Dengan Staf Techopedia, 29 Mac, 2017
Takeaway: Host Eric Kavanagh membincangkan risikan perniagaan dengan Dr. Robin Bloor dan Stan Geiger IDERA.
Anda tidak log masuk sekarang. Sila log masuk atau mendaftar untuk melihat video.
Eric Kavanagh: Tuan-tuan dan puan-puan, selamat datang semula, hari ini pada pukul 4:00 Timur dan untuk beberapa tahun kebelakangan ini, sudah tiba masanya untuk Teknologi Hot, ya, sesungguhnya. Nama saya Eric Kavanagh, saya akan menjadi tuan rumah anda untuk pertunjukan hari ini. Saya suka topik ini: "Pemeriksaan Kesihatan: Mengekalkan BI Enterprise yang Sihat, " itulah yang akan kita perbincangkan hari ini. Terdapat tempat mengenai anda dengan benar.
Jadi tahun ini ia panas - Teknologi Hot benar-benar direka untuk mentakrifkan jenis teknologi tertentu dan anda boleh membayangkan di sana dalam dunia perisian perusahaan terdapat banyak dan banyak vendor yang menjual segala macam produk yang berbeza dan apa yang sedang terjadi angin ada adalah kata-kata buzz yang tidak dapat digunakan dan mendapat glommed oleh pelbagai vendor untuk perkara yang sangat berbeza. Jadi, tujuan pertunjukan ini adalah untuk membantu rakan-rakan penjual kami dan membantu penonton kami mengenal pasti dan membungkus kepala kami tentang jenis-jenis teknologi tertentu dan apa yang dimaksudkan dengan kata-kata ini apabila anda turun ke tembaga.
Jadi, saya akan berdiri sebagai salah seorang penganalisis hari ini, kami juga mempunyai Dr Robin Bloor di talian dan Stan Geiger dari IDERA. Mari kita bincangkan dengan cepat mengenai kepentingan perisikan dan analisis perniagaan secara umum. Ini adalah pokok keputusan asas, jika anda mahu, atau carta alir semacam ceramah tentang bagaimana anda bekerja melalui isu-isu di syarikat anda, berbincang tentang topik yang berbeza, meletakkan cadangan bersama-sama dan kemudian anda mengetahui pendapat orang. Adakah mereka bersetuju? Adakah mereka tidak bersetuju? Apakah kesepakatan, jika anda mempunyai beberapa, dan bagaimana anda bekerja melalui proses itu?
Nah, ini semuanya sangat generik, tetapi ia merupakan peringatan yang baik tentang proses yang mana kami mencadangkan idea-idea dalam syarikat, membuat keputusan kami dan kemudian bergerak maju. Dan intinya ialah data diperlukan untuk setiap komponen tersebut. Bahkan lebih tepat hari ini dalam dunia data besar, kerana tentu saja, data besar seperti enjin kebenaran gergasi ini di luar sana. Data besar sebenarnya apa yang berlaku; ia mewakili siapa di mana, apa yang mereka lakukan, apa yang mereka beli, apa yang dikendalikan oleh media sosial mereka, misalnya tweet. Sudah tentu, semua perkara itu boleh digodam - anda perlu berhati-hati - tetapi intinya ialah data adalah seni bina rujukan, jika anda mahu, untuk realiti.
Oleh itu, anda mahu data pada setiap titik dalam proses membuat keputusan ini. Sekarang, konsensus adalah penting. Sekiranya anda mahukan pengguna yang gembira, kadang-kadang bos mungkin harus menentang butiran apa yang semua orang mahu. Kami hanya bercakap mengenai Steve Jobs sebelum webcast ini bermula dan dia terkenal dengan perkara seperti itu. Dia mendapat sebutan terkenal di mana dia mengesyorkan bahawa orang menenggelamkan bunyi yang mereka dengar dan kemudian berpegang pada visi mereka, jika mereka tahu apa yang mereka lakukan adalah betul. Oleh itu, anda tidak semestinya memerlukan konsensus, tetapi biasanya ia merupakan idea yang bagus. Tetapi tujuan umum slaid ini dan ulasan ini adalah untuk memulangkan pentingnya bahawa kita mahu membuat keputusan berdasarkan data, bukan hanya naluri, walaupun usus biasanya benar-benar baik untuk membantu anda tahu di mana anda mahu pergi, dan kemudian anda benar-benar melihat untuk mengesahkan itu, atau membatalkannya, dengan data anda. Dan saya katakan jangan takut untuk melihat semula di dalamnya, sama seperti penanda kecil yang bagus, atau peringatkan bahawa apabila anda melihat semula sekurang-kurangnya anda boleh mendapatkan beberapa kerangka rujukan dan memahami di mana anda telah datang dari dan jujur tentang kesilapan yang telah anda buat. Kita semua membuat kesilapan, ia berlaku.
Oleh itu, jika anda mempunyai masalah prestasi dalam sistem risikan perniagaan anda, dengan baik, ada ungkapan lama "kesabaran adalah kebaikan, " bukan dalam dunia IT, saya boleh memberitahu anda sekarang. Jika pengguna menunggu masa yang lama untuk pertanyaan mereka datang kembali, atau mereka tidak mendapat laporan mereka, yang menghancurkan kepercayaan, dan apabila kepercayaan hilang, sukar untuk mendapatkannya kembali. Jadi, saya telah meletakkan satu garis di sini - kira-kira 40 saat hari ini seperti 40 minit dalam banyak kes - jika pertanyaan akan mengambil masa 40 saat, orang lupa apa yang mereka bicarakan, apa yang mereka bertanya daripada data. Bayangkan dalam perbualan jika anda bertanya kepada seseorang, katakan bos anda, anda berkata, "Hei, saya ingin tahu mengapa kita akan turun laluan ini." Dan anda perlu menunggu 40 saat dalam perbualan untuk mendapatkan jawapan? Anda akan keluar dari bilik! Anda fikir bos anda telah kehilangan fikirannya. Oleh itu, kependaman yang ada dalam beberapa sistem maklumat, apabila terdapat masalah prestasi, akan memecah proses analisis, aliran analisis, atau sesetengah orang memanggilnya, perbualan yang anda ada dengan data anda. Anda perlu mempercepatkan sistem ini, apa sahaja yang perlu anda lakukan untuk menyelesaikannya, dan kami akan bercakap tentang hari ini, itulah yang perlu anda lakukan, kerana tanpa aliran aliran idea-idea yang berulang-ulang, anda benar merosakkan keseluruhan proses analisis. Jadi, dan sekali lagi, saya membuang komen ini: kekurangan kepercayaan adalah pembunuh senyap. Orang tidak akan mengangkat tangan mereka terlalu banyak jika mereka tidak mempercayai anda, tetapi mereka hanya akan memandang anda ke sisi dan bertanya-tanya apa yang berlaku. Dan apabila kepercayaan itu hilang, anda akan mempunyai masa yang sangat sukar untuk mendapatkannya kembali.
Jadi, kecerdasan buatan, baik kita terus mendengar mengenai pembelajaran mesin dan AI dan "Oh, tidakkah itu akan menyelesaikan semua masalah ini?" Robin dan saya telah mendengar selama bertahun-tahun sekarang mengenai pangkalan data penyesuaian diri dan semua perkara yang menyeronokkan ini - terdapat beberapa perkara yang berlaku, tetapi hanya tanya diri anda sendiri: berapa kerapkah Siri mendapat hak untuk anda? Berapa kerap telah Siri secara tidak sengaja muncul dan pergi, "Saya minta maaf, saya tidak mendapatnya." Itu kerana saya tidak meminta apa-apa. Saya secara tidak sengaja melanda butang yang berani itu. Jadi terdapat banyak kekurangan yang masih ada, dan dengan cara di sebelah kiri, itulah cawan ASIC dari Apple Newton - ingat bahawa anak anjing dari tahun ke tahun yang lalu? Itulah salah satu peranti pintar yang pertama, dan itu agak lama dahulu, seperti 90-an atau 90-an yang saya mahu katakan. Bahawa Newton keluar dan ia tidak begitu baik, tetapi ia mempunyai penglihatan; mereka tahu di mana mereka pergi, tetapi sekarang, dengan iPhone AI dan pembelajaran mesin, ini secara meluas disalahpahami konsep, saya akan berkata.
