Tekijä Techopedia Staff, 29. maaliskuuta 2017
Takeaway: Isäntä Eric Kavanagh keskustelee yritystiedoista tohtori Robin Bloorin ja IDERAn Stan Geigerin kanssa.
Et ole tällä hetkellä kirjautunut sisään. Kirjaudu sisään tai kirjaudu sisään nähdäksesi videon.
Eric Kavanagh: Hyvät naiset ja herrat, tervetuloa takaisin. Keskiviikko on kello 4:00 itään ja on parin viime vuoden ajan tarkoittanut, että on Hot Technologiesin aika, kyllä, todellakin. Nimeni on Eric Kavanagh, olen tämän päivän näyttelysi isäntä. Rakastan tätä aihetta: ”Health Check: Healthy Enterprise BI: n ylläpitäminen”, mistä puhumme tänään. Sinulla on paikka todella.
Joten tänä vuonna on kuuma - Hot Technologies on todella suunniteltu määrittelemään erityyppisiä tekniikoita, ja voit kuvitella, että yritysohjelmistojen maailmassa on paljon myyjiä, jotka myyvät kaikenlaisia erilaisia tuotteita ja mitä tapahtuu, tapahtuu ovat nämä buzz-sanat, jotka päätyvät tottelemaan ja saamaan myymälöitä eri myyjiltä hyvin erilaisista asioista. Ja niin, tämän näyttelyn tarkoitus on todella auttaa myyjäystäviämme ja auttaa yleisöämme sekä tunnistamaan että kietoamaan päämme ympärille, millaiset tietotekniikat oikeasti ovat ja mitä nämä sanat kaikki tarkoittavat, kun pääset messinkihihnoihin.
Joten aion toimia yhtenä analyytikkona tänään, meillä on myös tohtori Robin Bloor linjalla ja Stan Geiger IDERA: sta. Puhutaanko vain nopeasti liiketiedon ja analyysin tärkeydestä yleensä. Tämä on haluttaessa perussopimuspuu tai vuokaavio, joka on juuri sellainen puhe siitä, kuinka työskentelet läpi yrityksessäsi olevien asioiden läpi, keskustelet eri aiheista, laitat ehdotuksia yhteen ja saat selville, mitä ihmiset ajattelevat. Ovatko he samaa mieltä? Ovatko he eri mieltä? Mikä on konsensus, jos sinulla on jonkin verran, ja miten jatkat prosessin läpi?
No, tämä kaikki on tietenkin erittäin yleistä, mutta se on hyvä muistutus prosessista, jolla ehdotamme ideoita yrityksissä, teemme päätöksiä ja siirrymme sitten eteenpäin. Ja lopullinen asia on, että tietoja vaaditaan jokaisesta näistä komponenteista. Se on entistä totta nykyään isojen tietojen maailmassa, koska tietysti iso data on kuin tämä jättiläinen totuusmoottori. Big data on todella mitä tapahtuu; se edustaa sitä, kuka on missä, mitä he tekevät, mitä ostavat, mikä on heidän sosiaalisen mediansa käsittely, esimerkiksi twiitti. Tietysti kaikki nämä asiat voidaan hakkeroida - sinun on varottava sitä -, mutta asia on, että tiedot ovat todellisuuden viitearkkitehtuuri, jos haluat.
Haluat siis tietoa jokaisesta päätöksentekoprosessin kohdasta. Nyt konsensus on tärkeä. Jos haluat onnellisia käyttäjiä, pomo voi joskus joutua menemään vasten sitä, mitä kaikki haluavat. Puhuimme juuri Steve Jobsista juuri ennen tämän webcastin alkamista, ja hän oli pahamaineinen sellaisesta. Hänellä on kuuluisa tarjous, jossa hän suosittelee ihmisiä hukuttamaan melunsa, jota he kuulevat ympärilleen, ja pitäytymään sitten visioissaan, jos he tietävät tekevänsä olevan oikein. Joten, et aina tarvitse yksimielisyyttä, mutta yleensä se on aika hyvä idea. Mutta tämän dian ja tämän kommentin yleinen tarkoitus on ajaa kotiin tärkeys, jonka haluamme tehdä päätöksemme datan, ei vain vaiston perusteella, vaikka suolistolla on yleensä todella hyvä auttaa sinua tietämään minne haluat mennä, ja sitten todella haluat vahvistaa sen tai mitätöidä sen tietosi kanssa. Ja sanoisin, että älä pelkää katsoa taaksepäin sitä siellä, aivan mukavana pienenä merkitsimenä tai muistutuksena siitä, että kun katsot taaksepäin satunnaisesti, voit ainakin saada jonkin verran viitekehystä ja ymmärtää missä olet ollut tulossa ja ole rehellinen tekemistäsi virheistä. Olemme kaikki tehneet virheitä, niin tapahtuu.
Joten, jos yrityksesi älykkyysjärjestelmissäsi on suorituskykyongelmia, voin kertoa sinulle nyt vanhan ilmauksen ”kärsivällisyys on hyve”, ei IT-maailmassa. Jos käyttäjät odottavat pitkään kyselyidensä palautumista tai he eivät saa raporttejaan, se heikentää luottamusta, ja kun luottamus on mennyt, on erittäin vaikea saada sitä takaisin. Joten olen laittanut rivin tänne - noin 40 sekuntia näinä päivinä on kuin 40 minuuttia monissa tapauksissa - jos kysely kestää 40 sekuntia, ihmiset unohtavat mitä he jopa puhuvat, mitä he kysyivät tiedoista. Kuvittele vain keskustelussa, jos kysyt joltakin, sanotaan esimerkiksi pomollesi, sanot: “Hei, haluaisin tietää miksi on niin, että menemme tällä reitillä.” Ja jouduit odottamaan 40 sekuntia keskustelussa saada vastaus? Kävelit ulos huoneesta! Luulisi, että pomosi on menettänyt mielensä. Joten se latenssi, joka meillä on joissain tietojärjestelmissä, kun suorituskykyongelmia esiintyy, se katkaisee analyyttisen prosessin, analyyttisen virtauksen tai kuten jotkut ihmiset sitä kutsuvat, keskustelun, jota käytät tietojesi kanssa. Sinun on nopeutettava näitä järjestelmiä riippumatta siitä, mitä sinun on tehtävä saadaksesi aikaan, ja aiomme puhua siitä tänään, se sinun täytyy tehdä, koska ilman tuota sujuvaa ideoita edestakaisin, olet todella vahingoittaa koko analysointiprosessia. Joten jälleen kerran heitän tämän kommentin pois: luottamuksen puute on hiljainen tappaja. Ihmiset eivät todellakaan nosta käsiään liikaa, jos he eivät luota sinuun, mutta he vain katselevat sinua sivuttain ja ihmettelevät mitä tapahtuu. Ja kun tämä luottamus on mennyt, sinulla on erittäin, hyvin vaikea aika saada se takaisin.
Joten, tekoäly, kuulemme jatkuvasti koneoppimisesta ja AI: stä ja ”Voi, eikö se aio ratkaista kaikkia näitä ongelmia?” Robin ja minä olemme kuulleet jo vuosia itsensä virittävistä tietokannoista ja kaikesta tästä hauskasta tavaraa - jotain siitä tapahtuu, mutta kysy itseltäsi vain kysymys: kuinka usein Siri saa sen sinulle oikein? Kuinka usein Siri on vahingossa avannut ja mennyt: “Olen pahoillani, en saanut sitä.” Siksi en kysynyt sinulta mitään. Lyön vain vahingossa siihen darned-nappiin. Joten siellä on vielä paljon puutteita, ja muuten vasemmalla puolella, se on Apple Newtonin ASIC-siru - muistatko tämä koiranpentu vuosien ja vuosien takaa? Se oli yksi ensimmäisistä älylaitteista, ja se on sellainen jo kauan sitten, se on kuin 90-luvun alkupuolella tai 90-luvun puolivälissä, jonka haluan sanoa. Että Newton tuli esiin eikä se ollut kovin hyvä, mutta sillä oli visio; he tiesivät mihin he menevät, mutta jopa nyt, iPhone AI: n ja koneoppimisen kanssa, sanoisin, että nämä ovat laajalti väärin käsiteltyjä käsitteitä.
