Співробітники компанії «Техопедія», 29 березня 2017 року
Винос: Ведучий Ерік Кавана обговорює бізнес-аналітику з доктором Робіном Блором та IDERA Стан Гейгером.
На даний момент ви не ввійшли в систему. Будь ласка, увійдіть або зареєструйтесь, щоб переглянути відео.
Ерік Кавана: Дами та панове, вітайте ще раз, це середа о 4:00 східної, і останні кілька років це означає, що час для гарячих технологій, так, справді. Мене звуть Ерік Кавана, я буду вашим ведучим сьогоднішнього шоу. Мені подобається ця тема: «Перевірка здоров’я: підтримка здорового бізнес-BI», про це ми сьогодні поговоримо. Там справді є ваше місце.
Отож, цього року це спекотно - Hot Technologies був по-справжньому розроблений для визначення конкретних видів технологій, і ви можете уявити, що там у світі корпоративного програмного забезпечення є багато і багато постачальників, які продають всіляку різноманітну продукцію і те, що відбувається там, що відбувається це ці казкові слова, які звикають звикати та потрапляти різними постачальниками на дуже різні речі. Отже, мета цього шоу - справді допомогти нашим друзям-постачальникам та допомогти нашій аудиторії як визначити, так і загорнути голову навколо того, які конкретні види технологій є насправді, і що ці слова означають, коли ви потрапляєте прямо до латунних доріжок.
Отже, я сьогодні буду виступати одним із аналітиків, у нас також є доктор Робін Блор, а також Стен Гейгер з IDERA. Давайте просто швидко поговоримо про важливість бізнес-аналітики та аналітики загалом. Це основне дерево рішень, якщо ви хочете, або блок-схема - це просто вид розмов про те, як ви працюєте над проблемами у вашій компанії, обговорюєте різні теми, збираєте пропозиції та потім дізнаєтесь, що думають люди. Чи згодні вони? Вони не згодні? Що таке консенсус, якщо він у вас є, і як ви працюєте через цей процес?
Ну, все це, очевидно, дуже загальне, але це гарне нагадування про процес, за допомогою якого ми пропонуємо ідеї в компаніях, приймаємо рішення і потім рухаємося вперед. І суть полягає в тому, що дані потрібні для кожного з цих компонентів. Це ще більше вірно в ці дні у світі великих даних, тому що, звичайно, великі дані схожі на цей гігантський двигун правди там. Великі дані - це дійсно те, що відбувається; це представник того, хто де, що вони роблять, що купують, що стосується їх соціальних медіа, наприклад, твітте. Звичайно, все це можна зламати - на це потрібно стежити - але справа в тому, що дані - це референтна архітектура, якщо ви хочете, для реальності.
Отже, ви хочете отримати дані в кожній точці цього процесу прийняття рішень. Тепер важливий консенсус. Якщо ви хочете щасливих користувачів, іноді начальнику, можливо, доведеться йти проти зерна того, що всі хочуть. Ми просто говорили про Стіва Джобса перед початком цієї трансляції, і він був відомий для такого роду. У нього є відома цитата, де він рекомендує людям заглушити шум, який вони чують навколо, а потім дотримуватися свого бачення, якщо вони знають, що вони роблять, це правильно. Отже, вам не завжди потрібен консенсус, але зазвичай це досить гарна ідея. Але загальна мета цього слайда та цього коментаря полягає в тому, щоб донести додому важливість, яку ми хочемо приймати наші рішення, спираючись на дані, а не лише на інстинкт, хоча кишки, як правило, дуже добре допомагають вам знати, куди ви хочете піти, а потім ви дійсно хочете підтвердити це або визнати його недійсним своїми даними. І я б сказав, не бійтеся озиратися назад на це там, як маленький приємний маркер або нагадування про те, що коли ви озираєтесь назад, ви можете хоча б отримати якусь орієнтир і зрозуміти, де ви були виходячи з та бути чесним щодо помилок, які ви допустили. Ми всі помилилися, буває.
Отже, якщо у вас є проблеми з роботою в системах бізнес-аналітики, ну, є старий вираз "терпіння - чеснота", а не у світі ІТ, я можу вам сказати зараз. Якщо користувачі довго чекають, коли їх запити повернуться, або вони не отримують своїх звітів, це розмиває довіру, і коли довіри немає, повернути це дуже важко. Отже, я тут поставив рядок - приблизно 40 секунд в ці дні - це як 40 хвилин у багатьох випадках - якщо запит займе 40 секунд, люди забувають, про що вони навіть говорять, про що вони запитували даних. Уявіть собі в розмові, якщо ви запитаєте когось, скажімо, ваш начальник, ви говорите: "Ей, я хотів би знати, чому саме так ми йдемо по цьому маршруту". І вам довелося чекати 40 секунд на розмову щоб отримати відповідь? Ви виходите з кімнати! Ви б могли подумати, що ваш начальник втратив розум. Отже, затримка, яку ми маємо в деяких інформаційних системах, коли виникають проблеми з продуктивністю, це збирається обрізати аналітичний процес, аналітичний потік або, як це називають деякі люди, розмова, яку ви ведете зі своїми даними. Вам потрібно зробити швидкість у цих системах, що б ви не мали, щоб зробити це, і ми сьогодні поговоримо про це, саме це вам потрібно зробити, адже без цього потоку потоків ідей ідеї туди і назад, ви дійсно шкодить усьому процесу аналітики. Отже, і ще раз я викидаю цей коментар: відсутність довіри - мовчазний вбивця. Люди насправді не будуть занадто сильно піднімати руки, якщо вони вам не довіряють, але вони просто дивляться на вас збоку і дивуються, що відбувається. І як тільки ця довіра зникла, вам буде дуже, дуже важко повернути її.
Отже, штучний інтелект, ми все ще чуємо про машинне навчання та AI і "О, чи не це вирішить усі ці проблеми?" Ми з Робіном вже багато років чуємо про самоналаштування баз даних і все це цікаве - щось із цього відбувається, але просто задайте собі питання: як часто Сірі отримує це правильно для вас? Як часто Сірі випадково вискакує і йде: "Вибачте, я цього не зрозумів". Тому я нічого не просив у вас. Я просто випадково натиснув цю прокляту кнопку. Отож, є ще багато недоліків, і, до речі, в лівій частині, це чіп ASIC від Apple Newton - пам’ятаєте цього цуценя років і років тому? Це був один з перших розумних пристроїв, і це вже давно, це я хочу сказати на початку 90-х або середини 90-х. Що Ньютон вийшов, і це було не дуже добре, але воно мало бачення; вони знали, куди вони йдуть, але навіть зараз, з iPhone AI та машинним навчанням, я б сказав, що це широко не зрозумілі поняття.