Dan tentunya berkenaan dengan pembelajaran mesin, ia boleh menjadi sangat berguna dan sebenarnya boleh digunakan dalam beberapa persekitaran ini di mana anda cuba memahami apa yang sedang berlaku dengan arsitektur maklumat kompleks anda, di mana perkara-perkara yang salah. Pembelajaran mesin boleh menjadi sangat berharga dalam konteks itu, tetapi hanya jika diterapkan dengan cara yang sangat akut. Jadi, saya baru-baru ini, satu acara besar di California, salah satu pengedar besar Hadoop Cloudera telah menganjurkan sidang kemuncak penganalisis mereka dan saya bercakap dengan pegawai strategi utama mereka dan berkata, "Anda tahu, saya nampaknya benar pembelajaran mesin hanya melakukan dua perkara: ia segmen dan ia ditapis. "Artinya ia akan memberi anda segmen atau kluster aktiviti yang berbeza termasuk anomali, yang akan menjadi segmen. Dan ia ditapis, bermakna ia membantu anda meningkatkan keputusan tertentu. Contoh klasik yang anda dengar adalah ada seorang manusia dalam gambar ini, contohnya. Jadi itulah pembelajaran mesin yang boleh dilakukan, dan berguna dalam konteks tertentu, apabila anda bercakap tentang penyelesaian masalah, kerana anda boleh mencari corak tingkah laku dalam penggunaan CPU, penggunaan memori, kelajuan cakera dan apa yang dilakukan oleh cakera, dan semua perkara yang menyeronokkan itu. Jadi, ia boleh menjadi berguna, tetapi ia benar-benar sesuatu yang perlu difokuskan untuk menjana sebarang nilai.
Jadi, salah satu daripada perkara kegemaran saya yang lain untuk dibicarakan - dan kita akan melihat sedikit ini, saya fikir, apabila kita mengambil demo hari ini dari IDERA - dalam banyak cara saya fikir manusia masih belajar untuk bercakap silicon . Terdapat sains material di bawah semua ini, dan bagi anda yang telah menyelesaikan masalah dan benar-benar mengambil pandangan keras pada seni bina maklumat yang rumit, apabila anda cuba memahami apa yang sedang berlaku, walaupun seperti cluster Hadoop misalnya, anda biasanya hanya melihat histogram. Dan kemudian anda perlu menghubungkan apa histogram yang berbeza ini pada masa tertentu dalam masa, dan itu mengambil kecerdasan; yang memerlukan kecerdasan manusia dan pengalaman. Jadi, saya tidak takut sama sekali bahawa ML, atau pembelajaran mesin atau AI akan mengambil terlalu banyak pekerjaan di dunia ini pada bila-bila masa tidak lama lagi. Saya rasa selalu ada keperluan untuk manusia, yang secara terang-terangan tahu apa yang mereka bicarakan untuk membantu kita dan membuat semua ini berlaku.
Oleh itu, mari terus bergerak. Jadi, apa yang berlaku jika anda tidak didorong data? Ini adalah lukisan terkenal, "The Blind Lead the Blind" - ini bukan apa yang anda cari, orang. Anda tidak mahu persekitaran semacam ini dalam organisasi anda. Jadi apa yang kami mahukan ialah kami mahu keputusan kami dipandu oleh data dan kami mahu keputusan dipandu oleh data yang baik, data berkualiti dan itu hanya akan berlaku jika anda mengumpulkan data yang betul, jika ia bagus dan bersih, dan jika sistem anda berjalan dengan lancar, jika sistem BI anda sihat, sistem analisis anda sihat dan pengguna memperoleh apa yang mereka inginkan pada masa yang tepat.
Jadi dengan itu saya akan membungkus dan menyerahkan kepada Robin Bloor yang tidak dapat diterima. Robin, ambilnya.
Robin Bloor: Baiklah, baik, terima kasih kerana melepaskan saya bola. Saya berfikir semasa anda bercakap, Eric, saya hanya berfikir tentang BI dan terdapat pembentangan vendor saya menghadiri baru-baru ini apabila seseorang mengatakan bahawa dalam vendor tertentu, menjalankan sistem tertentu di gudang data yang besar, buruk yang mereka akan titik yang diberi tepat pada masanya dapat melakukan 70, 000 transaksi BI yang akan membawa kepada maklumat yang dikemukakan kepada banyak orang. Ia berlaku kepada saya bahawa jika anda benar-benar mempunyai jenis beban kerja, dan anda membazirkan beberapa saat dari segi melaksanakan perisian, maka itu akan menjadi sangat mahal, dan jika anda membuang-buang waktu, itu akan menjadi sangat mengerikan. Dan kemudian saya teringat bahawa banyak dunia yang mengagumkan berjalan pada spreadsheet - ada, saya fikir mereka dipanggil "sistem bayangan" bukan? Pada mulanya, di mana orang akan menggabungkan sistem menggunakan spreadsheet dan e-mel, dan mereka akan membuat perkara berlaku, kerana jabatan IT tidak boleh membina aplikasi untuk semua orang, jadi mereka berbuat demikian. Dan banyak BI, saya fikir, terlibat dalam sistem seperti itu juga.
Bagaimanapun, setelah berkata demikian, mari kita bercakap mengenai apa yang akan saya bicarakan. Gelung umpan balik BI untuk sistem korporat, itu benar-benar mudah atau rumit, bergantung kepada apa peranan yang dimainkannya dalam organisasi. Tetapi jika kita melihat ini adalah gambarajah dari kira-kira empat tahun yang lalu, ketika kita cuba dengan cara lain atau yang lain memahami apa yang sedang terjadi di sisi analisis. Tetapi cukup banyak, semua perkara yang dijangkakan semula, melihat semula apa yang telah berlaku sebelum ini, dan semua yang menjadi pengawasan, dari segi cara sistem berfungsi, cenderung menjadi BI. Ia tidak pernah menjadi perkara yang berpandangan jauh, analitik ramalan adalah BI, tetapi itu sebenarnya semakin menjadi kes itu. Eric menyebutkan pembelajaran mesin, banyak pembelajaran mesin sebenarnya boleh dalam satu cara atau yang lain hanya dijalankan terhadap aliran data dan dapat memberi anda analisis ramalan untuk lima minit yang akan datang, atau bahkan dalam waktu nyata, sehingga anda dapat memberi respons kepada pelanggan, dengan pengetahuan yang dikira tentang apa yang sebenarnya berlaku.
Tetapi pusat rajah ini, bahagian dalamnya berasal dari analisis. Apa yang lazimnya berlaku adalah bahawa pelbagai aktiviti analitik ditujukan pada koleksi data tertentu dan sesuatu yang baru dipelajari, ilmu pengetahuan tentang perniagaan. Dan pengetahuan itu kemudian dimasukkan ke dalam proses perniagaan yang boleh memberi makan darinya. Dan biasanya ia dimanipulasi dalam satu cara atau yang lain sebagai tanda BI muncul, atau hanya beberapa perkara yang diletakkan di papan pemuka, dan sebagainya dan sebagainya. Apabila kita benar-benar melakukan ini, terdapat empat istilah di sana dan mereka berakhir dengan perkataan "sight" yang sangat bagus. Tetapi sebenarnya sebenarnya tidak semuanya dalam bidang apa yang orang mahu lakukan, ada juga masalah pengoptimuman dan pengoptimuman tidak menghasilkan analitik mudah. Masalahnya sangat rumit dan banyak masalah pengoptimuman tidak boleh diselesaikan secara unik. Anda hanya boleh mempunyai penyelesaian yang baik, anda tidak boleh membuktikan anda mempunyai penyelesaian yang lebih baik. Dan itulah bidang aktiviti, di mana terdapat aktiviti yang sedang berlaku, tetapi ia kurang daripada kebanyakan bidang analitik yang lain. Jadi, orang kata kita hidup dalam zaman analisis - dengan baik, kita dibandingkan dengan sepuluh tahun yang lalu, tetapi ia boleh pergi lebih jauh daripada yang sudah hilang.
Oleh itu, pengenalan BI, keinginan untuk pengetahuan menghasilkan permintaan pengguna, yang menghasilkan projek analitik, dan projek analisis menghasilkan tasik data, dan tasik data ditambah analisis menghasilkan pandangan dan pandangan tentang BI. Itulah cerita yang baru saya ceritakan; Saya fikir saya akan menulis perkara itu. Apa yang saya lakukan di sini, saya maksudkan, keseluruhan titik slaid ini dan sesungguhnya sebahagian besar slaid lain hanyalah untuk menegaskan betapa kompleks dunia intelek perniagaan sebenarnya. Ia bukan satu perkara yang mudah, saya boleh membuat cara slaid ini lebih rumit daripada sebenarnya, tetapi anda ada di bahagian bawah sini, anda mempunyai data luaran dan data dalaman yang dalam satu cara atau yang lain akan dimasukkan ke dalam pementasan kawasan, yang pada masa kini ini jenis data tasik, walaupun tidak semua orang mempunyai tasik data. Dan orang yang tidak semestinya berjaya. Dan kemudian, ada aktiviti pembersihan ingest dan aktiviti pentadbiran yang diperlukan pada data sebelum anda benar-benar boleh menggunakannya. Dan kemudian, anda menyampaikan data itu dan anda juga melaporkannya, atau menganalisa dan analisa itu membawa kepada tindakan.
