Ära võtma: Host Rebecca Jozwiak arutab Dez Blanchfieldi, Robin Bloori ja David Crawfordiga andmekataloogide eeliseid.
Video vaatamiseks peate sellele sündmusele registreeruma. Video vaatamiseks registreeruge.
Rebecca Jozwiak: Daamid ja härrad, tere tulemast 2016. aasta kuumade tehnoloogiate juurde. Täna saime sõna “Soovitus: kuidas andmekataloog annab analüütikutele võimaluse.” Olen teie võõrustaja Rebecca Jozwiak, kes täidab täna meie tavalise võõrustaja Eric Kavanaghi, samal ajal kui ta reisib mööda maailma, seega tänan teid meiega liitumise eest. See aasta on palav, mitte ainult Texases, kus ma olen, pole kuum, vaid kõikjal on palav. Välja tuleb plahvatus igasuguseid uusi tehnoloogiaid. Oleme saanud Interneti, andmevoogude voogesituse, pilve kasutuselevõtu, Hadoop jätkab küpsemist ja adopteerimist. Meil on automatiseerimine, masinõpe ja kogu see värk on muidugi andmete poolt alla rõhutatud. Ja ettevõtted aja jooksul muudavad üha enam andmeid. Ja muidugi on selle mõte viia teadmiste ja avastusteni ning, tead, paremaid otsuseid. Kuid selleks, et saada andmetest tõepoolest maksimaalset kasu, peab olema hõlpsasti juurdepääsetav. Kui hoiate selle lukustatud või maetud või mõne inimese ettevõttes ajus, ei tee see kogu ettevõttele palju kasu.
Ja ma mõtlesin omamoodi andmete kataloogimisele ja muidugi ka raamatukogudele, kus juba ammu sinna, kuhu läksite, kui teil oli vaja midagi leida, kui teil oli vaja mõnda teemat uurida või mõnda teavet otsida, läksite raamatukokku , ja muidugi käisite kaardikataloogis või seal töötanud kelmika proua juures. Kuid ka lõbus oli omamoodi ringi rännata, kui lihtsalt tahtsite otsida, ja kindel, et võite lihtsalt avastada midagi kena, võite teada saada huvitavaid fakte, mida te veel ei teadnud, kuid kui teil oleks tõesti vaja midagi teada saada, ja teadsite, mida otsite, vajate kaardikataloogi ja loomulikult on ettevõtte vasteks andmekataloog, mis aitab meie kasutajate kõigi andmete valgustamiseks rikastada, avastada, jagada, tarbida ja aidata inimestel tõepoolest saada andmete kiiremaks ja lihtsamaks muutmiseks.
Nii et täna saime oma andmeteadlase Dez Blanchfieldi ja meil on oma peaanalüütik doktor Robin Bloor, Davidist Crawfordi sai Alation, kes räägib oma ettevõtte andmete kataloogimise loost, aga kõigepealt Deziga minema Dez, ma annan sulle palli kätte ja põrand on sinu oma.
Dez Blanchfield: Tänan teid, tänan teid täna minu eest. See on küsimus, mis mind väga huvitab, sest peaaegu igas organisatsioonis, kellega oma igapäevatöös kokku puutun, on mul täpselt sama teema, millest me show-eelses plakatis väga lühidalt rääkisime, ja just see enamikul organisatsioonidel, kes on tegutsenud rohkem kui paar aastat, on organisatsiooni ümber maetud hulgaliselt andmeid, erinevad vormingud ja tegelikult on mul kliente, kellel on andmekogumid, mis ulatuvad tagasi Lotus Notes'i, andmebaasidesse, mis mõnes veel töötavad Juhtumid on nende pseudointernetid ja nad kõik seisavad silmitsi selle väljakutsega - tuleb tegelikult leida, kus on nende andmed ja kuidas sellele juurde pääseda, kes sellele juurdepääsu peaks võimaldama, millal neile juurde pääseda ja kuidas lihtsalt kataloogi ja kuidas seda saada kohta, kus kõik saavad: A) olla kursis sellega, mis seal on ja mis seal on, ja B), kuidas sellele juurde pääseda ja seda kasutada. Ja muidugi on üks suurimaid väljakutseid selle leidmine, teine suur väljakutse on teada, mis seal on ja kuidas sellele juurde pääseda.
Võib-olla tean, et mul on kümneid andmebaase, kuid ma tegelikult ei tea, mis seal on, või kuidas seal toimivaid asju teada saada, ja alati, nagu me nüüd näituseelsetes andmetes avastame, kipubite kõndima kontori ümber ja küsige küsimusi ning karjutage üle kuubikute ja proovige nuputada, tihti on minu kogemus. Võib-olla võite isegi leida, et kõnnite esilaua taha, vastuvõtule ja küsite, kas keegi teab, kes te olete? kavatsen minna rääkima. Üsna sageli pole see alati IT-rahvas, kuna nad ei ole andmestikust teadlikud, kuna keegi on selle just loonud ja see võib olla midagi lihtsat - üsna sageli leiame mingisuguse projekti, mis seisab IT-keskkonnas ja projektijuht kasutas kõigi asjade arvutustabelit ja see on omandanud tohutu hulga väärtuslikku teavet varade ja nimede ning nimede ümber ning kui te ei tunne seda projekti ja ei tunne seda inimest, ei leia te seda teavet lihtsalt üles. See pole lihtsalt saadaval ja peate selle originaalfaili kätte saama.