Ja varmasti koneoppimisessa se voi olla erittäin hyödyllinen ja sitä voidaan tosiasiallisesti käyttää joissakin näistä ympäristöistä, joissa yrität ymmärtää mitä tapahtuu monimutkaisella tietoarkkitehtuurillasi, missä asiat ovat menossa pieleen. Koneoppiminen voi olla erittäin arvokasta tässä yhteydessä, mutta vain jos sitä käytetään erittäin akuutilla tavalla. Joten olin juuri itse asiassa suuressa tapahtumassa Kaliforniassa, yhdellä isoista Hadoopin jakelijoista Clouderalla oli heidän analyytikkokokouksensa, ja puhuin heidän strategisen pääjohtajan kanssa ja sanoin: ”Tiedätkö, minusta näyttää siltä, että Todellakin koneoppiminen tekee vain kaksi asiaa: se segmentoi ja tarkentaa. ”Tarkoittaa, että se antaa sinulle erilaisia segmenttejä tai toimintaryhmiä, mukaan lukien poikkeamat, mikä olisi segmentti. Ja se tarkentaa, mikä tarkoittaa, että se auttaa sinua parantamaan tietynlaista päätöstä. Klassinen esimerkki, josta kuulet, että tässä valokuvassa on esimerkiksi ihminen. Joten se on jotain, jolla koneoppiminen voi tehdä, ja se on hyödyllinen tietyissä tilanteissa, kun puhutaan vianetsinnästä, koska voit etsiä käyttäytymismalleja suorittimen käytöstä, muistin käytöstä, levyn nopeudesta ja siitä, mitä levyt tekevät, ja kaikenlaisia hauskoja juttuja. Joten siitä voi olla hyötyä, mutta se on todella jotain, johon on oltava hyvin keskittynyt arvon tuottamiseksi.
Joten yksi muista suosikkiasioistani, joista puhua - ja näemme siitä jonkin verran tätä, luulen, että kun otamme tänään esittelyn IDERalta - mielestäni ihmiset monin tavoin oppivat vielä puhumaan piitä . Kaiken tämän alla on materiaalitiede, ja niille teistä, jotka ovat tehneet vianetsintää ja todella tottuneet tarkastelemaan monimutkaisia tietoarkkitehtuureja, kun yrität ymmärtää mitä tapahtuu, jopa esimerkiksi Hadoop-klusterissa, todella katsot yleensä vain histogrammeja. Ja sitten sinun on korreloitava, mitä nämä erilaiset histogrammit tarkoittavat tiettynä ajankohtana, ja se vie älykkyyttä; joka vie ihmisen älykkyyden ja kokemuksen. Joten en pelkää lainkaan sitä, että ML, koneoppiminen tai AI vievät pian liian monta työpaikkaa tässä maailmassa. Mielestäni ihmisille on aina tarvetta. He tietävät rehellisesti, mistä he puhuvat auttaakseen meitä ulos ja saamaan tämän kaiken tapahtumaan.
Joten siirrytään eteenpäin. Joten mitä tapahtuu, jos et ole tietopohjainen? Tämä on kuuluisa maalaus, "Sokea johtaa sokeaa" - tämä ei ole mitä etsit, ihmiset. Et halua tällaista ympäristöä organisaatiossasi. Joten haluamme, että haluamme, että päätöksemme perustuvat tietoihin ja haluamme, että päätökset perustuvat hyvään, laadukkaaseen tietoon, ja se tapahtuu vain, jos kerät oikeat tiedot, jos se on mukavaa ja puhdasta ja jos järjestelmät toimivat oikein, jos BI-järjestelmät ovat terveitä, analyysijärjestelmät ovat terveitä ja käyttäjät saavat haluamansa ajoissa.
Joten sen kanssa aion kääritä ja luovuttaa jäljittelemättömälle Robin Bloorille. Robin, vie se pois.
Robin Bloor: Okei, kiitos, että välitit minulle pallon. Ajattelin, kun puhuit, Eric, ajattelin vain BI: tä ja siellä oli myyjän esitys, johon osallistuin äskettäin, kun joku huomautti, että tietyllä myyjällä, joka ajaa tiettyä järjestelmää isossa, huonossa tietovarastoissa, Tiettynä ajankohtana voitaisiin tehdä 70 000 BI-tapahtumaa, mikä johtaisi siihen, että tietoa esitetään monille ihmisille. Minulle tapahtui, että jos todellakin sinulla on sellainen työmäärä ja tuhlaat jopa muutaman sekunnin ohjelmiston toteuttamisessa, niin se todella tulee olemaan erittäin kallista, ja jos tuhlaat minuutteja, se tulee olemaan hirveän kallis. Ja sitten muistan, että hirvittävä osa maailmaa kulkee laskentataulukoissa - onko niitä mielestäni nimeltään “varjojärjestelmiä”, eikö he? Ensinnäkin, missä ihmiset vain kootavat järjestelmiä laskentataulukoiden ja sähköpostin avulla, ja he tekevät asioita tapahtumaan, koska IT-osasto ei pysty rakentamaan sovelluksia kaikille, joten he tekevät niin. Ja mielestäni suuri osa BI: tä osallistuu tällaisiin järjestelmiin muutenkin.
Joka tapauksessa sen jälkeen kun puhumme siitä, puhutaanpa siitä, mistä aion puhua. BI on yrityksen järjestelmien palautussilmukka, se on todella yksinkertainen tai monimutkainen riippuen siitä, mikä rooli sillä on organisaatiossa. Mutta jos tarkastelemme tätä kaaviota noin neljä vuotta sitten, kun yritimme tavalla tai toisella ymmärtää, mitä analytiikan alueella tapahtui. Mutta melko paljon, kaikkea jälkikäteen, kun tarkastellaan aiemmin tapahtunutta, ja kaikkea, mikä on valvontaa järjestelmän toiminnan suhteen, on yleensä BI. Aiemmin ennakoiva, ennakoiva analytiikka oli BI, mutta siitä on tullut entistä enemmän. Eric mainitsi koneoppimisen, paljon koneoppimista voidaan tosiasiallisesti tavalla tai toisella vain ajaa tietovirtaa vastaan ja se voi antaa sinulle ennustavan analyysin seuraaville viidelle minuutille tai jopa melkein reaaliajassa, joten voit vastata asiakas, jolla on laskettu tieto siitä, mitä todella tapahtuu.
Mutta tämän kaavion keskipiste, sisäosa tulee analytiikasta. Normaalisti tapahtuu se, että erilaiset analyyttiset toiminnot kohdistuvat tiettyihin tietokokoelmiin ja oppitaan jotain uutta, tietoa liiketoiminnasta. Ja tämä tieto on sitten siirretty liiketoimintaprosesseihin, jotka voivat syödä siitä. Ja yleensä se ilmenee tavalla tai toisella, kun BI-hälytykset ilmestyvät, tai vain erilaisia asioita asettamalla kojetauluihin ja niin edelleen ja niin edelleen. Kun todella teimme tämän, siellä on neljä termiä, ja ne sattuvat päättymään sanalla ”näky”, joka on erittäin mukavaa. Mutta tosiasiassa se ei ole kaikkea sitä mitä ihmiset haluavat tehdä, on myös optimoinnin ongelma, ja optimointi ei tuota yksinkertaista analytiikkaa. Se on erittäin monimutkainen ongelma, ja monet optimointiongelmat eivät ole yksiselitteisesti ratkaistavissa. Voit olla vain hyviä ratkaisuja, et voi todistaa, että sinulla on parempi ratkaisu. Ja se on toiminta-alue, jolla harjoitetaan toimintaa, mutta se on vähemmän kuin useimmat muut analytiikan alueet. Joten ihmiset sanovat, että elämme analyysin aikakaudella - no, verrattuna kymmeneen vuoteen sitten, mutta se voi mennä paljon pidemmälle kuin se on jo mennyt.
Joten BI: n vedonlyönti, tiedonhalu synnyttävät käyttäjäpyynnöt, jotka antavat analytiikkaprojekteja, ja analytiikkaprojektit synnyttävät datajärviä, ja datajärvet plus analytiikka tuottavat oivalluksia ja oivalluksia BI: ksi. Se on tarina, jonka juuri kertoin; Ajattelin vain, että kirjoitan sen. Mitä olen tehnyt täällä, tarkoitan tämän diojen ja tosiasiallisesti suurimman osan muiden diojen pääkohtaa vain sen korostamiseksi, kuinka monimutkainen liiketalouden maailma on. Se ei ole yksinkertainen asia, olen voinut tehdä tästä tietystä diaesityksestä monimutkaisemman kuin se todellisuudessa on, mutta sinulla on täällä alareunassa, sinulla on ulkoisia tietoja ja sisäisiä tietoja, jotka tavalla tai toisella on tarkoitus laittaa lavastukseen alue, joka nykyään on tällaista datajärviä, vaikka kaikilla ei ole datajärviä. Ja ihmisillä, joilla ei välttämättä ole menestyviä. Ja sitten tietoihin vaaditaan nieltävä puhdistustoimenpide ja hallitseva toiminta, ennen kuin voit tosiasiallisesti käyttää niitä. Ja sitten, palvelet tietoja ylös ja joko ilmoitat siitä tai analysoit niitä ja analyysi johtaa toimintaan.
