Per personal de Techopedia, 29 de març del 2017
A la venda: l' amfitrió Eric Kavanagh discuteix informació sobre negocis amb el doctor Robin Bloor i Stan Geiger de l'IDERA.
Actualment no teniu la sessió iniciada. Inicieu la sessió o registreu-vos per veure el vídeo.
Eric Kavanagh: Senyores i senyors, benvinguts de nou, és el dimecres a les 4:00 Eastern i els darrers dos anys significa que és el moment de Hot Technologies, sí, efectivament. Em dic Eric Kavanagh, seré el vostre amfitrió per a l’espectacle d’avui. M'encanta aquest tema: "Comprovació sanitària: mantenir una empresa sana sana", de què parlarem avui. De debò hi ha un lloc sobre el vostre.
Així que enguany fa calor: Hot Technologies va ser realment dissenyat per definir determinats tipus de tecnologia i us podeu imaginar que al món del programari empresarial hi ha molts i molts venedors que venen tot tipus de productes i el que acaben passant? Són aquests mots de paraula que acaben per acostumar-se i fer-se glomar per diversos proveïdors per a coses molt diferents. L'objectiu d'aquest espectacle és realment ajudar els nostres venedors i ajudar als nostres públics a identificar i embolicar el nostre cap al voltant de què són els tipus de tecnologies específiques i el que signifiquen totes aquestes paraules quan arribeu a les coses més grans.
Així doncs, passaré a ser un dels analistes d'avui, també tenim el doctor Robin Bloor a la línia i Stan Geiger de l'IDERA. Parlem ràpidament de la importància de la intel·ligència empresarial i de les analítiques només en general. Es tracta d’un arbre de decisions bàsic, si voleu, o un diagrama de flux només un tipus de converses sobre com treballar a través de temes de la vostra empresa, tenir debats sobre diferents temes, reunir propostes i després descobrir què en pensen les persones. Hi estan d’acord? No estan d’acord? Quin és el consens, si en teniu, i com podeu treballar mitjançant aquest procés?
Bé, tot és òbviament molt genèric, però és un bon recordatori del procés pel qual proposem idees a les empreses, prenem les nostres decisions per després avançar. I la conclusió és que es requereixen dades per a cadascun d’aquests components. Això és encara més cert en el món del big data, perquè, per descomptat, les big data són com aquest motor de veritat gegant que hi ha. Les dades grans són realment el que està passant; és representatiu de qui és on, què fan, què compren, què és el seu maneig de les xarxes socials, per exemple, tuitejant. Per descomptat, es poden piratejar totes aquestes coses, però cal tenir-ne compte - però la qüestió és que les dades són l'arquitectura de referència, si ho és, per a la realitat.
Per tant, voleu dades en cada moment d’aquest procés de presa de decisions. Ara, el consens és important. Si voleu usuaris feliços, de vegades un patró pot haver d’anar contra el que vol tot el món. Tot just parlàvem de Steve Jobs just abans de començar aquesta transmissió web i ell era notori per aquest tipus de coses. Té un famós pressupost on recomana que la gent ofegui el soroll que senten al seu voltant i que s’enganxi a la seva visió, si saben que el que fan és correcte. Per tant, no sempre cal consens, però normalment és una bona idea. Però l’objectiu general d’aquesta diapositiva i d’aquest comentari és portar a casa la importància que volem prendre les nostres decisions a partir de dades, no només d’instint, tot i que l’intestí sol ser realment bo per ajudar-vos a saber on vol anar i, a continuació, realment voleu validar-ho o invalidar-ho amb les vostres dades. I diria que no tingueu por de mirar cap enrere allà dins, tan sols com un bonic marcador o recorda que quan mireu enrere alguna vegada, com a mínim, podeu obtenir algun quadre de referència i entendre on heu estat venir i ser honest amb els errors que heu comès Tots ens hem equivocat, passa.
Així, si teniu problemes de rendiment en els vostres sistemes d’intel·ligència empresarial, bé, hi ha la vella expressió “la paciència és una virtut”, no us ho puc dir al món de les informàtiques ara mateix. Si els usuaris esperen molt de temps perquè tornin les seves consultes o no rebin els informes, això erosiona la confiança i, quan la confiança ha desaparegut, és molt difícil recuperar-la. Així doncs, hi he posat una línia aquí - uns 40 segons en aquests dies és com 40 minuts en molts casos - si una consulta tardarà 40 segons, la gent s'oblida del que fins i tot parlen, del que demanaven de les dades. Imagineu-vos en una conversa si pregunteu a algú, diguem-ne al cap, que digueu: "Hola, voldria saber per què anem per aquesta ruta". I heu d’esperar 40 segons en una conversa. per obtenir una resposta? Sortiríeu fora de l’habitació! Podríeu pensar que el vostre cap ha perdut la seva idea. Així doncs, aquella latència que tenim en alguns sistemes d’informació, quan hi ha problemes de rendiment, va a truncar el procés analític, el flux analític o, com alguns ho diuen, la conversa que teniu amb les vostres dades. Heu de fer velocitat en aquests sistemes, qualsevol cosa que hagueu de fer per aconseguir-ho, i avui parlarem d’això, això és el que heu de fer, perquè sense aquest fluït d’idees cap endavant i endavant perjudicant realment tot el procés d’analítica. Així que, i una vegada més, faig aquest comentari: la falta de confiança és un assassí silenciós. La gent realment no aixecarà les mans si no confia en tu, però només et miraran de costat i es preguntaran què passa. I, un cop acabada aquesta confiança, tindreu molt difícil recuperar-la.
Així doncs, la intel·ligència artificial, no deixem d’escoltar l’aprenentatge automàtic i la IA i “Ah, això no solucionarà tots aquests problemes?” Robin i jo ja fa anys que parlem de bases de dades d’autoafinació i de totes aquestes coses divertides … Hi ha alguna cosa que succeeix, però només cal fer-te la pregunta: amb quina freqüència s’aconsegueix que Siri sigui correcte per a tu? Amb quina freqüència ha sortit accidentalment Siri, "Ho sento, no ho he aconseguit." És per això que no us demanava res. Vaig tocar accidentalment el botó embrutat. Així que encara hi ha molts defectes, i, per cert, a la part esquerra, aquest és el xip ASIC d’un Apple Newton: recordeu aquell cadell de fa anys i anys? Va ser un dels primers dispositius intel·ligents, i fa molt de temps que és, com és el que vull dir a principis dels 90 o a mitjans dels 90. Que el Newton va sortir i no va anar gaire bé, però tenia la visió; Sabien cap a on anaven, però fins i tot ara, amb l’iPhone AI i l’aprenentatge automàtic, es tracta de conceptes incomprensos, diria.