Dan jika anda benar-benar melihat pelbagai jenis analisis yang wujud, ini adalah senarai yang sangat panjang, tetapi itu tidak semestinya senarai yang komprehensif, itu hanya yang saya fikirkan untuk menulis, ketika saya sebenarnya membuat slaid ini. Oleh itu, terdapat banyak perkara yang berlaku dalam persekitaran BI yang visualisasi, OLAP, pengurusan prestasi, kad skor, papan pemuka, pelbagai ramalan, tasik data, perlombongan teks, perlombongan video, barangan ramalan, terdapat banyak perkara yang sebenarnya teruskan. Jika anda melihatnya dengan cara yang berbeza, realiti korporat, pada dasarnya benar-benar ini adalah gambarajah yang serupa dengan yang terakhir, ia hanya dilakukan dengan cara yang berbeza. Saya memisahkan apa yang anda akan panggil BI kerana ia adalah biasa dan ia diketahui apa yang diperlukan, itu tidak bermakna bahawa apa yang sebenarnya berlaku adalah cekap, tetapi sekurang-kurangnya anda akan mempunyai perkara-perkara biasa berlaku, katakan Tableau, atau dalam Klik, atau dalam Cognos, ada sumber subjek, dan sebagainya dan sebagainya, pelbagai laporan tetap atau kemampuan akan berlaku. Dan kemudian anda mempunyai aplikasi analisis dan mereka berbeza. Kerana aplikasi analisis adalah benar-benar mengenai meneroka data dan dalam fikiran saya ia agak sama dengan penyelidikan dan pembangunan. Dan kemudian anda mempunyai aliran kerja. Di bawah alur kerja, campurkan barangan anda dengan aplikasi operasi dan aplikasi pejabat, jika itu perlu - dan itulah realiti korporat seperti yang saya lihat - walaupun dalam kebanyakan organisasi, ia tidak begitu teratur.
Jadi BI gangguan, ini hanyalah satu set hal yang menyebutkan menjadikan BI lebih keras daripada dulu, kerana dunia BI yang lama terdiri terutama dari dataset yang agak bersih dalam satu cara atau yang lain ditangkap, mungkin dari gudang data dan dimasukkan ke dalam spesifik Perisian BI. Dan pada masa itu, saya sebenarnya bercakap lima atau sepuluh tahun lalu, tetapi pada masa itu, jumlah data tidak berkembang, sumber data diketahui. Kelajuan ketibaan data diketahui, walaupun sesetengah BI tidak akan berlaku cukup pantas untuk keinginan pengguna tertentu. Tidak ada data yang tidak tersusun, hampir tidak ada data sosial, sudah tentu tidak ada data IoT, anda tidak peduli dengan data provenance. Nilai komputer tidak mempunyai paralelisme dari segi infrastruktur untuk dapat dalam satu cara atau yang lain melakukan perkara-perkara yang luar biasa cepat. Anda tidak mempunyai pembelajaran mesin, dan jumlah beban kerja analitik agak tipis. Dan semua itu berubah, jumlah data kini boleh berkembang dengan sangat dramatik. Bilangan sumber data yang terus meningkat. Ya, data kedatangan strim yang sangat cepat, banyak data yang tidak terstruktur, tentu data sosial yang memerlukan pembersihan, tetapi data lain yang mungkin memerlukan pembersihan, tentu saja data IoT, adalah kesepakatan sekarang.
Kebenaran data adalah satu isu dan kami mengambil berat tentangnya. Kuasa komputer ada di sana, yang rapi, kerana itu membuat segala macam perkara yang boleh dilakukan, dan anda telah mendapat pembelajaran mesin sekarang sebagai fenomena yang membawa kepada penciptaan keupayaan BI yang lebih banyak dan beban kerja analitik baru yang akan melakukan perkara yang sama. Jadi, BI bukan keadaan statik dan saya fikir itu perkara terakhir yang akan saya katakan, sebelum saya menyerahkannya kepada Stan. Oh tidak, tidak, ada sesuatu yang lain. Landskap BI masa depan, internet perkara, arsitektur yang dipacu peristiwa, segala-galanya masa nyata, OK. Itu cukup BI pengguna, oleh pengguna, untuk pengguna isu-isu secara ringkas. Ketepatan masa prestasi aliran data, liputan data, pembersihan data, kemahiran akses data, visualisasi, kesahihan dan kebolehan tindakan.
Jadi sekarang saya boleh menyerahkannya kepada Stan, kecuali perkhidmatan BI adalah boleh dipercayai dan tepat pada masanya, ia bukanlah satu perkhidmatan. Stan?
Eric Kavanagh: Baiklah, Stan, saya beri anda bola, ambilnya.
Stan Geiger: OK. Jadi, apa yang akan saya bicarakan hanyalah latar belakang saya. Saya seorang pengurus kanan di IDERA dalam pengurusan produk dan salah satu tanggungjawab yang saya miliki ialah produk perisikan perniagaan kami. Jadi, saya akan mengembangkan sedikit pada apa yang Robin bercakap tentang dan bercakap tentang kawasan utama dengan kecerdasan perniagaan memantau kesihatan platform anda. Ia seperti dia berkata, sekarang ia digunakan di mana kita mempunyai semua data ini dan ia akan mengambil masa beberapa minggu untuk menganalisis dan kemudian kita akan kembali dengan laporan dan perkara. Tetapi landskap BI sedang berubah sedemikian rupa sehingga kita semakin dekat dengan hampir analisis masa nyata sekarang. Dan dalam banyak kes, analisis real-time sebenar. Oleh itu, saya bercakap tentang slaid ini sedikit, ini hanya satu gambaran umum - dan seperti pendedahan penuh adalah bahawa saya akan membincangkannya dari perspektif Microsoft, tetapi semua konsep ini dapat melihat sama ada BI anda platform berada di Oracle, atau anda menggunakan Informatica dan Oracle, atau hanya campuran mode, persekitaran hibrid. Saya hanya akan menggunakan merujuk kepada persekitaran Microsoft, tetapi ini agak standard.
Robin mempunyai slaid di sana yang menyentuh ini, adalah bahawa anda mempunyai sistem sumber, di mana saya mendapat semua data saya duduk, dan sekarang ia digunakan untuk semua ini dalam pangkalan data hubungan dan penyimpanan data seperti itu, tetapi kini kami mempunyai Hadoop dan internet dan perkara-perkara, dan semua data tidak berstruktur ini duduk di sana, dan sekarang kita boleh membawa mereka ke dalam seni bina BI ini. Oleh itu, pertengahan peringkat bercakap sedikit adalah penyimpanan data dalam pengagregatan; ini adalah di mana kami menarik data, kami mungkin membersihkannya, kami mungkin menyusun semulanya, dan kemudian dimasukkan ke dalam beberapa jenis penyimpanan data dan kemudian lapisan persembahan duduk di atasnya, dan di sinilah pengguna anda mendapat akses. Dan kami melakukan analitik pada data tersebut di kedai data tersebut, dan kami melakukan pemetaan, dan kami telah mendapat Tableau duduk di sana, melaporkan perkhidmatan, hal-hal seperti itu. Saya selalu ketawa kerana ketika saya seorang arkitek BA, kita selalu tertawa tentang Excel, kerana mari kita hadapi itu, Excel adalah alat BI rakyat jelata, masih.
Jadi, sedikit gambaran di sana, tetapi hanya untuk membincangkan tentang jenis senibina platform, anda mempunyai data sumber anda dan saya bercakap tentang itu di beberapa kedai data. Dan kemudian saya mendapat storan saya dalam pengagregatan di dunia Microsoft, anda akan mempunyai pangkalan data SQL Server anda, mungkin di mana gudang data anda, anda mungkin mempunyai gudang data anda di awan, dengan sebagai gudang data anda. Anda mempunyai perkhidmatan analisis, yang merupakan tiub OLAP dan perkara-perkara seperti itu untuk melakukan agregasi dan perkara-perkara di sekitar melihat perkara-perkara di pelbagai dimensi dan perkara-perkara seperti itu. Kemudian anda mendapat lapisan persembahan anda, yang saya ceritakan secara ringkas, semua perkara-perkara ini yang berada di atas kedai data dan agregasi. Dan saya selalu suka quote ini, "Anda tidak tahu apa yang anda tidak tahu, " yang benar. Jika anda tidak memantau dan anda tidak melihat apa yang sedang berlaku, di semua kawasan platform BI anda, bagaimana anda tahu apabila anda mempunyai masalah selain daripada apabila pengguna mula menghantar e-mel yang tidak menyenangkan dan telefon bermula berdering tentang mengapa laporan saya tidak berjalan? Kenapa semuanya mengambil masa yang lama?
