Sa pamamagitan ng Techopedia Staff, Marso 29, 2017
Takeaway: Tinatalakay ng Host na si Eric Kavanagh ang intelligence sa negosyo kasama si Dr. Robin Bloor at si Stan Geiger ni IDERA.
Kasalukuyan kang hindi naka-log in. Mangyaring mag-log in o mag-sign up upang makita ang video.
Eric Kavanagh: Mga kababaihan at mga ginoo, maligayang pagdating muli, ito ay Miyerkules sa 4:00 Eastern at sa huling ilang taon na nangangahulugang oras para sa Hot Technologies, oo, talaga. Ang pangalan ko ay Eric Kavanagh, ako ang magiging host mo para sa palabas ngayon. Gustung-gusto ko ang paksang ito: "Suriin sa Kalusugan: Pagpapanatili ng Healthy Enterprise BI, " iyan ang ating pag-uusapan ngayon. Mayroong isang lugar tungkol sa iyo ng tunay.
Kaya't sa taong ito ay mainit - Ang Mga Teknolohiya ng Hot ay talagang idinisenyo upang tukuyin ang mga partikular na uri ng teknolohiya at maaari mong isipin na doon sa mundo ng software ng negosyo ay maraming at mga nagtitinda na nagbebenta ng lahat ng uri ng iba't ibang mga produkto at kung ano ang nangyayari sa hangin na nangyayari ang mga buzzwords na ito ay nagsisimula nang masanay at nasanay sa pamamagitan ng iba't-ibang mga vendor para sa ibang iba't ibang mga bagay. At kung gayon, ang layunin ng palabas na ito ay talagang tulungan ang aming mga kaibigan sa vendor at tulungan ang aming tagapakinig na parehong makilala at balutin ang aming mga ulo sa kung ano ang mga tiyak na uri ng mga teknolohiya at kung ano ang ibig sabihin ng mga salitang ito kapag nakakuha ka ng tama sa mga tansong tanso.
Kaya, tatayo ako bilang isa sa mga analyst ngayon, mayroon din kaming Dr Robin Bloor sa linya at Stan Geiger mula sa IDERA. Pag-usapan natin nang mabilis ang tungkol sa kahalagahan ng katalinuhan ng negosyo at analytics sa pangkalahatan. Ito ay isang pangunahing punong desisyon, kung gagawin mo, o isang tsart ng daloy lamang ang uri ng mga pag-uusap tungkol sa kung paano ka nagtatrabaho sa mga isyu sa iyong kumpanya, nagkakaroon ng mga talakayan tungkol sa iba't ibang mga paksa, pagsasama-sama ng mga panukala at pagkatapos mong malaman kung ano ang iniisip ng mga tao. Sumasang-ayon ba sila? Sumasang-ayon ba sila? Ano ang pinagkasunduan, kung mayroon ka, at paano ka nakikipagtulungan sa prosesong iyon?
Sa totoo lang, lahat ito ay malinaw na napaka-generic, ngunit ito ay isang magandang paalala ng proseso kung saan ipinapanukala namin ang mga ideya sa mga kumpanya, gumawa ng aming mga pagpapasya at pagkatapos ay sumulong. At ang ilalim na linya ay ang data ay kinakailangan para sa bawat isa sa mga sangkap na iyon. Mas totoo iyan sa mga araw na ito sa mundo ng malaking data, dahil siyempre, ang malaking data ay katulad ng higanteng katotohanan na makina doon. Malaking data ang talagang nangyayari; ito ay kinatawan ng kung saan, kung ano ang kanilang ginagawa, kung ano ang kanilang binibili, kung ano ang hawakan ng kanilang social media, pag-tweet ng halimbawa. Siyempre, ang lahat ng mga bagay na iyon ay maaaring mai-hack - kailangan mong bantayan iyon - ngunit ang punto ay ang data ay ang sanggunian na sanggunian, kung gagawin mo, para sa katotohanan.
Kaya, nais mo ang data sa bawat punto sa proseso ng paggawa ng desisyon. Ngayon, mahalaga ang pinagkasunduan. Kung nais mo ang mga maligayang gumagamit, kung minsan ang isang boss ay maaaring pumunta laban sa butil ng nais ng lahat. Pinag-uusapan lang namin ang tungkol sa Steve Jobs bago nagsimula ang webcast na ito at siya ay kilalang-kilala sa ganoong klaseng bagay. Nakakuha siya ng isang tanyag na quote kung saan inirerekumenda niya na ang mga tao ay malunod ang ingay na naririnig nila sa paligid at pagkatapos ay dumikit sa kanilang pangitain, kung alam nila kung tama ang ginagawa nila. Kaya, hindi mo palaging kailangan ng pinagkasunduan, ngunit kadalasan ito ay isang magandang ideya. Ngunit ang pangkalahatang layunin ng slide na ito at ang komentaryo na ito ay upang itaboy ang kahalagahan na nais nating gawin ang aming mga pagpapasya batay sa data, hindi lamang sa likas na ugali, bagaman ang gat ay karaniwang talagang mahusay sa pagtulong sa iyo na nais mong puntahan, at pagkatapos talagang tumingin ka upang mapatunayan iyon, o hindi wasto iyon, sa iyong data. At sasabihin ko na huwag matakot na tumingin muli sa loob doon, tulad ng isang magandang maliit na marker, o paalala na kapag tiningnan mo muli ang okasyon na maaari kang makakuha ng kaunting balangkas ng sanggunian at maunawaan kung nasaan ka nagmula at maging matapat tungkol sa mga pagkakamali na nagawa mo. Lahat tayo ay nagkakamali, nangyari ito.
Kaya, kung mayroon kang mga isyu sa pagganap sa iyong mga sistema ng intelihensya ng negosyo, well, nariyan ang lumang expression na "ang pasensya ay isang birtud, " hindi sa mundo ng IT, masasabi ko sa iyo ngayon. Kung ang mga gumagamit ay naghihintay ng mahabang oras upang bumalik ang kanilang mga query, o hindi nila nakuha ang kanilang mga ulat, na nagtatanggal ng tiwala, at kapag nawala ang tiwala napakahirap makuha iyon. Kaya, naglagay ako ng isang linya dito - mga 40 segundo sa mga araw na ito ay tulad ng 40 minuto sa maraming kaso - kung ang isang query ay aabutin ng 40 segundo, nakalimutan ng mga tao kung ano ang pinag-uusapan nila, kung ano ang hinihiling nila. ng data. Isipin mo lamang sa isang pag-uusap kung magtanong ka sa isang tao, sabihin natin ang iyong boss, sasabihin mo, "Hoy, nais kong malaman kung bakit ito ay bababa sa ruta na ito." At kailangan mong maghintay ng 40 segundo sa isang pag-uusap upang makakuha ng isang sagot? Maglakad ka sa labas ng silid! Naisip mo na nawalan ng isip ang iyong boss. Kaya, ang latency na mayroon kami sa ilang mga sistema ng impormasyon, kapag may mga problema sa pagganap, na pupunta sa truncate ang proseso ng analitikal, ang daloy ng analitikal, o tulad ng tawag ng ilang mga tao, ang pag-uusap na mayroon ka sa iyong data. Kailangan mong mapabilis sa mga sistemang ito, anuman ang dapat mong gawin upang magawa iyon, at pag-uusapan natin iyan ngayon, iyon ang dapat mong gawin, dahil kung wala ang likido na daloy ng mga ideya na pabalik-balik, ikaw ay talagang nakakasira sa buong proseso ng analytics. Kaya, at sa sandaling muli, itinapon ko ang komentong ito: ang kawalan ng tiwala ay isang tahimik na mamamatay. Hindi talaga maiangat ng mga tao ang kanilang mga kamay nang labis kung hindi ka nagtitiwala sa iyo, ngunit titingnan ka lamang nila sa tabi at magtaka kung ano ang nangyayari. At kapag nawala na ang tiwala na iyon magkakaroon ka ng isang napakahirap, napakahirap na oras upang maibalik ito.
Kaya, artipisyal na intelihensiya, maayos nating naririnig ang tungkol sa pag-aaral ng makina at AI at "Oh, hindi ba't malulutas nito ang lahat ng mga problemang ito?" Maraming taon na akong naririnig ni Robin tungkol sa mga database ng pag-tune ng sarili at lahat ng mga nakakatuwang bagay na ito - mayroong ilan sa mga nangyayari, ngunit tanungin lamang ang iyong sarili ng tanong: gaano kadalas ang tama na nakuha ni Siri para sa iyo? Gaano kadalas si Siri ay hindi sinasadyang tumayo at pumunta, "Pasensya na, hindi ko nakuha iyon." Iyon ang dahilan kung bakit wala akong hiniling sa iyo. Hindi ko sinasadyang matumbok ang pindutan na iyon. Kaya maraming mga flaws pa rin, at sa pamamagitan ng paraan sa kaliwang bahagi, iyon ang ASIC chip mula sa isang Apple Newton - tandaan na ang tuta mula taon at taon na ang nakakalipas? Iyon ay isa sa mga unang matalinong aparato, at iyon ang uri ng matagal na, tulad ng unang bahagi ng '90s o kalagitnaan ng '90s nais kong sabihin. Na ang Newton ay lumabas at hindi ito napakahusay, ngunit nagkaroon ito ng pangitain; alam nila kung saan sila pupunta, ngunit kahit ngayon, sa pag-aaral ng iPhone AI at machine, ito ay malawak na hindi pagkakaunawaan ng mga konsepto, sasabihin ko.