I, certament, pel que fa a l’aprenentatge automàtic, pot ser molt útil i en realitat es pot utilitzar en alguns d’aquests entorns on s’intenta comprendre què passa amb la vostra arquitectura d’informació complexa, on les coses no funcionen bé. L’aprenentatge de màquines pot ser molt valuós en aquest context, però només si s’aplica d’una manera molt aguda. Aleshores, només estava en un gran esdeveniment a Califòrnia, un dels grans distribuïdors d’Hadoop Cloudera tenia la seva cimera d’analistes i vaig estar parlant amb el seu màxim responsable d’estratègia i em va dir: “Ja ho sabeu, em sembla L’aprenentatge automàtic només fa dues coses: segmenta i perfecciona. ”Això vol dir que us oferirà diferents segments o grups d’activitats, incloses les anomalies, que serien un segment. I s’afina, per la qual cosa t’ajuda a millorar un determinat tipus de decisió. L’exemple clàssic del que escoltes és que hi ha un ésser humà en aquesta fotografia, per exemple. De manera que això és una cosa que pot fer l'aprenentatge automàtic, i és útil en determinats contextos quan es parla de resolució de problemes, perquè podeu buscar patrons de comportament en l'ús de la CPU, en l'ús de la memòria, en la velocitat del disc i en què es fan els discos. i tot aquest tipus de coses divertides. Així que pot ser útil, però és realment una cosa que ha d’estar molt centrada en generar qualsevol valor.
Així doncs, una de les meves coses preferides de què parlem –i veurem una mica d’això, crec, quan agafem la nostra demostració avui d’IDERA–, de moltes maneres, crec que els éssers humans encara aprenen a parlar de silici. . Hi ha una ciència de materials a sota de tot això, i per a aquells que heu realitzat solucions de problemes i realment heu donat un cop d'ull a arquitectures d'informació complexes, quan intenteu comprendre el que passa, fins i tot com en un clúster Hadoop, per exemple, realment. Normalment només heu mirat els histogrames. I aleshores, heu de correlacionar el que aquests diferents histogrames signifiquen en un moment determinat del temps, i això té intel·ligència; que requereix intel·ligència i experiència humana. Per tant, no tinc por gens que la ML, els aprenentatges automàtics o la IA es vagin traient massa feines en aquest món aviat. Crec que sempre hi haurà una necessitat d’éssers humans, que saben sincerament de què parlen per ajudar-nos a fer que tot això passi.
Per tant, seguim avançant. Aleshores, què passa si no us guieu les dades? Aquest és un famós quadre, "El cec que porta el cec", això no és el que estàs buscant, persones. No voleu aquest tipus d’ambient a la vostra organització. El que volem és que volem que les nostres decisions siguin impulsades per dades i volem que les decisions estiguin impulsades per dades bones, dades de bona qualitat i això només passarà si recolliu les dades correctes, si són agradables i netes, i si els vostres sistemes funcionen correctament, si els sistemes de BI són saludables, els vostres sistemes d’analítica són sans i els usuaris aconsegueixen el que desitgen de manera puntual.
Així que amb això vaig a acabar i lliurar a l’inimitable Robin Bloor. Robin, treu-ho.
Robin Bloor: D'acord, bé, gràcies per passar-me la pilota. Jo estava pensant mentre parlava, Eric, només estava pensant en BI i hi va haver una presentació de venedors a la qual vaig assistir fa poc quan algú va remarcar que en un venedor determinat, feia funcionar un sistema en un magatzem de dades malament gran, en un En un moment donat, es podrien fer 70.000 transaccions de BI, la qual cosa permetria presentar informació a molta gent. A mi em va ocórrer que si realment teniu aquest tipus de càrrega de treball i fins i tot perdreu uns segons pel que fa a executar el programari, aleshores serà molt car, i si perds minuts us resultarà horriblement car. Aleshores vaig recordar que una gran quantitat de món funciona en fulls de càlcul. Hi ha, crec, que es deien “sistemes d’ombra”, no? En un primer moment, on la gent només reuniria sistemes que utilitzessin fulls de càlcul i correu electrònic, i farien que les coses passessin, perquè el departament d’informàtica no pot crear aplicacions per a tothom, de manera que ho fan. Crec que hi ha molta BI, tot i així, participa en sistemes com aquest.
De totes maneres, un cop dit això, comencem a parlar del que parlaré. La BI és un bucle de retroalimentació per a sistemes corporatius, és realment senzill o complicat, depenent exactament del paper que jugui a l'organització. Però si ens fixem en això, és un diagrama de fa uns quatre anys, quan estàvem intentant d’una manera o altra comprendre el que estava passant del costat de l’analítica. Però, pràcticament, tot el que es pot observar enrere, contemplar el que ha passat anteriorment, i tot allò que és supervisat, pel que fa al funcionament del sistema, sol ser BI. No solia donar-se el cas que el que era previsible, les analítiques predictius fossin BI, però realment cada cop es dóna el cas. L’Eric va mencionar l’aprenentatge automàtic, en realitat, un munt d’aprenentatge automàtic es pot executar d’una manera o d’una altra amb un flux de dades i pot proporcionar-vos analítiques predictius durant els propers cinc minuts, o fins i tot gairebé en temps real, de manera que podeu respondre a una client, amb un coneixement calculat del que passa realment.
Però el centre d’aquest diagrama, l’interior prové d’analítiques. El que passa normalment és que diverses activitats analítiques s’apunten a col·leccions particulars de dades i s’aprèn alguna cosa nova, s’aprèn coneixement sobre el negoci. I aquest coneixement es troba integrat en els processos empresarials que se’n poden treure. I normalment es manifesta d’una manera o altra a mesura que apareixen alertes de BI, o simplement s’hi posen diverses coses als taulers de comandament, etcètera. Quan realment vam fer això, hi ha quatre termes allà i acaben amb la paraula “vista”, que és molt agradable. Però, en realitat, no tot és el camp del que vol fer la gent, també hi ha el problema de l’optimització i l’optimització no produeix analítiques simples. És un problema molt complex i molts problemes d’optimització no són solubles exclusivament. Només pots tenir bones solucions, no pots demostrar que tens una solució millor. I és que és un àmbit d’activitat, on hi ha activitat, però ho és menys que la majoria d’altres àrees d’analítica. Així, doncs, la gent diu que vivim a l’època de l’analítica, bé, ho fem en comparació amb deu anys enrere, però pot anar molt més enllà del que ja s’ha anat.
De manera que, la creació de BI, el desig de coneixement genera les sol·licituds dels usuaris, que són els projectes analítics beget i els projectes d’analítica que passen a ser llacs de dades, i els llacs de dades, més l’analítica, permeten obtenir visions i visions de BI. Aquesta és una història que acabo de contar; Simplement vaig pensar que ho escriuria. El que he fet aquí, vull dir, el punt complet d’aquesta diapositiva i, en realitat, la majoria de les altres diapositives és simplement emfasitzar el complex que és realment el món de la intel·ligència empresarial. No és una cosa senzilla, podria haver complicat aquesta forma de diapositiva en concret del que és realment, però, a la part inferior, teniu dades externes i dades internes que, d’una manera o altra, s’aniran posant en escena una zona, que avui dia és una mena de dades sobre llacs de dades, tot i que no tothom té llacs de dades. I les persones que no necessàriament tenen èxit. I, després, hi ha una activitat de neteja d’ingestió i una activitat de govern necessària a les dades abans que realment la pugueu utilitzar. Aleshores, serveix aquestes dades i n'informes, o analitzes, i l'anàlisi porta a l'acció.