Ja jos tarkastellaan olemassa olevia erilaisia analyysejä, tämä on uskomattoman pitkä luettelo, mutta se ei välttämättä ole täysin kattava luettelo, se on juuri se, mitä ajattelin kirjoittaa muistiin, kun itse luon tätä diaa. Joten, BI-ympäristössä tapahtuu paljon asioita, joita ovat visualisoinnit, OLAP, suorituskyvyn hallinta, tuloskortit, kojetaulut, erityyppiset ennusteet, tietojärvet, tekstin louhinta, videoiden louhinta, ennustavat jutut, laaja kirjo asioita, jotka todella jatkuu. Jos tarkastellaan sitä eri tavalla, yrityksen todellisuus, käytännössä todella tämä on samanlainen kaavio kuin viimeisessä, se on tehty vain eri tavalla. Erotin sen, mitä kutsut BI: ksi, koska se on säännöllistä ja tiedetään, mitä vaaditaan, mikä ei tarkoita, että tosiasiallisesti tapahtuva on tehokasta, mutta ainakin sinulla tapahtuu säännöllisiä asioita, sanotaan esimerkiksi Tableau tai Click, tai Cognos, siellä on lähde, ja niin edelleen ja niin edelleen, erilaisia säännöllisiä raportteja tai ominaisuuksia on meneillään. Ja sitten sinulla on analytiikkasovellukset ja ne ovat erilaisia. Koska analytiikkasovellusten tarkoituksena on todella tutkia tietoja ja mielestäni se vastaa tavallaan tutkimusta ja kehitystä. Ja sitten sinulla on työnkulku. Työnkulun alla sekoita tavarasi operatiivisiin sovelluksiin ja toimistosovelluksiin, jos se on tarpeen - ja se on yrityksen todellisuus, kuten näen sen - vaikka useimmissa organisaatioissa se ei ole niin hyvin organisoitu.
Joten BI-häiriöt, tämä on vain joukko mainitsemista, tekee BI: tä vaikeammaksi kuin se oli ennen, koska vanha BI-maailma koostui pääasiassa melko puhtaista tietojoukoista, jotka otetaan tavalla tai toisella tavalla talteen, todennäköisesti tietovarastoista ja syötetään erityisiin BI-ohjelmisto. Ja noina päivinä puhun todella viisi tai kymmenen vuotta sitten, mutta noina päivinä tietomäärät eivät kasvaneet, tietolähteet olivat tiedossa. Tietojen saapumisnopeus tiedettiin, vaikka usein jotkin BI: t eivät tapahdu riittävän nopeasti tiettyjen käyttäjien mielestä. Ei ollut mitään jäsentämätöntä tietoa, melkein ei ollut sosiaalista tietoa, ei todellakaan IoT-tietoja, et välittänyt tietojen alkuperästä. Tietokonearvolla ei ollut yhdenmukaisuutta infrastruktuurin suhteen voidakseen tavalla tai toisella tehdä asiat poikkeuksellisen nopeasti. Sinulla ei ollut koneoppimista, ja analyyttisten työmäärien määrä oli melko pieni. Ja kaikki tämä on muuttunut, datan määrä voi nyt kasvaa erittäin dramaattisesti. Sen tietolähteiden määrä vain kasvaa. Kyllä, datan saapuminen streaming-tiedonsiirtonopeuteen on erittäin nopeaa, paljon jäsentämätöntä tietoa, varmasti sosiaalista tietoa, joka tarvitsee puhdistamista, mutta muut tiedot, jotka saattavat tarvita puhdistamista, varmasti Internet-tiedot, ovat nyt kyseessä.
Tietojen lähtöisyys on ongelma, ja me välitämme siitä. Tietokoneen virta on siellä, mikä on siistiä, koska se tekee kaikenlaiset asiat toteutettavissa, ja sinulla on koneoppiminen nyt ilmiönä, joka johtaa lisää BI-kykyjen luomiseen ja uusiin analyyttisiin työkuormiin, jotka tekevät saman. Joten, BI ei ole staattinen tilanne, ja mielestäni se on viimeinen asia, jonka aion sanoa, ennen kuin annan sen Stanille. Voi ei, se ei ole, siellä on jotain muuta. Tulevaisuuden BI-maisema, asioiden internet, tapahtumavetoiset arkkitehtuurit, reaaliaikainen kaikki, OK. Se on käyttäjän tarpeeksi käyttäjän BI, jotta käyttäjä voi tiivistää ongelmat. Tietojenkulun suorituskyvyn ajantasaisuus, datan kattavuus, tiedon puhdistaminen, tietojen käyttötaitot, visualisointi, jaettavuus ja käytettävyys.
Joten nyt voin välittää sen Stanille, ellei BI-palvelu ole luotettava ja oikea-aikainen, se ei ole palvelu. Stan?
Eric Kavanagh: Hyvä on, Stan, annan sinulle pallon, ota se pois.
Stan Geiger: OK. Joten se, mistä puhun, on vain taustaani. Olen IDERA: n vanhempi johtaja tuotehallinnassa ja yksi vastuualueistani on liiketoimintaan liittyvä älykkyystuotteen tarjoaminen. Joten aion jatkaa hieman sitä, mistä Robin puhui, ja puhua avainalueesta, jolla yritystietojen avulla seurataan alustasi terveyttä. Se on kuin hän sanoi, nyt se oli aiemmin siellä, missä meillä oli kaikki nämä tiedot, ja kesti viikkoja analysoida, ja sitten palaamme raportteihin ja asioihin. Mutta BI-maisema muuttuu siten, että olemme nyt lähemmäs lähes reaaliaikaista analysointia. Ja monissa tapauksissa todellinen reaaliaikainen analyysi. Joten puhun hiukan tästä diasta, tämä on vain eräänlainen yleiskatsaus - ja aivan kuten täydellinen paljastus on, että puhun siitä Microsoftin näkökulmasta, mutta kaikki nämä käsitteet ylittävät sen, onko BI käyttöympäristöt ovat Oraclissa, tai käytät Informaticaa ja Oraclea, tai vain sekoitusmuotoisia, hybridiympäristöjä. Aion käyttää vain Microsoft-ympäristössä, mutta tämä on melko vakio.
Robinilla oli dioja siellä, joka kosketti tätä, että sinulla on lähdejärjestelmät, joissa olen saanut kaiken tietoni istumaan, ja nyt se oli aikaisemmin ne kaikki olivat relaatiotietokannoissa ja tietojen varastoinnissa kuten sellainen, mutta nyt meillä on Hadoop, internet ja asiat, ja kaikki tämä jäsentämätön tieto istuu siellä, ja voimme nyt tuoda ne tähän BI-arkkitehtuuriin. Joten siellä keskimmäinen taso puhuu vähän, on tietojen tallennus aggregoituna; Täältä vedetään tietoja sisään, saatamme puhdistaa sen, voimme rakentaa sen uudelleen ja laittaa sitten jonkin tyyppiseen tietovarastoon ja sitten esityskerros istuu päälle, ja sinne käyttäjät pääsevät. Ja me analysoimme kyseisiä tietoja kyseisissä tietovarastoissa, teemme kojetauluja ja istumme siellä Tableaun, raportoimme palveluista ja vastaavista. Nauroin aina, koska kun olin BA-arkkitehti, nauroimme aina Excelistä, koska olkoon hyvä asia, Excel on edelleen massojen BI-työkalu.
Joten, pieni yleiskatsaus siellä, mutta puhuaksesi vain sellaisesta alustan arkkitehtuurista, sinulla on lähdetiedot ja puhuin siitä useissa tietovarastoissa. Ja sitten sain varastointini yhdistelmäksi Microsoft-maailmaan, sinulla on SQL Server-tietokanta, ehkä missä tietovarasto on, sinulla voi olla tietovarasto pilvessä, kuten tietovarastona. Sinulla on analyysipalveluita, jotka ovat OLAP-putket ja vastaavat asiat, jotta voit tehdä aggregointeja ja asioita, jotka koskevat usean ulottuvuuden ja muunlaisia asioita. Sitten sinulla on esityskerros, josta puhin lyhyesti, kaikista näistä asioista, jotka sijaitsevat niiden tietovarastojen ja aggregaatioiden päällä. Ja pidän aina tästä lainauksesta: "Et tiedä mitä et tiedä", mikä on totta. Jos et tarkkaile etkä tarkastele mitä tapahtuu, kaikilla näillä BI-alustasi alueilla, mistä tiedät, milloin sinulla on jokin muu ongelma kuin se, kun käyttäjät alkavat lähettää sinulle ikäviä sähköposteja ja puhelin käynnistyy soi miksi raportit eivät toimi? Miksi kaikki vie niin kauan?