І звичайно, що стосується машинного навчання, воно може бути дуже корисним і насправді може бути використане в деяких таких середовищах, де ви намагаєтесь зрозуміти, що відбувається зі складною інформаційною архітектурою, де все йде не так. Машинне навчання може бути дуже цінним у цьому контексті, але лише якщо воно застосовується дуже гостро. Отже, я щойно відбувся на великій події в Каліфорнії, один з найбільших дистриб'юторів Hadoop Cloudera провів саміт аналітиків, і я розмовляв з їхнім головним керівником стратегії і сказав: "Ви знаєте, мені здається, що Насправді машинне навчання робить лише дві речі: воно сегментує і вдосконалює. "Це означає, що ви отримаєте різні сегменти або кластери діяльності, включаючи аномалії, які були б сегментом. І він уточнює, тобто допомагає вдосконалити певний вид рішення. Класичний приклад, про який ви чуєте, є, наприклад, на цій фотографії людина. Тож це може зробити машинне навчання, і це корисно в певних контекстах, коли ви говорите про усунення несправностей, тому що ви можете шукати моделі поведінки у використанні процесора, у використанні пам'яті, швидкості диска і тому, що диски роблять, і всі подібні забавні речі. Тож це може бути корисно, але це дійсно щось, що має бути дуже зосередженим, щоб створити будь-яку цінність.
Отже, одна з інших моїх улюблених речей, про які варто поговорити - і ми якось побачимо трохи цього, я думаю, коли ми беремо сьогодні демонстрацію від IDERA - багато в чому я думаю, що люди все ще вчаться говорити кремній . Внизу цього є матеріалознавство, і для тих із вас, хто вирішив усунення несправностей і дуже уважно подивився на складні інформаційні архітектури, коли ви намагаєтесь зрозуміти, що відбувається, навіть, наприклад, як у кластері Hadoop, насправді ти зазвичай просто дивишся на гістограми. І тоді вам доведеться співвіднести, що означають ці різні гістограми в конкретний момент часу, і що вимагає інтелекту; що вимагає людського інтелекту та досвіду. Отже, я зовсім не боюся, що ML, машинне навчання або AI збираються забрати занадто багато робочих місць у цьому світі найближчим часом. Я думаю, що завжди буде потреба у людях, які відверто знають, про що вони говорять, щоб допомогти нам і зробити це все.
Отже, продовжимо рух далі. Отже, що станеться, якщо ви не керуєте даними? Це відома картина "Сліпий, що веде сліпого" - це не те, що ви шукаєте, люди. Ви не хочете такого типу середовища у вашій організації. Тож, що ми хочемо, ми хочемо, щоб наші рішення керувались даними, і ми хочемо, щоб рішення залежали від хороших даних, хорошої якості, і це відбудеться лише в тому випадку, якщо ви збираєте правильні дані, якщо це добре і чисто, і якщо ваші системи працюють належним чином, якщо ваші BI-системи здорові, ваші аналітичні системи здорові, а користувачі вчасно отримують те, що хочуть.
Тож з цим я збираюся завернути і здати неповторну Робін Блор. Робін, забирай його.
Робін Блор: Добре, дякую, що передали мені м'яч. Я думав, поки ти говорив, Еріку, я просто думав про BI, і нещодавно відбулася презентація продавця, яку я відвідав, коли хтось зауважив, що у конкретного постачальника працює певна система у великому, поганому сховищі даних. даний момент часу може здійснити 70 000 транзакцій BI, що призведе до того, що інформація буде представлена багатьом людям. Мені прийшло в голову, що якщо у вас є такий навантаження і ви навіть витрачаєте кілька секунд на виконання програмного забезпечення, то це насправді буде дуже дорого, і якщо ви витрачаєте хвилини, це буде жахливо дорого. І тоді я згадав, що надзвичайно багато світу працює на електронних таблицях - є, я думаю, їх називали «тіньовими системами», чи не так? У першу чергу, коли люди просто збирали системи за допомогою електронних таблиць та електронної пошти, і вони могли б зробити це, тому що ІТ-відділ не може створювати програми для всіх, тому вони це роблять. І багато BI, я думаю, все одно втягується в такі системи.
У всякому разі, сказавши це, давайте поговоримо про те, про що я буду говорити. BI - це цикл зворотного зв'язку для корпоративних систем, він дійсно такий простий чи складний, залежно від того, яку саме роль він відіграє в організації. Але якщо ми подивимось на це - діаграма приблизно чотирьох років тому, коли ми намагалися так чи інакше зрозуміти, що відбувається на стороні аналітики. Але в значній мірі все, що є заднім числом, оглядаючись на те, що раніше сталося, і на все, що є наглядом, з точки зору способу роботи системи, як правило, є BI. Раніше це не було, що те, що було передбаченням, прогнозованою аналітикою, було БІ, але це насправді все частіше стає таким. Ерік згадав машинне навчання, багато машинного навчання насправді може так чи інакше просто працювати проти потоку даних і може дати вам прогнозну аналітику протягом найближчих п'яти хвилин або навіть майже в реальному часі, так що ви можете відповісти на клієнт, з розрахунковим знанням того, що насправді відбувається.
Але центр цієї діаграми, всередині, походить від аналітики. Зазвичай відбувається те, що різні аналітичні дії вказуються на певні збори даних, і щось нове засвоюється, пізнаються знання про бізнес. І ця частина знань потім прив'язується до бізнес-процесів, які можуть харчуватися від неї. І зазвичай це проявляється так чи інакше, як з’являються сповіщення про BI, або просто різні речі, що ставлять на панелі приладів, і так далі, і так далі. Коли ми насправді це зробили, там є чотири терміни, і вони закінчуються словом "зір", що дуже приємно. Але насправді це не все в галузі того, що люди хочуть робити, також проблема оптимізації та оптимізації не дає простої аналітики. Це дуже складна проблема, і багато проблем з оптимізацією не вирішуються однозначно. Ви можете мати лише хороші рішення, ви не можете довести, що ви маєте краще рішення. І це сфера діяльності, де відбувається діяльність, але це менше, ніж у більшості інших областей аналітики. Так, люди кажуть, що ми живемо в епоху аналітики - ну, ми це робимо порівняно з десятьма роками тому, але це може піти набагато далі, ніж вже минуло.
Отже, зародження BI, бажання знань породжує запити користувачів, які починають аналітичні проекти, а аналітичні проекти починають озера даних, а озера даних плюс аналітика починають розуміння та розуміння починають BI. Це історія, яку я щойно розповів; Я просто думав, що випишу це. Що я тут робив, я маю на увазі, вся суть цього слайда і фактично більшості інших слайдів полягає лише в тому, щоб підкреслити, наскільки складним є світ ділової розвідки. Це не проста річ, я міг би зробити цей конкретний шлях слайдів складнішим, ніж він є насправді, але у вас внизу тут, у вас є зовнішні дані та внутрішні дані, які так чи інакше збираються вводити в постановку область, на сьогодні це вид озерних даних, хоча не у всіх є озера даних. І людям, які не мають успіху. А потім, дані, необхідні для очищення інформації та керуючої діяльності, необхідні для даних, перш ніж ви дійсно можете їх використовувати. А потім, ви подаєте ці дані, і ви або повідомляєте про них, або аналізуєте їх, і аналіз призводить до дії.