I si realment mireu els diferents tipus d’anàlisis que hi ha, aquesta és una llista increïblement llarga, però no és necessàriament una llista completament completa, és el que pensava anotar quan realitzés aquesta diapositiva. Així doncs, hi ha moltes coses que es desenvolupen en un entorn de BI: visualitzacions, OLAP, gestió de rendiment, targetes de comandament, taulers de comandament, diversos tipus de prediccions, llacs de dades, mineria de text, mineria de vídeo, coses predictius, hi ha un ampli ventall de coses que en realitat continua Si ho mireu d’una altra manera, la realitat corporativa, bàsicament realment es tracta d’un diagrama similar a l’últim, només es fa d’una altra manera. Vaig separar el que podríeu anomenar BI perquè és regular i se sap el que es requereix, això no vol dir que el que passa realment sigui eficaç, però almenys tindreu coses regulars a la taula, diguem-ne a Tableau o a Click o a Cognos, hi ha una font de tema, etcètera, que passaran a passar diversos informes o capacitats periòdiques. I després teniu les aplicacions d’analítica i són diferents. Com que les aplicacions d’analítica consisteixen realment en explorar dades i, al meu entendre, s’equipara a la investigació i al desenvolupament. I després teniu un flux de treball. En el flux de treball, barregeu les coses amb aplicacions operatives i aplicacions d’oficina, si és necessari, i aquesta és la realitat corporativa tal com ho veig, encara que a la majoria d’organitzacions no està tan ben organitzada.
Així doncs, la interrupció de la BI, això és només un conjunt de coses que cal esmentar fa que la BI sigui més difícil del que era, perquè el vell món de la BI consistia principalment en conjunts de dades bastant nets, capturats d’una manera o altra, probablement des d’un magatzem de dades i alimentats específicament. Programari de BI. I en aquells dies, parlo realment fa cinc o deu anys, però en aquells dies, els volums de dades no s’expandien, es coneixien les fonts de dades. Es coneixia la velocitat d’arribada de les dades, tot i que sovint alguna BI no passaria prou ràpid per a l’agrada de determinats usuaris. No hi havia dades no estructurades, gairebé no hi havia dades socials, sens dubte dades IoT, no t’importava la procedència de dades. El valor de l'ordinador no tenia paral·lelisme quant a la infraestructura per poder fer, d'una manera o altra, les coses extraordinàriament ràpides. No teníeu aprenentatge automàtic i el nombre de càrregues de treball analítiques era prou reduït. Tot i que ha canviat, el volum de dades ara pot créixer molt. El nombre de fonts de dades que continua augmentant. Sí, s’arriba a l’arribada de dades de forma molt ràpida, moltes dades no estructurades, certament dades socials que necessitaran neteja, però ara hi ha altres dades que puguin necessitar neteja, certament dades IoT.
La procedència de les dades és un problema i ens importa. L’alimentació de l’ordinador és allà, que és perfecta, perquè això fa que tot tipus de coses sigui possible, i ara teniu l’aprenentatge automàtic com un fenomen que condueix a la creació de més capacitats de BI i de noves càrregues analítiques que faran el mateix. Així doncs, la BI no és una situació estàtica i crec que això és l'últim que diré abans de lliurar-lo a Stan. Oh, no ho és, hi ha una altra cosa. Paisatge futur del BI, Internet de les coses, arquitectures basades en esdeveniments, tot en temps real, està bé. Ja n'hi ha prou amb l'usuari, per part de l'usuari, per als usuaris en resum dels problemes. Puntualitat del rendiment del flux de dades, cobertura de dades, neteja de dades, habilitats d'accés a les dades, visualització, compartibilitat i accionabilitat.
Així que ara ho puc transmetre a Stan, tret que el servei de BI sigui fiable i oportú, no és un servei. Stan?
Eric Kavanagh: D’acord, Stan, t’estan donant la bola.
Stan Geiger: D' acord. Així doncs, del que vaig a parlar només són els meus antecedents. Sóc responsable d’IDERA en gestió de productes i una de les responsabilitats que tinc és el nostre producte d’oferta d’intel·ligència empresarial. Així, doncs, vaig a aprofundir una mica sobre el que estava parlant Robin i parlar de l’àrea clau amb la intel·ligència empresarial que supervisa la salut de la vostra plataforma. És com va dir, ara era on teníem totes aquestes dades i trigarien setmanes a analitzar-les, i després tornaríem amb informes i coses. Però el paisatge de la BI canvia de tal manera que ara ens acostem a les analítiques gairebé en temps real. I en molts casos, analítiques en temps real. Així doncs, parlo una mica d’aquesta diapositiva, es tracta només d’una mena de visió general i, de la mateixa manera que una divulgació completa és que vaig a parlar-ne des d’una perspectiva de Microsoft, però tots aquests conceptes van sobre si la vostra BI. Les plataformes són a Oracle, o utilitzeu Informatica i Oracle, o simplement entorns híbrids en mode de mescla. Només vaig a utilitzar en referència a l’entorn de Microsoft, però això és bastant estàndard.
Robin tenia una diapositiva allà que tocava això, és que teniu sistemes font on teníeu totes les dades assegudes, i ara solien ser aquestes en bases de dades relacionals i emmagatzematge de dades com ara, però Ara tenim Hadoop i Internet i coses, i totes aquestes dades no estructurades que s’hi troben, i ara podem incorporar-les a aquesta arquitectura de BI. De manera que el nivell mitjà que hi ha es parla una mica és l’emmagatzematge de dades en agregació; aquí és on tirem dades, podríem netejar-lo, podríem reestructurar-lo i, després, introduir algun tipus de magatzem de dades i, a continuació, la capa de presentació es troba al lloc i allà és on hi accedeixen els usuaris. I fem anàlisis sobre aquestes dades en aquests magatzems de dades, i estem fent taulers de comandaments, i tenim al Tableau assegut allà, informant serveis, coses així. Sempre em faig riure perquè quan era arquitecta de BA, sempre hem parlat de l’excel·lència, perquè siguem perfectes, Excel és l’eina BI de les masses, encara.
Així doncs, hi ha una mica de visió general, però només per parlar d'un tipus d'arquitectura de plataformes, teniu les dades d'origen i us en parlem en diversos magatzems de dades. Aleshores, tinc el meu emmagatzematge agregat al món de Microsoft, tindreu la vostra base de dades SQL Server, potser on es troba el vostre magatzem de dades, potser tindreu el vostre magatzem de dades al núvol, com a magatzem de dades. Teniu serveis d’anàlisi, que són els vostres tubs OLAP i coses similars per fer agregacions i coses al voltant de mirar coses de diverses dimensions i similars. A continuació, teniu la capa de presentació, de la qual us en parlem breument, de totes aquestes coses que se situen a sobre d’aquests magatzems de dades i agregacions. I sempre m’agrada aquesta cita, "No sabeu el que no sabeu", que és cert. Si no esteu fent un seguiment i no esteu veient el que passa, a totes aquestes àrees de la vostra plataforma de BI, com sabeu quan teniu un problema que no sigui quan els usuaris comencen a enviar-vos correu electrònic desagradable i el telèfon arrenca. sonant per què no s’estan publicant els meus informes? Per què tot dura tant?
