primjerice, pristupam podacima iz SAN-a. Budući da je SAN izvor, mrežni resursi, morate biti u mogućnosti nadzirati performanse svega toga, biti u stanju prepoznati uska grla i usrećiti korisnike i ako ste u okruženju u kojem radite stvarno - analitika vremena, morate biti u mogućnosti prepoznati uska grla ili probleme prije nego što se počnu događati.
I zadnja teorija je upotreba: što korisnici rade? Tko je povezan s mojim izvorima BI-a? Tko trči? Koje upite pokreću? Koje izvještaje pokreću? Na primjer, poznavanje ovih informacija pomaže u određivanju i planiranju kapaciteta. Također pokazuje što se koristi u vašem BI okruženju. Imali smo kupca koji je želio naš proizvod za nadgledanje BI-a samo zato su znali koje dijelove BI okruženja koriste kako bi mogli kretati resurse. Na primjer, ako ne bi koristili određena izvješća ili određene kocke usluga analize, oni bi preselili resurse iz toga u druga područja koja se vrlo dobro koriste. Još jedan citat koji mi se sviđa, volim zaista sjajne filmove poput "Trema", pa vam kažem moj film, pa mi se sviđa i citat Burta Gummera, kojeg je glumio Michael Gross, on je vrsta oružja za preživljavanje i on kaže, pojavi se i on izvadi ovu ogromnu snajpersku pušku od 50 kalibra, a jedan od momaka kaže: "Prokletstvo, Bert." A on odgovara: "Kad ti treba, a nemaš je, otpjevaj drugačiju pjesmu. "Drugim riječima, znate što? Bio je spreman za sve i došao je spreman za bilo što, i ono što mislim pod tim ako ne pratite svoje BI okruženje iz resursa i upotrebe i stvari o kojima sam upravo govorio, onda ne znate da vam treba alat ili okruženje ili strukturu koja ga nadzire dok ga nemate. A onda shvatiš da sam stvarno trebao da to nastavim naprijed, a to je način na koji je puno naših kupaca.
Dakle, rekavši to, mi ćemo se useliti i pogledati ćemo što ovdje radimo u IDERA-i kako bismo riješili neka od ovih pitanja. I-
Eric Kavanagh: U redu, vidim.
Stan Geiger: Vidite? U redu. Dakle, ono što imamo ovdje je naš BI Manager proizvod. I pratimo, IDERA je tradicionalno tvrtka u okruženju SQL Server, Microsoft SQL Server. A onda smo kupili u Embarcadero, pa smo se sada proširili i na neke druge platforme, ali naš BI proizvod tradicionalno prati BI skup u Microsoftovom okruženju. A to bi bile usluge analize za vašu višedimenzionalnu i tabelarnu analizu, usluge izvještavanja, alat za izvještavanje i zatim usluge integracije, što je ETL platforma, slično kao Informatica.
S našim proizvodom možete nadzirati sva tri ta okruženja kroz jedan proizvod, a ono što ovdje vidite je cjelokupna nadzorna ploča, a ono što ovdje treba napomenuti je kada sam razgovarao o tome upozoravajući, jedna stvar je nadzirati, ali to nije dovoljno - morate imati mehanizam za uzbunu. Drugim riječima, moram biti u stanju biti obaviješten prije nego što stvari dođu u kritično stanje. Dakle, ono što ovdje radimo, postoji čitav niz mjernih podataka koje snimamo i podesiva su jer ovisno o vašem okruženju, određenim pragovima, možda ste u redu s vremenom čitanja od trideset milisekundi u vašem okruženju. U drugim je okruženjima možda kritičnije da taj prag bude niži, pa je važno ne samo upozoravati, već i konfigurirati ga, jer su okruženja različita ovisno o resursima.
Dakle, u osnovi, ovo je pregled svih okruženja koja se ovdje prate, a ovdje imam tri slučaja: jedan za analizne usluge, jedan za usluge integracije i jedan za usluge izvještavanja. I vidite da imam ovdje nekoliko upozorenja. Budući da su crvene boje, kaže mi da su one kritične, jer imam više razina na koje mogu postaviti ta upozorenja, a upozorenja se mogu poslati e-poštom ljudima koji su odgovorni za uvid u problem. Dakle, samo ćemo kratko pogledati i vratit ću se na upozorenje, tako da možemo ući u analizu i to je sigurno, ovdje se čeka da se učita. U osnovi, ono što radimo imamo prikupljanje podataka; periodično izlazi tamo, izlazi vani i skuplja i snima slike onoga što rade u vašem okruženju. Dakle, ja imam svoj set na svakih šest minuta, pa se svakih šest minuta vani i ispituje okoliš. Jedno vrijeme sam spavao s VM, pa će trebati sekunda da se ovo vrati. Idemo tamo.