At tiyak na may paggalang sa pag-aaral ng makina, maaari itong maging kapaki-pakinabang at tunay na maaaring magamit sa ilang mga kapaligiran na kung saan sinusubukan mong maunawaan kung ano ang nangyayari sa iyong kumplikadong arkitektura ng impormasyon, kung saan ang mga bagay ay nagkakamali. Ang pag-aaral ng makina ay maaaring maging napakahalaga sa kontekstong iyon, ngunit kung mailalapat lamang sa isang napaka-talamak na paraan. Kaya, ako ay, sa katunayan, isang malaking kaganapan sa California, ang isa sa mga malaking distributor ng Hadoop na si Cloudera ay nagkaroon ng kanilang analyst summit at nakikipag-usap ako sa kanilang punong opisyal ng estratehiya at sinabi, "Alam mo, tila sa akin, ang talagang pag-aaral ng makina ay gumagawa lamang ng dalawang bagay: ito ay mga segment at pinino. ”Ibig sabihin ay bibigyan ka nito ng iba't ibang mga segment o kumpol ng mga aktibidad kasama ang mga anomalya, na magiging isang segment. At pinapino nito, nangangahulugang makakatulong ito sa iyo na mapagbuti ang isang tiyak na uri ng pagpapasya. Ang klasikong halimbawa na naririnig mo tungkol sa ay mayroong isang tao sa larawang ito, halimbawa. Kaya iyon ang maaaring gawin ng pag-aaral ng machine, at ito ay kapaki-pakinabang sa ilang mga konteksto, kapag pinag-uusapan mo ang pag-aayos, dahil maaari kang maghanap ng mga pattern ng pag-uugali sa paggamit ng CPU, sa paggamit ng memorya, sa bilis ng disk at kung ano ang ginagawa ng mga disk, at lahat ng uri ng nakakatuwang bagay. Kaya maaari itong maging kapaki-pakinabang, ngunit ito ay talagang isang bagay na kailangang maging napaka nakatuon upang makabuo ng anumang halaga.
Kaya, ang isa sa aking mga paboritong mga bagay na pag-uusapan - at titingnan namin ng kaunting ito, sa palagay ko, kapag kukuha tayo ng aming demo ngayon mula sa IDERA - sa maraming paraan sa palagay ko ang mga tao ay natututo pa ring magsalita ng silikon . Mayroong isang materyal na agham sa ilalim ng lahat ng ito, at para sa iyo na nakagawa ng pag-troubleshoot at talagang napansin ang mga kumplikadong arkitektura ng impormasyon, kapag sinusubukan mong maunawaan kung ano ang nangyayari, kahit na tulad ng isang kumpol na Hadoop halimbawa, talaga karaniwang nakatingin ka lang sa mga histograms. At pagkatapos ay kailangan mong i-correlate kung ano ang ibig sabihin ng iba't ibang mga histograms na ito sa isang partikular na sandali sa oras, at nangangailangan ng katalinuhan; na kumukuha ng katalinuhan at karanasan ng tao. Kaya, hindi ako natatakot sa lahat na ML, o pag-aaral ng makina o AI ay aalisin ang napakaraming mga trabaho sa mundong ito anumang oras sa lalong madaling panahon. Sa palagay ko laging may pangangailangan para sa mga tao, na lantaran kung ano ang kanilang pinag-uusapan upang matulungan kami at maisakatuparan ito.
Kaya, patuloy tayong gumalaw. Kaya, ano ang mangyayari kung hindi ka hinihimok ng data? Ito ay isang tanyag na pagpipinta, "Ang Bulag na Nangunguna sa Bulag" - hindi ito ang iyong hinahanap, mga tao. Hindi mo nais ang ganitong uri ng kapaligiran sa iyong samahan. Kaya ang gusto namin ay nais namin na ang aming mga desisyon ay hinihimok ng data at nais namin ang mga desisyon na hinihimok ng mahusay na data, mahusay na data ng kalidad at mangyayari lamang ito kung tipunin mo ang tamang data, kung maganda at malinis, at kung tumatakbo nang maayos ang iyong mga system, kung malusog ang iyong mga system ng BI, ang iyong mga system ng analytics ay malusog at nakakakuha ang mga gumagamit ng gusto nila sa isang napapanahong paraan.
Kaya sa pamamagitan ng pagpunta ko balot at ibigay sa walang limitasyong Robin Bloor. Robin, ilayo mo na.
Robin Bloor: Okay, well, salamat sa pagpasa sa akin ng bola. Nag-iisip ako habang nagsasalita ka, Eric, iniisip ko lang ang tungkol sa BI at mayroong isang pagtatanghal ng vendor na dinaluhan ko kamakailan nang may nagwika na sa isang partikular na tindero, nagpapatakbo ng isang partikular na sistema sa isang malaki, masamang bodega ng data na gagawin nila, sa isang naibigay na punto sa oras ay maaaring magawa ang 70, 000 mga transaksyon sa BI na hahantong sa impormasyon na ipinakita sa maraming tao. Nangyari sa akin na kung talagang mayroon kang ganoong uri ng trabaho, at nag-aaksaya ka rin ng ilang segundo sa mga tuntunin ng pagpapatupad ng software, kung gayon ito ay talagang magiging napakamahal, at kung mag-aaksaya ka ng ilang minuto, ito ay magiging lubhang kakila-kilabot. At pagkatapos ay naalala ko na ang isang kakila-kilabot na mundo ay tumatakbo sa mga spreadsheet - may, sa palagay ko ay tinawag silang "mga sistema ng anino" ay hindi sila? Sa unang pagkakataon, kung saan ang mga tao ay magkasama magkasama ng mga system gamit ang mga spreadsheet at email, at gagawin nila ang mga bagay, dahil ang departamento ng IT ay hindi makakapagtayo ng mga aplikasyon para sa lahat, kaya't ginagawa nila iyon. At isang pulutong ng BI, sa palagay ko, ang makakasangkot sa mga system na ganoon pa rin.
Pa rin, kapag sinabi na, sabihin sa pakikipag-usap tungkol sa kung ano ang ako ay pag-uusapan. Ang isang feedback ng BI para sa mga sistema ng korporasyon, ito ay talagang simple o kumplikado, depende sa eksaktong kung ano ang papel na ginagampanan nito sa samahan. Ngunit kung titingnan natin ito ay isang diagram mula sa mga apat na taon na ang nakalilipas, kapag sinubukan namin sa isang paraan o naiintindihan ng iba kung ano ang nangyayari sa gilid ng analytics. Ngunit medyo, lahat ng bagay na hindi nakakagulat, tinitingnan ang dati nang nangyari, at lahat ng bagay na pangasiwaan, sa mga tuntunin ng paraan ng paggana ng system, ay may posibilidad na maging BI. Hindi ito ang naging kaso na kung ano ang nauna nang nakita, nahuhulaan na analytics ay BI, ngunit iyon ay talagang nagiging kaso. Nabanggit ni Eric ang pag-aaral ng makina, ang maraming pag-aaral ng makina ay maaaring aktwal na sa isang paraan o iba pa ay tatakbo laban sa isang stream ng data at makapagbibigay sa iyo ng mahuhusay na analytics para sa darating na limang minuto, o kahit na sa tunay na oras, kaya maaari kang tumugon sa isang customer, na may isang kinakalkula na kaalaman tungkol sa kung ano ang tunay na nangyayari.
Ngunit ang sentro ng diagram na ito, ang loob ay nagmumula sa analytics. Ang karaniwang nangyayari ay ang iba't ibang mga aktibidad ng analytical ay nakatuon sa partikular na mga koleksyon ng data at isang bagong natutunan, natutunan ang kaalaman tungkol sa negosyo. At ang piraso ng kaalaman na ito ay pagkatapos ay strapped sa mga proseso ng negosyo na maaaring feed mula dito. At kadalasan ito ay ipinakita sa isang paraan o iba pa habang ang mga alerto ng BI ay lumilitaw, o iba't ibang mga bagay na inilalagay sa mga dashboard, at iba pa. Kapag ginawa talaga natin ito, mayroong apat na termino doon at natatapos sila sa salitang "paningin" na napakabuti. Ngunit sa aktwal na katotohanan ay hindi lahat ng bagay sa larangan ng kung ano ang nais gawin ng mga tao, mayroon ding problema ng pag-optimize at pag-optimize ay hindi nagbigay ng simpleng analytics. Ito ay napaka kumplikadong problema at maraming mga problema sa pag-optimize ay hindi natatanging natutunaw. Maaari ka lamang magkaroon ng magagandang solusyon, hindi mo mapapatunayan na mayroon kang isang mas mahusay na solusyon. At iyon ang isang lugar ng aktibidad, kung saan may aktibidad na nangyayari, ngunit mas kaunti ito kaysa sa karamihan ng iba pang mga lugar ng analytics. Kaya, sinasabi ng mga tao na nabubuhay tayo sa edad ng analytics - mabuti, ginagawa namin kumpara sa sampung taon na ang nakaraan, ngunit maaari itong higit na mapunta kaysa sa nawala na.
Kaya, ang pag-aanak ng BI, ang pagnanais para sa kaalaman ay naghahatid ng mga kahilingan ng gumagamit, na nag-iisa ng mga proyekto ng analytics, at ang mga proyekto ng analytics ay nag-aanak ng mga lawa ng data, at mga lawa ng data kasama ang mga analytics na nagdadala ng mga pananaw at pananaw na sumunod sa BI. Ito ay isang kwento na sinabi ko lang; Akala ko lang isusulat ko iyon. Ang nagawa kong gawin dito, ang ibig kong sabihin, ang buong punto ng slide na ito at talagang karamihan sa iba pang mga slide ay upang talagang bigyang-diin kung gaano kumplikado ang mundo ng katalinuhan ng negosyo. Hindi ito isang simpleng bagay, maaari kong gawin ang partikular na paraan ng slide na mas kumplikado kaysa sa aktwal na ito, ngunit mayroon ka sa ilalim dito, mayroon kang panlabas na data at panloob na data na sa isang paraan o iba pa ay ilalagay sa isang dula. lugar, na kung saan ngayon ito ay uri ng mga data ng mga lawa ng data, bagaman hindi lahat ay may mga lawa ng data. At ang mga tao na hindi kinakailangang magkaroon ng mga matagumpay. At pagkatapos, mayroong isang aktibidad sa paglilinis ng ingest at isang aktibidad na namamahala na kinakailangan sa data bago mo talaga magamit ito. At pagkatapos, naglilingkod ka sa data na iyon at maiuulat mo rin ito, o pag-aralan ito at ang pagsusuri ay hahantong sa pagkilos.