D’aquesta manera, en què heu de fer, heu de ser capaços de supervisar les vostres plataformes de les quals proveïu la informació empresarial. I bàsicament ho vaig desglossar en tres àrees: teniu disponibilitat, rendiment i utilització. Disponibilitat és a dir, si el recurs està disponible: està a l'alça o a la baixa? Bastant simple allà. Però, a més, en veure quan en teniu, pot ser que la plataforma estigui disponible, però és possible que tingueu problemes allà, així que haureu de ser capaços de fer la identificació de causes primàries; Haureu de poder alertar i fer que algú sàpiga el que passa, abans que les coses arribin a un estat crític. Això condueix a la cara del rendiment, també, teniu coses des del nivell de mètrica del rendiment, al nivell del servidor, on s’allotgen els serveis o els serveis de BI o les plataformes de BI; teniu un rendiment a nivell de recursos on potser estic accedint a dades d'un SAN, per exemple. La SAN és el recurs, recursos de xarxa, haureu de ser capaços de controlar el rendiment de tot això, per poder identificar colls d'ampolla i mantenir els vostres usuaris feliços i si esteu en un entorn on esteu fent reals. analítiques de temps, haureu de ser capaços d’identificar els colls d’ampolla o problemes abans de començar.
I l’última teoria és la utilització: què fan els usuaris? Qui està connectat a les meves fonts de BI? Qui corre què? Quines consultes s’executen? Quins informes publiquen? Conèixer aquesta informació ajuda a determinar i fer la planificació de la capacitat, per exemple. També mostra el que s’utilitza al vostre entorn BI. Teníem un client que volia el nostre producte de control de BI per tal que sabessin quines parts de l’entorn de BI utilitzaven perquè poguessin moure recursos. Per exemple, si no utilitzaven certs informes o determinats cubs de serveis d’anàlisi, es mourien recursos d’això cap a altres àrees que s’estan utilitzant molt. Una altra cita que m'agrada, m'agraden les pel·lícules fantàstiques com "Tremors", així que us expliqueu la meva pel·lícula, així que m'agrada aquesta cita de Burt Gummer, que va ser interpretada per Michael Gross, ell és el tipus de pistola supervivent i diu. apareix i treu aquest rifle de franctirador de 50 calibres i un dels nois diu: "Maleït, Bert". I respon: "Quan ho necessiteu i no el teniu, cantareu una melodia diferent. És a dir, què saps? Estava preparat per a qualsevol cosa i venia preparat per a qualsevol cosa, i, per això, el que vull dir és que si no controleu el vostre entorn de BI a partir de recursos i utilització i de les coses que us parlava, no us adonareu que necessiteu una eina o un entorn o estructura que el segueixi fins que no el tingueu. Aleshores, t’adones que realment necessitava que avancés, i és així com són molts els nostres clients.
Així doncs, un cop dit això, ens endinsarem i farem un cop d’ull al que fem aquí a IDERA per resoldre alguns d’aquests problemes. I …
Eric Kavanagh: D'acord, hi aneu, ho veig.
Stan Geiger: Ho veieu? Bé. Per tant, el que hem aconseguit és aquest és el nostre producte de BI Manager. I controlem, IDERA ha estat tradicionalment una empresa de l'entorn de SQL Server, Microsoft SQL Server. I després vam comprar a Embarcadero, de manera que ara hem ampliat a algunes altres plataformes, però el nostre producte de BI supervisa tradicionalment la pila de BI de l'entorn de Microsoft. I això serien serveis d’anàlisi per a la vostra anàlisi i tabular multidimensionals, serveis d’informació, eina d’informació i, després, serveis d’integració, que és una plataforma ETL, similar a com Informatica.
A través del nostre producte, podeu controlar els tres entorns a través d’un producte, i el que veieu aquí és el quadre de comandament general, i el que cal tenir en compte aquí és quan us en parlem d’alerta, és una cosa de controlar, però això no és suficient: cal disposar d’un mecanisme d’alerta. És a dir, necessito ser notificat abans que les coses arribin a un estat crític. Per tant, el que fem aquí, hi ha un conjunt de mètriques que capturem que es poden configurar perquè, segons el vostre entorn, certs llindars, podeu estar bé amb un temps de lectura de trenta mil·lisegons al vostre entorn. Altres entorns pot ser més crític que aquest llindar sigui inferior, per la qual cosa és important no només tenir alerta, sinó tenir-lo configurable perquè els entorns són diferents segons els recursos.
Així, bàsicament, es tracta d’una visió general de tots els entorns que s’estan controlant aquí, i en tinc tres casos: un per a serveis d’anàlisi, un per a serveis d’integració, un altre per a informes de serveis. I veieu que tinc un parell d'alertes aquí. I com que aquests són vermells, em diu que són crítics, perquè tinc diversos nivells que puc establir aquestes alertes, i les alertes es poden enviar per correu electrònic a persones responsables de mirar el problema. Així que, només breument, donem un cop d’ull i tornaré a l’alerta, per poder entrar a la peça de serveis d’anàlisi i és que estic segur que espera estar carregat aquí. I bàsicament, el que fem, tenim una recollida de dades; surt per allà de forma periòdica i surt d'allà i recopila i instantània de què fan els vostres entorns. Per tant, tinc el meu set cada sis minuts, de manera que cada sis minuts surt per allà i contempla l’entorn. Vaig tenir la meva màquina virtual adormida durant un temps, així que caldrà un segon perquè torni a aparèixer. Allà anem.
Per tant, fem una ullada a la peça de serveis d’anàlisi i, per tant, vaig a fer clic a la meva instància aquí, i recordo que he parlat d’una de les coses que controlem és el rendiment a nivell de servidor, perquè molta gent té diverses coses. funcionant al servidor. És possible que tingui una base de dades en funcionament al meu servidor, així com serveis d’anàlisi, per exemple. Per tant, si hi ha alguna cosa a la base de dades o tinc un problema a nivell de servidor, tindrà un impacte sobre el que hi hagi. Per tant, controlarem les coses del servidor a nivell del servidor, com ara el rendiment del disc i podrem veure que captem mètriques al voltant de tot això. I tot això es pot configurar. I faig un cop d’ull al que passa, encertat per la CPU, just, i de nou, això és a nivell de servidor, no a nivell de serveis d’anàlisi del meu exemple aquí. Però en realitat a nivell de servidor.
Puc mirar coses com ara què és la memòria, com ara la utilització general de la memòria, què hi ha disponible? Així que ara em faig una idea de la salut del servidor. A continuació, podrem començar a fer una ullada a les coses que són particulars, en aquest cas els serveis d’anàlisi. Puc mirar i veure com va el meu processament de cubs aquí, per exemple, i això em proporciona una mesura de la salut. Si començo a veure que el processament triga més, o no es van escrivint les files gairebé tan ràpidament, llavors puc començar a fer una ullada - i això va a la peça de correlació de la qual crec que Robin parlava, és que encara necessita un ésser humà per poder fer tot això. Parlem d’IA, d’aprenentatge automàtic, però encara necessita un humà per poder correlacionar aquests esdeveniments al voltant de les coses. Podem fer una ullada a coses com el que passa a les consultes en qüestió, quines consultes s’executen i quant de temps es triguen? Puc ordenar, de manera que puc començar a fer-me una idea de quines consultes porten el temps més llarg. Podeu fer una ullada aquí al temps transcorregut, puc fer una ullada i veure bé, què era aquesta consulta i qui estava executant la consulta en aquell moment?