І якщо ви насправді дивитесь на різні види аналізу, які існують, це надзвичайно довгий список, але це не обов'язково повністю вичерпний список, це саме те, що я думав записати, коли я створював цей слайд. Таким чином, у BI-середовищі відбувається багато речей, які представляють собою візуалізацію, OLAP, управління продуктивністю, табло, панелі інструментів, різного роду прогнози, озера даних, видобуток тексту, видобуток відео, прогнозування, є величезний спектр матеріалів, які насправді продовжується. Якщо ви дивитесь на це по-іншому, то на корпоративну реальність, в основному це схожа схема на останню, це просто робиться по-іншому. Я відокремив те, що ви б назвали BI, тому що це регулярно і відомо, що потрібно, це не означає, що те, що відбувається насправді, є ефективним, але принаймні у вас будуть регулярні речі, що відбуваються, скажімо, у Tableau, або в Click, або в Cognos, є тематичне джерело тощо, і так далі, триватимуть різні регулярні звіти чи можливості. А потім у вас є програми для аналітики, і вони різні. Оскільки програми для аналітики справді стосуються вивчення даних, і, на мій погляд, це начебто прирівнюється до досліджень та розробок. І тоді у вас є робочий процес. Під час робочого процесу змішуйте свої речі з операційними додатками та офісними програмами, якщо це необхідно - і це корпоративна реальність, як я це бачу - хоча в більшості організацій це не так добре організовано.
Отже, зрив BI - це лише сукупність речей, які слід згадати, робить BI важче, ніж це було раніше, тому що старий світ BI складався в основному з досить чистих наборів даних, які так чи інакше захоплені, ймовірно, із сховища даних і передаються в конкретні Програмне забезпечення BI. І в ті часи я справді говорив п'ять-десять років тому, але в ті часи обсяги даних не розширювалися, джерела даних були відомі. Швидкість надходження даних була відома, хоча часто деякі BI не відбуватимуться досить швидко, щоб сподобатися певним користувачам. Не було жодних неструктурованих даних, майже не було соціальних даних, звичайно, немає даних IoT, ви не переймалися походженням даних. Комп'ютерна цінність не мала паралелізму з точки зору інфраструктури, щоб мати можливість так чи інакше робити речі надзвичайно швидко. У вас не було машинного навчання, і кількість аналітичних навантажень була досить невеликою. І все, що змінилося, обсяг даних зараз може дуже різко зростати. Кількість джерел даних, які він просто збільшує. Так, трансляція надходження даних дуже швидка, безліч неструктурованих даних, безумовно, соціальних даних, які потребують очищення, але інші дані, які можуть потребувати очищення, безумовно, дані IoT, зараз угода.
Проведення даних - це проблема, і ми її хвилюємо. Можливість роботи з комп’ютером є там, яка є акуратною, тому що це робить усілякі речі можливими, і ви зараз отримали машинне навчання як явище, яке призводить до створення більшої можливості для BI та нових аналітичних навантажень, які будуть робити те саме. Отже, BI - це не статична ситуація, і я думаю, що це останнє, що я збираюся сказати, перш ніж передати його Стену. О ні, це не так, є ще щось. Майбутній BI ландшафт, Інтернет речей, архітектури, керовані подіями, все в режимі реального часу, добре. Цього вистачає BI користувача, користувачем, для користувача питання коротко. Своєчасність продуктивності потоку даних, охоплення даних, очищення даних, навички доступу до даних, візуалізація, доступність даних та доступність.
Тож тепер я можу передати його Стену, якщо тільки служба BI не є надійною та своєчасною, це не послуга. Стен?
Ерік Кавана: Добре, Стен, я даю тобі м'яч, забирай його.
Стен Гейгер: Гаразд. Отже, про що я буду говорити - це лише моя історія. Я старший менеджер IDERA в галузі управління продуктами, і один з обов'язків, який я маю, - це наша продукція бізнес-аналітики. Тож я трохи пізніше розповім про те, про що говорив Робін, і розповім про ключову сферу, а бізнес-розвідка - це моніторинг стану вашої платформи. Так, як він сказав, зараз це було все, де ми мали всі ці дані, і аналіз потребуватиме тижнів, а потім ми повернемося з повідомленнями та речами. Але BI-ландшафт змінюється таким чином, що ми зараз наближаємось до аналітики майже в реальному часі. І в багатьох випадках фактична аналітика в реальному часі. Отже, я трохи розповідаю про цей слайд, це лише своєрідний огляд - і як повне розкриття є те, що я збираюся поговорити про це з точки зору Microsoft, але всі ці концепції переходять на ваш BI платформи є в Oracle, або ви використовуєте Informatica та Oracle, або просто змішати режим, гібридні середовища. Я просто збираюся використовувати посилання на середовище Microsoft, але це досить стандартно.
У Робіна був слайд, який торкнувся цього, це те, що у вас є джерельні системи, де я сиджу всі свої дані, а зараз це було все в реляційних базах даних і сховищі даних, таких як, але тепер у нас є Hadoop, Інтернет та інші речі, і всі ці неструктуровані дані сидять там, і ми тепер можемо внести їх у цю архітектуру BI. Тож про середній рівень, про який говориться трохи, - це зберігання даних в сукупності; тут ми втягуємо дані, ми можемо їх очистити, ми зможемо їх реструктурувати, а потім помістити в якийсь тип сховища даних, а потім презентаційний шар розташовується поверх цього, і саме там ваші користувачі отримують доступ. І ми робимо аналітику цих даних у цих сховищах даних, і ми робимо панелі інструментів, і у нас сидить Тандао, звітуючи служби, подібні речі. Я завжди сміюся, тому що коли я був архітектором BA, ми завжди сміялися з Excel, тому що давайте зіткнемося з цим, Excel все ще є інструментом BI для мас.
Отже, трохи огляду там, але просто для того, щоб поговорити про тип архітектури платформи, ви отримали свої вихідні дані, і я розповів про це в декількох сховищах даних. І тоді я зібрав своє сховище у світі Microsoft, у вас буде база даних SQL Server, можливо, там, де знаходиться ваш сховище даних, можливо, ваш сховище даних у хмарі, з вашим сховищем даних. У вас є служби аналізу, що представляють собою ваші трубки OLAP та подібні речі для створення агрегацій та речей навколо перегляду речей у різних вимірах тощо. Тоді ви отримаєте свій презентаційний шар, про який я коротко розповів, про всі ці речі, які лежать у верхній частині цих сховищ даних та агрегацій. І мені завжди подобається ця цитата "Ти не знаєш, чого не знаєш", що правда. Якщо ви не здійснюєте моніторинг і не дивитесь на те, що відбувається на всіх цих ділянках вашої BI-платформи, як дізнатися, коли виникають проблеми, крім того, коли користувачі починають надсилати вам неприємні електронні листи, і телефон запускається дзвонить про те, чому мої звіти не працюють? Чому все триває так довго?