At kung titingnan mo ang iba't ibang uri ng pagsusuri na umiiral, ito ay isang hindi mapaniniwalaan o kapani-paniwala na mahabang listahan, ngunit hindi kinakailangan na isang kumpletong listahan, ito lamang ang naisip kong isulat, kapag ako ay talagang lumilikha ng slide na ito. Kaya, mayroong maraming mga bagay na nagpapatuloy sa isang kapaligiran sa BI na ang mga visualization, OLAP, pamamahala ng pagganap, scorecards, dashboard, iba't ibang uri ng forecast, mga lawa ng data, pagmimina ng teksto, pagmimina ng video, mahuhulaan na bagay, mayroong isang malawak na spectrum ng mga bagay na talagang nagpapatuloy. Kung titingnan mo ito sa ibang paraan, ang katotohanan ng korporasyon, talaga ito ay isang katulad na diagram sa huli, tapos na ito sa ibang paraan. Inihiwalay ko ang itatawag mo sa BI dahil ito ay regular at alam kung ano ang kinakailangan, hindi nangangahulugan na ang tunay na nangyayari ay mabisa, ngunit hindi bababa sa magkakaroon ka ng mga regular na bagay na nangyayari sa, sabihin natin ang Tableau, o sa Pag-click, o sa Ang mga cognos, mayroong isang mapagkukunan ng paksa, at iba pa at iba pa, ang iba't ibang mga regular na ulat o kakayahan ay magaganap. At pagkatapos ay mayroon kang mga analytics na apps at naiiba ang mga ito. Dahil ang mga analytics app ay talagang tungkol sa paggalugad ng data at sa aking isip ay uri ito ng katumbas sa pananaliksik at pag-unlad. At pagkatapos ay mayroon kang daloy ng trabaho. Sa ilalim ng daloy ng trabaho ay ihalo ang iyong mga bagay-bagay sa mga pagpapatakbo ng apps at mga opisina ng opisina, kung kinakailangan - at iyon ang katotohanan ng korporasyon na nakikita ko ito - kahit na sa karamihan ng mga organisasyon ay hindi ito maayos na naayos.
Kaya ang pagkagambala sa BI, ito ay lamang ng isang hanay ng mga bagay na banggitin ay ginagawang mas mahirap kaysa sa dati, dahil ang dating BI mundo ay binubuo pangunahin ng medyo malinis na mga database na nasa isang paraan o ibang nakunan, marahil mula sa isang bodega ng data at pinakain sa tiyak BI software. At sa mga panahong iyon, talagang nakikipag-usap ako lima o sampung taon na ang nakalilipas, ngunit sa mga araw na iyon, ang mga dami ng data ay hindi lumalawak, ang mga mapagkukunan ng data ay kilala. Ang bilis ng pagdating ng data ay kilala, bagaman madalas ang ilang mga BI ay hindi magaganap nang mabilis para sa gusto ng ilang mga gumagamit. Walang anumang hindi nakaayos na data, halos hindi data ng lipunan, tiyak na walang data ng IoT, hindi mo pinansin ang napatunayan na data. Ang halaga ng computer ay walang pagkakapareho sa mga tuntunin ng imprastraktura upang magawa sa isang paraan o ibang gawin ang mga bagay na sobrang bilis. Wala kang pag-aaral ng makina, at ang bilang ng mga analytic workload ay medyo slim. At lahat ng iyon ay nabago, ang dami ng data ngayon ay maaaring lumalakas nang labis. Ang bilang ng mga mapagkukunan ng data ay nagpapatuloy lamang ito sa pagpunta. Oo, ang pagdating ng streaming ng napakabilis na data, maraming hindi nakaayos na data, tiyak na data sa lipunan na kakailanganin ng paglilinis, ngunit ang iba pang data na maaaring kailangan ng paglilinis, tiyak na data ng IoT, ay ang deal ngayon.
Ang pagpapatunay ng data ay isang isyu at inaalagaan namin ito. Ang kapangyarihan ng computer ay naroon, na malinis, dahil na ginagawang posible ang lahat ng uri ng mga bagay, at nakuha mo ang pag-aaral ng makina ngayon bilang isang kababalaghan na humahantong sa paglikha ng higit pang kakayahan ng BI at bagong mga analytic na mga gawain na gagawin din. Kaya, ang BI ay hindi isang static na sitwasyon at sa palagay ko na ang huling bagay na sasabihin ko, bago ko ibigay ito kay Stan. Oh hindi, hindi, may iba pa. Ang hinaharap na landscape ng BI, ang internet ng mga bagay, arkitektura na hinihimok ng kaganapan, real-time na lahat, OK. Iyan ay sapat na BI ng gumagamit, sa pamamagitan ng gumagamit, para sa gumagamit ang mga isyu sa buod. Pagmamaneho ng pagganap ng data, pagiging saklaw ng data, paglilinis ng data, kasanayan sa pag-access ng data, paggunita, kakayahang ibahagi at pagkilos.
Kaya ngayon maipasa ko ito kay Stan, maliban kung ang serbisyo ng BI ay maaasahan at napapanahon, hindi ito serbisyo. Si Stan?
Eric Kavanagh: Sige, Stan, binibigyan kita ng bola, dalhin mo ito.
Stan Geiger: OK. Kaya, ang sasabihin ko ay ang aking background lamang. Ako ay isang senior manager sa IDERA sa pamamahala ng produkto at isa sa mga responsibilidad na mayroon ako ay ang aming produkto sa pag-aalok ng intelligence sa negosyo. Kaya't palawakin ko nang kaunti sa kung ano ang pinag-uusapan at pinag-uusapan ni Robin ang pangunahing lugar na may katalinuhan sa negosyo ay sinusubaybayan ang iyong kalusugan sa platform. Tulad ng sinabi niya, ngayon ay dati na kung saan mayroon kaming lahat ng data na ito at aabutin ang mga linggo upang masuri at pagkatapos ay babalik kami sa mga ulat at mga bagay. Ngunit ang landscape ng BI ay nagbabago tulad na malapit na kami sa halos real-time na analytics ngayon. At sa maraming mga kaso, aktwal na real-time na analytics. Kaya, pinag-uusapan ko nang kaunti ang slide na ito, ito ay uri lamang ng isang pangkalahatang-ideya - at tulad ng isang buong pagsisiwalat ay sasabihin ko ito mula sa isang pananaw sa Microsoft, ngunit ang lahat ng mga konsepto na ito ay napasa kung ang iyong BI ang mga platform ay nasa Oracle, o gumagamit ka ng Informatica at Oracle, o ihalo lamang ang mode, mga mestiso na kapaligiran. Gagamitin lamang ako sa sanggunian sa kapaligiran ng Microsoft, ngunit ito ay medyo pamantayan.
Si Robin ay mayroong slide doon na nakaantig dito, ay mayroon kang mapagkukunan ng mga sistema, kung saan nakakuha ako ng lahat ng aking data na nakaupo, at ngayon ito ay ang lahat ay nasa lahat ng mga database ng relational at pag-iimbak ng data tulad ng, ngunit mayroon na kaming Hadoop at internet at mga bagay, at ang lahat ng hindi naka-istrukturang data na nakaupo doon, at maaari na nating dalhin ang mga ito sa arkitekturang BI. Kaya ang gitnang tier doon ay nakikipag-usap nang kaunti ay ang pag-iimbak ng data sa pagsasama-sama; ito ay kung saan namin hilahin ang data, maaari naming linisin ito, maaari naming ayusin ito, at pagkatapos ay ilagay sa ilang uri ng data store at pagkatapos ay ang layer ng pagtatanghal ay nakaupo sa tuktok ng iyon, at doon na nakukuha ang iyong mga gumagamit. At ginagawa namin ang mga analytics sa data na iyon sa mga data store, at gumagawa kami ng mga dashboard, at nakaupo kami doon sa Tableau, nag-uulat ng mga serbisyo, mga bagay tulad nito. Palagi akong natatawa dahil noong ako ay isang arkitektura ng BA, palagi kaming nagtatawanan tungkol kay Excel, dahil harapin natin, ang Excel ang tool ng BI ng masa, pa rin.
Kaya, isang maliit na isang pangkalahatang-ideya doon, ngunit upang pag-usapan ang tungkol sa uri ng arkitektura ng platform, nakuha mo ang iyong data ng mapagkukunan at pinag-usapan ko iyon sa maraming mga tindahan ng data. At pagkatapos ay nakuha ko ang aking imbakan sa pagsasama-sama sa mundo ng Microsoft, magkakaroon ka ng iyong database ng SQL Server, marahil kung saan ang iyong data bodega, maaaring mayroon ka ng iyong bodega ng data sa ulap, kasama ang iyong data bodega. Mayroon kang mga serbisyo sa pagsusuri, na kung saan ay ang iyong mga OLAP tubes at mga bagay tulad na para sa paggawa ng mga pinagsama-samang at mga bagay sa paligid ng pagtingin sa mga bagay sa maraming mga sukat at mga bagay na katulad nito. Pagkatapos nakuha mo ang layer ng iyong pagtatanghal, na napag-usapan ko sa madaling sabi, sa lahat ng mga bagay na ito na nakaupo sa tuktok ng mga data store at mga pagsasama. At gusto ko lagi ang quote na ito, "Hindi mo alam ang hindi mo alam, " na totoo. Kung hindi ka sinusubaybayan at hindi ka tumitingin sa kung ano ang nangyayari, sa lahat ng mga lugar na ito ng iyong platform ng BI, paano mo malalaman kung mayroon kang isang problema bukod sa kung sinimulan ng mga gumagamit na magpadala sa iyo ng mga bastos na email at nagsisimula ang telepono tungkol sa kung bakit hindi tumatakbo ang aking mga ulat? Bakit matagal na ang lahat?