Aleshores, puc començar a explicar una història al respecte, ja que quan començo a veure que les coses comencen a girar, puc tornar enrere i veure què estaven fent els usuaris en aquell moment. I veureu que una de les coses que fem és que introduïm aquest selector horari aquí perquè us permeti escollir una finestra del temps. Així, per exemple, puc tornar a aquestes alertes i, en realitat, era un enllaç en les alertes que feu clic, i em donaria aquest moment en el moment en què es va produir aquesta alerta. Aleshores puc començar a combinar la història, puc veure, oh, bé, les lectures del disc estaven en funcionament o tenien problemes de memòria o qualsevol cosa i, a continuació, puc saltar sobre l'activitat de consulta en aquest mateix moment i, realment, puc començar correlacionant qui estava publicant quines consultes hi podrien haver provocat aquestes punxes. Aleshores, podeu començar a fer coses com si jo pogués començar a afinar, és quan començo a afinar. Això és com un cotxe, si construïu un cotxe de carrera i només deixeu caure el motor i comenceu la clau que podria començar el motor, però si he de recórrer 180 milles per hora per guanyar, he de saber que el motor pot funcionar 100 quilòmetres per hora i necessito entrar-hi i començar a ajustar aquest motor per poder-hi arribar. I això, això us permet fer, és poder donar-vos informació suficient per començar a ajustar el vostre entorn, per augmentar la salut i la producció d’aquest entorn i l’eficiència.
A continuació, controlem les coses a través de la memòria que és particular dels serveis d’anàlisi, en aquest cas. I aquí és on podeu començar a veure on les coses podrien començar a desconcertar, quan comenceu a veure les coses que s’alcen per sobre entre els vostres límits de memòria, coses així. L’altra cosa que és bona de mirar, sempre que publiqueu qualsevol tipus de consulta, voleu que les dades s’acostin a la memòria cau, ja que quan es queden en memòria cau, és de memòria i no cal llegir del disc, que és molt més més eficient que haver de llegir dades del disc. Així que podeu començar a fer una ullada a les coses que estan passant, disculpeu-me, per exemple a la memòria cau de dades. Vaig tenir un munt de consultes en funcionament abans, per obtenir aquestes dades, i podeu veure que he tingut la majoria del temps, els encerts de caché i les recerques es solapen. Això és bo. Però vaig tenir un període aquí en què els resultats eren molt inferiors al que eren les recerques, cosa que em diu que tenia alguna cosa que passava amb molta memòria, de manera que la memòria cau s’enfilava molt més ràpidament, de manera que les dades havien de ser llegir des del disc. I ho podem veure quan mirem el motor d’emmagatzematge. Aquest és el mateix punt que l’altre gràfic i es pot veure la punta d’aquí, on les consultes del fitxer realment van augmentar durant aquest període. I això vol dir que s’estaven llegint dades des del disc. Ara, puc tornar enrere i correlacionar-ho a les consultes que s’executaven i no fer que les orelles de tothom sagnessin, però als serveis d’anàlisi utilitza un llenguatge anomenat MDX, hi ha maneres d’escriure les consultes de manera més eficient, de manera que s’utilitza la memòria cau. de manera més eficient i menys emmagatzematge. Per tant, hi ha un exemple d’ajustar el motor i us proporcionarà totes les peces necessàries per poder-ho correlacionar.
Només ràpidament, també podem canviar-ho d’una altra manera, quan ens fixem en les consultes, podem veure ara les sessions, qui està realment connectat en aquest moment i què funcionen? Així, aquest tipus de dades us ofereix la visió contrària de les consultes i de les persones que les publiquen. Aquest és qui està connectat i, a continuació, puc veure què funcionen actualment. L’altra cosa, només per passar ràpidament, és que podreu veure tots els objectes dels meus cubs MOLAP multidimensionals. I puc obtenir informació al respecte. Així, per exemple, puc ordenar aquesta columna de lectura i puc veure que l’objecte més utilitzat és la dimensió temporal i el segon més utilitzat és la dimensió del client. I això ajuda les persones que desenvolupen i construeixen coses per construir de manera més eficient els seus cubs. Potser vull canviar la meva estratègia de particions de les dades, per exemple, sobre aquestes dimensions molt utilitzades del meu cub i, per tant, augmentarà el rendiment de les consultes, per exemple. Pot ser que disminueixi el rendiment de processament del cub, ja que ara tinc més particions, però des de la perspectiva de l’usuari es posarà a punt aquest motor, per ser més eficaços per utilitzar aquests objectes.
Per tant, continueu, parlem de serveis d’integració aquí. Els serveis d’integració, he esmentat, són una plataforma ETL en un entorn Microsoft. El que fem aquí, i això és coherent, controlem el rendiment del servidor i aquestes serien les mateixes mètriques que hem vist, perquè tots els meus serveis funcionen al mateix servidor. Però de nou, aquesta és una visió general del que passa al servidor. Aleshores puc mirar l’activitat dels serveis d’integració, els meus processos ETL. Per tant, puc fer una idea de quan van funcionar aquests processos, tinguessin èxit o no, puc ressaltar una execució particular d’un procés ETL i, a continuació, em mostrarà el desglossament dels passos dins d’aquest procés ETL, tant si va tenir èxit. o no i quant de temps va trigar.
Ara, si tingués un paquet fallit aquí el procés ETL, podria baixar als detalls i veure el missatge d'error i em mostrarà quin pas en aquest paquet on va fallar aquell procés ETL, juntament amb tots els missatges associats. Aleshores, el que fa, és que em dóna, i puc obtenir una alerta si falla, així que si rebo una alerta, puc entrar aquí, veure, anar a aquesta alerta, veure la fallada del paquet, veure els passos, vegeu on ha fallat, mireu el missatge d'error i de seguida sé què he de fer per solucionar-ho: tornar a instal·lar-lo i tornar a iniciar-lo. Per tant, el que això permet fer és anomenar escurçar aquesta finestra entre la identificació del problema i la resolució del problema. Així, a la vida anterior, quan era responsable d’aquest tipus de coses, teníem un procés ETL que funcionaria de nit, per carregar el nostre magatzem de dades. Si tingués aquesta informació, primer al matí quan he entrat, si alguna cosa fallava, llavors puc adreçar-la ràpidament i recuperar aquest procés per assegurar-me que el magatzem de dades estava en funcionament i actualitzat i actualitzat per als usuaris. va entrar i va començar a accedir als informes.