Pogledajmo dio usluga analize i zato ću ovdje kliknuti na svoju instancu i sjetite se da sam govorio o jednoj od stvari koje pratimo performanse na razini poslužitelja, jer puno ljudi ima više stvari trčanje na njihovom poslužitelju. Na mom poslužitelju možda imam bazu podataka, kao i usluge analize, na primjer. Dakle, ako se nešto događa u bazi podataka ili imam problem na razini poslužitelja, to će utjecati na ono što se tamo događa. Dakle, pratit ćemo stvari na poslužitelju na razini poslužitelja, stvari poput performansi diska, a možete vidjeti kako bilježimo metrike oko svega toga. I sve je to moguće podesiti. Pogledao sam što se događa, CPU-u, upravo i opet, ovo je na razini poslužitelja, a ne na razini službi za analizu u mom primjeru ovdje. Ali zapravo na razini poslužitelja.
Mogu li sagledati stvari poput memorije, na primjer, ukupne memorije, raspoloživosti? Dakle, sada imam ideju o zdravlju samog poslužitelja. Tada možemo početi proučavati stvari koje su u ovom slučaju posebne, u ovom slučaju usluge analize. Na primjer, mogu vidjeti i vidjeti kako se ovdje obrađuje moja kocka i to mi daje mjeru zdravlja. Ako počnem vidjeti da obrada traje duže ili se redovi ne pišu gotovo tako brzo, tada mogu početi pogledati - i ovo ide u korelacijski dio o kojem vjerujem da je Robin govorio, je li to čovjeku je još uvijek potrebno da sve to učini. Govorimo o AI, strojnom učenju, ali čovjeku je ipak potrebno da poveže te događaje sa stvarima. Možemo pogledati stvari poput onoga što se događa u vezi s upitima, koji se upiti pokreću i koliko dugo traju? Mogu sortirati, pa mogu započeti shvaćati koji upiti traju najduže vrijeme. Možete pogledati ovdje u proteklom vremenu, mogu pogledati i vidjeti OK, što je bio taj upit i ko je tada vodio taj upit?
Tako da tada mogu početi postavljati priču oko toga, kad kad počnem vidjeti kako stvari počinju vrtoglavo, mogu se vratiti i pogledati što su korisnici radili u tom trenutku. I vidjet ćete jednu od stvari koju mi radimo je da ovaj put odaberemo vrijeme da vam omogućimo da odaberete prozor vremena. Na primjer, mogu se vratiti tim upozorenjima, a zapravo je to bila poveznica na one upozorenja na koja kliknem, i trebalo bi mi to vrijeme kad se ta obavijest pojavila. I tada mogu početi međusobno prikupljati priču, mogu vidjeti oh, pa, čitanje diska je bilo gore ili je bilo problema s memorijom ili bilo što drugo, a onda mogu prelaziti na upitne aktivnosti u tom istom trenutku i zapravo mogu započeti korelirajući tko je pokrenuo upite koji su mogli uzrokovati te šiljke unutra. I onda, možete početi raditi stvari kao što sam ja mogu započeti podešavanje, tada počinjem podešavanje. Ovo je poput automobila, ako napravite trkački automobil i samo pustite motor, i pokrenete ključ koji bi se motor mogao pokrenuti, ali ako moram osvojiti 180 milja na sat da bih pobijedio, moram znati da motor može pokrenuti 100 milja na sat i moram ući tamo i započeti ugađati taj motor kako bih mogao doći tamo. I to je ono što vam ovo omogućuje, jeste da biste mogli dati dovoljno informacija za početak podešavanja vašeg okoliša, povećanja zdravlja i proizvodnje tog okoliša i učinkovitosti.