Kaya, sa ugat na iyon, kung ano ang kailangan mong gawin, kailangan mong subaybayan ang iyong mga platform na naghahatid ka ng katalinuhan sa negosyo. At talaga kong sinira iyon sa tatlong mga lugar: nakuha mo ang pagkakaroon, pagganap at paggamit. Ang ibig sabihin ng kakayahang magamit kung magagamit ang mapagkukunan: pataas ba o pababa? Medyo simple doon. Ngunit tinitingnan din kung mayroon ka, maaaring magkaroon ka ng platform, ngunit maaaring magkaroon ka ng mga isyu doon, kaya magagawa mong magawa ang pagkilala sa ugat na sanhi; kailangan mong magkaroon ng nakakaalerto at ipagbigay-alam sa isang tao kung ano ang nangyayari, bago mapunta ang isang bagay sa isang kritikal na estado. Na humahantong sa bahagi ng pagganap, mayroon ka ring nakuha mula sa antas ng sukatan ng pagganap, sa antas ng server, kung saan naka-host ang mga serbisyo o mga serbisyo ng BI, o mga platform ng BI; mayroon kang pagganap sa antas ng mapagkukunan kung saan marahil ay naka-access ako ng data mula sa isang SAN, halimbawa. Ang SAN bilang mapagkukunan, mapagkukunan ng network, kailangan mong masubaybayan ang pagganap ng lahat ng iyon, upang makilala ang mga bottlenecks at panatilihing masaya ang iyong mga gumagamit, at kung nasa isang kapaligiran ka kung saan ginagawa mo ang tunay na oras ng analytics, kailangan mong makilala ang mga bottlenecks o mga problema bago simulan ang nangyari.
At ang huling teorya ay ang paggamit: ano ang ginagawa ng mga gumagamit? Sino ang nakakonekta sa aking mga mapagkukunan ng BI? Sino ang tumatakbo ano? Anong mga query ang kanilang pinapatakbo? Anong mga ulat ang tumatakbo? Ang pagkaalam ng impormasyong ito ay nakakatulong upang matukoy at gawin ang pagpaplano ng kapasidad, halimbawa. Ipinapakita rin nito kung ano ang ginagamit sa iyong kapaligiran sa BI. Mayroon kaming isang customer na nais nila ang aming produkto sa pagsubaybay para sa BI kaya alam nila kung anong mga bahagi ng kapaligiran ng BI ang kanilang ginagamit upang makalipat sila ng mga mapagkukunan sa paligid. Halimbawa, kung hindi nila ginagamit ang ilang mga ulat, o ilang mga cubes ng serbisyo ng pagsusuri, ililipat nila ang mga mapagkukunan mula doon sa iba pang mga lugar na lubos na ginagamit. Ang isa pang quote na gusto ko, gusto ko talagang mahusay na mga pelikula tulad ng "Tremors, " kaya sabihin sa iyo ang aking pelikula, kaya gusto ko ang quote na ito mula kay Burt Gummer, na nilalaro ni Michael Gross, siya ang uri ng survivalist gun guy at sinabi niya, nagpapakita at inilabas niya ang napakalaking 50-caliber sniper rifle na ito, at sinabi ng isa sa mga lalaki, "Damn, Bert." At tumugon siya sa "Kapag kailangan mo ito at wala ka nito, kumakanta ka ng ibang tune. "Sa madaling salita, alam mo kung ano? Handa siya para sa anumang bagay at siya ay dumating handa para sa anumang bagay, at kung ano ang ibig sabihin ko sa ito ay kung hindi mo sinusubaybayan ang iyong BI na kapaligiran mula sa mapagkukunan at paggamit at mga bagay na napag-usapan ko lamang, pagkatapos hindi mo namalayan na kailangan mo ng isang tool o isang kapaligiran o istraktura na sinusubaybayan ito hanggang sa wala ka nito. At pagkatapos ay napagtanto mo na talagang kailangan ko ito sa pasulong, at iyon ang uri ng paraan ng marami sa aming mga customer.
Kaya, matapos sabihin iyon, lilipat kami, at tingnan natin kung ano ang ginagawa namin dito sa IDERA upang malutas ang ilan sa mga isyung ito. At-
Eric Kavanagh: Okay, doon ka pupunta, nakikita ko ito.
Stan Geiger: Nakikita mo ba ito? Sige. Kaya, ang nakuha namin dito ay ang aming produkto ng BI Manager. At sinusubaybayan namin, ayon sa kaugalian ay naging isang kumpanya sa SQL Server, kapaligiran ng Microsoft SQL Server. At pagkatapos ay binili namin sa Embarcadero, kaya ngayon ay pinalawak namin sa ilang iba pang mga platform, ngunit ang aming produkto ng BI ay ayon sa kaugalian na sinusubaybayan ang stack ng BI sa kapaligiran ng Microsoft. At iyon ang magiging mga serbisyo sa pagsusuri para sa iyong multi-dimensional at pagsusuri sa tabular, mga serbisyo sa pag-uulat, tool sa pag-uulat at pagkatapos ng mga serbisyo sa pagsasama, na kung saan ay isang platform ng ETL, katulad ng tulad ng Informatica.
At sa pamamagitan ng aming produkto maaari mong subaybayan ang lahat ng tatlong mga kapaligiran sa pamamagitan ng isang produkto, at kung ano ang nakikita mo dito ay ang pangkalahatang dashboard, at ang bagay na mapapansin dito ay kapag pinag-uusapan ko ito na nakakaalerto, isang bagay na susubaybayan, ngunit hindi iyon sapat - kailangan mong magkaroon ng isang mekanismo ng alerto. Sa madaling salita, kailangan kong ma-notify bago makarating sa isang kritikal na estado. Kaya, kung ano ang ginagawa namin dito, mayroong isang buong hanay ng mga sukatan na nakuha namin na mai-configure dahil depende sa iyong kapaligiran, ilang mga threshold, maaaring maging okay ka sa isang tatlumpung millisecond na oras ng pagbasa, sa iyong kapaligiran. Ang iba pang mga kapaligiran ay maaaring maging mas kritikal na ang threshold na iyon ay mas mababa, kaya mahalaga na hindi lamang magkaroon ng pag-alerto, ngunit upang ma-configure ito dahil ang mga kapaligiran ay naiiba depende sa mga mapagkukunan.
Kaya, talaga, ito ay isang pangkalahatang-ideya ng lahat ng mga kapaligiran na sinusubaybayan dito, at nakakuha ako ng tatlong mga pagkakataon dito: ang isa para sa mga serbisyo ng pagsusuri, isa para sa mga serbisyo sa pagsasama, isa para sa mga serbisyo sa pag-uulat. At nakikita mo na mayroon akong ilang mga alerto dito. At dahil ang mga ito pula ay sinasabi nito sa akin na ito ay kritikal, dahil mayroon akong maraming mga antas na maaari kong itakda ang mga alerto na iyon, at ang mga alerto ay maaaring ma-email sa mga taong may pananagutan sa pagtingin kung ano ang problema. Kaya, sandali lang ay tingnan natin at babalik ako sa nakakaalerto, upang makapasok tayo sa mga piraso ng serbisyo ng pagsusuri at ito, sigurado akong naghihintay na mag-load dito. At talaga, kung ano ang ginagawa namin, mayroon kaming isang koleksyon ng data; lumalabas doon nang pana-panahon at lumalabas doon at nangongolekta at mag-snapshot ng uri ng ginagawa ng iyong mga kapaligiran. Kaya, mayroon akong itinakdang mina para sa bawat anim na minuto, kaya't tuwing anim na minuto ay lumalabas doon at polling ang kapaligiran. Natulog ko ang aking VM ng ilang sandali, kaya't tumagal ng segundo para makabalik ito. Doon tayo pupunta.
Kaya, titingnan namin ang piraso ng mga serbisyo ng pagsusuri at sa gayon ay mag-click ako sa aking halimbawa dito, at tandaan na napag-usapan ko ang tungkol sa isa sa mga bagay na sinusubaybayan namin ay ang pagganap sa antas ng server, dahil maraming tao ang may maraming mga bagay tumatakbo sa kanilang server. Maaari akong magkaroon ng isang database na tumatakbo sa aking server, pati na rin ang mga serbisyo sa pagsusuri, halimbawa. Kaya, kung may nangyayari sa database o mayroon akong isang isyu sa antas ng server, maaapektuhan nito ang anuman ang tumatakbo doon. Kaya, susubaybayan namin ang mga bagay sa buong server sa antas ng server, mga bagay tulad ng pagganap ng disk, at makikita mo na nakukuha namin ang mga sukatan sa paligid ng lahat ng ito. At ang lahat ng ito ay mai-configure. At tiningnan ko kung ano ang nangyayari, matalino sa CPU, makatarungan, at muli, ito ay nasa antas ng server, hindi sa antas ng mga serbisyo ng pagsusuri sa aking halimbawa dito. Ngunit talagang nasa antas ng server.
At maaari kong tingnan ang mga bagay tulad ng kung ano ang memorya, ang pangkalahatang paggamit ng memorya halimbawa, kung ano ang magagamit? Kaya ngayon nakakakuha ako ng ideya kung ano ang kalusugan ng server mismo. Pagkatapos ay maaari naming simulan ang pagtingin sa mga bagay na partikular sa, sa kasong ito serbisyo ng pagsusuri. Maaari kong tingnan at makita kung paano pupunta ang pagpoproseso ng kubo dito, halimbawa, at binibigyan ako nito ng isang sukatan ng kalusugan. Kung sinimulan kong makita na ang pagproseso ay tumatagal ng mas mahaba, o hindi ito ang mga hilera ay hindi nasusulat halos nang mabilis, kung gayon maaari kong simulan ang pagtingin sa isang - at napunta ito sa korelasyong bahagi na naniniwala ako na pinag-uusapan ni Robin, kailangan pa rin ng isang tao upang magawa ang lahat ng ito. Pinag-uusapan natin ang tungkol sa AI, pag-aaral ng makina, ngunit kailangan pa rin ng isang tao upang maiugnay ang mga kaganapang ito sa paligid ng mga bagay. Maaari naming tingnan ang mga bagay tulad ng kung ano ang nangyayari sa malayo sa mga query, anong mga query ang pinapatakbo at kung gaano katagal sila tumatagal? Maaari akong mag-ayos, upang magsimula akong makakuha ng isang ideya kung aling mga query ang kumukuha ng pinakamahabang oras. Maaari kang tumingin dito sa lumipas na oras, maaari akong tumingin at makita ang OK, ano ang query na iyon at sino ang tumatakbo sa query na iyon sa oras na iyon?