Отже, в цьому плані, що вам потрібно зробити, ви маєте змогу контролювати свої платформи, з яких ви обслуговуєте бізнес-розвідку. І я в основному розбив це на три області: у вас є доступність, продуктивність та використання. Доступність означає, чи доступний ресурс: це вгору чи вниз? Там досить просто. Але також дивлячись на те, коли у вас є, можливо, у вас є доступна платформа, але у вас можуть виникнути проблеми, тож вам доведеться робити ідентифікацію першопричини; ви повинні мати можливість насторожувати та повідомляти комусь, що відбувається, перш ніж все перейде до критичного стану. Це також призводить до продуктивності, у вас є речі з рівня метрики продуктивності, на рівні сервера, де розміщуються служби або служби BI, або BI-платформи; у вас є ефективність на рівні ресурсів, де, можливо, я отримую доступ до даних з SAN, наприклад. Оскільки SAN є ресурсом, мережевими ресурсами, ви повинні мати можливість стежити за роботою всього цього, мати можливість виявляти вузькі місця та підтримувати своїх користувачів щасливими, і якщо ви перебуваєте в середовищі, де ви працюєте в реальному режимі, Аналіз часу, ви повинні мати можливість виявити вузькі місця або проблеми, перш ніж вони почнуть відбуватися.
І остання теорія - це використання: що роблять користувачі? Хто підключений до моїх джерел BI? Хто працює що? Які запити вони виконують? Які звіти вони працюють? Знання цієї інформації допомагає визначити і зробити планування потенціалу, наприклад. Він також показує, що використовується у вашому BI-середовищі. У нас був клієнт, що він хотів наш продукт моніторингу для BI просто, щоб вони знали, які частини BI середовища вони використовують, щоб вони могли переміщувати ресурси. Наприклад, якби вони не використовували певні звіти чи певні кубики служб аналізу, вони перенесуть ресурси з іншого в інші області, які широко використовуються. Ще одна цитата, яка мені подобається, мені подобаються справді чудові фільми на кшталт "Тремтіння", тому скажіть вам мій фільм, тож мені подобається ця цитата від Берта Гаммера, якого зіграв Майкл Гросс, він є різновидом пістолета виживання, і він каже: з'являється, і він дістає цю величезну снайперську гвинтівку 50-ти калібрів, і один з хлопців каже: "Чорт, Берт". А він відповідає: "Коли вам це потрібно, а у вас його немає, ви співаєте іншу мелодію. Іншими словами, ви знаєте, що? Він був готовий до чого завгодно, і він підготувався до чого завгодно, і тому, що я маю на увазі під цим, якщо ви не стежите за своїм BI середовищем за допомогою ресурсів та використання, а також про речі, про які я щойно говорив, то ви не розумієте, що вам потрібен інструмент або навколишнє середовище або структура, яка контролює його, поки у вас його немає. І тоді ти розумієш, що мені справді це було потрібно вперед, і саме таким чином багато наших клієнтів.
Отже, сказавши це, ми перейдемо до місця, і ми подивимось, що ми робимо тут, в IDERA, щоб вирішити деякі з цих питань. І-
Ерік Кавана: Гаразд, там, я бачу.
Стен Гейгер: Ви це бачите? Добре. Отже, тут у нас є продукт BI Manager. І ми відстежуємо, що IDERA традиційно є компанією в середовищі SQL Server, Microsoft SQL Server. І тоді ми купували в Embarcadero, тому зараз ми розширилися на деякі інші платформи, але наш BI-продукт традиційно відстежує стек BI в середовищі Microsoft. Це були б служби аналізу вашого багатовимірного та табличного аналізу, служби звітності, інструмент звітності, а потім послуги інтеграції, що є платформою ETL, подібно до Informatica.
Завдяки нашому продукту ви можете відстежувати всі три середовища за допомогою одного продукту, і те, що ви бачите тут, - це загальна інформаційна панель, і що тут потрібно зазначити, коли я говорив про це насторожує, це одне, що слід контролювати, але цього недостатньо - потрібно мати механізм оповіщення. Іншими словами, мені потрібно мати можливість отримувати сповіщення, перш ніж все перейде в критичний стан. Отже, що ми тут робимо, є цілий набір метрик, які ми фіксуємо, які можна налаштувати, тому що залежно від вашого оточення, певних порогів, ви можете бути в порядку із тридцять мілісекундним часом для читання у вашому оточенні. Для інших середовищ може бути більш важливим, щоб цей поріг був нижчим, тому важливо не тільки мати оповіщення, але і налаштувати його, оскільки середовища відрізняються залежно від ресурсів.
Отже, це в основному огляд усіх середовищ, за якими моніториться тут, і у мене є три екземпляри: один для служб аналізу, один для служб інтеграції, один для служб звітності. І ви бачите, що у мене тут є кілька сповіщень. І тому, що вони червоні, це говорить мені, що вони є критичними, тому що у мене є кілька рівнів, на які я можу встановити ці сповіщення, і ці сповіщення можна надсилати електронною поштою людям, які відповідають за вивчення проблеми. Отже, ми лише коротко подивимось, і я повернусь до попередження, щоб ми могли перейти до служби аналізу, і це, я впевнений, чекає завантаження тут. І в основному, що ми робимо, ми маємо збір даних; він виходить туди періодично і виходить там, збирає та знімає види того, що твоє середовище. Отже, у мене набір кожні шість хвилин, тож кожні шість хвилин він виходить на вулицю та опитує навколишнє середовище. Я мав деякий час спати VM, тому піде на секунду, щоб це повернулося. Там ми йдемо.
Отже, ми подивимось на частину служб аналізу, і тому я збираюся натиснути на свій приклад тут, і пам’ятаю, що я говорив про одну з речей, яку ми контролюємо, - це ефективність на рівні сервера, тому що у багатьох людей є кілька речей працює на їх сервері. Можливо, на моєму сервері працює база даних, а також послуги аналізу, наприклад. Отже, якщо щось відбувається в базі даних або у мене проблема на рівні сервера, це вплине на те, що там працює. Отже, ми будемо відстежувати речі на сервері на рівні сервера, такі як ефективність диска, і ви можете бачити, як ми фіксуємо показники навколо всього цього. І все це можна налаштувати. І я погляну на те, що відбувається, на основі процесора, просто, і знову це - на рівні сервера, а не на рівні служб аналізу в моєму прикладі. Але насправді на рівні сервера.
І я можу переглянути такі речі, як пам'ять, загальне використання пам'яті, наприклад, що є? Тож тепер я отримую уявлення про стан здоров’я самого сервера. Тоді ми можемо почати розглядати особливості, в цьому випадку служби аналізу. Я, наприклад, можу подивитися і побачити, як відбувається моя обробка кубів, і це дає мені міру здоров’я. Якщо я починаю бачити, що обробка займає більше часу, або це не те, що рядки записуються майже не так швидко, то я можу почати роздивлятися - і це стосується кореляційної частини, про яку я вважаю, що Робін говорив, це людині все ще потрібно, щоб все це зробити. Ми говоримо про ШІ, машинне навчання, але людині все ще потрібно мати можливість співвідносити ці події навколо речей. Ми можемо поглянути на такі речі, як, що відбувається в частині запитів, які запити виконуються і як довго вони тривають? Я можу сортувати, так що я можу почати розуміти, які запити займають найдовший час. Ви можете зазирнути сюди в минулий час, я можу поглянути і побачити нормально, що це за запит і хто виконував цей запит у той час?