A onda pratimo stvari u memoriji koje su u ovom slučaju posebne za usluge analize. I tu možete započeti da vidite gdje bi stvari mogle krenuti po zlu, kada počnete vidjeti stvari koje se vrte iznad granica memorije, takve stvari. Druga stvar koju je dobro pogledati, u svakom trenutku kada pokrećete bilo koju vrstu upita, želite da se podaci spremaju u predmemoriju, jer kada se predmemoriraju, oni su u memoriji i ne moraju čitati s diska, što je puno više učinkovitije od potrebe za čitanjem podataka s diska. Tako da možete početi gledati stvari koje se događaju, oprostite, na primjer u predmemoriji podataka. Ranije sam imao gomilu upita da bih dobio ove podatke, a možete vidjeti da sam imao većinu vremena, učitavanja predmemorije i pretraživanja se preklapaju, što je dobro. Ali imao sam razdoblja u kojem su učitavanja bila puno manja od pretraživanja, što mi govori da mi se nešto događalo što je bilo intenzivno za pamćenje, tako da je predmemorija brže prodirala, pa su podaci morali biti čitanje s diska. A to možemo vidjeti i kada pogledamo motor za skladištenje. To je isto vrijeme kao i onaj drugi graf, i tamo možete vidjeti šiljak, gdje su upiti iz datoteke doista skočili u tom razdoblju. A to znači da su se podaci čitali s diska. Sada se mogu vratiti i zatim to povezati s upitima koji su se izvodili, a ne da bi svakome krvarile uši, ali u uslugama analize koristi jezik zvan MDX, postoje načini za učinkovitije pisanje upita, pa koristi predmemoriju učinkovitije i manje pohrane. Dakle, postoji primjer podešavanja tog motora i daje vam sve potrebne dijelove da biste to mogli povezati.
Samo brzo, možemo i drugačije obrnuti, kad pogledamo upite, sada možemo vidjeti sesije, tko je zapravo povezan u ovom trenutku i što se izvodi? Dakle, ova vrsta vam daje suprotan pogled na pitanja i tko ih izvodi. Ovo je tko je povezan i onda mogu vidjeti što trenutno rade. Druga stvar, samo da brzo pređem, možete vidjeti sve predmete u mojim višedimenzionalnim MOLAP kockicama. I mogu dobiti informaciju o tome. Tako, na primjer, mogu sortirati prema stupcu za čitanje i vidim da je objekt koji se najviše koristi vremensku dimenziju, a drugi koji se najviše koristi je dimenzija kupca. A to pomaže ljudima koji razvijaju i grade stvari da učinkovitije grade svoje kocke. Možda bih želio promijeniti svoju strategiju particioniranja podataka, na primjer, o ovim vrlo korištenim dimenzijama u mojoj kocki, pa će, na primjer, to povećati izvedbu upita. To može smanjiti performanse obrade kocke, jer sada imam više particija, ali iz perspektive korisnika to će prilagoditi taj motor da bi bio učinkovitiji za korištenje tih objekata.
Dakle, nastavite, ovdje razgovarajte o integracijskim uslugama. Integracijski servisi, spomenuo sam, su ETL platforma u Microsoftovom okruženju. Ono što ovdje radimo - i to je dosljedno - pratimo performanse poslužitelja, a to bi bili isti pokazatelji koje smo gledali, jer se sve moje usluge izvode na istom poslužitelju. Ali opet, ovo je pregled onoga što se događa na poslužitelju. A onda mogu pogledati aktivnost integracijskih usluga, moje ETL procese. Dakle, mogu steći predodžbu o tome kada su se ti procesi odvijali, jesu li bili uspješni ili ne, mogu istaknuti određeni postupak ETL procesa i tada će mi pokazati raščlambu koraka unutar tog ETL procesa, je li bio uspješan ili ne i koliko je trajalo.
Ako imam ovdje propali paket ETL procesa, mogao bih se spustiti do detalja i vidjeti poruku o pogrešci i on bi mi pokazao koji korak u tom paketu gdje je propao taj ETL postupak, kao i sve poruke povezane s tim. Dakle, ono što se događa je to što mi daje i mogu dobiti upozorenje ako ne uspije, pa ako primim upozorenje, mogu ući ovdje, vidjeti, otići na to upozorenje, vidjeti neuspjeh paketa, pogledati korake, pogledajte gdje nije uspio, pogledajte poruku o pogrešci i odmah znam što trebam učiniti da to popravim: ponovno rasporedite i pokrenite ponovo iznova. Dakle, ono što vam ovo omogućuje jeste da to nazivamo skraćivanjem tog prozora između identifikacije problema i rješavanja problema. Dakle, u prijašnjem životu, kada sam bio odgovoran za takve stvari, imali smo ETL postupak koji bi se odvijao noću, kako bismo učitali naše skladište podataka. Ako bih imao te podatke, prvo ujutro kad sam ušao, ako nešto nije uspjelo, onda se brzo mogu pozabaviti i vratiti taj proces kako bih bio siguran da je skladište podataka bilo pokrenuto i osvježeno do vremena kada su korisnici ušao i počeo pristupiti izvještavanju.
Druga stvar je da imam dva procesa koja se pokreću, a to je da pogledam i vidim kako se to odvijalo tijekom vremena. To je važno jer ako počnem vidjeti, na primjer, ove procese, koji traju duže, vidim kako se ta vremena povećavaju, možda ću trebati pogledati, na primjer, prozor za održavanje, možda imam stvari koje se događaju na tom poslužitelju, Uzmimo, na primjer, sigurnosne kopije; Možda se događa sigurnosna kopija, zbog čega moj proces čeka da se završi. Možda ću morati preusmjeravati ili žonglirati svojim procesima oko stvari koje počinju utjecati na moj ETL.