Kaya't maaari kong simulan upang maglagay ng isang kwento sa paligid nito hangga't kapag sinimulan kong makita ang mga bagay na nagsisimula ng spiking, maaari akong bumalik at tingnan at makita kung ano ang ginagawa ng mga gumagamit sa puntong iyon sa oras. At makikita mo ang isa sa mga bagay na ginagawa namin ay inilalagay namin dito ang picker ng oras upang pahintulutan kang pumili ng isang window ng oras. Kaya halimbawa, maaari akong bumalik sa mga alerto na iyon, at ito ay talagang isang link sa mga alerto na na-click ko, at dadalhin sa akin ang puntong iyon sa oras kung kailan naganap ang alerto na iyon. At pagkatapos ay maaari kong simulan ang pag-iikot ng kuwento nang magkasama, maaari kong makita oh, well, bumabasa ang disk ay bumangon, o nagkaroon ng mga isyu sa memorya o anuman, at pagkatapos ay maaari kong tumalon sa aktibidad ng query sa parehong puntong iyon sa oras at maaari kong aktwal na magsimula pagwawasto kung sino ang tumatakbo kung ano ang mga query na maaaring sanhi ng mga spike doon. At pagkatapos, maaari mong simulan ang paggawa ng mga bagay tulad ng maaari kong simulan ang pag-tune, iyon ay kapag nagsimula akong mag-tune. Ito ay tulad ng isang kotse, kung nagtatayo ka ng isang kotse sa karera at ibagsak mo lang ang makina, at simulan ang susi ng engine ay maaaring magsimula, ngunit kung kailangan kong pumunta ng 180 milya bawat oras upang manalo, kailangan kong malaman na ang makina ay maaaring magpatakbo ng 100 milya isang oras at kailangan kong pumunta doon at simulan ang pag-tune ng makina upang makarating doon. At iyon ang nagbibigay daan sa iyo, gawin upang mabigyan ka ng sapat na impormasyon upang masimulan ang pag-tune ng iyong kapaligiran, upang madagdagan ang kalusugan at paggawa ng kalikasan na iyon, at ang kahusayan.
At pagkatapos, sinusubaybayan namin ang mga bagay sa buong memorya na partikular sa mga serbisyo ng pagsusuri, sa kasong ito. At ito ay kung saan maaari mong simulan upang makita kung saan ang mga bagay ay maaaring magsimulang magising, kapag sinimulan mong makita ang mga bagay na sumisikat sa itaas sa pagitan ng iyong mga limitasyon ng memorya, mga bagay na katulad nito. Ang iba pang bagay na magandang tingnan, anumang oras na nagpapatakbo ka ng anumang uri ng mga query, nais mong nais ng data na mai-cache, dahil kapag na-cache ito, nasa memorya ito at hindi kinakailangang magbasa mula sa disk, na marami pa mahusay kaysa sa pagkakaroon ng basahin ang data mula sa disk. Kaya maaari mong simulan ang pagtingin sa mga bagay na nangyayari, humingi ng paumanhin, sa data cache halimbawa. Nagkaroon ako ng isang pangkat ng mga query na tumatakbo nang mas maaga, upang makuha ang data na ito, at makikita mo na ako ay halos lahat ng oras, ang mga cache hit at mga lookup ay umaapaw, na mabuti. Ngunit mayroon akong isang panahon dito kung saan ang mga hit ay mas mababa kaysa sa kung ano ang mga lookup, na nagsasabi sa akin na mayroon akong isang bagay na nangyayari na masinsinang memorya, na ang cache ay nakakakuha ng mabilis na mas mabilis, kaya ang data ay kinakailangang maging basahin mula sa disk. At makikita natin na kapag tiningnan natin ang imbakan ng makina. Ito ay ang parehong punto sa oras tulad ng iba pang mga graph, at maaari mong makita ang spike doon, kung saan ang mga query mula sa file ay talagang tumalon sa loob ng panahong iyon. At nangangahulugan ito na ang data ay binabasa mula sa disk. Ngayon, maaari akong bumalik at pagkatapos ay i-correlate iyon sa mga query na tumatakbo, at hindi upang madugo ang tainga ng lahat, ngunit sa mga serbisyo ng pagsusuri, gumagamit ito ng isang wika na tinatawag na MDX, mayroong mga paraan upang masulat ang mga query nang mas mahusay, kaya ginagamit nito ang cache mas mahusay at mas kaunting imbakan. Kaya, mayroong isang halimbawa ng pag-tune ng makina na iyon, at ibigay sa iyo ang lahat ng mga piraso na kinakailangan upang ma-correlate iyon.
Mabilis lang, maaari din nating i-flip ito sa iba pang paraan, kung titingnan natin ang mga query, maaari nating tingnan ngayon ang mga sesyon, na aktwal na nakakonekta sa puntong ito sa oras at ano ang kanilang pagtakbo? Kaya ang ganitong uri ng nagbibigay sa iyo ng kabaligtaran na pagtingin sa mga query at kung sino ang nagpapatakbo sa kanila. Ito ang konektado at pagkatapos ay makikita ko kung ano ang kanilang tumatakbo. Ang iba pang bagay, upang mabilis na pumunta, ay makikita mo ba ang lahat ng mga bagay sa aking mga multi-dimensional na mga cube ng MOLAP. At makakakuha ako ng impormasyon tungkol dito. Kaya, halimbawa, maaari kong pag-uri-uriin sa halagang ito na basahin, at nakikita ko na ang pinaka ginagamit na bagay ay ang sukat ng oras at ang pangalawang pinaka ginagamit ay ang sukat ng customer. At nakakatulong ito sa mga taong nabuo at nagtatayo ng mga bagay upang mas mahusay na mabuo ang kanilang mga cube. Maaaring nais kong baguhin ang aking diskarte sa pagkahati ng data, halimbawa, sa mga lubos na ginagamit na sukat sa aking kubo, at samakatuwid ay tataas ang pagganap ng mga query, halimbawa. Maaari itong bawasan ang pagganap ng pagproseso ng kubo, dahil mayroon na akong maraming mga partisyon, ngunit mula sa isang pananaw ng gumagamit ay mai-tune ang engine na iyon, upang maging mas mahusay para sa paggamit ng mga bagay na ito.
Kaya, magpatuloy, makipag-usap tungkol sa mga serbisyo sa pagsasama dito. Ang mga serbisyo sa pagsasama, na nabanggit ko, ay isang platform ng ETL sa isang kapaligiran sa Microsoft. Ano ang ginagawa namin dito - at ito ay pare-pareho - sinusubaybayan namin ang pagganap ng server, at ito ang magiging parehong sukatan na napatingin kami, dahil ang lahat ng aking mga serbisyo ay tumatakbo sa parehong server. Ngunit muli, ito ay isang pangkalahatang-ideya ng kung ano ang nangyayari sa server. At pagkatapos ay maaari kong tingnan ang aktibidad para sa mga serbisyo sa pagsasama, ang aking mga proseso sa ETL. Kaya, makakakuha ako ng isang ideya kung kailan nagpatakbo ang mga prosesong ito, matagumpay man o hindi, maaari kong mai-highlight ang isang partikular na pagpapatakbo ng isang proseso ng ETL at pagkatapos ay ipapakita nito sa akin ang pagkasira ng mga hakbang sa loob ng prosesong ETL, kung matagumpay ito o hindi at kung gaano katagal ito kinuha.
Ngayon, kung mayroon akong isang nabigo na pakete dito sa proseso ng ETL, maaari akong bumaba sa mga detalye at makita ang mensahe ng error at ipapakita nito sa akin kung aling hakbang sa pakete na kung saan nabigo ang proseso ng ETL, kasama ang lahat ng mga mensahe na nauugnay sa. Kaya, kung ano ang ginagawa, ay nagbibigay sa akin, at makakakuha ako ng isang alerto kung ito ay nabigo, kaya kung kumuha ako ng alerto, makakapasok ako rito, kita n'yo, pumunta sa alerto na iyon, tingnan ang pagkabigo ng pakete, tingnan ang mga hakbang, tingnan kung saan ito nabigo, tingnan ang mensahe ng error at alam ko agad kung ano ang kailangan kong gawin upang ayusin ito: redeploy ito at pagkatapos ay simulang muli ito. Kaya, kung ano ang nagpapahintulot sa iyo na gawin ay tinatawag namin itong pinaikling ang window na sa pagitan ng pagkilala ng problema at paglutas ng problema. Kaya, sa naunang buhay, nang ako ay may pananagutan sa ganitong uri ng bagay, mayroon kaming proseso ng ETL na tatakbo sa gabi, upang mai-load ang aming data sa bodega. Kung mayroon akong impormasyong ito, ang unang bagay sa umaga kung ako ay pumasok, kung may nabigo, pagkatapos ay mabilis kong masagot ito at mai-back up ang proseso na iyon upang matiyak na ang bodega ng data ay tumayo at tumatakbo at na-refresh ng oras ng mga gumagamit pumasok at nagsimulang mag-access sa pag-uulat.
Ang iba pang bagay ay nakakuha ako ng dalawang proseso na tumatakbo, ay upang tumingin at makita kung paano ito tumakbo sa paglipas ng panahon. Mahalaga iyon dahil kung sisimulan kong makita ang mga prosesong ito, halimbawa, mas matagal, nakikita ang mga oras na ito na lumalakas, kung gayon maaaring kailanganin kong tingnan, halimbawa, ang aking window ng pagpapanatili, maaaring magkaroon ako ng mga bagay na nangyayari sa server na iyon . Dalhin, halimbawa, ang mga backup; Maaaring magkaroon ako ng isang backup na nangyayari na nagiging sanhi ng paghihintay sa aking proseso hanggang sa matapos ito. Maaaring kailanganin kong i-reschedule o i-juggle ang aking mga proseso sa paligid ng mga bagay na nagsisimula na makaapekto sa aking ETL.