Тоді я можу почати розповідати про це так далеко, коли коли я починаю бачити, як речі починають шипіти, я можу повернутися назад і подивитися і побачити, що робили користувачі в той момент. І ви побачите одну з речей, яку ми робимо, це те, що ми помістили цей підбирач часу сюди, щоб ми могли вибрати вікно часу. Наприклад, я можу повернутися до цих сповіщень, і це фактично було посиланням на ті сповіщення, на які я натискаю, і мені знадобиться той момент часу, коли це сповіщення відбулося. І тоді я можу почати складати історію разом, я можу побачити, ну, читання з диска було вимкнено, або виникли проблеми з пам’яттю чи будь-що інше, і тоді я можу перейти через активність запитів у той самий момент часу, і я можу фактично почати співвіднесення того, хто запускав запити, які могли викликати ці сплески там. І тоді ви можете почати робити такі речі, як я можу почати налаштування, саме тоді я починаю налаштування. Це як автомобіль, якщо ви будуєте гоночний автомобіль, і ви просто кидаєте двигун і запускаєте ключ, який може запустити двигун, але якщо мені потрібно їхати 180 миль на годину, щоб виграти, мені потрібно знати, що двигун може працювати 100 миль на годину, і мені потрібно зайти туди і почати налаштовувати цей двигун, щоб мати можливість дістатися туди. І це те, що дозволяє вам це зробити, це мати можливість дати вам достатньо інформації, щоб почати налаштовувати своє оточення, підвищити здоров'я та виробництво цього середовища та ефективність.
А потім ми відстежуємо речі в пам'яті, що особливо стосується служб аналізу, в даному випадку. І саме тут ви можете почати бачити, де речі можуть почати збиватися, коли ви почнете бачити речі, що вискочують вище між межами вашої пам’яті, подібні речі. Інша річ, на яку добре звернути увагу: у будь-який час ви запускаєте будь-який тип запитів, ви хочете, щоб дані були кешовані, тому що при кешуванні це зберігається в пам’яті і не потрібно читати з диска, що набагато більше ефективніше, ніж потрібно зчитувати дані з диска. Таким чином, ви можете почати дивитися на речі, які відбуваються, вибачте, наприклад, у кеші даних. Раніше у мене було запущено купу запитів, щоб отримати ці дані, і ви можете бачити, що я мав більшу частину часу, хіти кеш-пам’яті та перегляди перекриваються, що добре. Але тут у мене був період, коли звернення були набагато меншими, ніж у пошукових запитах, що говорить про те, що у мене щось відбувалося, що було інтенсивним у пам’яті, так що кеш швидко розмивався, тому дані повинні були бути читати з диска. І ми це бачимо, коли ми дивимось на двигун зберігання даних. Це той самий момент часу, що і інший графік, і ви можете побачити колосок там, де запити з файлу дійсно підскочили за цей період. А це означає, що дані зчитувалися з диска. Тепер я можу повернутися назад, а потім співвіднести це із запущеними запитами, і не зробити так, щоб вуха кровоточили, але в службах аналізу використовується мова під назвою MDX, є способи більш ефективно писати запити, тому він використовує кеш ефективніше та менше зберігання. Отож, є приклад налаштування цього двигуна та надання всіх необхідних фрагментів, щоб мати можливість це співвіднести.
Просто швидко ми можемо також перевернути це іншим способом, коли ми дивимось на запити, ми можемо переглянути зараз сеанси, хто насправді підключений у цей момент часу і що вони виконують? Тож цей вид дає вам протилежне уявлення про запити та про те, хто їх виконує. Це хто підключений, і тоді я бачу, що вони зараз працюють. Інша справа, просто щоб швидко перейти, ви можете бачити всі об'єкти в моїх багатовимірних кубиках MOLAP. І я можу отримати інформацію про це. Так, наприклад, я можу сортувати за цим стовпчиком зчитування, і я бачу, що найбільш використовуваний об'єкт - це часовий вимір, а другий найбільш використовуваний - це розмір клієнта. І це допомагає людям, які розробляють і будують речі, щоб ефективніше будувати свої кубики. Я, можливо, захочу змінити свою стратегію розподілу даних, наприклад, про ці висококористувані розміри в моєму кубі, і тому це, наприклад, підвищить ефективність запитів. Це може знизити продуктивність обробки куба, тому що зараз у мене є більше розділів, але з точки зору користувача це налаштування цього двигуна буде більш ефективним для використання цих об'єктів.
Отже, рухайтесь далі, поговоріть про інтеграційні послуги тут. Як я вже згадував, інтеграційні послуги - це платформа ETL в середовищі Microsoft. Ми робимо тут - і це узгоджується - ми контролюємо продуктивність сервера, і це були б ті самі показники, які ми дивилися, тому що всі мої служби працюють на одному сервері. Але знову ж таки, це огляд того, що відбувається на сервері. І тоді я можу переглянути діяльність щодо інтеграційних служб, мої процеси ETL. Отже, я можу скласти уявлення про те, коли ці процеси протікали, чи були вони успішними чи ні, я можу виділити певний цикл процесу ETL, і тоді він покаже мені розбиття кроків у цьому процесі ETL, чи був він успішним чи ні, і скільки часу це пройшло.
Тепер, якби у мене був невдалий пакет тут ETL-процес, я міг би спуститися до деталей і побачити повідомлення про помилку, і воно покаже мені, який крок у цьому пакеті, де той процес ETL не вдався, разом із усіма повідомленнями, пов'язаними з цим. Отже, що це робить, це те, що дає мені, і я можу отримати сповіщення, якщо воно не працює, тому якщо я отримаю попередження, я можу зайти сюди, побачити, перейти до цього попередження, побачити помилку пакета, подивитись на кроки, подивіться, де воно не вдалося, подивіться повідомлення про помилку, і я одразу знаю, що мені потрібно зробити, щоб виправити це: перерозподіліть його, а потім запустіть його заново. Отже, що це дозволяє вам зробити, ми називаємо це скороченням цього вікна між ідентифікацією проблеми та вирішенням проблеми. Так, у попередньому житті, коли я відповідав за подібні речі, у нас був процес ETL, який би запускався вночі, для завантаження нашого сховища даних. Якби у мене була ця інформація, перше, що вранці, коли я зайшов, якщо щось не вдалося, то я можу швидко вирішити цю проблему і повернути цей процес назад, щоб переконатися, що сховище даних було запущено та оновлено тим часом, коли користувачі зайшов і почав отримувати доступ до звітів.
Інша річ, що у мене є два процеси, які запускаються - це подивитися і подивитися, як він протікав з часом. Це важливо, тому що, якщо я починаю бачити ці процеси, наприклад, тривати довше, бачачи, як цей час збільшився, то, можливо, мені потрібно буде переглянути, наприклад, моє вікно технічного обслуговування, у мене можуть з’явитися речі, що відбуваються на цьому сервері . Візьмемо, наприклад, резервні копії; У мене може бути резервна копія, що змушує мій процес чекати, поки це завершиться. Мені може знадобитися перенести або жонглювати свої процеси навколо речей, які починають впливати на мій ETL.