Oleh itu, dalam urat itu, apa yang perlu anda lakukan, anda perlu memantau platform anda yang anda berikan perisikan perniagaan dari. Dan pada dasarnya saya memecahnya ke dalam tiga bidang: anda mempunyai ketersediaan, prestasi dan penggunaan. Makna kebolehsediaan sama ada sumbernya boleh didapati: adakah ia naik atau turun? Cukup mudah di sana. Tetapi juga melihat ketika anda mempunyai, anda mungkin mempunyai platform yang mungkin tersedia, tetapi anda mungkin menghadapi masalah di sana, jadi anda harus dapat mengenal pasti sebab utama; anda harus dapat memberi isyarat dan membiarkan seseorang tahu apa yang sedang berlaku, sebelum keadaan dapat menjadi keadaan kritikal. Yang membawa kepada bahagian prestasi, anda juga mendapat sesuatu dari tahap metrik prestasi, di peringkat pelayan, di mana perkhidmatan atau perkhidmatan BI, atau platform BI dihoskan; anda mempunyai prestasi peringkat sumber di mana mungkin saya mengakses data dari SAN, contohnya. SAN adalah sumber, sumber rangkaian, anda perlu dapat memantau prestasi semua itu, dapat mengenal pasti kemunculan dan memastikan pengguna anda gembira, dan jika anda berada dalam persekitaran di mana anda sedang melakukan aktiviti sebenar, analisis masa, anda perlu mengenal pasti masalah atau masalah sebelum ia bermula.
Dan teori terakhir adalah penggunaan: apa yang dilakukan pengguna? Siapa yang dihubungkan dengan sumber BI saya? Siapa yang menjalankan apa? Apa pertanyaan yang mereka jalani? Apakah laporan yang sedang dijalankan? Mengetahui maklumat ini membantu menentukan dan melakukan perancangan kapasiti, contohnya. Ia juga menunjukkan apa yang digunakan dalam persekitaran BI anda. Kami mempunyai pelanggan yang mereka mahu produk pemantauan kami untuk BI hanya supaya mereka tahu apa bahagian persekitaran BI yang mereka gunakan supaya mereka dapat memindahkan sumber daya sekitar. Sebagai contoh, jika mereka tidak menggunakan laporan tertentu, atau perkhidmatan analisa tertentu, maka mereka akan memindahkan sumber dari itu ke kawasan lain yang sangat digunakan. Satu lagi petikan yang saya suka, saya suka filem yang hebat seperti "Tremors, " jadi ceritakan filem saya, jadi saya suka petikan ini dari Burt Gummer, yang dimainkan oleh Michael Gross, dia jenis lelaki senapang survivalist dan dia berkata, dia Ia muncul dan dia mengeluarkan senapang penembak 50 berkaliber besar ini, dan salah seorang lelaki berkata, "Damn, Bert." Dan dia menjawab dengan "Apabila anda memerlukannya dan anda tidak memilikinya, anda menyanyikan lagu yang berbeza. "Dengan kata lain, anda tahu apa? Dia bersedia untuk apa-apa dan dia datang bersedia untuk apa-apa, dan apa yang saya maksudkan dengan ini adalah jika anda tidak memantau persekitaran BI anda dari sumber dan penggunaan dan perkara yang saya bicarakan, maka anda tidak menyedari anda memerlukan alat atau persekitaran atau struktur yang memantaunya sehingga anda tidak memilikinya. Dan kemudian anda menyedari bahawa saya benar-benar memerlukannya maju, dan itulah cara banyak pelanggan kami.
Oleh itu, setelah berkata demikian, kami akan masuk, dan kami akan melihat apa yang kami lakukan di sini di IDERA untuk menyelesaikan beberapa isu ini. Dan-
Eric Kavanagh: Baiklah, pergi ke sana, saya dapat melihatnya.
Stan Geiger: Anda lihat? Baik. Jadi, apa yang ada di sini adalah produk BI Manager kami. Dan kita memantau, IDERA secara tradisional telah menjadi sebuah syarikat dalam SQL Server, persekitaran Microsoft SQL Server. Dan kemudian kami membeli di Embarcadero, jadi sekarang kami telah berkembang ke beberapa platform lain, tetapi produk BI kami secara tradisinya memantau susunan BI dalam persekitaran Microsoft. Dan itu akan menjadi perkhidmatan analisis untuk analisis pelbagai dimensi dan jadual anda, perkhidmatan pelaporan, alat pelaporan dan perkhidmatan integrasi, yang merupakan platform ETL, mirip dengan seperti Informatica.
Dan melalui produk kami, anda dapat memantau ketiga-tiga persekitaran tersebut melalui satu produk, dan apa yang anda lihat di sini adalah papan pemuka keseluruhan, dan perkara yang perlu diperhatikan di sini adalah apabila saya membicarakannya, ia satu perkara yang perlu dipantau, tetapi itu tidak mencukupi - anda perlu mempunyai mekanisme amaran. Dalam erti kata lain, saya perlu diberitahu sebelum keadaan menjadi keadaan kritikal. Jadi, apa yang kita lakukan di sini, terdapat satu set metrik yang kita dapati yang boleh dikonfigurasikan kerana bergantung kepada persekitaran anda, ambang tertentu, anda mungkin baik-baik saja dengan waktu membaca tiga puluh milisaat, dalam persekitaran anda. Persekitaran lain mungkin lebih kritikal bahawa ambang itu lebih rendah, jadi penting bukan sahaja untuk memberi isyarat, tetapi untuk dapat dikonfigurasikan kerana persekitarannya berbeza bergantung kepada sumber.
Oleh itu, pada dasarnya, ini merupakan gambaran keseluruhan persekitaran yang sedang dipantau di sini, dan saya mempunyai tiga contoh di sini: satu untuk perkhidmatan analisis, satu untuk perkhidmatan integrasi, satu untuk melaporkan perkhidmatan. Dan anda lihat saya mempunyai beberapa peringatan di sini. Dan kerana ini adalah merah ia memberitahu saya bahawa ini adalah kritikal, kerana saya mempunyai pelbagai tahap yang saya boleh menetapkan tanda-tanda tersebut, dan peringatan boleh dihantar kepada orang yang bertanggungjawab untuk melihat apa masalahnya. Jadi, hanya sebentar sahaja kita akan melihat dan saya akan kembali kepada peringatan, jadi kita boleh pergi ke bahagian perkhidmatan analisis dan itu, saya yakin ia menunggu untuk memuat di sini. Dan pada asasnya, apa yang kami lakukan, kami mempunyai koleksi data; ia keluar dari sana secara berkala dan pergi ke sana dan mengumpul dan mengambil gambar seperti apa yang sedang dilakukan oleh persekitaran anda. Oleh itu, saya mempunyai set saya untuk setiap enam minit, jadi setiap enam minit ia keluar di sana dan mengundi alam sekitar. Saya telah tidur dengan VM untuk seketika, jadi akan mengambil masa yang kedua untuk ini untuk kembali. Di sana kita pergi.
Jadi, kita perhatikan bahagian perkhidmatan analisis dan jadi saya akan mengklik contoh saya di sini, dan ingat saya bercakap mengenai salah satu perkara yang kita pantau adalah prestasi di peringkat pelayan, kerana banyak orang mempunyai banyak perkara berjalan di pelayan mereka. Saya mungkin mempunyai pangkalan data yang berjalan pada server saya, serta perkhidmatan analisis, sebagai contoh. Jadi, jika sesuatu berlaku dalam pangkalan data atau saya mempunyai masalah di peringkat pelayan, ia akan memberi kesan apa sahaja yang berlaku di sana. Jadi, kami akan memantau perkara-perkara di seluruh pelayan di peringkat pelayan, perkara seperti bagaimana prestasi cakera, dan anda dapat melihat kami menangkap metrik di sekeliling semua ini. Dan semua ini boleh dikonfigurasikan. Dan saya perhatikan apa yang berlaku, CPU-bijak, hanya, dan sekali lagi, ini berada di tahap pelayan, bukan pada tahap perkhidmatan analisis dalam contoh saya di sini. Tetapi sebenarnya di peringkat pelayan.
Dan saya dapat melihat perkara seperti ingatan, penggunaan keseluruhan ingatan contohnya, apa yang ada? Jadi sekarang saya mendapat gambaran tentang kesihatan pelayan itu sendiri. Kemudian kita boleh mula melihat perkara-perkara yang khusus, dalam hal ini analisis perkhidmatan. Saya boleh melihat dan melihat bagaimana pemprosesan kubus saya di sini, sebagai contoh, dan ini memberi saya ukuran kesihatan. Sekiranya saya mula melihat bahawa pemprosesan mengambil masa yang lebih lama, atau bukannya baris tidak ditulis hampir dengan cepat, maka saya boleh mula melihat - dan ini pergi ke sekeping korelasi yang saya fikir Robin bercakap tentang, adalah bahawa ia masih memerlukan manusia untuk dapat melakukan semua ini. Kami bercakap tentang AI, pembelajaran mesin, tetapi masih memerlukan manusia untuk dapat mengaitkan peristiwa ini di sekeliling perkara. Kita boleh melihat perkara-perkara seperti apa yang berlaku, pertanyaan apa yang sedang dijalankan dan berapa lama mereka mengambil? Saya boleh menyusun, jadi saya boleh mula mendapat idea tentang pertanyaan yang mengambil masa yang paling lama. Anda boleh melihat di sini pada masa berlalu, saya dapat melihat dan melihat OK, apakah pertanyaan itu dan siapa yang menjalankan pertanyaan itu pada masa itu?