Joten mitä sinun on tehtävä, sinun on pystyttävä seuraamaan alustojasi, joilta tarjoat yritystietoja. Ja jaoin sen periaatteessa kolmeen osaan: sinulla on saatavuus, suorituskyky ja käyttöaste. Saatavuus tarkoittaa sitä, onko resurssi käytettävissä: onko sitä ylös vai alas? Aika yksinkertainen siellä. Mutta myös katsomalla, milloin sinulla on, voi olla, että alusta on käytettävissä, mutta sinulla voi olla ongelmia siellä, joten sinun on pystyttävä tekemään perussyiden tunnistaminen; Sinun on voitava saada hälytys ja kertoa jollekin mitä tapahtuu, ennen kuin asiat ovat kriittisessä tilassa. Tämä johtaa myös suorituskykypuolelle, sinulla on asioita suorituskykymittarin tasolla palvelintasolla, jossa palvelut tai BI-palvelut tai BI-alustat ovat isännöityinä; sinulla on resurssitason suorituskykyä, jossa ehkä saan tietoja esimerkiksi SAN: lta. Koska SAN on resurssi, verkkoresurssit, sinun on pystyttävä valvomaan kaiken tämän suorituskykyä, pystymään tunnistamaan pullonkaulat ja pitämään käyttäjät tyytyväisinä, ja jos olet ympäristössä, jossa teet todellista - Aikaanalyysi, sinun on pystyttävä tunnistamaan pullonkaulat tai ongelmat ennen niiden alkamista.
Ja viimeinen teoria on hyödyntäminen: mitä käyttäjät tekevät? Kuka on kytketty BI-lähteisiin? Kuka juoksee mitä? Mitä kyselyitä he suorittavat? Mitä raportteja he käyttävät? Tämän tiedon tunteminen auttaa esimerkiksi määrittämään ja suunnittelemaan kapasiteetin suunnittelua. Se osoittaa myös, mitä BI-ympäristössäsi käytetään. Meillä oli asiakas, joka halusi BI-seurantatuotteemme vain, jotta he tiesivät, mitä BI-ympäristön osia he käyttävät, jotta he voisivat siirtää resursseja. Esimerkiksi, jos he eivät käyttäisi tiettyjä raportteja tai tiettyjä analysointipalvelun kuutioita, he siirtäisivät resursseja siitä muille alueille, joita käytetään paljon. Toinen lainaus, joka pidän, pidän todella hienoista elokuvista kuten “Tremors”, joten kerro elokuvasi, joten pidän tästä Burt Gummerin tarjouksesta, jonka Michael Gross soitti. Hän on eräänlainen selviytymispistoolin tyyppi ja sanoo, että hän ilmestyy ja hän vetää tämän valtavan 50 kaliiperin ampujakiväärin, ja yksi kavereista sanoo: "Hitto, Bert." Ja hän vastaa sanomalla: "Kun tarvitset sitä ja sinulla ei ole sitä, laulat erilaisen kappaleen. ”Toisin sanoen tiedät mitä? Hän oli valmis mihin tahansa ja valmistautui mihin tahansa. Joten tarkoitan tässä sitä, että jos et tarkkaile BI-ympäristöäsi resurssien ja hyödyntämisen perusteella ja asioista, joista juuri puhuin, et tajua, että tarvitset työkalua tai ympäristöä tai rakennetta, joka seuraa sitä, kunnes sinulla ei ole sitä. Ja sitten huomaat, että tarvitsin sitä todella eteenpäin, ja se on sellainen tapa, jolla monet asiakkaamme ovat.
Joten kun olemme sanoneet, siirrymme kohti ja katsomme, mitä teemme täällä IDERAssa ratkaistaksesi joitain näistä asioista. Ja-
Eric Kavanagh: Okei, sinä menet, minä sen näen.
Stan Geiger: Näetkö sen? Okei. Joten mitä täällä on, tämä on BI Manager -tuotteemme. Ja valvomme, IDERA on perinteisesti ollut yritys SQL Server-, Microsoft SQL Server -ympäristössä. Ja sitten ostimme Embarcaderossa, joten nyt olemme laajentuneet joihinkin muihin alustoihin, mutta BI-tuotteemme seuraa perinteisesti BI-pinoa Microsoft-ympäristössä. Ja se olisi analyysipalveluita moniulotteiseen ja taulukkomuotoiseen analyysiin, raportointipalvelut, raportointityökalu ja sitten integrointipalvelut, joka on ETL-alusta, samanlainen kuin Informatica.
Ja tuotteemme kautta pystyt valvomaan kaikkia näitä kolme ympäristöä yhden tuotteen kautta, ja mitä täällä näet, on yleinen kojetaulu, ja tässä huomioitava asia on, kun puhuin siitä hälyttävästä, se on yksi asia valvoa, mutta se ei riitä - sinulla on oltava hälytysmekanismi. Toisin sanoen minun on voitava saada ilmoitusta, ennen kuin asiat ovat kriittisessä tilassa. Joten mitä teemme täällä, siellä on koko joukko meitä kaappaamiasi muuttujia, jotka ovat konfiguroitavissa, koska ympäristöstäsi, tietyistä kynnysarvoista riippuen, saatat olla kunnossa kolmenkymmenen millisekunnin lukemisajan kanssa ympäristössäsi. Muissa ympäristöissä voi olla kriittisempi, että kyseinen kynnysarvo on alhaisempi, joten on tärkeää, että hälytyksessä ei ole vaan myös sitä, että se on määritettävissä, koska ympäristöt ovat erilaisia resursseista riippuen.
Joten periaatteessa tämä on yleiskuva kaikista ympäristöistä, joita täällä tarkkaillaan, ja minulla on täällä kolme tapausta: yksi analysointipalveluille, yksi integraatiopalveluille, yksi raportointipalveluille. Ja näet, että minulla on täällä pari hälytystä. Ja koska nämä ovat punaisia, se kertoo minulle, että nämä ovat kriittisiä, koska minulla on useita tasoja, joilla voin asettaa nämä hälytykset, ja hälytykset voidaan lähettää sähköpostitse ihmisille, jotka vastaavat tutkimisesta, mikä ongelma on. Joten vain lyhyesti katsotaanpa ja palaan takaisin hälytykseen, jotta voimme mennä analysointipalvelun kappaleeseen ja se on, olen varma, että se odottaa lataamista tänne. Ja periaatteessa, mitä teemme, meillä on tiedonkeruu; se sammuu siellä määräajoin ja sammuu siellä ja kerää ja ottaa kuvia siitä, mitä ympäristösi tekevät. Joten minulla on kaivokseni asetettu kuudeksi minuutiksi, joten joka kuudes minuutti menee ulos ja kysyy ympäristöä. Minulla oli VM nukkumiseni jonkin aikaa, joten kestää hetken, jotta tämä palaa takaisin. Siellä me menemme.
Joten katsomme analyysipalvelukappaletta ja aion napsauttaa tässä esimerkkiäni, ja muistan, että puhuin yhdestä asioista, joita seuraamme, on suorituskyky palvelintasolla, koska monilla ihmisillä on useita asioita käynnissä heidän palvelimellaan. Minulla voi olla palvelimellani toimiva tietokanta, samoin kuin esimerkiksi analyysipalvelut. Joten jos jotain tapahtuu tietokannassa tai minulla on ongelma palvelintasolla, se vaikuttaa siihen, mitä siellä tapahtuu. Joten seuraamme asioita palvelimen välillä palvelintasolla, kuten levyn suorituskykyä, ja voit nähdä, että meillä on kaappaamassa tietoja kaikesta tästä. Ja kaikki tämä on konfiguroitavissa. Ja tarkastelen sitä, mitä tapahtuu, prosessorivirtaisesti, oikeudenmukaisesti, ja jälleen kerran, tämä tapahtuu palvelintasolla, ei tässä esimerkissäni olevalla analyysipalvelutasolla. Mutta oikeastaan palvelintasolla.
Ja voin tarkastella esimerkiksi sitä, mikä on muisti, esimerkiksi muistin kokonaiskäyttö, mitä on käytettävissä? Joten nyt saan kuvan siitä, mikä on itse palvelimen terveys. Sitten voimme alkaa tarkastella erityisiä asioita, tässä tapauksessa analyysipalveluita. Voin katsoa ja nähdä kuinka esimerkiksi kuutioprosessointini sujuu täällä, ja tämä antaa minulle mitat terveydestä. Jos alkaa nähdä, että käsittely kestää kauemmin tai että rivejä ei kirjoiteta melkein yhtä nopeasti, voin alkaa katsoa - ja tämä liittyy korrelaatiokappaleeseen, josta uskon, että Robin puhui, että ihmisen kyky suorittaa kaikki tämä. Puhumme AI: sta, koneoppimisesta, mutta ihmisen tarvitsee kyetä korreloimaan nämä tapahtumat tapahtumien ympärillä. Voimme katsoa asioita, kuten mitä meneillään niin pitkälle kyselyihin, mitä kyselyjä suoritetaan ja kuinka kauan ne kestävät? Voin lajitella, joten voin saada käsityksen siitä, mitkä kyselyt vievät pisimpään aikaa. Voit katsoa tätä kuluneena ajankohtana, voin katsoa ja nähdä OK, mikä oli kysely ja kuka suoritti kyseistä kyselyä tuolloin?