At ang huling piraso ay pag-uulat ng mga serbisyo. Ang mga serbisyo sa pag-uulat ay ang Microsoft, karaniwang ang kanilang tool sa pag-uulat ng negosyo. At ang ilan sa mga bagay, muli, maaari nating tingnan ang mga bagay sa antas ng server, maaari nating tingnan ang mga bagay sa buong server ng ulat, pag-uulat ng server ng serbisyo, mismo. Wala akong maraming mga bagay na tumatakbo dito; Mayroon akong ilang mga subscription na tumatakbo tuwing 15 minuto, upang magpatakbo ng isang ulat. Kaya, hindi ka makakakita ng maraming aktibong koneksyon dahil nakakakuha ito, kumokonekta, nagpapatakbo ng ulat, ididiskonekta at ipinapadala ito.
Ngunit sa mataas na mga transactional na kapaligiran kung saan ginagawa ang maraming pag-uulat, ang pagsubaybay sa mga bagay na ito ay susi. Kaya, maaari mong makita kung saan ako nagkaroon ng mga bagay na nangyayari dito, kaya binibigyan ka nito ng isang magandang magandang ideya kung ano, mula sa aktwal na antas ng serbisyo at platform, ay nangyayari. At pagkatapos, tulad ng napag-usapan ko sa mga slide, sino ang tumatakbo kung ano at ano ang kanilang ginagawa? At binili ng isa sa aming mga customer ang produktong ito para lamang sa piraso na ito dahil nais nilang malaman kung ano ang mga ulat na tumatakbo ang mga tao, at sino ang nagpapatakbo sa mga ulat na ito. Kaya ito ay isa sa mga bagay sa ulat ng pagpapatupad na maaari mong makita dito. Nakikita ko kung anong ulat, nakikita ko ang anumang mga parameter na nasa ulat na iyon, nakikita ko kung sino ang nagpapatakbo nito, nakikita ko ang format ng ulat. At pagkatapos ay nakuha ko ang lahat ng mga sukatang ito sa paligid nito, kaya kung muli, mai-ranggo ko ang mga bagay na ito, halimbawa, kung ano ang ulat na kinuha ang pinakamahabang upang makuha ang data, at maaari akong pumunta mismo sa iyon at makita kung aling ulat iyon. At muli, ang lahat ay nagbibigay sa akin ng data upang maging, upang ibagay muli ang makina na iyon. Ngayon, maaari kong simulan ang pag-tune ng aking kapaligiran sa pag-uulat sa paligid na iyon.
At ang huling bagay, maaari bang tingnan ang aktibidad ng gumagamit, na nakakonekta muli sa kasalukuyan, ano ang kanilang ginagawa? Maaari ko talaga, sa isang kapaligiran na kung saan nagkaroon ako ng maraming mga gumagamit na ito ay lahat ay naaayos upang maaari akong magraranggo, makikita ko kung sino ang pinaka gumagamit ng kapaligiran. Kaya, upang mabilis na bumalik at tingnan ang mga alerto. Narito ang alerto na iyon; Maaari akong mag-click sa link na ito dito at dadalhin ako sa graph para sa puntong iyon sa oras at ipakita sa akin kung alin ang nasa ilalim ng alerto. Kaya makikita mo rito, iyon ang 'sanhi nito ay ang average millisecond para isulat, halimbawa, basahin at isulat. Kaya, muli, sinusubukan lamang na makuha ang puntong iyon ng pagkakakilanlan ng mga problema. At talagang mahalaga na magkaroon ng isang holistic na tool, hindi lamang isang bagay na tumitingin sa isang bagay na iyon, dahil ang tao ay kailangang pumasok dito at maiwasto ang mga kaganapang ito na nangyayari, kaya kailangan mong tingnan kung ano ang nangyayari sa ituro sa oras sa buong maramihang mga lugar ng kapaligiran na iyon, at iyon ang isa sa mga bagay na ginagawa natin sa tagapili ng oras dito.
Eric Kavanagh: Oo, ito ay si Eric dito lamang sa isang mabilis na tanong, 'dahil sa palagay ko malamang na tinamaan mo ang kuko sa ulo, at ito ang pinag-uusapan ko sa tuktok ng oras, na ang isang tao ay darating sa at iguhit ang mga ugnayan sa pagitan ng iba't ibang mga kapaligiran. Nagtataka akong malaman, mayroong ilang pang-edukasyon na materyal na maibabahagi mo, o baka gumawa ka ng ilang uri ng pakikipag-ugnay sa mga tao upang matulungan silang makilala ang ilan sa mga pattern na iyon? Tulad ng mayroon kang isang talagang mabuting halimbawa sa isang minuto, tungkol sa kung kailan ang isa sa mga ito ay spiking na nagsasabi sa iyo na may isang bagay na nangyayari sa memorya dahil ito ay patuloy na sinusubukang i-dump ang memorya. At nagbibigay ito sa iyo ng isang palatandaan, ngunit kung paano i-mapa ng mga tao ang mga istatistika na ito laban sa mga problema sa mundo, ay ang tunay na tanong.
Stan Geiger: Oo, magandang punto iyon at isa sa mga bagay na pinag-uusapan ko lang, mapa ng kalsada para sa produkto, ay sa susunod na taon ay ilalabas namin ang isang bersyon at isa sa mga bagay na magsisimula kaming magdagdag ay sa bawat isa sa mga graph na ito, ay isang paglalarawan kung ano ang ibig sabihin ng graph na ito at kung bakit dapat kang mag-alaga, at kung ano ang epekto nito. Kaya ma-click ang isang marka ng tanong o isang bagay sa tsart na ito at pagkatapos ay hilahin ang isang window na bibigyan ka ng maraming impormasyon na iyon at sasabihin sa iyo na ito ang mga posibleng sanhi, ito ang mga lugar na naapektuhan, at upang gabayan sa ikaw sa isang direksyon na makakapunta sa kasong ito, tulad ng sinabi mo, narito ang spike, alam ko mula sa aking personal na karanasan kung ano ang ibig sabihin nito. At pagkatapos ay maaari kong simulan ang pagpunta at simulan ang pagbabarena sa isang lugar at hanapin ang sanhi ng ugat.
Ngayon, marami kami doon, sa totoo lang, sa aming produkto ng diagnostic manager para sa SQL Server, para sa aktwal na database. Marami kaming uri ng pag-andar na iyon sa isang produkto tulad nito, at mayroon din kaming ilang mga pagsusuri sa mga bolt-on sa diagnostic manager na masasalamin sa iyo nang mas mabilis. At doon kami pupunta sa kalsada kasama ang produktong ito.
Eric Kavanagh: At hinuhulaan kong mayroong mga lagda sa ilang mga uri ng aktibidad. Pinapayagan ka ba ng tool na ito na makilala kung kailan naganap ang isang tiyak na uri ng kaganapan at katalogo na, tulad ng sa paglipas ng panahon ay makikilala ang isang katulad na pattern sa linya at tutulungan kang malaman kung marahil kung ito ay isang bagong gumagamit, halimbawa, gamit ang parehong kasangkapan? Tulungan mong maunawaan, oh, ito ay dahil ang mga server na ito ay bumaba o dahil ang rehiyon na ito ay bumaba? Mayroon bang ilang paraan upang lagda ang mga lagda ng mga problema, na maaari mong madaling makilala ang mga ito sa paglaon?
Stan Geiger: Hindi, sa totoo lang, ngunit iyon talaga ang isang kawili-wiling konsepto, sapagkat ito ay katulad ng, ano ito - prinsipyo ng pagsusuri ng sangkap, sa palagay ko - kung saan mo nakikilala ang mga pattern at nag-log ka ng mga pattern at kaya kung makikita mo muli ang mga ito maaari kang bumalik at tingnan, OK, ito ang dahilan sa puntong iyon. Oo, may isang bagay, wala ito sa mapa ng kalsada ngunit ito ay isang bagay na naiisip ko mula sa paninindigan ng pamamahala ng produkto.
Eric Kavanagh: Maaari kong isipin. Oh sige na.
Stan Geiger: Hindi, sasabihin ko - at nakakakuha kami ng maraming mga kahilingan, dahil hindi ko alam kung ano ang iyong karanasan - ngunit ang nahanap namin ay ang mga DBA ay nakakaalam ng mga database tulad ng likuran ng kanilang kamay, ngunit ang mga gamit ng BI ay uri ng tulad ng isang itim na kahon pagdating sa kalusugan ng platform. At wala, wala silang maraming kaalaman base sa paligid na iyon. Ang ginagawa ko, mula lamang sa pagkakaroon ng trabaho sa loob ng tulad ng lima hanggang sampung taon, di ba? Ngunit ang mga karaniwang tao na may pananagutan sa paghahanap ng mga ito, o pagkuha ng mga alerto at pag-alam kung ano ang nangyayari, ito ay uri ng isang itim na kahon sa kanila.
Eric Kavanagh: Oo, maaari kong isipin. Gusto ko ring malaman kung gayon, kaya ipinapakita mo sa isang screen kung paano mo makikita ang lahat ng mga query na dumarating, kung gaano katagal sila tumakbo, at kung sino ang nabuo sa kanila. Maaari mo ring makita ang aktwal na istraktura ng query ng SQL mismo at uri ng ilang pagsusuri sa paligid na iyon? Tulad ng marahil kung minsan ay pinagsama-sama ng mga tao ang mga query sa SQL na uri ng napakalaki, sabihin natin, at masalimuot, kumpara sa isang master na talagang pinagsama ang isang magandang, masikip na query. Ito ba ay isang bagay na maaari mong mailarawan sa pamamagitan ng tool na ito at pagkatapos matulungan ka na ang problema?