Oleh itu, saya boleh mula menceritakan perkara ini sekiranya saya mula melihat perkara bermula, saya boleh kembali dan melihat dan melihat apa yang pengguna lakukan pada masa itu. Dan anda akan melihat salah satu perkara yang kami lakukan ialah kami meletakkan pemilih kali ini di sini untuk membolehkan anda memilih tetingkap masa. Jadi, sebagai contoh, saya boleh kembali kepada peringatan itu, dan sebenarnya ia adalah pautan pada tanda-tanda yang saya klik pada, dan ia akan mengambil masa saya ketika itu apabila amaran itu berlaku. Dan kemudian saya dapat memulakan cerita bersama-sama, saya dapat melihat, baik, bacaan cakera ada, atau mempunyai masalah ingatan atau apa sahaja, dan kemudian saya boleh melompati aktiviti pertanyaan pada masa yang sama dan saya sebenarnya boleh mula menghubungkan siapa yang menjalankan pertanyaan yang mungkin menyebabkan pancang di sana. Dan kemudian, anda boleh mula melakukan perkara seperti saya boleh mula menala, iaitu ketika saya mula menala. Ini seperti kereta, jika anda membina sebuah kereta perlumbaan dan anda hanya menggugurkan enjin dan memulakan kunci enjin yang mungkin bermula, tetapi jika saya perlu pergi 180 batu sejam untuk menang, saya perlu tahu bahawa enjin boleh berjalan 100 batu sejam dan saya perlu pergi ke sana dan mula menala enjin supaya dapat sampai ke sana. Dan itulah yang membolehkan anda lakukan, adalah untuk dapat memberi anda maklumat yang cukup untuk memulakan persekitaran anda, untuk meningkatkan kesihatan dan pengeluaran persekitaran itu, dan kecekapan.
Dan kemudian, kita memantau perkara-perkara di seluruh memori yang khusus untuk perkhidmatan analisis, dalam kes ini. Dan inilah di mana anda boleh mula melihat di mana perkara mungkin mula tergelincir, apabila anda mula melihat perkara-perkara spiking di atas antara had ingatan anda, perkara-perkara seperti itu. Perkara lain yang baik untuk melihat, bila-bila masa anda menjalankan apa-apa jenis pertanyaan, anda mahu anda mahu data untuk cache, kerana apabila ia mendapat cache, ia berada dalam ingatan dan tidak perlu dibaca dari cakera, yang lebih banyak cekap daripada perlu membaca data dari cakera. Jadi anda boleh mula melihat perkara-perkara yang sedang berlaku, maafkan saya, dalam cache data sebagai contoh. Saya mempunyai banyak pertanyaan yang dijalankan sebelum ini, untuk mendapatkan data ini, dan anda dapat melihat saya mempunyai masa yang paling, cache dan lookup cache bertindih, yang bagus. Tetapi saya mempunyai tempoh di sini di mana hits jauh lebih rendah daripada apa yang dilihat, yang memberitahu saya bahawa saya mempunyai sesuatu yang berlaku itu adalah memori yang intensif, supaya cache telah mendapat memerah banyak lebih cepat, jadi data harus ada baca dari cakera. Dan kita dapat melihat bahawa ketika kita melihat enjin penyimpanan. Ini adalah titik yang sama dalam masa seperti graf yang lain, dan anda boleh melihat lonjakan di sana, di mana pertanyaan dari fail benar-benar melonjak dalam tempoh itu. Dan ini bermakna data sedang dibaca dari cakera. Sekarang, saya dapat kembali dan kemudian mengaitkannya dengan pertanyaan yang berjalan, dan tidak membuat pendengaran setiap orang berdarah, tetapi dalam perkhidmatan analisis, ia menggunakan bahasa yang dipanggil MDX, ada cara untuk menulis pertanyaan dengan lebih cekap, sehingga menggunakan cache penyimpanan lebih cekap dan kurang. Jadi, ada satu contoh penalaan enjin itu, dan memberikan anda semua kepingan yang diperlukan untuk dapat mengaitkannya.
Hanya dengan cepat, kita juga boleh membalikkannya dengan cara yang lain, apabila kita melihat pertanyaan, kita boleh melihat sekarang sesi, siapa sebenarnya yang disambungkan pada masa ini dan apa yang sedang berjalan? Jadi jenis ini memberi anda pandangan yang bertentangan dengan pertanyaan dan siapa yang mengendalikannya. Ini adalah siapa yang dihubungkan dan kemudian saya dapat melihat apa yang mereka sedang berjalan sekarang. Perkara lain, hanya dengan cepat pergi, adakah anda dapat melihat semua objek dalam kiub MOLAP berbilang dimensi saya. Dan saya boleh mendapatkan maklumat mengenainya. Jadi, sebagai contoh, saya boleh menyusun mengikut lajur baca ini, dan saya dapat melihat bahawa objek yang paling dimanfaatkan adalah dimensi masa dan yang paling banyak digunakan adalah dimensi pelanggan. Dan ini membantu orang yang membangun dan membina sesuatu untuk lebih cekap membina kiub mereka. Saya mungkin mahu mengubah strategi partitioning saya, contohnya, pada dimensi yang sangat dimanfaatkan dalam kubus saya, dan oleh itu itu akan meningkatkan prestasi pertanyaan, contohnya. Ia boleh mengurangkan prestasi pemprosesan kiub, kerana sekarang saya mempunyai lebih banyak partition, tetapi dari perspektif pengguna, ia akan menala enjin itu, supaya lebih efisien untuk menggunakan objek ini.
Jadi, teruskan, bercakap mengenai perkhidmatan integrasi di sini. Perkhidmatan integrasi, yang saya nyatakan, adalah platform ETL dalam persekitaran Microsoft. Apa yang kita lakukan di sini - dan ini konsisten - kita memantau prestasi pelayan, dan ini akan menjadi metrik yang sama yang kita lihat, kerana semua perkhidmatan saya berjalan pada pelayan yang sama. Tetapi sekali lagi, ini merupakan gambaran keseluruhan mengenai apa yang berlaku di pelayan. Dan kemudian saya dapat melihat aktiviti untuk perkhidmatan integrasi, proses ETL saya. Oleh itu, saya boleh mendapatkan idea apabila proses-proses ini berlari, sama ada mereka berjaya atau tidak, saya boleh menyerlahkan proses ETL tertentu dan kemudian ia akan menunjukkan kepada saya pecahan langkah dalam proses ETL itu, sama ada ia berjaya atau tidak dan berapa lama ia mengambil masa.
Sekarang, jika saya mempunyai pakej gagal di sini proses ETL, saya boleh turun ke butiran dan melihat mesej ralat dan ia akan menunjukkan kepada saya langkah mana dalam pakej di mana proses ETL gagal, bersama-sama dengan semua mesej yang berkaitan dengan itu. Jadi, apa yang berlaku, itu memberi saya, dan saya boleh mendapatkan waspada jika gagal, jadi jika saya mendapat perhatian, saya boleh masuk ke sini, lihat, pergi ke peringatan itu, lihat kegagalan pakej, lihat langkah-langkah, lihat di mana ia gagal, lihat mesej ralat dan saya segera tahu apa yang perlu saya lakukan untuk membetulkannya: pasang semula dan mulailah semula. Jadi, apa yang membolehkan anda lakukan adalah kami memanggilnya memendekkan tetingkap di antara pengenalpastian masalah dan penyelesaian masalah. Oleh itu, dalam kehidupan terdahulu, apabila saya bertanggungjawab atas perkara seperti ini, kami mempunyai proses ETL yang akan dijalankan pada waktu malam, untuk memuatkan gudang data kami. Jika saya mempunyai maklumat ini, perkara pertama pada waktu pagi ketika saya masuk, jika sesuatu gagal, maka saya dapat dengan cepat mengalaminya dan mendapatkan kembali proses itu untuk memastikan gudang data itu selesai dan berjalan dan disegarkan semula pada saat pengguna masuk dan mula mengakses pelaporan.
Perkara lain ialah saya mempunyai dua proses yang dijalankan, adalah untuk melihat dan melihat bagaimana ia berlari dari masa ke masa. Ini penting kerana jika saya mula melihat proses-proses ini, contohnya, mengambil masa yang lebih lama, melihat masa-masa ini naik, maka saya mungkin perlu melihat, sebagai contoh, tetingkap penyelenggaraan saya, saya mungkin mempunyai perkara-perkara yang sedang berlaku di pelayan itu . Ambil, sebagai contoh, sandaran; Saya mungkin mempunyai sandaran yang menyebabkan proses saya menunggu sehingga selesai. Saya mungkin perlu menjadualkan atau menyesuaikan proses saya di sekitar perkara-perkara yang mula memberi impak kepada ETL saya.