I posljednji dio su usluge prijavljivanja. Usluge izvještavanja su Microsoftovi, u osnovi njihov alat za izvještavanje o poduzeću. I neke stvari, opet, stvari možemo promatrati na razini poslužitelja, možemo stvari pregledavati na čitavom poslužitelju izvještaja, poslužitelju usluga izvješćivanja, na sebi. Ovdje nemam puno stvari; Imam neke pretplate koje se pokreću svakih 15 minuta, da bih pokrenuo izvještaj. Dakle, nećete vidjeti puno aktivnih veza jer se uključuje, povezuje, pokreće izvještaj, prekida vezu i šalje ga.
Ali u visokom transakcijskom okruženju u kojem se radi puno izvještavanja, ključno je biti nadgledanje tih stvari. Dakle, možete vidjeti gdje sam se ovdje odvijao, pa vam daje prilično dobru predodžbu o tome što se, sa stvarne razine usluge i platforme, događa. I onda, dok sam govorio u dijapozitivima, tko vodi ono što i što rade? I jedan je od naših kupaca kupio ovaj proizvod samo za ovaj komad jer je želio znati koja izvješća imaju ljudi i tko ih vodi. Dakle, ovo je jedna od stvari u ovom izvršenju izvještaja koje možete vidjeti ovdje. Vidim koji izvještaj, mogu vidjeti bilo koje parametre koji su bili u tom izvješću, vidim tko ga pokreće, mogu vidjeti format izvještaja. I onda imam sve te mjerne podatke oko sebe, pa ako opet mogu rangirati te stvari, na primjer, ono izvješće je trajalo najduže vrijeme za preuzimanje podataka, a ja mogu prijeći na to i vidjeti koji je izvještaj. I opet, sve ovo mi daje podatke da bih mogao biti, da ponovno ugađam taj motor. Sada mogu započeti s podešavanjem svog okruženja za izvještavanje oko toga.
I posljednja stvar, mogu li pogledati korisničku aktivnost, tko je opet povezan s trenutno, čime se bave? Zapravo, u okruženju u kojem sam imao više korisnika, svi su oni razvrstani, tako da mogu rangirati, vidim tko najviše koristi okoliš. Dakle, samo da se brzo vratimo natrag i pogledajte te upozorenja. Ovdje je bila ta uzbuna; Mogu kliknuti ovu vezu ovdje i to će me odvesti do grafikona za to vrijeme i pokazati mi koji je bio na oprezu. Dakle, možete vidjeti ovdje, to je ono zbog čega su to bile prosječne milisekunde za pisanje, na primjer, čitanje i pisanje. Pa, opet, samo pokušavam doći do te točke identifikacije problema. I stvarno je važno imati holistički alat, a ne samo nešto što gleda na tu jednu stvar, jer čovjek mora doći ovdje i povezati te događaje koji se događaju, tako da morate biti u stanju pogledati što se događa u tome u određeno vrijeme kroz više područja tog okruženja, i to je jedna od stvari koje radimo ovim odabirom vremena ovdje.
Eric Kavanagh: Da, ovo je Eric ovdje samo na kratko pitanje, jer mislim da si vjerovatno udario noktom po glavi, a ovo je ono o čemu sam govorio u vrhu sata, da ljudsko biće mora doći i ucrtati te korelacije između različitih sredina. Zanima me što znam, postoji li neki edukativni materijal koji vi dečki možete podijeliti ili se možda bavite nekim ljudima kako biste im pomogli da prepoznaju neke od tih obrazaca? Kao da ste imali prije dobar primjer prije, otprilike kada jedan od njih kliče koji vam govori da se nešto događa u sjećanju jer je stalno pokušavao izbaciti memoriju. To vam daje pojma, ali kako ljudi uspostavljaju ove statistike protiv stvarnih problema, pravo je pitanje.
Stan Geiger: Da, to je dobra poanta i jedna od stvari o kojoj sam upravo govorio, mapa puta za proizvod, je kasnije ove godine, izdaćemo verziju i jednu od stvari koju ćemo započeti dodavati je svaki od ovih grafova, opis onoga što ovaj graf znači i zašto bi vas trebalo zanimati, te kakav je utjecaj toga. Dakle, budite u mogućnosti da kliknete upitnik ili nešto na ovom grafikonu, a zatim povucite prozor koji će vam dati puno tih informacija i reći vam da su to mogući uzroci, da su to područja na koja utječu i da vodite ka ako krenete u ovom slučaju, kao što ste rekli, evo je te bodlje, znam iz svog osobnog iskustva što to znači. A onda mogu početi ići i započeti s bušenjem u području i pronalaženje uzroka.