Stan Geiger: Oo, kaya kung ano ang maaari mong gawin ay, tulad ng nagawa ko rito, ay inayos ko na lang ang oras ng lapsed, halimbawa. Kaya't nakikita ko ang mga pinakamahaba at pagkatapos ay nakukuha ko ang teksto ngunit pagkatapos ay hanggang sa isang tao na higit pa o mas mababa sa paksa ng paksa na tumingin sa na at pumunta, "Oh, OK, narito ang dahilan kung bakit matagal na . "Iyon ay isang bagay na mayroon kaming uri ng isang pagtatasa ng karga, tinatawag namin ito na SQL Workload Analyzer para sa bahagi ng database, na niloloko ko sa paligid ang ideya ng marahil ay bumaba sa kalsada na may isang katulad na bagay, upang makilala ito ang mga query na ito at pagkatapos ay nagbibigay sa iyo ng mga rekomendasyon sa kung paano tune ang mga query. Ngunit ang isa sa mga isyu ay, na ang query sa MDX ay isang medyo dalubhasang wika.
Eric Kavanagh: Oo, maaari kong isipin. Ngunit makikita mo, halimbawa, kung sino ang mga tao, kaya hindi napakahirap malaman kung ang isang tao, kung ang isang tao ay may pananagutan sa sampu sa pinakamahabang mga query sa proseso, kung gayon kung wala ka nang matawag sa kanya, o tumawag ang kanyang tagapamahala o isang tao at sabihin, "Uy, ang chewing ng taong ito ng maraming bandwidth, " at marahil ito ay ang mga pinakamahalagang query para sa negosyo, di ba? Kailangan mong ilagay ito sa konteksto ng kung ano ang halaga ng negosyo, mula sa mga query sa kanilang sarili, hindi lamang ito isang malinaw na numero ng laro, di ba? Ito ay upang malaman, well, ang taong ito ay ang aming gumagamit ng kapangyarihan, at siya ang nagbago ng negosyo, di ba?
Stan Geiger: Hindi, eksaktong tama ka. Ibig kong sabihin, iyon ang isa sa paraan ng paggamit ng mga kostumer na ito, ay magawa ito. Tulad ng sinabi mo, maaari kang makahanap ng isang lugar, dahil ang isa sa mga bagay na pinag-uusapan ko, lagi akong nag-slag sa Excel, ngunit maaari kang kumonekta sa mga serbisyo ng pagsusuri sa Excel at magpatakbo ng mga pivot na talahanayan ng OLAP, at bumubuo ito ng sariling mga query, at nagpapadala sa kanila at kung minsan hindi sila ang pinakamahusay na porma, kaya maaari mong bumalik at makilala ang mga iyon at talagang isulat muli ang mga iyon at ibigay ang mga ito sa gumagamit at hayaan silang patakbuhin sila sa labas doon upang hindi ito tumagal ng kalahating oras para sa bumalik sila sa kanilang mesa ng pivot.
Eric Kavanagh: Eksakto. At kung pinag-uusapan natin ang tungkol sa mga query, sakop mo ang gamut ng mga query, kaya nabanggit mo ang MDX, ano ang tungkol sa ilan sa iba pang mga query tulad ng isang query sa DAX, o ilan sa mga ito?
Stan Geiger: Oo, nasasakop namin, oo, ang anumang DAX at MDX pareho. Kaya ang isa sa mga bagay na hindi ko nabanggit, o nagawa ko, marahil, ngunit sinusuportahan namin ang parehong tabular at OLAP sa Microsoft at DAX pagiging - Sa palagay ko at napag-usapan ko ang tungkol dito habang bumalik - marami kaming nakakakita mas tabular na ngayon kaysa sa OLAP namin. 'Dahil madali lang itong dalhin ang mga modelo ng tabular at mga bagay na ganyan, at sa gayon makikita mo ang malinaw na mga katanungan ng DAX, ngunit kukunin din namin iyon.
Eric Kavanagh: Oo, kawili-wili iyon. Mayroon ka bang anumang konteksto sa paligid kung bakit nangyayari iyon? Ito ba ay dahil sa parami nang parami ang pumapasok sa mga bagay na ito at dahil ang OLAP siyempre ay hindi bago, na sa paligid ng kung ano, hindi bababa sa 30-kakaibang taon?
Stan Geiger: Tama, mabuti, ito ay uri ng isang kumbinasyon, ang isa sa mga bagay na nagdidisenyo ng mga cube ay isang sining. At ang mga cube ay itinayo upang mag-pre-aggregate ng data kaya't talagang mabilis na makuha ang data, ngunit ang pagproseso ng kubo ay tumatagal ng ilang sandali dahil kailangan gawin ang lahat ng mga pagsasama-sama. At pagkatapos, ang hardware ay nakakakuha ng mas mura at ang memorya ay nakuha ng mas mura at pagkatapos ang lahat ay lumalabas na may tindahan ng kolum at mga memorya na mga database, talaga. At din ang tabular ay marahil ang pinakamalapit sa tradisyonal na mga database ng relational at mas madali at mas mabilis na magdala ng mga modelo ng tabular kaysa sa OLAP. Ngunit ang disbentaha ay nananatili ito sa memorya, ang buong bagay ay nananatili sa memorya, kaya napaka masinsinang memorya at ang data ay hindi pinagsama-sama hanggang sa hiniling mo ito. Kaya, ngunit sinabi ang lahat ng iyon, nagsisimula kaming makakita ng maraming higit pang mga panlalaki doon.
Eric Kavanagh: Nakakainteres iyan. Maaari din ito dahil ang industriya na ito ay uri ng pag-flattening ng kaunti, at ang ibig kong sabihin ay sa gayon ay nakakakuha kami ng maraming mga tao na nakikipag-ugnay sa data at gumagamit ng iba't ibang mga tool, at tiyak na kapag pinag-uusapan mo ang tungkol sa Microsoft, sa palagay ko iyon talaga ang kaso na mayroon kang maraming, maraming mga gumagamit para sa maliit at mid-sized na negosyo, at kahit na ang ilang mga mas malalaking organisasyon na naghuhukay sa mga gamit, pagkuha ng access sa mga tool, pagpapatakbo ng mga query, at hindi nila siguro pamilyar sa buong proseso at ang mga teknolohiya sa paligid ng pagbuo ng mga cube, sa iyong punto, di ba? 'Sanhi ba ito naisip, at mahal din, di ba? Ito ay nangangailangan ng oras, nangangailangan ng enerhiya upang bumuo ng mga cubes maliban kung gumagamit ka ng ilan sa mga mas bagong teknolohiya doon. Tulad ng, nakipag-usap kami sa mga kumpanya tulad ng Snowflake, halimbawa, gumagawa ito ng mga medyo kawili-wiling bagay, ngunit sa palagay ko marami kang ibang tao na gumagamit ng mga gamit at malamang na sasama ka sa iyong inilarawan, na kung saan ay ang format na tabular, kumpara sa pormal na pagbuo ng mga cube, di ba?
Stan Geiger: Yeah, well I mean, Hulaan ko ang Excel - kung ano ito, Power Pivot, naniniwala ako - talagang aktwal na iyon, kung titingnan mo ito; ito ang paraan ng pagbuo ng mga modelo ng tabular. At pagkatapos ng susunod na pag-iiba ay, masasabi ko sa iyo ang aking mga modular na mga modelo na itinatayo ko at inilalagay ko ito sa SQL Server upang maibahagi ko ito sa lahat. Kaya, ito ay uri ng isang natural na extension off ng Excel halos.
Eric Kavanagh: Oo, magandang punto iyon. Ang nakita namin sa huling, Gusto kong sabihin ng lima hanggang pitong taon, ay isang napakalaking pagpapalawak ng paggamit para sa mga teknolohiyang ito, di ba? At ang Microsoft, lantaran, ay naging isang payunir sa, talagang democratizing ang data ng kapangyarihan sa pamamagitan ng mga serbisyo ng pagsusuri at sa pamamagitan ng Power Pivot, di ba? Ibig kong sabihin, iyon ay isang tagapagpalit ng laro para sa industriya, di ba?
Stan Geiger: Oo, hindi, eksaktong tama ka. Ibig kong sabihin, mayroon akong slide kapag nagbibigay ako ng isang mas mahabang pagtatanghal na nagpapakita ng paglipat ng pagpunta mula sa semantiko na modelo, na siyang OLAP, sa tabular. At sa palagay ko mayroon akong isang quote mula sa Microsoft; nais nilang mag-data sa mga kamay ng mga gumagamit, hindi lamang sa dingding sa IT shop, nais nilang makakuha ng higit pa sa data sa mga kamay ng mga taong kumukuha nito.
Eric Kavanagh: At nakakabalik agad sa unang napaka-simpleng slide na ipinakita ko, na kung saan ang pangunahing proseso ng paggawa ng desisyon para sa anumang samahan, at ngayon - at sa palagay ko ito ay isang mahusay na bagay - nakakakuha tayo ng maraming tao mula sa buong hierarchy ng samahan na binibigyang pansin ang nangyayari, dalhin ang kanilang kwento sa talahanayan at ginagawa mo iyon kasama ang data, iyon ang nasa ilalim na linya, ibig kong sabihin, maaari mong gamitin ang iba pang mga paraan, ngunit kung ibabalik mo ang iyong kwento sa data. magkakaroon ka ng isang mas malakas na argumento kaysa sa mga hindi, di ba?
Stan Geiger: Eksakto, oo. Tulad ng, oo, eksaktong tama iyon. Ibig kong sabihin, na kung bakit ngayon, dati na, "Hoy, kailangan ko ang ulat na ito, " kaya ngayon kailangan kong dumaan sa kahilingan ng ulat at kailangan kong dumaan dito, at upang makuha ang aking ulat, at ngayon maaari akong umupo doon mismo sa aking mesa at talagang makatarungan, mayroon akong access sa mga data na nabuo, gumawa ng aking mga desisyon sa negosyo.