Dan bahagian terakhir adalah perkhidmatan pelaporan. Perkhidmatan pelaporan adalah Microsoft, pada dasarnya alat pelaporan perusahaan mereka. Dan beberapa perkara lagi, kita dapat melihat perkara-perkara di peringkat pelayan, kita dapat melihat perkara-perkara di seluruh pelayan laporan, pelayan perkhidmatan pelaporan, sendiri. Saya tidak mempunyai banyak perkara yang berjalan di sini; Saya mempunyai beberapa langganan yang dijalankan setiap 15 minit, untuk menjalankan laporan. Oleh itu, anda tidak akan melihat banyak sambungan aktif kerana ia menyambung, menyambung, menjalankan laporan, memutuskan sambungan dan menghantarnya.
Tetapi dalam persekitaran transaksi yang tinggi di mana banyak pelaporan sedang dilakukan, dapat memantau hal-hal ini adalah kunci. Jadi, anda dapat melihat di mana saya mempunyai perkara yang berlaku di sini, jadi ia memberi anda idea yang baik tentang apa, dari tahap perkhidmatan dan platform yang sebenar. Dan kemudian, seperti yang saya ceritakan dalam slaid, siapa yang menjalankan apa dan apa yang mereka lakukan? Dan salah satu daripada pelanggan kami membeli produk ini hanya untuk sekeping ini kerana mereka ingin tahu apa laporan orang yang sedang berjalan, dan siapa yang menjalankan laporan ini. Jadi ini adalah salah satu perkara dalam pelaksanaan laporan ini yang dapat anda lihat di sini. Saya dapat melihat laporan apa, saya dapat melihat apa-apa parameter yang ada dalam laporan itu, saya dapat melihat siapa yang menjalankannya, saya dapat melihat format laporan itu. Dan kemudian saya mempunyai semua metrik ini di sekelilingnya, jadi jika saya lagi, saya boleh meletakkan perkara-perkara ini, contohnya, laporan apa yang paling lama diambil untuk mendapatkan data, dan saya boleh pergi ke arah itu dan melihat laporan itu. Dan sekali lagi, ini semua memberi saya data untuk menjadi, untuk menghidupkan semula enjin itu. Sekarang, saya boleh mula menyesuaikan persekitaran pelaporan saya di sekelilingnya.
Dan perkara terakhir, adakah saya dapat melihat aktiviti pengguna, yang disambungkan semula pada masa ini, apa yang mereka lakukan? Saya sebenarnya, dalam persekitaran di mana saya mempunyai pengguna pelbagai ini semuanya boleh dipisahkan supaya saya dapat pangkat, saya dapat melihat siapa yang menggunakan persekitaran yang paling banyak. Oleh itu, hanya dengan cepat kembali dan lihat peringatan tersebut. Berikut adalah amaran itu; Saya boleh mengklik pautan ini di sini dan ia akan membawa saya ke graf untuk masa itu dan tunjukkan kepada saya mana yang berada dalam keadaan berjaga-jaga. Jadi anda boleh lihat di sini, itulah yang menyebabkan ia adalah milidetik purata untuk menulis, contohnya, membaca dan menulis. Jadi, sekali lagi, hanya cuba mendapatkan titik pengenalan masalah tersebut. Dan sangat penting untuk mempunyai alat holistik, bukan hanya sesuatu yang melihat satu perkara itu, kerana manusia harus masuk ke sini dan menghubungkan peristiwa-peristiwa yang sedang berlangsung, jadi anda perlu dapat melihat apa yang berlaku pada itu titik dalam masa merentasi pelbagai bidang persekitaran itu, dan itulah salah satu perkara yang kita lakukan melalui pemetik masa ini di sini.
Eric Kavanagh: Ya, ini adalah Eric di sini dengan soalan yang cepat, kerana saya fikir anda mungkin memukul kuku di kepala, dan inilah yang saya cakap pada puncak jam, bahawa manusia harus datang masuk dan lukis korelasi antara persekitaran yang berbeza. Saya ingin tahu, adakah ada bahan pendidikan yang boleh anda kongsi, atau mungkin anda melakukan beberapa pertunangan dengan orang lain untuk membantu mereka mengenal pasti beberapa pola tersebut? Seperti anda mempunyai contoh yang sangat baik seminit yang lalu, tentang mana salah satu daripada ini adalah spiking yang memberitahu anda bahawa sesuatu sedang berlaku dalam ingatan kerana ia terus cuba untuk membuang ingatan. Dan ia memberikan anda petunjuk, tetapi bagaimana orang memetakan statistik ini terhadap masalah dunia nyata, adalah soalan sebenar.
Stan Geiger: Ya, itu satu titik yang baik dan salah satu perkara yang saya bicarakan, peta jalan untuk produk ini, kemudian pada tahun ini kita akan melepaskan versi dan salah satu perkara yang akan kita mulakan adalah untuk setiap satu daripada graf ini, adalah penerangan tentang apa yang dimaksudkan dengan graf ini dan mengapa anda harus peduli, dan apakah kesannya. Jadi dapat mengklik tanda tanya atau sesuatu pada carta ini dan kemudian tarik sebuah tingkap yang akan memberi anda banyak maklumat dan memberitahu anda ini adalah penyebab yang mungkin, ini adalah kawasan-kawasan yang terpengaruh, dan untuk membimbing anda dalam arah yang dapat pergi dalam kes ini, seperti yang anda katakan, inilah spike itu, saya tahu dari pengalaman peribadi saya apa maksudnya. Dan kemudian saya boleh mula pergi dan mula penggerudian ke kawasan dan mencari punca utama.
Sekarang, kita mempunyai banyak itu, sebenarnya, dalam produk pengurus diagnostik kami untuk SQL Server, untuk pangkalan data sebenar. Kami mempunyai banyak jenis fungsi dalam produk seperti itu, dan juga kami mempunyai beberapa analisis bolt-on untuk pengurus diagnostik yang menunjuk anda lebih cepat. Dan di sinilah kita akan turun jalan dengan produk ini.
Eric Kavanagh: Dan saya meneka ada tanda tangan untuk jenis aktiviti tertentu. Adakah alat ini membolehkan anda mengenal pasti apabila sesuatu jenis peristiwa berlaku dan katalog itu, sehingga dari masa ke masa ia akan mengenali corak yang sama di bawah garis dan membantu anda memikirkan mungkin jika ia merupakan pengguna baru, contohnya, menggunakan alat yang sama? Bantu anda memahami, oh, ini kerana pelayan ini turun atau karena wilayah ini turun? Adakah terdapat beberapa cara untuk menandatangani tanda tangan masalah, seperti yang anda boleh dengan mudah mengenal pasti mereka kemudian?
Stan Geiger: Tidak, sebenarnya, tetapi itu sebenarnya satu konsep yang menarik, kerana ia hampir menyerupai apa yang ada - analisa komponen prinsip, saya rasa - di mana anda mengenal pasti corak dan anda log corak itu dan jadi jika anda melihatnya lagi, anda boleh kembali dan lihat, OK, inilah sebabnya pada ketika itu. Ya, itu sesuatu, ia bukan di peta jalan tapi itu sesuatu yang saya fikirkan dari sudut pengurusan produk.
Eric Kavanagh: Saya boleh bayangkan. Oh, teruskan.
Stan Geiger: Tidak, saya akan katakan - dan kami mendapat banyak permintaan, kerana saya tidak tahu apa pengalaman anda - tetapi apa yang kami dapati ialah DBAs tahu pangkalan data seperti belakang tangan mereka, tetapi barang-barang BI adalah jenis seperti kotak hitam ketika datang ke kesihatan platform. Dan tidak, mereka tidak mempunyai banyak pengetahuan tentang perkara itu. Saya lakukan, hanya kerana bekerja di sana selama lima hingga sepuluh tahun, bukan? Tetapi orang biasa yang bertanggungjawab untuk mencari ini, atau mendapatkan isyarat dan memikirkan apa yang sedang berlaku, itu jenis kotak hitam kepada mereka.
Eric Kavanagh: Ya, saya boleh bayangkan. Saya akan ingin tahu juga, jadi anda telah menunjukkan dalam satu skrin bagaimana anda dapat melihat semua pertanyaan yang akan datang, berapa lama mereka berlari, dan siapa yang menjana mereka. Bolehkah anda juga melihat struktur sebenar pertanyaan SQL itu sendiri dan jenis melakukan analisis di sekelilingnya? Seperti mungkin kadang-kadang orang menyusun pertanyaan SQL yang besar, katakan, dan rumit, berbanding dengan tuan yang benar-benar memasukkan pertanyaan yang bagus dan ketat. Adakah ini sesuatu yang anda dapat memvisualisasikan melalui alat ini dan kemudian membantu anda itu masalahnya?