І останній фрагмент - послуги звітності. Служби звітності - це корпорація Майкрософт, в основному їх інструмент звітності для підприємств. І деякі речі, знову ж таки, ми можемо подивитися на речі на рівні сервера, ми можемо розглянути речі через сервер звітів, сервер служб звітування, сам. У мене тут мало бігати матеріалів; У мене є кілька підписок, які працюють кожні 15 хвилин, щоб запустити звіт. Таким чином, ви не побачите багато активних з'єднань, оскільки він вмикається, підключається, запускає звіт, відключає та відправляє його.
Але у високому транзакційному середовищі, де робиться багато звітів, важливим є можливість контролювати ці речі. Таким чином, ви можете бачити, де у мене тут відбуваються речі, тож це дає вам досить гарне уявлення про те, що, з фактичного рівня обслуговування та платформи, відбувається. І тоді, як я говорив на слайдах, хто працює, що і що вони роблять? І один із наших клієнтів придбав цей товар саме за цю частину, бо хотів дізнатися, які звіти працюють та хто працює за цими звітами. Отже, це одна з речей у виконанні цього звіту, яку ви можете побачити тут. Я бачу, який звіт, я бачу будь-які параметри, які були в цьому звіті, я бачу, хто його працює, я бачу формат звіту. І тоді я маю всі ці показники навколо цього, тож якщо знову ж таки, я можу класифікувати ці речі, наприклад, який звіт займав найдовше, щоб отримати дані, і я можу перейти до цього і подивитися, який звіт це. І знову це все дає мені дані для того, щоб бути, щоб знову налаштувати цей двигун. Тепер я можу почати налаштовувати моє середовище звітності навколо цього.
І останнє, що я можу поглянути на діяльність користувачів, хто знову підключений до цього, що вони роблять? Я можу насправді в умовах, де у мене було багато користувачів, це всі сортування, щоб я міг класифікувати, я бачу, хто найбільше використовує середовище. Тож, щоб швидко повернутися назад і подивитися на ці сповіщення. Ось це було сповіщення; Я можу натиснути на це посилання тут, і це відведе мене до графіку для цього моменту і покаже мені, хто з них був у спокої. Тож ви можете бачити тут, ось це те, що було середнім мілісекундами для запису, наприклад, для читання та запису. Отже, знову ж таки, просто намагаємось визначити проблеми. І дуже важливо мати цілісний інструмент, а не просто щось, що дивиться на це одне, тому що люди повинні зайти сюди і співвіднести ці події, що відбуваються, тому вам потрібно вміти подивитися, що відбувається на цьому момент у різних областях цього середовища, і це одна з речей, які ми робимо за допомогою цього вибору часу тут.
Ерік Кавана: Так, це Ерік тут просто зі швидким запитанням, бо я думаю, що ти, мабуть, вдарив цвях по голові, і це те, про що я говорив у верхній час, що людина повинна прийти в та намалюйте ці співвідношення між різними середовищами. Мені цікаво дізнатись, чи є якийсь навчальний матеріал, яким ви можете поділитися, або, можливо, ви займаєтесь людьми, щоб допомогти їм визначити деякі з цих моделей? Як би у вас був справді хороший приклад хвилини тому, коли один із них шипить, який говорить вам, що щось відбувається в пам'яті, тому що він намагався скинути пам'ять. І це дає вам поняття, але як люди відображають цю статистику проти реальних проблем, це справжнє питання.
Стен Гейгер: Так, це вдалий момент, і одна з речей, про яку я тільки говорив, дорожня карта для продукту, пізніше цього року ми збираємося випустити версію і одну з речей, яку ми починаємо додавати до кожного з цих графіків - це опис того, що означає цей графік і чому вам слід піклуватися, і який це вплив. Отож, майте змогу натиснути на цьому знаку питання або щось на цьому діаграмі, а потім витягніть вікно, яке дасть вам багато цієї інформації та скаже вам, що це можливі причини, це сфери, на які впливають, і про що можна поводитись ви в напрямку того, що зможете піти в цій справі, як ви сказали, ось ось цей сплеск, я знаю з власного досвіду, що це означає. І тоді я можу почати їхати і почати свердлити в область і знайти першопричину.
Зараз у нас є багато що, власне, в нашому продукті диспетчера діагностики для SQL Server для фактичної бази даних. У нас дуже багато такого типу функціональності в такому продукті, а також у нас є деякі додаткові додатки для аналізу диспетчера діагностики, які зрозуміли вас набагато швидше. І ось з цим продуктом ми йдемо вниз.
Ерік Кавана: І я гадаю, що є підписи на певні види діяльності. Чи дозволяє цей інструмент ідентифікувати, коли відбулася певна подія та каталогізувати це, таким чином, що з часом він буде розпізнавати подібний зразок за лінією та допоможе вам з’ясувати, можливо, якщо це новий користувач, наприклад, використовуючи той же інструмент? Допоможіть зрозуміти, о, це тому, що ці сервери знизилися або через те, що цей регіон знизився? Чи існує якийсь спосіб каталогізації підписів проблем, який ви зможете легко визначити їх згодом?
Стен Гейгер: Ні, насправді, але це насправді цікава концепція, тому що це майже як, що це - аналіз принципових компонентів, я думаю - де ви визначаєте шаблони, і ви записуєте ці шаблони, і якщо ви їх знову побачите, ви можете повернутися назад і бач, гаразд, це було причиною в той момент. Так, це щось, це не на дорожній карті, але це щось, про що я думав з точки зору управління продуктом.
Ерік Кавана: Я можу собі уявити. О, іди вперед.
Стен Гейгер: Ні, я збирався сказати - і ми отримуємо велику кількість запитів, тому що я не знаю, який у вас досвід - але ми виявляємо, що DBA знають бази даних, як із тильної сторони, але біологічний матеріал - це як чорний ящик, коли мова йде про здоров'я платформи. І немає, вони не мають великої бази знань навколо цього. Я так, тільки від того, що працював у ній п’ять-десять років, правда? Але типові люди, які відповідають за їх пошук або отримання сповіщень і з'ясування того, що відбувається, це для них щось чорне поле.
Ерік Кавана: Так, я можу собі уявити. Мені також цікаво знати, тому ви показували на цьому екрані, як ви можете бачити всі запити, що надходять, про те, як довго вони запускалися та хто їх генерував. Чи можете ви також бачити фактичну структуру самого SQL-запиту та робити якийсь аналіз навколо цього? Можливо, іноді люди збирають SQL-запити, які є, наприклад, громіздкими, скажімо, громіздкими, на відміну від майстра, який дійсно збирає приємний, жорсткий запит. Це щось, що ви можете візуалізувати за допомогою цього інструменту, а потім допомогти вам у тому, що проблема?
Стен Гейгер: Так, то, що ви можете зробити, це, як те, що я тут зробив, - це я просто сортував за пропущеним часом, наприклад. Тож я бачу тих, хто зайняв найдовше, і тоді я дістаю текст, але тоді все ще залежить хтось, хто більш-менш експерт з питань теми, щоб подивитися на це і піти: "О, добре, ось чому це зайняло так багато часу "Це щось, що ми маємо на увазі аналіз завантаженості, ми називаємо це SQL Workload Analyzer для бази даних, що я дурив з ідеєю, можливо, вниз по дорозі, придумуючи подібну річ, щоб вона виявила ці запити, а потім дає вам рекомендації щодо налаштування цих запитів. Але одне з питань полягає в тому, що цей запит MDX є досить спеціалізованою мовою.