Sada imamo puno toga, zapravo, u proizvodu za dijagnostiku za SQL Server, za stvarnu bazu podataka. Imamo puno te vrste funkcionalnosti u takvom proizvodu, a također imamo i neke dodatke za analizu dijagnostičkog menadžera koji vas zaključuju u mnogo bržem obliku. I tu idemo niz ovaj put s ovim proizvodom.
Eric Kavanagh: I pretpostavljam da postoje potpisi za određene vrste aktivnosti. Da li vam ovaj alat omogućuje da identificirate kada se dogodila određena vrsta događaja i katalogizira to, tako da će s vremenom prepoznati sličan obrazac niz liniju i pomoći vam da shvatite može li se radi o novom korisniku, na primjer, koristeći isti alat? Pomozite vam da shvatite, oh, ovo je zato što su se ovi poslužitelji pokvarili ili zato što je ovo područje propalo? Postoji li neki način katalogiziranja potpisa problema, tako da ih možete kasnije lako prepoznati?
Stan Geiger: Ne, zapravo, ali to je zapravo zanimljiv koncept, jer je gotovo takav, kakav je - principijelna komponenta analiza, pretpostavljam - gdje identificirate obrasce i evidentirate te obrasce, pa ako ih ponovno vidite, možete se vratiti natrag i vidi, u redu, u tom je trenutku to bio uzrok. Da, to je nešto, nije na karti puta, ali o nečemu sam razmišljao sa stajališta upravljanja proizvodom.
Eric Kavanagh: Mogu zamisliti. Oh, samo naprijed.
Stan Geiger: Ne, htio sam reći - i primamo puno zahtjeva, jer ne znam kakvo je vaše iskustvo - ali ono što nalazimo jesu baze podataka DBA-a kao što su stražnja strana, ali BI stvari su poput crne kutije kada je u pitanju zdravlje platforme. I nema toga, oni nemaju puno baze znanja oko toga. Da, samo što sam radio u njemu pet do deset godina, zar ne? Ali tipični ljudi koji su odgovorni za pronalaženje tih pitanja ili primanje upozorenja i otkrivanje što se događa, to je za njih neka vrsta crne kutije.
Eric Kavanagh: Da, mogu zamisliti. I ja bih bio znatiželjan da to znam pa ste na tom jednom zaslonu pokazali kako možete vidjeti sve upite koji prolaze, koliko su trajali i tko ih je generirao. Možete li također vidjeti stvarnu strukturu samog SQL upita i napraviti neku analizu oko toga? Kao što ponekad ljudi ponekad sastavljaju SQL upite koji su, recimo, glomazni i zastrašujući, za razliku od majstora koji stvarno sastavi lijep, zbijen upit. Je li to nešto što možete vizualizirati kroz ovaj alat, a zatim vam pomoći u tome je problem?
Stan Geiger: Da, tako da ono što možete učiniti je, na primjer, ono što sam ovdje učinio, na primjer, da sam samo sortirao prema zadanom vremenu. Tako da mogu vidjeti one koji su trajali najduže i onda uzimam tekst, ali tada je na nekome tko je manje ili više stručnjak za temu da pogleda to i krene: "Oh, OK, evo zašto je to trajalo toliko dugo . ”To je nešto što imamo neku vrstu analize opterećenja, nazivamo je SQL Workload Analyzer za bazu podataka, što se zavaravam s idejom da možda niz cestu nailazim na sličnu stvar, tako da identificira ti upiti, a zatim vam daju preporuke kako prilagoditi te upite. Ali jedno je od pitanja to što je ovaj MDX upit prilično specijaliziran jezik.
Eric Kavanagh: Da, mogu zamisliti. Ali možete vidjeti, na primjer, tko su ljudi, tako da nije pretjerano shvatiti je li jedna osoba, ako je jedan tip odgovoran za deset najduljih upita procesa, ako ništa drugo ne možete ga nazvati ili nazvati njegov menadžer ili netko i kažu, "Hej, ovaj momak žvače veliku propusnost", a možda se ispostavi da su to najvrjedniji upiti za posao, zar ne? Morate je staviti u kontekst kolike je poslovne vrijednosti, od samih upita, nije samo igra jasnih brojeva, zar ne? Doznajemo, pa, ovaj tip je naš strujni korisnik, a on je taj koji mijenja posao, zar ne?