Stan Geiger: Ya, jadi apa yang boleh anda lakukan ialah, seperti apa yang saya lakukan di sini, saya hanya menyusun masa lapsed, contohnya. Jadi saya dapat melihat orang-orang yang mengambil yang paling lama dan kemudian saya mendapat teks tetapi kemudian ia masih sehingga seseorang yang lebih atau kurang pakar perkara untuk melihatnya dan pergi, "Oh, OK, inilah sebabnya mengapa begitu lama . "Itulah sesuatu yang kita mempunyai jenis analisis beban kerja, kami memanggilnya SQL Workload Analyzer untuk bahagian pangkalan data, bahawa saya telah menipu dengan idea mungkin di jalan yang datang dengan hal yang sama, sehingga ia mengenal pasti pertanyaan-pertanyaan ini dan kemudian memberikan cadangan tentang cara menala pertanyaan tersebut. Tetapi salah satu isu ialah, pertanyaan MDX ini adalah bahasa yang cukup khusus.
Eric Kavanagh: Ya, saya boleh bayangkan. Tetapi, anda boleh melihat, sebagai contoh, siapa orang, jadi tidak terlalu sukar untuk mengetahui jika seseorang, jika seorang lelaki bertanggungjawab untuk sepuluh daripada pertanyaan proses terpanjang, maka jika tidak ada yang lain anda boleh memanggilnya, atau hubungi pengurus atau seseorang dan berkata, "Hei, lelaki ini mengunyah banyak jalur lebar, " dan mungkin ternyata mereka adalah pertanyaan yang paling berharga untuk perniagaan itu, bukan? Anda harus meletakkannya dalam konteks apa nilai perniagaan, dari pertanyaan itu sendiri, bukan hanya permainan nombor yang jelas, bukan? Ini untuk mengetahui, baik, lelaki ini adalah pengguna kuasa kita, dan dia yang mengubah perniagaan, bukan?
Stan Geiger: Tidak, anda betul-betul betul. Maksud saya, itu salah satu cara pelanggan menggunakannya, adalah untuk dapat melakukannya. Seperti yang anda katakan, anda mungkin mendapati satu kawasan, kerana salah satu daripada perkara yang saya bicarakan, saya selalu diserang Excel, tetapi anda boleh menyambung ke perkhidmatan analisis di Excel dan menjalankan jadual pivot dari OLAP, dan ia menghasilkan pertanyaannya sendiri, dan menghantar mereka dan kadang-kadang mereka bukan bentuk yang terbaik, jadi anda boleh kembali dan mengenal pasti mereka dan benar-benar menulis semula mereka dan memberi mereka kepada pengguna dan biarkan mereka menjalankannya di luar sana supaya tidak mengambil masa setengah jam untuk mereka kembali ke meja pangsi mereka.
Eric Kavanagh: Tepat. Dan apabila kita bercakap mengenai pertanyaan, anda menutupi pertanyaan, jadi anda menyebut MDX, bagaimana dengan beberapa pertanyaan lain seperti pertanyaan DAX, atau beberapa yang lain?
Stan Geiger: Ya, kita tutup, ya, mana-mana DAX dan MDX kedua-duanya. Jadi salah satu daripada perkara yang saya tidak sebutkan, atau saya lakukan, mungkin, tetapi kami menyokong kedua-dua tabular dan OLAP di Microsoft dan DAX - Saya fikir anda dan saya bercakap tentang ini beberapa lama lagi - kita melihat banyak lebih tabular sekarang daripada kami OLAP. 'Sebab, lebih mudah untuk memunculkan model-model dan hal-hal seperti itu, jadi anda akan melihat pertanyaan DAX yang jelas, tetapi kami akan mengambilnya, juga.
Eric Kavanagh: Ya, itu menarik. Adakah anda mempunyai apa-apa konteks tentang mengapa itu berlaku? Adakah mungkin kerana semakin banyak orang yang masuk ke dalam hal ini dan kerana OLAP sudah tentu bukan sesuatu yang baru, sudah ada untuk apa, sekurang-kurangnya 30 tahun ganjil?
Stan Geiger: Betul, baik itu gabungan, salah satu perkara yang mereka bentuk kiub adalah seni. Dan kiub telah dibina untuk pra-agregat data supaya ia cepat pantas untuk mendapatkan data, tetapi memproses kiub mengambil sedikit masa kerana ia perlu melakukan semua agregasi tersebut. Dan kemudian, perkakasan mendapat lebih murah dan memori lebih murah dan kemudian semua orang keluar dengan stor kolumnar dan pangkalan data dalam memori, benar-benar. Dan juga jadual mungkin paling dekat dengan pangkalan data hubungan tradisional dan ia hanya lebih mudah dan lebih cepat untuk memunculkan model jadual berbanding dengan OLAP. Tetapi kelemahan adalah bahawa ia berada dalam ingatan, keseluruhannya berada dalam ingatan, jadi memori sangat intensif dan data tidak agregat sehingga anda memohon. Jadi, tetapi setelah mengatakan semua itu, kita mula melihat lebih jauh di luar sana.
Eric Kavanagh: Itu menarik. Ia juga mungkin kerana industri ini agak meratakan sedikit, dan apa yang saya maksudkan ialah kita semakin banyak orang yang berinteraksi dengan data dan menggunakan pelbagai alat, dan tentunya apabila anda bercakap mengenai Microsoft, saya fikir itu pasti kes anda mempunyai banyak, banyak lagi pengguna untuk perniagaan kecil dan pertengahan, dan bahkan beberapa organisasi yang lebih besar yang menggali ke dalam barangan, mendapatkan akses kepada alat, pertanyaan yang sedang berjalan, dan mereka mungkin tidak begitu biasa dengan proses keseluruhan dan teknologi sekitar bangunan kiub, ke titik anda, bukan? 'Sebab ia mengambil sedikit pemikiran, dan ia juga mahal, kan? Ia mengambil masa, memerlukan tenaga untuk membina kiub ini kecuali anda menggunakan beberapa teknologi baru di luar sana. Suka, kami telah berbincang dengan syarikat seperti Snowflake, sebagai contoh, ia melakukan perkara yang menarik, tetapi saya fikir anda mempunyai lebih ramai orang yang menggunakan barangan dan mereka mungkin akan pergi dengan apa yang baru saja anda terangkan, iaitu format tabular, sebagai cubaan bangunan secara rasmi, kan?
Stan Geiger: Ya, saya maksudkan, saya rasa Excel - apabila apa itu, Power Pivot, saya percaya - itu sebenarnya tabular, jika anda melihatnya; ia adalah cara anda membina model jadual. Dan kemudian lelaran seterusnya, saya boleh memberitahu anda model tabular saya yang saya buat dan saya menyebarkannya kepada SQL Server supaya saya boleh berkongsi dengan orang lain. Jadi, ia semacam perpanjangan semula jadi Excel hampir.
Eric Kavanagh: Ya, itu satu perkara yang baik. Apa yang telah kita lihat sejak kebelakangan ini, saya katakan lima hingga tujuh tahun, hanya pengembangan yang besar untuk penggunaan teknologi ini, bukan? Dan secara langsung, Microsoft telah menjadi perintis dalam hal itu, benar-benar demokratisasi data kuasa melalui perkhidmatan analisis dan melalui Power Pivot, bukan? Maksud saya, itu adalah penukar permainan untuk industri, kan?
Stan Geiger: Ya, tidak, awak betul-betul betul. Maksud saya, saya mempunyai slaid apabila saya memberikan pembentangan yang lebih panjang yang menunjukkan peralihan pergi dari model semantik, yang merupakan OLAP, ke jadual. Dan saya fikir saya mempunyai petikan dari Microsoft; mereka mahu data di tangan pengguna, bukan hanya di dinding di kedai TI, mereka mahu mendapatkan lebih banyak data di tangan orang-orang yang memakannya.
Eric Kavanagh: Dan itu kembali ke slaid pertama yang sangat sederhana yang saya tunjukkan, iaitu proses membuat keputusan dasar bagi mana-mana organisasi, dan sekarang - dan saya fikir ini adalah perkara yang hebat - kita semakin ramai orang dari keseluruhan hierarki organisasi yang memberi perhatian kepada apa yang berlaku, membawa kisah mereka ke meja dan anda melakukannya dengan data, itulah garis bawah, maksud saya, anda boleh menggunakan cara lain, tetapi jika anda kembali cerita anda dengan data, anda akan mempunyai hujah lebih kuat daripada mereka yang tidak, bukan?
Stan Geiger: Tepat, ya. Suka, ya betul betul. Maksud saya, itulah sebabnya sekarang, ia menjadi "Hey, saya perlukan laporan ini, " jadi sekarang saya mendapat permintaan laporan itu dan saya perlu melalui sini dan mendapatkan laporan saya, dan sekarang saya boleh duduk ada di meja saya dan benar-benar hanya, saya mempunyai akses kepada data yang dihasilkan, membuat keputusan perniagaan saya.