L’altra cosa és que tinc dos processos que s’executen, és mirar i veure com va funcionar el pas del temps. És important perquè si començo a veure aquests processos, per exemple, triguem més, veient que aquests temps s’eleven, llavors potser haureu de fer una ullada a, per exemple, la meva finestra de manteniment, potser tinc coses que s’estan passant en aquest servidor. . Preneu, per exemple, còpies de seguretat; És possible que tingui una còpia de seguretat que fa que el meu procés s’esperi fins que no s’acabi. Pot ser que hagi de tornar a programar o fer malabarismes als meus processos al voltant de coses que comencen a afectar el meu ETL
I l’última peça és informar de serveis. Els serveis d'informació són Microsoft, bàsicament la seva eina d'informació empresarial. I algunes de les coses, un cop més, podem mirar les coses a nivell de servidor, podem mirar coses del servidor d’informes, el servidor de serveis d’informació, en si. No tinc gaires coses per aquí; Tinc algunes subscripcions que es fan cada 15 minuts per executar un informe. Per tant, no veureu moltes connexions actives perquè s’encén, es connecta, s’executa l’informe, es desconnecta i l’envia.
Però, en entorns transaccionals elevats, on es fa molta informació, poder supervisar aquestes coses és clau. Per tant, podeu veure on passava les coses aquí, així que us dóna una idea molt bona de què passa, des del nivell de servei i plataforma real. I després, com he parlat a les diapositives, és qui funciona i què fan? I un dels nostres clients va comprar aquest producte només per a aquesta peça perquè volien saber quins informes corrien les persones i qui estava publicant aquests informes. Aquesta és una de les opcions d'aquesta execució de l'informe que podeu veure aquí. Puc veure quin informe, puc veure els paràmetres que hi havia en aquest informe, puc veure qui l’executa, puc veure el format de l’informe. Aleshores, tinc totes aquestes mètriques al voltant, de manera que si de nou puc classificar aquestes coses, per exemple, quin informe va trigar més temps a recuperar dades i puc anar directament a això i veure quin informe és. I, de nou, tot això em dóna dades per tal de poder sintonitzar el motor de nou. Ara, puc començar a ajustar el meu entorn d'informes al respecte.
I l’últim, és que puc fer una ullada a l’activitat dels usuaris, a qui està connectat de nou a l’actualitat, què fan? Realment, en un entorn on tinc diversos usuaris, es poden classificar, de manera que puc veure qui més utilitza l'entorn. Per tant, només cal tornar enrere i fer una ullada a aquestes alertes. Aquí hi havia aquesta alerta; Puc fer clic en aquest enllaç aquí i em portarà al gràfic per a aquest moment i em mostrarà quin estava sota alerta. Així que podeu veure aquí, que és el que va fer que fos la mitjana de mil·lisegons per escriure, per exemple, llegir i escriure. Per tant, de nou, només cal intentar obtenir aquest punt d’identificació dels problemes. I és realment important tenir una eina holística, no només una cosa que es fixi en una cosa, perquè l’ésser humà ha d’entrar aquí i correlacionar aquests esdeveniments que s’estan passant, per la qual cosa haureu de poder mirar què passava en aquell moment. apuntar en el temps a través de les diverses àrees d’aquest entorn i això és una de les coses que fem a través d’aquest selector de temps aquí.
Eric Kavanagh: Sí, aquí es tracta d’Eric només amb una pregunta ràpida, “perquè crec que probablement et toqueu l’ungla al cap, i això és el que estava parlant al capdamunt de l’hora, que un ésser humà ha de venir. i dibuixa aquestes correlacions entre diferents entorns. Tinc curiositat per saber-ho, hi ha algun material educatiu que pugueu compartir o, potser, feu algun tipus de compromís amb persones que els ajudin a identificar alguns d'aquests patrons? Com en cas que vàreu tenir un exemple realment fa un minut, sobre quan un d’aquests fa voltes que us diu que està passant alguna cosa a la memòria perquè intentava buidar la memòria. I us dóna una pista, però, com és que la gent assenyala aquestes estadístiques davant problemes del món real, és la qüestió real.
Stan Geiger: Sí, aquest és un bon punt i una de les coses que parlava, el full de ruta del producte, és que a finals d’any sortirem una versió i una de les coses que començarem a afegir és a cadascun d’aquests gràfics, és una descripció del que significa aquest gràfic i per què s’ha d’importar-ne, i quin és l’impacte d’aquest. Per tant, podeu fer clic en un signe d'interrogació o alguna cosa en aquest gràfic i, a continuació, obrir una finestra que us proporcionarà molta informació i us dirà que són les possibles causes, aquestes són les àrees que us afecten i us guiaran Vostè, en la direcció de poder anar en aquest cas, com heu dit, aquí és aquell punt àlgid, sé per la meva experiència personal què significa això. Aleshores puc començar a anar i començar a perforar cap a una zona i trobar-ne la causa.
Ara, en tenim una gran quantitat, en el nostre producte de gestor de diagnòstic per a SQL Server, per a la base de dades real. Tenim molta d'aquest tipus de funcionalitats en un producte com aquest i, a més, tenim alguns punts d'anàlisi del gestor de diagnòstic que us indiquen molt més de pressa. I és aquí on anem pel camí amb aquest producte.
Eric Kavanagh: I suposo que hi ha signatures de certs tipus d’activitats. Aquesta eina us permet identificar quan es va produir un tipus d'esdeveniment i un catàleg que, amb el pas del temps, es reconeixerà un patró similar a la línia i us ajudarà a saber si és un usuari nou, per exemple, fent servir el la mateixa eina? Us ajudarà a comprendre, oh, això és perquè aquests servidors es van reduir o perquè aquesta regió es va reduir? Hi ha alguna manera de catalogar signatures de problemes, de manera que després pugueu identificar-les fàcilment?
Stan Geiger: No, en realitat, però en realitat és un concepte interessant, perquè és gairebé com, com és, com és l'anàlisi de components de principi, suposo: on identifiqueu els patrons i registreu aquests patrons, així que si els veieu de nou podeu tornar enrere i veieu, d'acord, aquesta va ser la causa en aquest moment. Sí, això és alguna cosa, no es troba en el full de ruta, sinó que he estat pensant des del punt de vista de la gestió del producte.
Eric Kavanagh: m'imagino. Oh, endavant.
Stan Geiger: No, anava a dir - i rebem moltes sol·licituds, perquè no sé quina és la vostra experiència, però el que trobem és que els DBA coneixen bases de dades com el dors de la mà, però les coses de la BI són com una caixa negra quan es tracta de la salut de la plataforma. I no n’hi ha, no tenen molta base de coneixement al respecte. Ho faig, només d’haver-hi treballat durant cinc o deu anys, no? Però les persones típiques són les encarregades de trobar-les o rebre alertes i esbrinar què passava, per a elles és una mena de caixa negra.
Eric Kavanagh: Sí, m’imagino. També tindria curiositat de saber-ho, així que mostràveu en aquella pantalla com podeu veure totes les consultes que passen, quant de temps van trigar a executar-se i qui les va generar. També podeu veure l'estructura real de la consulta SQL i quin tipus d'anàlisi al voltant? Com potser, de vegades, les persones ajunten consultes SQL molt voluminoses, diguem-ne més pesades, en contraposició a un mestre que realment combina una bona i estreta consulta. És una cosa que podeu visualitzar mitjançant aquesta eina i, a continuació, ajudar-vos a ser el problema?