Stan Geiger: Ne, u pravu si. Mislim, to je jedan od načina na koji kupci to koriste, a to je da mogu to učiniti. Kao što ste rekli, možda ćete pronaći jedno područje, jer jedna od stvari o kojima govorim uvijek šaljem na Excel, ali možete se povezati s analitičkim uslugama u Excelu i pokretati okretne tablice s OLAP-a, a on generira vlastite upite i šalje ih i ponekad nisu najbolji obrazac, tako da se možete vratiti i prepoznati te ih zapravo prepisati i dati korisniku i pustiti ih da ih pokrenu vani tako da vam ne treba pola sata za da se vrate na svoje okretne tablice.
Eric Kavanagh: Točno. A kad govorimo o upitima, vi pokrivate spektar upita, pa ste spomenuli MDX, što je s nekim drugim upitima poput DAX upita ili nekim drugim ovim?
Stan Geiger: Da, pokrivamo, da, bilo koji DAX i MDX i jedno i drugo. Dakle, jedna od stvari koju nisam spomenuo, ili jesam možda učinio, ali mi podržavamo i tabelarni i OLAP u Microsoftu i DAX-u - mislim da smo ti i ja razgovarali o tome neko vrijeme unazad - vidimo li se puno sada više tablični nego što smo mi OLAP. Jer je jednostavno lakše izraditi tablične modele i takve stvari, pa ćete očito vidjeti DAX upite, ali mi ćemo ih i pokupiti.
Eric Kavanagh: Da, to je zanimljivo. Imate li konteksta zašto se to događa? Je li to možda zbog toga što se sve više i više ljudi upušta u te stvari i zato što OLAP, naravno, nije nešto novo, o čemu se radi, barem 30-ak godina?
Stan Geiger: Dobro, dobro, to je vrsta kombinacije, jedna od stvari je dizajn kocke umjetnost. I kocke su izgrađene za pred-agregiranje podataka, tako da je stvarno brzo izvući podatke, ali obrada kocke treba neko vrijeme jer se moraju obaviti sve te objedinjavanja. A onda, hardver je pojeftinio, a memorija je pojeftinila i tada su svi izlazili s stupacnim bazama podataka u trgovini i memoriji. Tabela je također najbliža tradicionalnim relacijskim bazama podataka i jednostavno je i brže izraditi tabelarne modele nego što je to slučaj s OLAP-om. No, nedostatak je što ostaje u memoriji, cijela stvar ostaje u memoriji, tako da je jako intenzivna u memoriji i podaci se ne sabiraju dok je ne zatražite. Dakle, ali rekavši sve to, počinjemo vidjeti puno više tabličnih vani.
Eric Kavanagh: To je zanimljivo. Možda je to i zbog toga što se ova industrija pomalo usporava, a ono što mislim pod tim je da dobivamo puno više ljudi koji komuniciraju s podacima i koriste razne alate, i naravno kada govorimo o Microsoftu, mislim to je definitivno slučaj da imate puno, puno više korisnika za mala i srednja poduzeća, pa čak i neke veće organizacije koje kopaju po stvarima, pristupaju alatima, pokreću upite i možda nisu toliko upoznati s cijeli proces i tehnologije oko stvaranja kockica, prema vašem mišljenju, zar ne? Jer je potrebno malo razmišljanja, a uz to je i skupo, zar ne? Za izgradnju ovih kockica potrebno je vrijeme, potrebna je energija osim ako ne upotrebljavate neke od novijih tehnologija. Na primjer, razgovarali smo s tvrtkama poput Snowflake-a, na primjer, rade prilično zanimljive stvari, ali mislim da imate puno više ljudi koji koriste stvari i vjerojatno idu s onim što ste upravo opisali, a to je tabelarni format, za razliku od formalno grade kocke, zar ne?
Stan Geiger: Da, mislim, mislim, Excel - kad je to bilo, Power Pivot, vjerujem - to je zapravo tabelarno stanje, ako ga pogledate; to je način na koji gradite tablične modele. I onda je sljedeća ponavljanje bila, mogu vam reći moje tablične modele koje izrađujem i rasporediti na SQL Server kako bih ih mogao podijeliti sa svima drugima. Dakle, to je nekako prirodno produženje Excela gotovo.
Eric Kavanagh: Da, to je dobra poanta. Ono što smo vidjeli zadnjih, rekao bih pet do sedam godina, samo je ogromno širenje upotrebe tih tehnologija, zar ne? I Microsoft je, iskreno, bio pionir u tome, stvarno demokratizirajući podatke o moći putem analitičkih servisa i Power Power Pivota, zar ne? Mislim, to je bila promjena promjena u industriji, zar ne?