Eric Kavanagh: Betul. Anda tahu, saya kembali dari persidangan minggu lalu dan ada komen yang histeris daripada seorang lelaki yang menjalankan persekitaran BI yang agak besar untuk Sasaran kedai, dan dia merujuk analisis diri dan BI layan diri, dan jelas itu masalah besar hari ini. Saya yakin ia adalah sesuatu yang memacu banyak aktiviti untuk apa yang anda lakukan di IDERA kerana apabila anda mahu melancarkan perkhidmatan layan diri, pertama sekali anda lebih baik mempunyai persekitaran BI yang sihat, bukan? Jika anda akan mendapatkan semua jenis orang di luar sana yang bertanya semua jenis soalan dalam semua jenis cara, anda akan mahu mempunyai sesuatu seperti alat ini di sini, untuk dapat memahami siapa yang bertanya soalan dan di mana. Dan petikan lucu saya akan membuang hanya untuk tendangan di sini, seperti yang anda katakan, "Ada garis halus antara BI layan diri dan pergi F sendiri."
Stan Geiger: Ya.
Eric Kavanagh: Saya fikir ia adalah histeria. Tetapi adakah anda melihat bahawa trend layan diri benar-benar mendorong banyak kesedaran tentang apa yang anda lakukan dengan teknologi?
Stan Geiger: Ya, kerana seperti yang anda katakan, jika anda akan membenarkan BI layan diri, maka anda mungkin akan mendapat beberapa masalah prestasi, kerana hanya: A) jumlah akses, jumlah orang yang akan pergi pada data, dan B) jumlah pertanyaan yang kurang dibentuk dan cara mengaksesnya yang anda miliki. Oleh itu, anda benar-benar mustahak bahawa anda memantau persekitaran supaya anda dapat memastikan semua orang gembira yang cuba menggunakan data itu, bukan?
Eric Kavanagh: Ya, saya fikir betul betul. Ini rahmat dan laknat: baiklah orang cuba menggunakan barang itu, tetapi sekali lagi, pada titik anda, jika anda tidak mempunyai alat yang tepat pada masa itu, anda akan menjadi pengembara yang tidak berpuas hati kerana untuk menggulung keluar layan diri tanpa alat seperti ini, nampaknya saya hanya meminta gunung masalah.
Stan Geiger: Ya, maksud saya, ia sama seperti ketika saya sedang membina gudang data, seperti jika anda tidak mendapat dimensi dan jadual fakta anda betul, maka anda membatalkan laporan pelaporan ad hoc, anda mungkin merangkak di bawah batu.
Eric Kavanagh: Itu hebat. Ya, baik sekali, sekali lagi, berita baik bahawa orang menggunakan perkara ini, tetapi saya fikir saya percaya bahawa layan diri akan memacu banyak aktiviti untuk apa yang anda lakukan, kerana anda bercakap tentang ramping sehingga jumlah ketegangan dan jumlah tekanan pada sistem ini dengan pesanan magnitud. Bukan hanya dengan satu, atau dengan dua pesanan magnitud dan itu adalah titik bahawa anda benar-benar ingin mempunyai penglihatan dan anda mahu dapat melihat siapa yang melakukan apa, di mana, bila, bagaimana dan mengapa. Tanya soalan-soalan itu dan kemudian membuat beberapa keputusan tentang bagaimana anda boleh memantau dan mengubah persekitaran dan mengubah dasar siapa yang mendapat akses kepada apa, bukan?
Stan Geiger: Betul. Dan anda tahu, juga, mengetahui, melihat bahawa penggunaan juga membolehkan anda masuk ke sana, dan potensi, seperti yang saya nyatakan objek dalam kubus, saya boleh melakukan perkara-perkara untuk memperbaiki itu, sejauh cara saya membina dan merancang perkara-perkara. Oleh itu, adalah penting bukan hanya untuk melihat prestasi sesuatu tetapi untuk melihat bagaimana skim dan reka bentuk anda sedang melaksanakan pada tahap itu, untuk dapat membuat tweak kepadanya. Dan ia hanya akan menjadi lebih besar dan lebih besar kerana perkara-perkara seperti kuasa BI adalah masalah besar sekarang, dengan Microsoft, jadi sekarang saya boleh membina papan pemuka dan widget dan perkara saya sendiri, dan tidak perlu menjadi pemaju BI.
Eric Kavanagh: Betul. Ya, itu adalah perkara yang baik, ia mendapat di mana-mana, tetapi anda memerlukan beberapa cara untuk menguruskan persekitaran itu atau anda akan mendapat pengguna yang tidak berpuas hati. Ini membawa kepada pengurusan yang tidak berpuas hati, yang membawa kepada orang yang dipecat. Terdapat kesan domino yang cukup jelas apabila perkara mula jatuh, tetapi ini adalah perkara yang hebat.
Jadi saya agak mengunyah lima minit terakhir di sini. Robin, adakah anda mempunyai sebarang pertanyaan?
Robin Bloor: Saya fikir ia menarik, sebenarnya, untuk jujur. Ia telah memikirkan hakikat bahawa kita mempunyai persekitaran yang sangat terhad dan layan diri sebenarnya mengubah dunia dan banyak yang sebenarnya berlaku kerana banyak lagi data yang banyak telah masuk ke alam sekitar daripada berlaku sebelum ini. Satu-satunya soalan, kerana kami tidak mempunyai banyak masa, tetapi satu-satunya soalan yang saya akan tertarik untuk bertanya adalah seperti yang anda menerangkan cara itu - kerana saya fikir ia adalah demo yang sangat baik - cara yang Kerja pemantauan BI. Saya tertanya-tanya apa yang orang-orang yang tidak mempunyai barangan seperti ini sebenarnya? Kerana ia mesti menjadi sangat sukar, terdapat beberapa perkara di mana anda membuat perbezaan, sebab utama adalah baik, anda tidak semestinya selalu sampai kepada punca akar, tetapi anda boleh sampai ke sebab utama dengan beberapa perkara yang anda lihat, bahawa apabila anda mengatakan bahawa beberapa orang membeli alat itu hanya untuk mengetahui siapa yang menjalankan apa, dan fikiran saya berputar, kerana ia seperti anda tidak tahu siapa yang menjalankan apa, maka barangan tidak terkawal. Jadi, bagaimana keadaan alam sekitar apabila ia berada di luar kawalan?
Stan Geiger: Maksud saya, anda boleh mendapatkan semua maklumat ini yang kami ada dalam alat itu sendiri, tetapi anda perlu menulis banyak skrip homegrown dan 'menyebabkan semua data di luar sana anda hanya perlu tahu di mana untuk dapatkannya, yang memerlukan tahap kepakaran, bukan? Oleh itu, dalam persekitaran di mana anda tidak mempunyai tahap kepakaran itu, pada dasarnya, apa yang anda perolehi adalah, apakah ia naik atau turun? Saya benar-benar tidak tahu sama ada ia berjalan dengan cekap atau tidak, tetapi sudah tiba, betul? Dan kemudian saya mula mendapat panggilan telefon atau orang pergi, "Hei, laporan saya tidak berada dalam peti masuk saya, apa yang berlaku?" Atau "Saya hanya menyerahkan laporan ini melalui perkhidmatan pelaporan" atau mereka mungkin melakukan pertanyaan di sini dalam perkhidmatan analisis, tetapi ia diambil seperti setengah jam, dan ia digunakan hanya mengambil 30 saat, apa yang berlaku? Nah, sekarang anda perlu melakukan gerudi api dan cuba dan memikirkannya, dan tanpa alat ia menjadi sangat sukar.
Robin Bloor: Baiklah, itulah perkara yang menjadi semakin jelas kepada saya, kerana anda menunjukkan setiap dimensi yang sebenarnya anda dapatkan di sini. Perkara yang lain, ia seperti pada tahap sangat sangat primitif, jika anda tidak mempunyai peringatan yang memberitahu anda bahawa barangan itu salah, maka ia hanya mahal - anda mendapat situasi yang mahal, cuba menyembuhkan apa yang berlaku, kerana anda tidak tahu sehingga barangan mula jatuh terlalu buruk, bukan?
Stan Geiger: Betul, anda tidak tahu apa yang anda tidak tahu.
Eric Kavanagh: Anda mendapatnya. Nah, hey orang, kami telah membakar satu jam dan berubah, di sini. Sangat besar terima kasih kepada Robin Bloor kita sendiri, dan tentu saja kawan kita, Stan Geiger, dari Software IDERA. Mereka akan berada di Enterprise Data World, sebenarnya, jika ada di antara kamu yang pergi ke sana, kamu benar-benar akan berada di sana juga di Atlanta. Rakan baik kami, Tony Shaw, sedang melakukan tugas yang hebat dalam persidangan itu empat tahun lalu, dan apa yang sudah lama baru lagi. Ia semua benda panas. Mudah-mudahan, kami akan melihat anda di sana, jika tidak, semak semula dengan kami minggu depan, kami mempunyai banyak webcast lain yang dibarisi.
Sentiasa ingin tahu mendengar pendapat anda, menghantar e-mel kepada, yang betul kepada saya, jika anda mempunyai sebarang pertanyaan atau cadangan, atau teknologi lain yang anda ingin pelajari dalam Teknologi Hot. Dan dengan itu, anda akan membida anda perpisahan, orang-orang. Terima kasih sekali lagi untuk menyertai kami, kami akan bercakap dengan anda pada masa akan datang. Jaga diri. Selamat tinggal.