Ерік Кавана: Так, я можу собі уявити. Але ви можете, наприклад, бачити, хто такі люди, тож не важко розібратися, чи одна людина, якщо один хлопець відповідає за десять найдовших запитів процесу, то якщо нічого іншого ви можете зателефонувати йому або зателефонувати його менеджер чи хтось і каже: "Ей, цей хлопець пережовує велику пропускну здатність", і, можливо, виявляється, це найцінніші запити для бізнесу, правда? Ви повинні поставити це в контексті того, яка цінність бізнесу - від самих запитів, це не просто чітка гра чисел, правда? Це потрібно з'ясувати, ну, цей хлопець - наш енергокористувач, і він міняє бізнес, правда?
Стен Гейгер: Ні, ви абсолютно праві. Я маю на увазі, що це один із способів, яким користуються клієнти, це мати можливість це зробити. Як ви вже говорили, ви можете знайти одну область, тому що одна з речей, про яку я говорю, я завжди шлакую в Excel, але ви можете підключатися до служб аналізу в Excel і запускати зведені таблиці від OLAP, і він генерує власні запити, і надсилає їх, а іноді вони не найкраща форма, тож ви можете повернутися і визначити їх, а фактично переписати їх і надати користувачеві, і нехай вони запускають їх поза нею, щоб це не зайняло півгодини протягом щоб вони повернулися назад до своєї зведеної таблиці.
Ерік Кавана: Саме так. А коли ми говоримо про запити, ви, хлопці, охоплюєте гаму запитів, тож ви згадали про MDX, а як щодо деяких інших запитів, таких як DAX-запит чи деяких інших цих?
Стен Гейгер: Так, ми охоплюємо будь-який DAX і MDX і те, і інше. Отже, одна з речей, про які я не згадував, або я це робив, можливо, але ми підтримуємо і табличну, і OLAP в Microsoft і DAX, тому що я думаю, що ви і я говорили про це деякий час назад - чи ми бачимо багато зараз більш таблично, ніж ми OLAP. Тому що просто спростити створення табличних моделей і подібних речей, тому ви, очевидно, побачите DAX-запити, але ми також підберемо їх.
Ерік Кавана: Так, це цікаво. Чи є у вас якийсь контекст, чому це відбувається? Може, тому, що все більше людей впадають у цей матеріал і тому, що OLAP, звичайно, не є чимось новим, це було вже протягом чогось, принаймні 30 років?
Стен Гейгер: Правильно, ну, це якесь поєднання, одна з речей - дизайн кубів - це мистецтво. І куби були побудовані для попередньої агрегації даних, тому отримати дані реально швидко, але обробка куба потребує певного часу, тому що це потрібно зробити для всіх цих агрегацій. А потім обладнання подешевшало, а пам'ять подешевшала, і тоді всі виходили з колоновими базами даних і базами даних в пам'яті, насправді. А також таблична, мабуть, найближча до традиційних реляційних баз даних, і просто набагато простіше та швидше розробити табличні моделі, ніж це стосується OLAP. Але недолік полягає в тому, що він знаходиться в пам’яті, вся річ знаходиться в пам’яті, тому вона дуже інтенсивна в пам’яті і дані не агрегуються, поки ви не запитаєте її. Отже, але сказавши все це, ми починаємо бачити набагато більше таблиць там.
Ерік Кавана: Це цікаво. Можливо, це також і тому, що ця галузь дещо згладжує, і що я маю на увазі під тим, що ми отримуємо набагато більше людей, які взаємодіють з даними та використовують різні інструменти, і, звичайно, коли ти говориш про Microsoft, я думаю, це, безумовно, так, що у вас є багато, набагато більше користувачів для малого та середнього бізнесу, і навіть деякі більші організації, які копаються до цього матеріалу, отримують доступ до інструментів, виконують запити, і вони, можливо, не так знайомі з весь процес і технології навколо створення кубів, на ваш погляд, правда? Тому що це потребує певної думки, і це також дорого, правда? Для збирання цих кубів потрібен час, потрібна енергія, якщо ви не використовуєте якісь нові технології там. Наприклад, ми говорили з такими компаніями, як Сніжинка, наприклад, вони роблять досить цікаві речі, але я думаю, у вас набагато більше людей, які використовують речі, і вони, ймовірно, працюють із тим, що ви тільки що описали, а це табличний формат., на відміну від формально будуючих кубів, правда?
Стен Гейгер: Так, я маю на увазі, я думаю, Excel - коли це було, Power Pivot, я вважаю - це насправді таблично, якщо ви поглянете на це; це спосіб побудови табличних моделей. І тоді наступною ітерацією було, я можу розповісти вам свої табличні моделі, які я будую, і я розгортаю його до SQL Server, щоб я міг поділитися ним з усіма іншими. Отже, це свого роду природне продовження від Excel майже.
Ерік Кавана: Так, це хороший момент. Те, що ми бачили за останні, я б сказав, п'ять-сім років, - це просто приголомшливе розширення використання цих технологій, правда? І Microsoft, чесно кажучи, була піонером у цьому, насправді демократизуючи дані про потужність за допомогою служб аналізу та за допомогою Power Pivot, правда? Я маю на увазі, це було зміною ігор для галузі, правда?
Стен Гейгер: Так, ні, ви абсолютно праві. Я маю на увазі, що у мене є слайд, коли я пропоную більш тривале представлення, яке показує перехід від семантичної моделі, якою був OLAP, до табличної. І я думаю, що у мене є цитата від Microsoft; вони хочуть, щоб дані були в руках користувачів, а не просто над стіною в ІТ-магазині, вони хочуть отримати більше даних у руках людей, які їх споживають.
Ерік Кавана: І це повертається до того першого дуже простого слайду, який я показав, що був основним процесом прийняття рішень для будь-якої організації, і зараз - і я вважаю, що це чудова річ - у нас стає все більше людей з усієї ієрархії організації, яка звертає увагу на те, що відбувається, вносить їхню історію в таблицю, і ви робите це з даними, це означає, що ви можете використовувати інші засоби, але якщо ви підкріпите свою історію інформацією, у вас будуть набагато сильніші аргументи, ніж у тих, хто цього не робить, правда?
Стен Гейгер: Точно так. Мовляв, так, саме так. Я маю на увазі, ось чому зараз, раніше це було "Ей, мені потрібен цей звіт", тому тепер я повинен пройти запит звіту, і я повинен пройти сюди, і отримати свій звіт, і тепер я можу сидіти там прямо за моїм столом і справді просто, я маю доступ до отриманих даних, приймаю свої бізнес-рішення.