Stan Geiger: Da, ne, sasvim ste u pravu. Mislim, imam slajd kad duljim prikazom koji pokazuje prijelaz iz semantičkog modela, koji je bio OLAP, u tabelarni. I mislim da imam citat Microsofta; žele podatke u rukama korisnika, a ne samo preko zida u IT trgovini, oni žele dobiti više podataka u rukama ljudi koji ih konzumiraju.
Eric Kavanagh: I to se vraća na onaj prvi vrlo jednostavan dijapozitiv koji sam pokazao, što je bio osnovni postupak donošenja odluka za svaku organizaciju, a sada - i mislim da je to sjajna stvar - dobivamo sve više i više ljudi iz čitave hijerarhije organizacije koja obraća pažnju na ono što se događa, donošenje njihove priče u tablicu, a vi to činite s podacima, to je suština, mislim, možete koristiti i druga sredstva, ali ako priču potkrijepite podacima, imat ćete puno jače argumente od onih koji to ne učine, zar ne?
Stan Geiger: Tačno, da. Kao, da, baš je tako. Mislim, to je razlog zašto je to sada bilo „Hej, trebam ovo izvješće“, pa sam sada morao proći zahtjev za izvještajem i morao sam proći ovdje i dobiti svoje izvješće, a sada mogu sjediti ondje, za mojim stolom i stvarno pravedan, imam pristup generiranim podacima, donosim svoje poslovne odluke.
Eric Kavanagh: Tako je. Znate, vratio sam se s konferencije prošli tjedan i došlo je do histeričnog komentara momka koji vodi prilično veliko BI okruženje u trgovini Target, a on je referirao analitiku samoposluživanja i samoposluživanje BI-a, i očito to je veliko pitanje ovih dana. Siguran sam da je to nešto što pokreće puno aktivnosti za ono što vi radite u IDERI-i, jer kada želite uvesti samoposluživanje, prije svega vam je bolje zdravo BI okruženje, zar ne? Ako ćete sve ljude dovesti na sve vrste pitanja na sve načine, poželjet ćete ovdje imati nešto poput ovog alata, kako biste mogli razumjeti tko vas pita koja pitanja i gdje. I smiješni citat izbacit ću ovdje samo za udarce, kao što ste i rekli: "Postoji dobra granica između BI-a za samoposluživanje i samog F".
Stan Geiger: Da.
Eric Kavanagh: Mislio sam da je to histerično. Ali vidite li da trend samoposluživanja zaista pokreće veliku svijest o tome što radite s tehnologijom?
Stan Geiger: Da, jer kao što si rekao, ako ćeš dopustiti BI samoposluživanje, vjerojatno ćeš dobiti neke probleme s performansama, zbog samo: A) količine pristupa, količine ljudi koji idu na podatke i B) količinu loše formiranih upita i načine pristupa kojima imate. Dakle, stvarno je zaista neophodno pratiti okoliš kako biste bili u stanju usrećiti sve koji pokušavaju konzumirati podatke, zar ne?
Eric Kavanagh: Da, mislim da je to točno. To je blagoslov i prokletstvo: dobro je što ljudi pokušavaju upotrijebiti stvari, ali opet, po vašem mišljenju, ako trenutno nemate pravi alat, bit ćete nesretni kamper jer ćete se valjati iz samoposluživanja bez ovog alata, čini mi se da samo tražim planinu problema.
Stan Geiger: Da, mislim, slično je bilo kad sam izrađivao skladišta podataka, to je kao da niste ispravno utvrdili svoje dimenzije i tablice činjenica, pa ste ga otklonili za ad hoc izvještavanje, možda biste htjeli puzati ispod ljuljati.
Eric Kavanagh: To je sjajno. Da, dobro je, opet, dobra je vijest da ljudi koriste ove stvari, ali mislim da moram vjerovati da će samoposluživanje pokrenuti puno aktivnosti za ono što radite, jer govorite o povećanju povećati količinu napetosti i količinu pritiska na ove sustave po redoslijedu veličine. Ne samo za jedan ili za dva stupnja veličine i to je tačka u kojoj želite stvarno imati neku vidljivost i želite biti u mogućnosti vidjeti tko radi što, gdje, kada, kako i zašto. Postavljajte ta pitanja i zatim donesite neke odluke o tome kako možete nadzirati i mijenjati okoliš i mijenjati svoje politike o tome tko ima pristup onome, zar ne?
Stan Geiger: Dobro. I znate, to isto tako, znajući, kad upotreba također omogućava ulazak tamo, a potencijal, kao što sam spomenuo objekt unutar kocke, mogu učiniti stvari da to poboljšam, što se tiče načina na koji ja gradim i dizajniram stvari. Dakle, neophodno je ne samo gledati izvedbu stvari, već i moći vidjeti vašu shemu i vaš dizajn na toj razini kako biste je mogli prilagoditi. I postat će sve veći i veći, jer su stvari poput moćnog BI-a sada velika stvar, s Microsoftom, tako da sada mogu izgraditi svoje nadzorne ploče i widgete i stvari, a ne moram biti BI programer.