Eric Kavanagh: Tama na. Alam mo, bumalik ako mula sa isang kumperensya nitong nakaraang linggo at mayroong isang hysterical na puna mula sa isang tao na nagpapatakbo ng isang medyo malaking kapaligiran sa BI para sa target ng tindahan, at tinukoy niya ang self-service analytics at self-service BI, at malinaw naman malaking isyu yan sa mga araw na ito. Sigurado ako na ito ay isang bagay na nagmamaneho ng maraming aktibidad para sa ginagawa mo sa IDERA dahil kapag nais mong i-roll out ang serbisyo sa sarili, una sa lahat mas mahusay kang magkaroon ng isang malusog na kapaligiran sa BI, di ba? Kung pupuntahan mo ang lahat ng uri ng mga tao doon na nagtatanong ng lahat ng uri ng mga katanungan sa lahat ng uri ng mga paraan, nais mong magkaroon ng isang bagay tulad ng tool na ito mismo, upang maunawaan kung sino ang nagtatanong kung aling mga tanong at saan. At ang nakakatawang quote na ilalabas ko para lamang sa mga sipa dito, tulad ng sinabi mo, "Mayroong isang mahusay na linya sa pagitan ng self-service BI at pumunta sa F mismo."
Stan Geiger: Oo.
Eric Kavanagh: Akala ko ganyan ang hysterical. Ngunit nakikita mo ba na ang takbo ng serbisyo sa sarili ay talagang nagtutulak ng maraming kamalayan sa paligid ng iyong ginagawa sa teknolohiya?
Stan Geiger: Oo, dahil tulad ng sinabi mo, kung magpapahintulot ka sa self-service BI, baka malamang na makakuha ka ng ilang mga isyu sa pagganap, dahil lamang sa: A) ang halaga ng pag-access, ang halaga ng mga tao na pupunta sa data, at B) ang halaga ng hindi maganda nabuo na mga query at paraan ng pag-access nito na mayroon ka. Kaya, talagang, talagang kinakailangan na subaybayan mo ang kapaligiran upang maaari mong mapanatili ang lahat na masaya na sinusubukan mong ubusin ang data, di ba?
Eric Kavanagh: Oo, sa palagay ko, tama iyon. Ito ay isang pagpapala at isang sumpa: mabuti na sinusubukan ng mga tao na gamitin ang mga gamit, ngunit muli, sa iyong punto, kung wala kang tamang tool sa oras na iyon, ikaw ay magiging isang hindi maligayang kamping dahil sa pagulungin out-service sa sarili na walang kasamang tulad nito, tila sa akin ay humihiling lamang ito ng isang bundok ng gulo.
Stan Geiger: Oo, ang ibig kong sabihin, ito ay katulad ng noong nagtatayo ako ng mga bodega ng data, tulad ng kung hindi mo nakuha ang iyong mga sukat at mga talahanayan ng katotohanan, pagkatapos ay pinakawalan mo ito para sa pag-uulat ng ad hoc, baka gusto mong mag-crawl sa ilalim ng bato.
Eric Kavanagh: Napakaganda . Oo, mabuti, muli, ito ay magandang balita na ginagamit ng mga tao ang bagay na ito, ngunit sa palagay ko kailangan kong maniwala na ang paglilingkod sa sarili ay magdadala ng maraming aktibidad para sa iyong ginagawa, dahil pinag-uusapan mo ang ramping ang dami ng pag-igting at ang dami ng presyur sa mga sistemang ito sa pamamagitan ng mga order ng magnitude. Hindi lamang sa pamamagitan ng isa, o sa pamamagitan ng dalawang utos ng kadakilaan at sa puntong iyon na gusto mo talagang magkaroon ng kakayahang makita at nais mong makita kung sino ang gumagawa ng kung ano, saan, kailan, paano at bakit. Tanungin ang mga tanong na iyon at pagkatapos ay gumawa ng ilang mga pagpapasya tungkol sa kung paano mo masusubaybayan at mababago ang kapaligiran at baguhin ang iyong mga patakaran kung sino ang makakakuha ng access sa ano, di ba?
Stan Geiger: Tama. At alam mo, ito rin, alam, nakikita na ang paggamit ay nagbibigay-daan sa iyo upang pumunta doon, at potensyal, tulad ng nabanggit ko ang bagay sa loob ng kubo, magagawa ko ang mga bagay upang mapagbuti iyon, na hanggang sa paraan ng pagbuo at disenyo ko mga bagay. Kaya, kinakailangan na hindi lamang iyon upang tingnan ang pagganap ng mga bagay ngunit upang makita kung paano gumaganap ang iyong scheme at ang iyong disenyo sa antas na iyon, upang magawa mong magawa ang mga tweak dito. At pupunta lang ito ng malaki at mas malaki dahil ang mga bagay tulad ng kapangyarihan BI ay ang malaking pakikitungo ngayon, kasama ang Microsoft, kaya ngayon maaari akong magtayo ng aking sariling mga dashboard at mga widget at mga bagay, at hindi kailangang maging isang developer ng BI.
Eric Kavanagh: Tama na. Oo, ito ay mabuting bagay, nakakakuha ng kahit saan, ngunit kakailanganin mo ng ilang paraan upang pamahalaan ang kalikasan na iyon o makakakuha ka ng mga hindi maligayang mga gumagamit. Iyon ay humantong sa hindi maligayang pamamahala, na hahantong sa mga tao na pinaputok. Mayroong isang malinaw na epekto sa domino kapag ang mga bagay ay nagsisimula na mahulog ang bahagi, ngunit ito ay mahusay na bagay.
Kaya't ako ay uri ng chewed up ang huling limang minuto dito. Robin, mayroon ka bang mga katanungan?
Robin Bloor: Well, sa palagay ko ito ay kamangha-manghang, sa totoo lang, upang maging matapat. Iniisip ko ang tungkol sa katotohanan na mayroon kaming napilitan na mga kapaligiran at serbisyo sa sarili ay talagang binabago ang mundo at marami talagang nangyayari na talagang dahil isang kakila-kilabot na mas maraming data ang dumating sa kapaligiran kaysa sa naganap. Ang tanging tanong, 'sanhi hindi kami nagkaroon ng maraming oras, ngunit ang tanging tanong na interesado akong magtanong ay tulad ng ipinapaliwanag mo ang paraan na -' dahilan kung bakit naisip kong ito ay isang napakahusay na demo - ang paraan na Gumagawa ang BI monitoring. Nagtataka ako kung ano talaga ang ginagawa ng mga tao na hindi ganito? Dahil ito ay dapat na isang napakahirap, mayroong isang bilang ng mga bagay na kung saan gumawa ka ng isang pagkakaiba, ang sanhi ng ugat ay maayos, hindi mo kinakailangang palaging makarating sa ugat na sanhi, ngunit maaari kang makapunta sa ugat na sanhi ng ilan sa mga bagay na tinitingnan mo, na kapag sinabi mong maraming tao ang bumili ng tool upang malaman kung sino ang tumatakbo kung ano, at na ang aking pag-iisip ay umiikot, dahil tulad ng hindi mo alam kung sino ang tumatakbo kung ano, pagkatapos ay hindi makontrol. Kaya, ano ang hitsura ng kapaligiran kapag wala itong kontrol?
Stan Geiger: Ibig kong sabihin, maaari mong makuha ang lahat ng impormasyong ito na mayroon kami sa tool na iyong sarili, ngunit kailangan mong sumulat ng isang grupo ng mga script ng homegrown at 'sanhi ang lahat ng data doon ay nalaman mo lamang kung saan kunin ito, na nangangailangan ng isang antas ng kadalubhasaan, di ba? Kaya, sa mga kapaligiran na kung saan wala kang antas na kadalubhasaan, talaga, kung ano ang makukuha mo, ay hey, ay pataas o pababa? Hindi ko talaga alam kung ito ay tumatakbo nang mahusay o hindi, ngunit ito ay up, di ba? At pagkatapos kong simulan ang pagkuha ng mga tawag sa telepono o mga tao na pupunta, "Uy, ang aking ulat ay wala sa aking inbox, ano ang nangyayari?" O "Isinumite ko lang ang ulat na ito sa pamamagitan ng pag-uulat ng mga serbisyo" o maaaring gumawa sila ng isang query sa dito sa mga serbisyo sa pagsusuri, ngunit kinuha ito tulad ng kalahating oras, at ginamit lamang ito ng 30 segundo, ano ang nangyayari? Kaya, ngayon kailangan mong gawin ang pag-drill ng apoy at subukan at alamin ito, at nang walang isang tool ay nagiging napakahirap.
Robin Bloor: Well, tama, iyon ang bagay na lalong naging maliwanag sa akin, habang ipinakita mo ang bawat isa sa mga sukat ng kung ano talaga ang nakuha mo rito. Ang iba pang bagay, tulad ng sa napaka, napaka primitive na antas, kung wala kang mga alerto na nagsasabi sa iyo na nagkakamali ang mga bagay-bagay, kung gayon ito ay isang mamahaling bagay - napasok ka sa isang mamahaling sitwasyon, sinusubukan mong pagalingin ang nangyari, dahil ikaw hindi alamin hanggang sa magsimulang mahulog ang mga bagay-bagay, di ba?
Stan Geiger: Tama, hindi mo alam ang hindi mo alam.
Eric Kavanagh: Kuha mo ito. Well, hey folks, nasunog namin ang isang oras at pagbabago, dito. Napakalaking pasasalamat sa aming sariling Robin Bloor, at syempre ang aming kaibigan, si Stan Geiger, mula sa IDERA Software. Pupunta sila sa Enterprise Data World, sa katunayan, kung ang alinman sa iyo ay pupunta doon, ang iyong tunay ay magiging doon din sa Atlanta. Ang aming mabuting kaibigan, si Tony Shaw, ay gumagawa ng isang mahusay na trabaho na nagpapatakbo sa kumperensya ng apat na taon na ngayon, at gusto kung ano ang bago ay bago muli. Lahat ng ito ay mainit na bagay. Sana, makita ka namin doon, kung hindi, suriin muli sa amin sa susunod na linggo, nakakuha kami ng isang bungkos ng iba pang mga webcater na nakalinya.
Laging nakaka-curious na marinig ang iyong mga saloobin, magpadala ng isang email sa, na napupunta mismo sa akin, kung mayroon kang anumang mga katanungan o mungkahi, o iba pang mga teknolohiyang nais mong malaman tungkol sa Hot Technologies. At kasama iyon, hihilingin ka ng paalam, mga tao. Salamat muli sa pagsali sa amin, makikipag-usap kami sa iyo sa susunod. Ingat. Paalam.