Ерік Кавана: Так. Ви знаєте, я повернувся з конференції лише минулого тижня, і був істеричний коментар від хлопця, який працює в досить великому середовищі BI для магазину Target, і він посилався на аналітику самообслуговування та самообслуговування BI, і очевидно це велике питання в ці дні. Я впевнений, що це щось, що викликає велику активність для того, що ви робите в IDERA, тому що, коли ви хочете розгорнути самообслуговування, перш за все вам краще мати здорове середовище BI, так? Якщо ви збираєтеся виводити на себе всілякі люди, задаючи всілякі запитання всілякими способами, вам потрібно буде тут щось подібне, щоб зрозуміти, хто запитує, які питання і де. І смішну цитату, яку я викину тут лише для ударів, як ви сказали: "Існує тонка грань між BI-службою самообслуговування і F F".
Стен Гейгер: Так.
Ерік Кавана: Я вважав це істеричним. Але ви бачите, що тенденція самообслуговування насправді викликає багато поінформованості щодо того, що ви робите з технологією?
Стен Гейгер: Так, тому що, як ви вже говорили, якщо ви збираєтесь дозволити BI самообслуговуватися, то, ймовірно, ви отримаєте деякі проблеми з продуктивністю, тому що: A) кількість доступу, кількість людей, які збираються за даними та B) кількість погано сформованих запитів та способів доступу до них, які у вас є. Отже, ви дійсно дуже важливо стежити за навколишнім середовищем, щоб ви могли задовольнити всіх, хто намагається споживати дані, правда?
Ерік Кавана: Так, я думаю, що це точно так. Це благо і прокляття: добре, що люди намагаються використовувати речі, але, знову ж таки, якщо ви не маєте потрібного інструменту на той час, ви будете нещасним автолюбителем, тому що катаєтесь без самообслуговування без такого інструменту, мені здається, це просто прохання про горе біди.
Стен Гейгер: Так, я маю на увазі, це схоже на те, коли я будував сховища даних, це як якщо б ви не зрозуміли свої розміри та таблиці фактів правильно, то ви вимкнули його для спеціальної звітності, можливо, ви захочете повзати під рок.
Ерік Кавана: Це приголомшливо. Так, це добре, знову ж таки, це гарна новина, що люди використовують цей матеріал, але я думаю, що я мушу вірити, що самообслуговування спричинить велику активність для того, що ти робиш, бо ти говориш про пандус збільшити величину напруги та величину тиску на ці системи на порядки. Не просто на один, ані на два порядки. Це саме той момент, коли ви дійсно хочете мати деяку видимість і хочете мати можливість бачити, хто що робить, де, коли, як і чому. Задайте ці питання, а потім прийміть деякі рішення щодо того, як ви можете контролювати та змінювати середовище та змінювати свою політику щодо того, хто отримує доступ до чого, правда?
Стен Гейгер: Правильно. І ви знаєте, це також, знаючи, бачачи, що використання також дозволяє вам зайти туди, і потенціал, як я вже згадував об'єкт в кубі, я можу зробити те, щоб покращити це, що стосується способу, який я будую та проектую речі. Отже, важливо не тільки дивитись на ефективність речей, але й мати можливість переглядати, як ваша схема та ваш дизайн працює на тому рівні, щоб також можна було змінити її. І це просто стає все більшим і більшим, оскільки такі речі, як Power BI, зараз найбільше, з Microsoft, тому тепер я можу створювати власні панелі керування, віджети та інші речі, а не бути розробником BI.
Ерік Кавана: Так. Так, це хороші речі, вони дістаються скрізь, але вам знадобиться якийсь спосіб керувати цим середовищем або ви збираєтеся отримати незадоволених користувачів. Це призводить до нещасного управління, що призводить до звільнення людей. Є досить чіткий ефект доміно, коли речі починають ставати частиною, але це чудові речі.
Тому я якось жував останні п’ять хвилин тут. Робін, у тебе були запитання?
Робін Блор: Ну, я думаю, що насправді це захоплююче, якщо чесно. Мені потрібно замислитися над тим, що в нас було дуже обмежене середовище, а самообслуговування насправді змінює світ, і багато чого насправді відбувається насправді, тому що в навколишнє середовище потрапило набагато більше даних, ніж раніше. Єдине питання: тому що у нас не так багато часу, але єдине запитання, яке я хотів би задати, це так, як ви пояснювали так - бо я вважав, що це дуже хороша демонстрація - спосіб Моніторинг BI працює. Мені було цікаво, що насправді роблять люди, які не мають такого роду речі? Оскільки це повинно бути дуже важко, є ряд речей, в яких ти зміниш, першопричина - це добре, ти не обов'язково завжди добираєшся до першопричини, але ти можеш дістати до першопричини деякі речі що ви дивитесь, що коли ви сказали, що багато людей купують інструмент просто, щоб знати, хто що працює, і що мій розум крутиться, тому що це немов ви не знаєте, хто що працює, то речі виходять з-під контролю. Отже, як виглядає довкілля, коли воно виходить з-під контролю?
Стен Гейгер: Я маю на увазі, ви могли б самі отримати всю цю інформацію, яку ми маємо в цьому інструменті, але вам доведеться написати купу сценаріїв доморощених і тому, що дані там все, просто ви повинні знати, де отримаєте це, що вимагає рівня знань, правда? Отже, у середовищах, де ти не маєш такого рівня знань, в основному, що ти отримуєш, це е, це вгору чи вниз? Я дійсно не знаю, працює вона ефективно чи ні, але це вгору, правда? І тоді я починаю телефонувати або люди дзвонять: "Ей, мій звіт не знаходиться у моїй скрипті, що відбувається?" Або "Я щойно подав цей звіт через служби звітності", або вони можуть робити запит сюди в службах аналізу, але це займає як півгодини, і це займало лише 30 секунд, що відбувається? Ну, тепер вам доведеться зробити вогневу дриль і спробувати це розібратися, а без інструменту стає дуже важко.
Робін Блор: Ну, правда, саме це мені стало все більш очевидним, коли ви продемонстрували кожен з вимірів того, що ви насправді маєте тут. Інша річ, це як на дуже, дуже примітивному рівні, якщо у вас немає попереджень, які говорять про те, що речі йдуть не так, то це просто дорого - ви потрапляєте в дорогу ситуацію, намагаючись вилікувати те, що сталося, тому що ви не дізнайся, поки речі не почнуть сильно перевалюватися, правда?
Стен Гейгер: Правильно, ти не знаєш того, чого не знаєш.
Ерік Кавана: Ви зрозуміли. Ну, ей, люди, ми прогоріли через годину і змінимося, ось. Дуже велика подяка нашому власному Робіну Блору та, звичайно, нашому другові Стен Гейгеру від IDERA Software. Вони будуть в Enterprise Data World, насправді, якщо хтось із вас піде туди, ваш справді буде там і в Атланті. Наш хороший друг, Тоні Шоу, чудово виконує цю конференцію, проводячи цю конференцію вже чотири роки. Це все гаряче. Будемо сподіватися, що ми побачимось там, якщо ні, зверніться до нас на наступному тижні, у нас є ще ряд інших веб-трансляцій.
Завжди цікаво почути ваші думки, надішліть електронний лист, який мені подобається, якщо у вас є якісь питання або пропозиції чи інші технології, про які ви хочете дізнатися в Hot Technologies. І з цим ви збираєтеся попрощатися, люди. Дякуємо ще раз, що приєдналися до нас, ми поговоримо з вами наступного разу. Піклуватися. Бувай.