Stan Geiger: Sí, així que el que podeu fer és, com el que he fet aquí, és que he acabat ordenant per temps transcorregut, per exemple. Per tant puc veure els que van trigar més temps i, a continuació, obtenir el text, però, algú que és més o menys expert en la matèria, pot mirar-ho i anar: "Oh, d'acord, aquí és el que va trigar tant. ". És una cosa que tenim un tipus d'anàlisi de càrrega de treball, l'anomenem SQL Workload Analyzer per al costat de la base de dades, que m'he enganyat amb la idea que potser hi ha una cosa similar per identificar-la. aquestes consultes i, a continuació, us proporciona recomanacions sobre com ajustar aquestes consultes. Però un dels problemes és que aquesta consulta MDX és un llenguatge força especialitzat.
Eric Kavanagh: Sí, m’imagino. Però podeu veure, per exemple, qui és la gent, per la qual cosa no és massa difícil esbrinar si una persona, si un home és el responsable de deu de les consultes de procés més llargues, si no hi ha res més que el podeu trucar o trucar El seu directiu o algú i digueu: "Hola, aquest noi mastega molta amplada de banda", i potser resulta que són les consultes més valuoses del negoci, oi? Cal dir-ho en el context del valor del negoci, des de les pròpies consultes, no és només un joc de números clar, oi? És per esbrinar, aquest noi és el nostre usuari de poder, i ell és el que canvia el negoci, oi?
Stan Geiger: No, tens tota la raó. Vull dir que, una de les maneres en què els clients ho fan, és poder fer-ho. Tal com heu dit, és possible que trobeu una àrea, ja que una de les coses que parlo, sempre escorre a Excel, però podeu connectar-vos a serveis d’anàlisi a Excel i executar taules de pivot fora d’OLAP, i genera les seves pròpies consultes i els envia i, de vegades, no són la millor forma, de manera que podeu tornar enrere i identificar-los, reescriure'ls i donar-los a l'usuari i deixar-los executar fora d'allà, de manera que no trigui ni mitja hora. que tornin a la seva taula de pivot.
Eric Kavanagh: Exactament. I quan parlem de consultes, els vostres usuaris tracten la gamma de consultes, de manera que heu esmentat MDX, què passa amb algunes de les altres consultes com una consulta DAX o algunes d’aquestes altres?
Stan Geiger: Sí, cobrim, sí, qualsevol DAX i MDX tots dos. Una de les coses que no he mencionat, o que ho he fet, potser, però sí que donem suport tant a tabular com a OLAP a Microsoft i DAX, ja que crec que tu i jo en parlem fa una estona enrere. més tabular ara que som OLAP. Perquè és més fàcil presentar models de tabula i coses així, i així veureu consultes de DAX òbviament, però també en recollirem aquestes.
Eric Kavanagh: Sí, això és interessant. Teniu algun context al voltant per què passa això? Potser és perquè cada vegada hi ha més persones que entren en aquestes coses i perquè OLAP, per descomptat, no és una cosa nova, hi ha hagut durant almenys 30 anys?
Stan Geiger: És correcte, bé, és una combinació, una de les coses és dissenyar cubs és un art. I es van crear cubs per agregar dades prèviament, de manera que és realment ràpid obtenir dades, però processar el cub triga un temps perquè cal fer totes aquestes agregacions. I aleshores, el maquinari va anar més barat i la memòria va ser més barata, i tothom tot sortia amb les bases de dades columnar i les bases de dades a la memòria, realment. I, a més, el tabular és probablement el més proper a les bases de dades relacionals tradicionals i és molt més fàcil i ràpid crear models de tabulars que amb OLAP. Però l’inconvenient és que resideix a la memòria, tot el que resideix a la memòria, de manera que té molta memòria i les dades no s’agreguen fins que no ho sol·liciteu. Així, però, tot això, comencem a veure molt més tabulars per aquí.
Eric Kavanagh: Això és interessant. També pot ser perquè aquesta indústria s’estan aplanant una mica, i el que vull dir és que aconseguim molta més gent que interactua amb les dades i que utilitzi diverses eines i, certament, quan parles de Microsoft, crec. aquest és definitivament el cas que teniu molts i molts més usuaris per a petites i mitjanes empreses i, fins i tot, algunes organitzacions més grans que s’estan cercant coses, accedint a eines, que fan consultes i potser no coneixen el mateix Tot el procés i les tecnologies al voltant de la construcció de cubs, al vostre punt, oi? Perquè cal pensar una mica, i també és car, oi? Es necessita temps, es necessita energia per construir aquests cubs a menys que s’utilitzin algunes de les tecnologies més noves. Com ara, hem parlat amb empreses com Snowflake, per exemple, està fent coses força interessants, però crec que tens molta més gent que utilitza les coses i probablement vagin amb el que acaba de descriure, que és el format tabular., al contrari que es construeixen formalment cubs, no?
Stan Geiger: Sí, bé, vull dir, suposo que Excel, quan heu estat, Power Pivot, crec, això és tabular, si us hi fixeu; és la forma com es construeixen models tabulars. Aleshores, la següent iteració va ser: us puc dir els meus models tabulars que construeixo i els desplejo a SQL Server per poder compartir-ho amb tots els altres. Així, doncs, és una mena d’extensió natural fora d’Excel gairebé.
Eric Kavanagh: Sí, aquest és un bon punt. El que hem vist durant els últims, diria entre cinc i set anys, és només una tremenda expansió de l’ús d’aquestes tecnologies, oi? I, francament, Microsoft ha estat un pioner en això, realment democratitzant les dades de poder a través dels serveis d’anàlisi i mitjançant Power Pivot, oi? Vull dir, aquest era un canvi de joc per a la indústria, oi?
Stan Geiger: Sí, no, tens tota la raó. Vull dir, tinc una diapositiva quan faig una presentació més llarga que mostra la transició d’anar del model semàntic, que era l’OLAP, al tabular. I crec que tinc un pressupost de Microsoft; volen dades de la mà dels usuaris, no només a la paret de la botiga informàtica, sinó que volen obtenir més de les dades en mans de les persones que el consumeixen.
Eric Kavanagh: I això torna a la primera diapositiva molt senzilla que vaig mostrar, que va ser el procés bàsic de presa de decisions per a qualsevol organització, i ara, i crec que això és una cosa fantàstica, cada cop som més gent. de tota la jerarquia de l’organització, atenent el que passa, portant la seva història a la taula i ho fas amb les dades, aquesta és la línia de fons, vull dir, podeu utilitzar altres mitjans, però si feu una història de les vostres dades, tindreu arguments molt més forts que els que no ho fan, oi?
Stan Geiger: Exactament, sí. Com si, sí, és així. Vull dir, per això ara solia ser "Ei, necessito aquest informe", així que ara he de passar per la sol·licitud de l'informe i he de passar per aquí i obtenir el meu informe, i ara puc estar-me Allà mateix, al meu despatx i realment només tinc accés a les dades generades, tinc les meves decisions empresarials.