Joten sitten voin alkaa laittaa tarinan tämän ympärille siltä osin kuin kun näen asioiden alkavan piikkiin, voin palata katsomaan ja katsomaan mitä käyttäjät tekivät tuolloin. Ja näet yhden tekemistämme asioista - laitamme tämän aikavalitsimen tänne, jotta voit valita ajanjakson. Joten voin esimerkiksi palata takaisin näihin hälytyksiin, ja napsautin itse asiassa linkkiä niihin hälytyksiin, ja minulta se kului sillä hetkellä, kun hälytys tapahtui. Ja sitten voin aloittaa tarinan yhdistämisen, näen, no, levyn lukemat olivat ylöspäin, tai sillä oli muistiongelmia tai muuta, ja voin sitten siirtyä kyselytoiminnan päälle samassa ajankohdassa ja voin tosiasiallisesti aloittaa Korreloi kuka oli käynnissä mitä kyselyitä, jotka saattoivat aiheuttaa noita piikkejä siellä. Ja sitten voit alkaa tehdä asioita, kuten voin aloittaa virittämisen, silloin aloitan virittämisen. Tämä on kuin auto, jos rakennat kilpa-auton ja pudotat vain moottorin ja käynnistät avaimen, jonka moottori saattaa käynnistyä, mutta jos minun täytyy mennä 180 mailia tunnissa voittaakseni, minun on tiedettävä, että moottori voi ajaa 100 mailia tunnissa ja minun on mentävä sinne ja aloitettava moottorin virittäminen, jotta pääsen sinne. Ja mitä tämä antaa sinun tehdä, on kyetä antamaan sinulle tarpeeksi tietoa ympäristön virittämisen aloittamiseksi, ympäristön terveyden ja tuotannon parantamiseksi sekä tehokkuuden lisäämiseksi.
Ja sitten tarkkailemme muistin asioita, jotka ovat tässä tapauksessa erityisiä analyysipalveluille. Ja tässä voit alkaa nähdä, missä asiat saattavat alkaa mennä pieleen, kun alat nähdä asioita, jotka nousevat yläpuolella muistirajoidesi välillä, sellaisia. Toinen asia, jota on hyvä katsoa, milloin tahansa suoritat minkä tahansa tyyppisiä kyselyjä, haluat, että tiedot saadaan välimuistiin, koska kun ne saadaan välimuistiin, se on muistissa eikä sinun tarvitse lukea levyltä, mikä on paljon enemmän tehokkaampaa kuin tietojen lukeminen levyltä. Joten voit alkaa tarkastella meneillään olevia asioita, anteeksi, esimerkiksi tietovälimuistissa. Minulla oli joukko kyselyitä käynnissä aiemmin saadaksesi nämä tiedot, ja voit nähdä, että minulla oli suurin osa ajasta, välimuistin osumat ja haut ovat päällekkäisiä, mikä on hyvä. Mutta minulla oli ajanjakso täällä, jolloin osumia oli paljon vähemmän kuin mitä haut olivat, mikä kertoo minulle, että minulla oli jotain meneillään, joka oli muistia vaativaa, esimerkiksi että välimuisti tyhjeni paljon nopeammin, joten datan piti olla lue levyltä. Ja voimme nähdä sen, kun tarkastelemme varastointimoottoria. Tämä on sama ajankohta kuin toinen kaavio, ja voit nähdä piikin siellä, missä tiedostosta tehdyt kyselyt todella hyppäsivät tuona aikana. Ja se tarkoittaa, että tietoja luettiin levyltä. Nyt voin palata takaisin ja korreloida sen jo käynnissä oleviin kyselyihin, jotta ei saa kaikkien korvia vuotamaan, mutta analyysipalveluissa se käyttää MDX-kieltä, on tapoja kirjoittaa kyselyjä tehokkaammin, joten se käyttää välimuistia tehokkaammin ja vähemmän tallennustilaa. Joten, siellä on esimerkki moottorin virittämisestä ja kaikkien kappaleiden antamisesta, jotta pystyt korreloimaan sen.
Aivan nopeasti voimme kääntää sen myös toisella tavalla. Kun tarkastelemme kyselyjä, voimme tarkastella nyt istuntoja, kuka on oikein yhteydessä tällä hetkellä ja mitä ne suorittavat? Joten tällainen antaa sinulle päinvastaisen kuvan kyselyistä ja siitä, kuka niitä johtaa. Tämä on kuka on kytketty ja näen sitten, mitä he ajavat tällä hetkellä. Toinen asia, vain nopeasti menemään yli, on se, että voit nähdä kaikki esineet moniulotteisissa MOLAP-kuutioissani. Ja voin saada siitä tietoa. Joten voin esimerkiksi lajitella tämän lukeman sarakkeen perusteella, ja näen, että eniten käytetty kohde on aikaulottuvuus ja toiseksi eniten käytetty on asiakasulottuvuus. Ja tämä auttaa ihmisiä, jotka kehittävät ja rakentavat asioita, rakentamaan kuutioidensa tehokkaammin. Haluan ehkä muuttaa tietojen ositusstrategiaa esimerkiksi näissä kuutiossani erittäin hyödynnetyissä mitoissa, ja siksi se parantaa esimerkiksi kyselyiden suorituskykyä. Se voi heikentää kuution käsittelyä, koska nyt minulla on enemmän osioita, mutta käyttäjän näkökulmasta se virittää kyseisen moottorin tehokkaammaksi näiden esineiden hyödyntämisessä.
Joten siirry eteenpäin, puhu integraatiopalveluista täällä. Mainitsemani integraatiopalvelut ovat ETL-alusta Microsoft-ympäristössä. Mitä teemme täällä - ja tämä on johdonmukaista - seuraamme palvelimen suorituskykyä, ja nämä olisivat samat mittareet, joita tarkastelimme, koska kaikki palveluni toimivat samalla palvelimella. Mutta jälleen kerran, tämä on yleiskatsaus palvelimelle tapahtuvasta. Ja sitten voin tarkastella integraatiopalveluiden toimintaa, ETL-prosessejani. Joten voin saada kuvan siitä, milloin nämä prosessit ajoivat, olivatko ne onnistuneita vai eivät, voin korostaa tietyn ETL-prosessin ajon ja sitten se näyttää minulle ETL-prosessin vaiheiden jakautumisen, oliko se onnistunut vai ei, ja kuinka kauan se kesti.
Nyt, jos minulla olisi epäonnistunut paketti täällä ETL-prosessissa, voisin mennä yksityiskohtiin ja nähdä virheilmoituksen, ja se osoittaisi minulle, missä vaiheessa paketti missä ETL-prosessi epäonnistui, sekä kaikki siihen liittyvät viestit. Joten mitä se tekee, se antaa minulle, ja voin saada hälytyksen, jos se epäonnistuu, joten jos saan hälytyksen, voin mennä tänne, nähdä, mennä siihen hälytykseen, nähdä paketin vika, katsoa vaiheita, katso missä se epäonnistui, katso virheilmoitusta ja tiedän heti, mitä minun on tehtävä tämän korjaamiseksi: asenna se uudelleen ja käynnistä se sitten uudelleen. Joten mitä tämä tekee, kutsumme sitä lyhentämään sitä ikkunaa ongelman tunnistamisen ja ongelman ratkaisemisen välillä. Joten aikaisemmassa elämässäni, kun olin vastuussa tällaisesta asiasta, meillä oli ETL-prosessi, joka käynnistyi yöllä tietovarastoamme lataamiseksi. Jos minulla oli näitä tietoja, ensin aamulla, kun tulin sisään, jos jokin epäonnistui, voin nopeasti korjata sen ja saada prosessin takaisin varmuuskopioiksi varmistaakseni, että tietovarasto oli toiminnassa ja päivitetty käyttäjien ajoissa tuli sisään ja aloitti raporttien käytön.
Toinen asia on, että minulla on kaksi prosessia, jotka ajavat, on katsoa ja nähdä miten se juoksi ajan myötä. Se on tärkeää, koska jos alaan nähdä näitä prosesseja, esimerkiksi ottaen pidempään, näen näiden aikojen nousevan, joudun ehkä joutumaan katsomaan esimerkiksi huoltoikkunaani, minulla voi olla asioita, jotka ovat käynnissä tällä palvelimella . Otetaan esimerkiksi varmuuskopiot; Minulla voi olla varmuuskopio, joka saa prosessini odottamaan, kunnes se on valmis. Minun on ehkä jouduttava muuttamaan aikataulua tai taistelemaan prosesseini asioiden parissa, jotka alkavat vaikuttaa ETL: ään.