Eric Kavanagh: Tako je. Da, to je dobra stvar, stiže svugdje, ali trebat će vam neki način upravljanja tim okruženjem ili ćete dobiti nezadovoljne korisnike. To dovodi do nesretnog upravljanja, što dovodi do otpuštanja ljudi. Dosta je jasan domino efekt kada stvari počnu da postaju dio, ali ovo su sjajne stvari.
Tako sam nekako žvakao zadnjih pet minuta ovdje. Robin, jesi li imao pitanja?
Robin Bloor: Pa, mislim da je to, zapravo, fascinantno, da budem iskren. Razmišljam o činjenici da smo imali vrlo ograničena okruženja, a samoposluživanje zapravo mijenja svijet, a puno se toga zapravo i događa jer je u okoliš došlo mnogo više podataka nego što se dogodilo prije. Jedino pitanje, "jer nemamo mnogo vremena, ali jedino bi me zanimalo to što ste objasnili način na koji je to …" jer sam mislila da je to vrlo dobar demo - način na koji BI nadzor radi. Pitao sam se što zapravo rade ljudi koji nemaju takve stvari? Budući da mora biti vrlo teško, postoji niz stvari u kojima se napravi razlika, temeljni uzrok je dobar, ne morate uvijek doći do temeljnog uzroka, ali s nekim stvarima možete doći do temeljnog uzroka da gledate, kad ste rekli da brojni ljudi kupuju alat samo da bi znali tko trči što, i da mi se um vrti, jer to je kao da ne znate tko pokreće, a onda stvari izmiču kontroli. Dakle, kako izgleda okoliš kad je izvan kontrole?
Stan Geiger: Hoću reći, sve ove podatke koje imamo u alatu možete dobiti sami, ali morali biste napisati gomilu scenarija o domaćem uzrastu i zato što su svi podaci tamo vani, jednostavno morate znati gdje dobiti, što zahtijeva razinu stručnosti, zar ne? Dakle, u sredinama u kojima nemate takvu razinu stručnosti, u osnovi, ono što dobivate je hej, je li gore ili dolje? Zaista ne znam radi li efikasno ili ne, ali gore je, zar ne? I tada počinjem primati telefonske pozive ili ljudi odlaze, "Hej, moj izvještaj nije u pristigloj pošti, što se događa?" Ili "Upravo sam predao ovo izvješće putem službi za izvješćivanje" ili će oni možda obavljati upit ovdje u uslugama analize, ali trajalo je pola sata, a trajalo je samo 30 sekundi, što se događa? Pa, sada morate napraviti vatru za vatru i pokušati to shvatiti, a bez alata to postaje vrlo teško.
Robin Bloor: Pa, točno, to mi je postajalo sve očitije, kad si pokazao svaku dimenziju onoga što ovdje zapravo imaš. Druga stvar, to je kao na vrlo, vrlo primitivnoj razini, ako nemate upozorenja koja bi vam govorila da stvari idu po zlu, onda je to samo skupo - naiđete na skupu situaciju, pokušavate izliječiti ono što se dogodilo, jer ne saznajte dok stvari ne počnu loše padati, zar ne?
Stan Geiger: Tačno, ne znaš ono što ne znaš.
Eric Kavanagh: Shvatio si. Pa, hej ljudi, sagoreli smo kroz sat i promijenili se, evo. Vrlo velika hvala našoj Robin Bloor i, naravno, našem prijatelju Stan Geiger iz IDERA Software-a. Oni će se nalaziti u Enterprise Data World-u, u stvari, ako bilo tko od vas ode tamo dolje, i vaš će doista biti tamo u Atlanti. Naš dobar prijatelj, Tony Shaw, sjajno radi taj posao održavajući konferenciju četiri godine, i gle, ono što je staro, opet je novo. Sve su to vruće stvari. Nadamo se da ćemo se vidjeti vani, ako ne, obratite nam se sljedeći tjedan, imamo hrpu drugih internetskih emisija.
Uvijek radoznali kad čujem vaše misli, pošaljite mi e-poštu, što će meni odgovarati ako imate bilo kakvih pitanja ili prijedloga ili drugih tehnologija o kojima biste željeli saznati u Hot Technologies. I s tim ćete se oprostiti, ljudi. Još jednom hvala što ste nam se pridružili, razgovarat ćemo s vama sljedeći put. Čuvaj se. Doviđenja.