Eric Kavanagh: És cert. Ja sabeu, vaig tornar d’una conferència la setmana passada i hi va haver un comentari histèric d’un tipus que gestiona un entorn de BI bastant gran per a la botiga Target, i feia referència a analítica d’autoservei i BI d’autoservei, i evidentment. aquest és un gran problema aquests dies. Estic segur que és una cosa que condueix a l'IDERA a realitzar una gran activitat perquè, quan desitgeu tenir un servei d'autoservei, en primer lloc és millor que tingueu un entorn BI saludable, oi? Si voleu que sortiu tot tipus de persones allà on es plantegen tot tipus de preguntes de tota manera, voldreu tenir aquí una cosa com aquesta eina, per poder entendre qui pregunta quines preguntes i on. I la divertida cita que llançaré només per les patades aquí, com heu dit, "Hi ha una línia fina entre el BI-autoservei i el F mateix."
Stan Geiger: Sí.
Eric Kavanagh: Vaig pensar que era histèric. Però veieu que la tendència d’autoservei realment genera molta consciència sobre el que feu amb la tecnologia?
Stan Geiger: Sí, perquè, com heu dit, si voleu permetre l'autoservei de BI, probablement tindreu problemes de rendiment, a causa de només: A) la quantitat d'accés, la quantitat de persones que hi aneu. a les dades, i B) la quantitat de consultes mal formades i les formes d’accedir-hi que teniu. Així que, realment, és imprescindible controlar l'entorn perquè puguis mantenir feliç a tothom que està intentant consumir les dades, oi?
Eric Kavanagh: Sí, crec que és exactament. És una benedicció i una maledicció: és bo que la gent tracti d'utilitzar les coses, però, de nou, segons el vostre cas, si no teniu l'eina adequada en aquest moment, seràs un campista infeliç perquè rodoli. fora d'autoservei sense una eina com aquesta, em sembla que només demana una muntanya de problemes.
Stan Geiger: Sí, vull dir, és semblant a quan jo estava construint magatzems de dades, és com si no rebessis les dimensions i les taules de dades correctes, i ho voldries per informar ad hoc. roca.
Eric Kavanagh: Això és impressionant. Sí, és bona, de nou, és una bona notícia que la gent utilitzi aquestes coses, però crec que he de creure que el servei d’autoservei portarà molta activitat pel que feu, perquè parleu de rampes. augmenta la quantitat de tensió i la pressió de aquests sistemes per ordres de magnitud. No només per un, o per dos ordres de magnitud i és aquell punt que realment voleu tenir certa visibilitat i voleu veure qui fa què, on, quan, com i per què. Feu aquestes preguntes i, a continuació, prengueu algunes decisions sobre com podeu supervisar i canviar l'entorn i canviar les vostres polítiques de qui té accés a què, oi?
Stan Geiger: Dret. I també ho sabeu, sabent, veient que la utilització també us permet entrar-hi i, com que he esmentat l'objecte dins del cub, puc fer coses per millorar-ho, fins a la forma de construir i dissenyar. coses. Per tant, és imprescindible que no només es tingui en compte el rendiment de les coses, sinó que també es pugui veure com funciona el vostre esquema i el vostre disseny a aquest nivell, per poder-los fer modificacions. I només serà cada vegada més gran, ja que coses com Power BI és el gran problema ara amb Microsoft, per tant, ara puc crear els meus propis taulers i widgets i coses, i no haver de ser un desenvolupador de BI.
Eric Kavanagh: És cert. Sí, és bo, està arribant a tot arreu, però necessitareu alguna manera de gestionar aquell entorn o bé obtindreu usuaris infeliços. Això comporta una gestió desgraciada, que condueix a acomiadar la gent. Hi ha un efecte de dòmino bastant clar quan les coses comencen a defallir, però això és fantàstic.
Per tant, em vaig mastegar els darrers cinc minuts aquí. Robin, tens alguna pregunta?
Robin Bloor: Bé, crec que és fascinant, en realitat, ser sincer. Em fa pensar en el fet que teníem entorns molt limitats i que l'autoservei està canviant el món i moltes coses passen realment perquè hi ha hagut moltes més dades al medi ambient de les que havien passat abans. L’única pregunta, “perquè no tenim molt de temps, però l’única pregunta que m’interessaria plantejar-lo és que explicàveu la manera que, perquè pensava que era una demostració molt bona - de la manera que La supervisió de la BI funciona. Em preguntava què fan realment les persones que no tenen aquest tipus de coses? Com que ha de ser molt difícil, hi ha diverses coses en què es diferencia, la causa principal està bé, no necessàriament sempre s’arriba a la causa principal, però es pot arribar a la causa arrel amb algunes de les coses. que estàs veient, que quan vas dir que diverses persones compren l'eina només per saber qui funciona, i que la meva ment gira, perquè és com si no saps qui funciona, i tot això està fora de control. Aleshores, quin aspecte té l’entorn quan es descontrola?
Stan Geiger: vull dir, podríeu obtenir tota aquesta informació que tenim a l'eina tu mateix, però hauríeu d'escriure un munt de scripts casolans i fer que les dades estiguin allà, només heu de saber on obtenir-lo, que requereix un nivell d’expertesa, oi? Per tant, en entorns on no teniu aquest nivell d’expertesa, bàsicament, el que obteniu és, oi, està a l’alça o a la baixa? Realment no sé si funciona o no de manera eficient, però està bé, oi? A continuació, començo a rebre trucades telefòniques o a gent que va "Hey, el meu informe no és a la meva safata d'entrada, què passa?" O "Acabo de presentar aquest informe a través dels serveis d'informació" o potser fan una consulta aquí als serveis d'anàlisi., però es triga com a mitja hora i solia trigar uns 30 segons, què passa? Doncs bé, ara heu de fer el simulacre de foc i provar de descobrir-ho, i sense una eina és molt difícil.
Robin Bloor: Bé, és cert, això era el que m'acabava de fer cada cop més evident, ja que demostràveu cadascuna de les dimensions del que realment teniu aquí. L’altra cosa, és com a un nivell molt, molt primitiu, si no teniu alertes que us indiquin que les coses no van bé, aleshores és només un costós: arribeu a una situació cara, intentant curar el que ha passat, perquè No ho sabeu fins que les coses comencen a caure malament, oi?
Stan Geiger: És cert, no saps el que no saps.
Eric Kavanagh: Ho tens. Bé, jeje gent, hem cremat al llarg d'una hora i canviem, aquí. Molt gran gràcies al nostre propi Robin Bloor i, per descomptat, al nostre amic Stan Geiger, del programari IDERA. Ells estaran a Enterprise Data World, de fet, si algun de vosaltres hi aneu, la vostra part també hi serà a Atlanta. El nostre bon amic, Tony Shaw, fa quatre anys que fa una gran feina fent aquesta conferència, i el que té de nou és una novetat. Tot és una cosa calenta. Esperem que ens veiem per allà, si no, tornem a revisar-nos amb nosaltres la setmana que ve, tenim molts altres webs connectats.
Sempre tens curiositat per escoltar els vostres pensaments, envieu-hi un correu electrònic que us vingui bé, si teniu dubtes o suggeriments o altres tecnologies sobre les que us agradaria conèixer. I amb això, acomiadaré gent. Gràcies de nou per unir-nos a nosaltres, en parlarem la propera vegada. Cuida't. Adeu.