Ja viimeinen pala on raportointipalvelut. Raportointipalvelut ovat Microsoftin pohjimmiltaan heidän yritysraportointityökalunsa. Ja jotkut asiat, voimme jälleen tarkastella asioita palvelintasolla, voimme katsoa asioita koko raporttipalvelimen, raportointipalvelupalvelimen, itsensä kautta. Minulla ei ole paljon tavaraa juoksemassa täällä; Minulla on tilauksia joka 15. minuutti raportin suorittamiseksi. Joten et näe paljon aktiivisia yhteyksiä, koska se saa yhteyden, muodostaa yhteyden, suorittaa raportin, katkaisee yhteyden ja lähettää sen pois.
Mutta korkeissa tapahtumaympäristöissä, joissa raportoidaan paljon, näiden asioiden seuraaminen on avainasemassa. Joten voit nähdä missä minulla oli asioita meneillään täällä, joten se antaa sinulle melko hyvän kuvan siitä, mitä todellisella palvelu- ja alustustasolla tapahtuu. Ja sitten, kuten puhuin dioissa, kuka ajaa mitä ja mitä he tekevät? Ja yksi asiakkaistamme osti tämän tuotteen juuri tästä kappaleesta, koska he halusivat tietää, mitä raportteja ihmiset käyttivät ja kuka näitä raportteja hoiti. Joten tämä on yksi raportin toteutuksen asioista, jotka voit nähdä täällä. Näen minkä raportin, näen kaikki parametrit, jotka olivat kyseisessä raportissa, näen kuka sitä hallinnoi, näen raportin muodon. Ja sitten minulla on kaikki nämä muuttujat sen ympärillä, joten jos voin jälleen kerran luokitella nämä asiat, esimerkiksi millainen raportti kesti pisimpään tietojen noutamiseen, ja voin mennä suoraan siihen ja nähdä, mikä raportti on. Ja tämä kaikki antaa minulle tietoja, jotta voin olla, virittää moottori uudelleen. Nyt voin alkaa virittää raportointiympäristöäni ympärillä.
Ja viimeinen asia, voinko katsoa käyttäjän toimintaa, joka on nyt yhteydessä uudelleen, mitä he tekevät? Voin tosiasiallisesti ympäristössä, jossa minulla oli monikäyttäjiä, nämä kaikki ovat lajiteltavia, jotta voin sijoittua, näen kuka käyttää ympäristöä eniten. Joten vain palataksesi nopeasti takaisin katsomaan näitä hälytyksiä. Tässä oli tuo hälytys; Voin napsauttaa tätä linkkiä täällä, ja se vie minut kyseisen ajankohdan kaavioon ja näyttää minulle, mikä niistä oli hälytyksen alla. Joten voit nähdä täällä, se on se, jonka takia esimerkiksi kirjoittamisen, lukemisen ja kirjoittamisen keskimääräiset millisekunnit olivat. Joten taas yritän vain saada tämä kohta ongelmien tunnistamiseen. Ja on todella tärkeää, että meillä on kokonaisvaltainen työkalu, ei vain jotain, joka tarkastelee tätä yhtä asiaa, koska ihmisen täytyy tulla tänne ja korreloida nämä tapahtuvat tapahtumat, joten sinun on kyettävä katsomaan mitä tapahtui tuossa. ajankohtana kyseisen ympäristön useilla alueilla, ja se on yksi niistä asioista, joita teemme tällä täällä olevan ajanvalitsimen kautta.
Eric Kavanagh: Niin, tämä on Eric täällä vain nopealla kysymyksellä, koska luulen, että osut todennäköisesti kynsien päähän, ja tästä puhuin tunnin huipulla, että ihmisen on tultava ja piirrä nämä korrelaatiot eri ympäristöjen välillä. Olen kiinnostunut tietää, onko teillä jotain opetusmateriaalia, jota te voitte jakaa, vai voitteko tehdä jonkinlaista sitoutumista ihmisten kanssa auttaakseen heitä tunnistamaan joitain näistä malleista? Kuten sinulla oli todella hyvä esimerkki minuutti sitten, noin kun yksi näistä on piiskaava, joka kertoo sinulle, että jotain tapahtuu muistissa, koska se yritti edelleen tyhjentää muistia. Ja se antaa sinulle vihjeen, mutta miten ihmiset kuvaavat nämä tilastot reaalimaailman ongelmien suhteen, on todellinen kysymys.
Stan Geiger: Kyllä, se on hyvä kohta ja yksi asioista, joista juuri puhuin, tuotteen etenemissuunnitelma, on myöhemmin tänä vuonna julkaisemme versio ja yksi asioista, joita aiomme lisätä on kuhunkin näistä kaavioista, on kuvaus siitä, mitä tämä kaavio tarkoittaa ja miksi sinun tulisi huolehtia, ja mikä sen vaikutus on. Joten pysty napsauttamaan kysymysmerkkiä tai jotain tässä kaaviossa ja vedä sitten ikkuna, joka antaa sinulle paljon tietoa ja kertoo, että nämä ovat mahdolliset syyt, näihin alueisiin, joihin vaikuttaa, ja opastamaan sinä siihen suuntaan, että pystyt menemään tässä tapauksessa, kuten sanoit, tässä on tämä piikki, tiedän henkilökohtaisesta kokemuksestani, mitä tämä tarkoittaa. Ja sitten voin alkaa mennä ja aloittaa poraus alueelle ja löytää syyn.
Nyt meillä on paljon sitä, SQL Server -diagnostiikan hallintatuotteessamme, todellisessa tietokannassa. Meillä on paljon tällaista toiminnallisuutta sellaisessa tuotteessa, ja meillä on myös diagnoosijohtajille joitain analyysipultteja, jotka antavat sinulle ohjeet paljon nopeammin. Ja siellä olemme menossa tietä tämän tuotteen kanssa.
Eric Kavanagh: Ja luulen, että tietyntyyppiseen toimintaan on allekirjoituksia. Voiko tämän työkalun avulla tunnistaa, milloin tietyntyyppinen tapahtuma tapahtui, ja luetteloida sellainen, että ajan myötä se tunnistaa samanlaisen kuvion rivillä ja auttaa sinua selvittämään, onko kyseessä esimerkiksi uusi käyttäjä, esimerkiksi sama työkalu? Auta ymmärtämään. Voi, tämä johtuu siitä, että nämä palvelimet menivät alas tai koska tämä alue putosi? Onko ongelmien allekirjoituksia luetteloitu jollain tavalla, jotta voit helposti tunnistaa ne myöhemmin?
Stan Geiger: Ei, oikeastaan, mutta se on oikeastaan mielenkiintoinen käsite, koska se on melkein kuin mikä se on - luulen periaatekomponenttianalyysi - missä tunnistat mallit ja kirjaat nuo mallit ja joten jos näet ne uudelleen, voit palata takaisin ja katso, OK, tämä oli syy tuolloin. Joo, se on jotain, se ei ole etenemissuunnitelmassa, mutta se on jotain, mistä olen ajatellut tuotehallinnan näkökulmasta.
Eric Kavanagh: Voin kuvitella. Voi, mene eteenpäin.
Stan Geiger: Ei, aioin sanoa - ja saamme paljon pyyntöjä, koska en tiedä mikä on kokemuksesi - mutta me löydämme DBA: n tietävän tietokantoja kuten heidän kätensä takana, mutta BI-jutut ovat sellainen kuin musta laatikko, kun kyse on alustan terveydestä. Eikä siinä ole, heillä ei ole paljon tietopohjaa sen ympärillä. Teen vain työskennellenni siinä viisi tai kymmenen vuotta, eikö niin? Mutta tyypilliset ihmiset, jotka vastaavat näiden löytämisestä tai hälytysten saamisesta ja selvittämisestä mitä tapahtui, on heille tavallaan musta laatikko.
Eric Kavanagh: Joo, voin kuvitella. Olisin myös utelias tietämään, joten näytit yhdellä näytöllä kuinka näet kaikki läpi tulevat kyselyt, kuinka kauan niiden suorittaminen kesti ja kuka ne tuotti. Näetkö myös itse SQL-kyselyn todellisen rakenteen ja sellaista analyysiä? Kuten ehkä joskus ihmiset laativat SQL-kyselyitä, jotka ovat tyypillisesti tilaa vieviä, sanoen ja hankalia, toisin kuin päälliköitä, jotka todella laativat mukavan, tiukan kyselyn. Onko tämä jotain, jonka voit visualisoida tämän työkalun avulla ja auttaa sinua sitten, että on ongelma?
Stan Geiger: Joo, joten mitä voit tehdä, kuten mitä olen tehnyt täällä, olenko vain lajitellut esimerkiksi vanhentuneen ajan perusteella. Joten voin nähdä ne, jotka kestivät pisimpään, ja sitten saan tekstin, mutta silloin on joku, joka on enemmän tai vähemmän aiheen asiantuntija, katsoa sitä ja mennä: “Voi, ok, tässä miksi se vei niin kauan . "Se on jotain, josta meillä on eräänlainen työmäärän analyysi, kutsumme sitä SQL Workload Analyzer -sovellukseksi tietokannan puolelle. Olen ajatellut ajatusta siitä, että ehkä tiellä olisi samanlainen asia, jotta se tunnistaa nämä kyselyt ja antaa sinulle sitten suosituksia näiden kyselyiden virittämiseksi. Mutta yksi ongelmista on, että tämä MDX-kysely on melko erikoistunut kieli.
Eric Kavanagh: Joo, voin kuvitella. Mutta voit nähdä esimerkiksi kuka ihmiset ovat, joten ei ole liian vaikeaa selvittää, onko yksi henkilö, jos yksi kaveri vastaa kymmenestä pisinä prosessikyselyistä, niin jos et muuta, voit soittaa hänelle tai soittaa hänen esimiehensä tai jonkun kanssa ja sanovat: "Hei, tämä kaveri pureskelee paljon kaistanleveyttä", ja ehkä osoittautuu, että nämä ovat yritykselle arvokkaimpia kyselyitä, eikö? Sinun on laitettava se yrityksen arvoon, itse kyselyiden perusteella, se ei ole vain selkeää numeropeliä, eikö niin? Se on selvittää, no, tämä kaveri on meidän energiankäyttäjämme, ja hän muuttaa yritystä, eikö niin?
Stan Geiger: Ei, olet aivan oikeassa. Tarkoitan, että se on yksi tapa, jolla asiakkaat käyttävät tätä, on pystyä tekemään niin. Kuten sanoit, saatat löytää yhden alueen, koska yhdestä niistä asioista, joista puhun, kuonan aina Excelissä, mutta voit muodostaa yhteyden Excelin analyysipalveluihin ja ajaa kääntötaulukoita OLAP: sta, ja se tuottaa omat kyselyt, ja lähettää heille, ja joskus ne eivät ole paras muoto, joten voit palata takaisin ja tunnistaa ne ja kirjoittaa ne tosiasiallisesti ja antaa ne käyttäjälle ja antaa heidän ajaa heidät siellä ulkopuolelle, jotta ei kestä puoli tuntia he palaavat takaisin nivelpöytään.
Eric Kavanagh: Aivan. Ja kun puhumme kyselyistä, te kaverit kattavat kyselyalueen, joten mainitsitte MDX: n, entä joskus muista kyselyistä, kuten DAX-kysely, tai joihinkin näistä?
Stan Geiger: Joo, katamme, kyllä, kaikki DAX: t ja MDX: t molemmat. Joten yksi niistä asioista, joita en maininnut tai tein, ehkä, mutta tuemme sekä tabulaarista että OLAP-ohjelmaa Microsoftin ja DAX: n ollessa - mielestäni sinä ja puhuimme tästä jonkin aikaa sitten - onko me näemme paljon enemmän taulukoita nyt kuin OLAP. Koska on vain helpompaa tuoda esiin taulukkomallimalleja ja vastaavia, ja niin saat nähdä ilmeisesti DAX-kyselyitä, mutta noutamme myös ne.
Eric Kavanagh: Kyllä, se on mielenkiintoista. Onko sinulla mitään asiayhteyttä miksi näin tapahtuu? Ehkä se johtuu siitä, että yhä useammat ihmiset pääsevät näihin juttuihin ja koska OLAP ei tietenkään ole jotain uutta, se on ollut olemassa jo jotain, ainakin 30 parittoman vuoden ajan?
Stan Geiger: No, se on tavallaan yhdistelmä, yksi kuutioiden suunnittelusta on taidetta. Ja kuutiot rakennettiin tietojen esikokoamiseksi, joten datan saaminen on todella nopeaa, mutta kuution käsitteleminen vie jonkin aikaa, koska kaikkien näiden yhdistelmien on tehtävä. Ja sitten laitteistot halvemmat ja muisti halvemmat, ja sitten kaikki olivat tulossa ulos sarakkeista ja muistiin tallennetuista tietokannoista. Ja myös taulukkomuoto on todennäköisesti lähinnä perinteisiä relaatiotietokantoja, ja on vain paljon helpompaa ja nopeampaa tuoda esiin taulukkomallimalleja kuin OLAP: n kanssa. Haittapuolena on kuitenkin se, että se on muistissa, koko asia on muistissa, joten se on erittäin paljon muistia ja tiedot eivät kerry, ennen kuin pyydät sitä. Joten, mutta kun olemme sanoneet kaiken tämän, alamme nähdä paljon enemmän taulukkoa siellä.
Eric Kavanagh: Se on mielenkiintoista. Se voi johtua myös siitä, että tämä ala on jonkin verran tasoittautumassa, ja tarkoitan tällä, että saamme paljon enemmän ihmisiä, jotka ovat vuorovaikutuksessa tietojen kanssa ja käyttävät erilaisia työkaluja, ja varmasti, kun puhut Microsoftin kanssa, luulen niin on ehdottomasti, että sinulla on paljon, paljon enemmän pienten ja keskisuurten yritysten käyttäjiä ja jopa joitain suurempia organisaatioita, jotka kaivaavat tavaroita, pääsevät työkaluille, ajavat kyselyjä, eivätkä he ole ehkä niin tuttuja koko prosessi ja rakennuskuutioiden ympärillä olevat tekniikat, pisteesi, eikö? Koska se vie jonkin verran ajattelua, ja se on myös kallis, eikö? Näiden kuutioiden rakentaminen vie aikaa, vie energiaa, ellet käytä joitain uusimmista tekniikoista. Kuten olemme keskustelleet esimerkiksi Snowflaken kaltaisten yritysten kanssa, se tekee melko mielenkiintoisia juttuja, mutta luulen, että sinulla on paljon enemmän ihmisiä käyttämässä tavaroita ja he luultavasti seuraavat sitä, mitä kuvailisit, mikä on taulukkomuoto, päinvastoin kuin muodollisesti kuutiot, eikö?
Stan Geiger: Kyllä, tarkoitan, luulen, että Excel - milloin se oli, Power Pivot, uskon - se on oikeastaan taulukko, jos katsot sitä; se on tapa, jolla voit rakentaa taulukkomalleja. Ja sitten seuraava toisto oli, voin kertoa rakentamasi taulukkomallin ja otan sen käyttöön SQL Serveriin, jotta voin jakaa sen kaikkien muiden kanssa. Joten, se on eräänlainen luonnollinen laajennus Excelistä melkein.
Eric Kavanagh: Joo, se on hyvä asia. Se, mitä olemme nähneet viimeisen, sanoisin viiden tai seitsemän vuoden aikana, on vain valtava laajennus näiden tekniikoiden käyttöön, eikö niin? Ja Microsoft on suoraan sanottuna ollut edelläkävijä siinä, demokratisoimalla valtatiedot todella analyysipalveluiden ja Power Pivotin kautta, eikö niin? Tarkoitan, että se oli pelinvaihtaja teollisuudelle, eikö niin?
Stan Geiger: Joo, ei, olet aivan oikeassa. Tarkoitan, että minulla on dio, kun annan pidemmän esityksen, joka osoittaa siirtymisen semanttisesta mallista, joka oli OLAP, taulukkoon. Ja mielestäni minulla on Microsoftin tarjous; he haluavat datan käyttäjien käsissä, ei vain IT-kaupan seinämän yli, he haluavat saada enemmän tietoa sitä käyttävien ihmisten käsissä.
Eric Kavanagh: Ja se palaa takaisin siihen ensimmäiseen hyvin yksinkertaiseen diaan, jonka näytin, joka oli peruspäätöksentekoprosessi mille tahansa organisaatiolle, ja nyt - ja mielestäni tämä on hieno asia - saamme yhä enemmän ihmisiä koko organisaation hierarkian perusteella kiinnittäen huomiota tapahtuvaan, tuomalla heidän tarinansa taulukkoon ja teet sen datalla, tarkoitan, että voit käyttää muita keinoja, mutta jos varmistat tarinasi tiedoilla, sinulla on paljon vahvempia argumentteja kuin niillä, jotka eivät, eikö niin?
Stan Geiger: Aivan, kyllä. Kuten, joo, se on aivan oikein. Tarkoitan, siksi siksi nyt se oli aiemmin “Hei, tarvitsen tätä raporttia”, joten nyt minun tuli käydä läpi raporttipyyntö ja minun tuli käydä läpi täällä, saada raportti ja nyt voin istua siellä aivan pöydälläni ja oikeasti, minulla on pääsy luotuihin tietoihin, tehdä yrityksen päätöksiä.
Eric Kavanagh: Se on totta. Tiedän, että tulin takaisin viime viikolla järjestetyltä konferenssilta. Sieltä tuli hysteerinen kommentti kaverilta, joka ylläpitää melko suurta BI-ympäristöä Target-kauppaan, ja hän viittasi itsepalvelun analytiikkaan ja itsepalvelun BI: ään, ja ilmeisesti se on iso kysymys nykyään. Olen varma, että se on jotain, joka ajaa paljon toimintaa siihen, mitä te IDERAssa teette, koska kun haluat ottaa käyttöön itsepalvelun, ensinnäkin, sinulla on parempi terveellinen BI-ympäristö, eikö niin? Jos aiot saada kaikenlaisia ihmisiä esittämään kaikenlaisia kysymyksiä kaikenlaisilla tavoilla, haluatte, että täällä olisi jotain tämänkaltaista työkalua, jotta voisit ymmärtää kuka kysyy mitä kysymyksiä ja missä. Ja hauska tarjous, jonka heitän täältä vain potkujen vuoksi, kuten sanoit: "Itsepalvelun BI: n ja itse F: n välillä on hieno raja."
Stan Geiger: Kyllä.
Eric Kavanagh: Minusta se oli hysteeristä. Mutta näetkö, että itsepalvelusuunta ajaa todella paljon tietoisuutta siitä, mitä teet tekniikan kanssa?
Stan Geiger: Niin, koska kuten sanoit, jos aiot sallia itsepalvelun BI: n, niin saat todennäköisesti suorituskykyongelmia, johtuen vain: A) käyttöoikeuksien määrästä, ihmisten määrästä tiedoissa ja B) huonosti muodostettujen kyselyiden määrä ja tapoja käyttää sitä. Joten, te todella, on todella välttämätöntä valvoa ympäristöä, jotta pystyt pitämään kaikki onnellinen, joka yrittää kuluttaa tietoja, eikö niin?
Eric Kavanagh: Joo, mielestäni se on totta. Se on siunaus ja kirous: on hyvä, että ihmiset yrittävät käyttää tavaraa, mutta jälleen kerran: jos sinulla ei ole oikeaa työkalua tuolloin, olet onneton leiriläinen, koska itsepalvelusta ilman tällaista työkalua, minusta näyttää siltä, että se vain vaatii vuoristoon vaivaa.
Stan Geiger: Kyllä, tarkoitan, se on samanlainen kuin kun rakensin tietovarastoja, se on kuin jos et saanut mittasuhteitasi ja tietotaulukoitasi oikein, käänsi sen sitten löysäksi tilapäistä raportointia varten, haluat ehkä indeksoida rock.
Eric Kavanagh: Se on mahtavaa. Joo, se on hyvä, jälleen kerran, se on hyvä uutinen, että ihmiset käyttävät näitä juttuja, mutta minun on mielestäni uskottava, että itsepalvelu palvelee paljon aktiviteettia tekemäsi suhteen, koska puhut ramppista nostaa näihin järjestelmiin kohdistuvan jännityksen ja paineen suuruusluokkaa. Ei vain yhdellä tai kahdella suuruusluokalla, ja se on se kohta, että haluat todella olla jonkinlaista näkyvyyttä ja haluat nähdä, kuka tekee mitä, missä, milloin, miten ja miksi. Kysy nämä kysymykset ja tee sitten joitain päätöksiä siitä, kuinka voit seurata ja muuttaa ympäristöä ja muuttaa politiikkasi siitä, kuka saa mitä käyttää, eikö?
Stan Geiger: Oikein. Ja tiedät myös, että tietäen, että hyödyntämisen avulla voit myös mennä sinne, ja potentiaalisesti, kuten mainitsin kuution sisällä olevan esineen, voin tehdä asioita parantaakseen sitä, että rakennuksen ja suunnittelun tapaan asioita. Joten, on välttämätöntä, että ei vain tarkastella asioiden suoritusta, vaan myös voida nähdä, kuinka järjestelmäsi ja suunnittelusi suoriutuvat myös tällä tasolla, jotta siihen voidaan tehdä parannuksia. Ja se vain kasvaa ja kasvaa, koska asiat, kuten power BI, ovat iso asia nyt, Microsoftin kanssa, joten nyt voin rakentaa omat kojetaulut ja widgetit ja asiat, eikä minun tarvitse olla BI-kehittäjä.
Eric Kavanagh: Se on totta. Kyllä, se on hyvää, sitä tulee kaikkialle, mutta tarvitset jonkin verran tapaa hallita sitä ympäristöä tai muutet onnettomiksi käyttäjiksi. Tämä johtaa onnettomaan hallintaan, mikä johtaa siihen, että ihmiset erotetaan. Siellä on aika selkeä dominovaikutus, kun asiat alkavat pudota, mutta tämä on hienoa.
Joten pureskelin viimeiset viisi minuuttia täällä. Robin, oliko sinulla kysyttävää?
Robin Bloor: Minusta on todellakin kiehtovaa olla rehellinen. Se saa minut ajattelemaan sitä tosiasiaa, että ympäristömme olivat erittäin rajoitetut ja että itsepalvelumme todella muuttaa maailmaa, ja paljon sitä todella tapahtuu oikeasti, koska ympäristöön on tullut kauhistuttavan paljon enemmän tietoa kuin ennen tapahtui. Ainoa kysymys, "koska meillä ei ole paljon aikaa, mutta ainoa kysymys, jota haluaisin kysyä, eli kun selitit tapaa, koska" mielestäni se oli erittäin hyvä demo - tapa, jolla BI-valvonta toimii. Mietin, mitä ihmiset, joilla ei ole tällaista tavaraa, todella tekevät? Koska sen on oltava erittäin vaikeaa, on olemassa joitain asioita, joissa teet muutoksen, syy on hyvin, et välttämättä aina päästä perussyyn, mutta pääset juuriin syihin joihinkin asioihin että kun katsot, että kun sanoit, että monet ihmiset ostavat työkalun vain tietääkseen kuka mitä juoksee, ja että mieleni pyörii, koska se on kuin et tiedä kuka juoksee, niin tavarat eivät ole hallinnassa. Joten miltä ympäristö näyttää, kun se on hallinnassa?
Stan Geiger: Tarkoitan, että voit saada kaiken tämän tiedon, joka meillä on työkalussa itse, mutta sinun on kirjoitettava joukko kotitekoisia skriptejä ja koska tiedot ovat siellä, sinun on vain tiedettävä missä saat sen, mikä vaatii asiantuntemuksen tasoa, eikö niin? Joten ympäristöissä, joissa sinulla ei ole niin korkeatasoista asiantuntemusta, pohjimmiltaan se, mitä saat, on hei, onko se ylös vai alas? En todellakaan tiedä, toimiiko se tehokkaasti vai ei, mutta se on valmis, eikö niin? Ja sitten aloitan puheluiden tai ihmisten menemisen: “Hei, raporttia ei ole postilaatikossani, mitä tapahtuu?” Tai “Lähetin juuri tämän raportin raportointipalveluiden kautta” tai he saattavat tehdä kyselyn täällä analyysipalveluissa, mutta kestää kuin puoli tuntia ja se kesti vain 30 sekuntia, mitä tapahtuu? No, nyt sinun on tehtävä paloharjoitus ja yrittää selvittää se, ja ilman työkalua siitä tulee erittäin vaikeaa.
Robin Bloor: No, totta, se oli asia, joka tuli minulle vain yhä ilmeisemmäksi, kun osoitit jokaisen ulottuvuuden siitä, mitä täällä todella on. Toinen asia, se on kuin hyvin, hyvin alkeellisella tasolla, jos sinulla ei ole hälytyksiä, jotka kertovat sinulle, että tavarat menevät pieleen, niin se on vain kallista - joudut kalliin tilanteeseen yrittäessäsi parantaa tilannetta, koska sinä et tiedä, ennen kuin tavarat alkavat pudota pahasti, eikö niin?
Stan Geiger: Eikä, et tiedä mitä et tiedä.
Eric Kavanagh: Sait sen. Hei ihmiset, olemme polttaneet tunnin ja vaihtuneet täällä. Erittäin suuret kiitokset omalle Robin Bloorillemme ja tietysti ystävällemme Stan Geigerille IDERA Software -ohjelmasta. He tulevat olemaan Enterprise Data World -yrityksessä, itse asiassa, jos joku teistä menee sinne, niin todellakin, siellä on myös Atlantassa. Hyvä ystävämme, Tony Shaw, tekee hienoa työtä johtaessaan tätä konferenssia neljä vuotta, ja hei mikä vanha on uutta. Se kaikki on kuumaa kamaa. Toivottavasti näemme sinut siellä. Jos ei, tarkista meille ensi viikolla. Meillä on joukko muita verkkolähetyksiä.
Aina utelias kuulemaan ajatuksesi, lähetä sähköpostia minulle, mikä sopii minulle, jos sinulla on kysymyksiä tai ehdotuksia tai muita tekniikoita, joista haluat oppia Hot Technologies -palvelun kautta. Ja sen kanssa, jätät jäähyväiset, ihmiset. Kiitos vielä kerran liittymisestämme, puhumme kanssasi seuraavan kerran. Pitää huolta. Hei hei.