Andmete osas on fraas ümber lükatud ja ma ei ole sellega tingimata nõus, kuid arvan, et see on armas väike viskamine ja see tähendab, et teatud hulk inimesi arvab, et andmed on uus õli, ja olen kindel, et me kavatsen seda ka mõnes aspektis käsitleda täna hiljem. Kuid mida ma olen märganud ja olen kindlasti selle ümberkujundamise osa, on see, et nende organisatsioonide ettevõtted, kes on õppinud oma andmeid väärtustama, on saavutanud konkurentide ees olulise eelise.
IBM avaldas umbes viis või kuus aastat tagasi huvitava paberi ja nad küsitlesid umbes 4000 ettevõtet siin Austraalias ning nad võtsid kogu teabe, kõik jõudlusandmed, kõik finantsandmed kokku ja panid selle keedunõusse ning siis saatsid selle Austraalia majanduskooli ja nad alustasid siin tegelikult ühist suundumust. Ettevõtted, kes võimendasid tehnoloogiat, saavutasid alati oma eakaaslaste ja konkurentide ees sellise konkurentsieelise, et nende konkurendid peaaegu kunagi järele ei jõua, ja ma arvan, et nii on see praegu andmete puhul, mida oleme näinud, nagu inimesed nimetavad digitaalseks ümberkujundamiseks, kus organisatsioonid, kes on selgelt välja mõelnud, kuidas oma andmeid leida, muuta need andmed kättesaadavaks ja muuta need kättesaadavaks väga hõlpsalt kasutatavates materjalides moodi, ilma et oleks vaja alati teada, miks organisatsioon seda vajab, ja saada konkurentide ees olulist eelist.
Sellel slaidil on paar näidet, mida saate näha. Minu üks seisukoht on, et peaaegu kõigis tööstussektorites põhjustavad ulatuslikud häired minu arvates andmeid ja kui praegused suundumused peaksid midagi üle käima, siis arvan, et me oleme tõesti lihtsalt saanud algas seetõttu, et kui kauaaegsed kaubamärgid ärkavad lõpuks üle, mida see tähendab, ja astuvad mängu, hakkavad nad mängu jõudma hulgimüügis. Kui omamoodi suuremad jaemüüjad, kellel on palju mägesid, hakkavad andmete ajaloolist analüüsi rakendama, kui nad isegi teavad, et need on olemas, siis hakkavad mõned võrgumängijad natuke äratama.
Kuid paljude enamiku nende kaubamärkide all pean silmas Uberit, kes on suurim taksofirma maailmas. Neil ei ole ühtegi taksot, nii et mis neid võlub, mis on nende andmed? Airbnb, suurim majutusettevõte, on meil maailmas suurim telefonifirma WeChat, kuid neil pole tegelikku infrastruktuuri ega telefone ega telefoniliini. Alibaba, planeedi suurim jaemüüja, kuid nad ei oma ühtegi inventari. , selle sõna suurim meediaettevõte. Arvan, et viimati oli neil praegu 1,4 miljardit aktiivset andmekasutajat, mis on mõtlemapanev arv. See pole kuskil lähedal - ma arvan, et keegi väitis, et veerand planeedist asub seal tegelikult iga päev ja ometi on siin sisuteenuse pakkuja, kes tegelikult sisu ei loo, kõik andmed, mida nad teenivad, pole nende loodud, vaid nende loodud tellijad ja me kõik teame seda mudelit.
SocietyOne, millest te võib-olla isegi pole kuulnud, see on kohalik kaubamärk. Ma arvan, et mõnes riigis on see pank, mis tegelikkuses teeb peer-to-peer laenu, ehk teisisõnu, tal pole raha. Kõik, mida ta teeb, on tehingute haldamine ja selle all olevad andmed. Netflix, me oleme kõik sellega väga-väga tuttavad. Siin on huvitav ühe vooderdis. Kui Netflixi sai Austraalias seaduslikult kasutada, kui ametlikult välja kuulutati, ei pidanud te selle saamiseks VPN-i kasutama, kipuvad paljud inimesed kogu maailmas - kui te seda oma lähikonnas ei leia - millal Netfix käivitati Austraalias, see suurendas meie Interneti-linkide rahvusvahelist ribalaiust 40 protsenti, nii et see kahekordistas Austraalia Interneti-kasutust peaaegu üleöö, vaid ühe rakenduse abil, ühe pilve hostitud rakenduse abil, mis ei tee muud kui vaid andmetega mängida. See on lihtsalt mõtlemapanev statistika.
Ja muidugi, me oleme kõik Apple'i ja Google'iga tuttavad, kuid need on planeedi suurimad äriettevõtted, kuid nad ei kirjuta tegelikult rakendusi. Mis on kõigi nende organisatsioonide jaoks järjepidev? Noh, need on andmed ja nad ei jõudnud sinna, sest nad ei teadnud, kus nende andmed asuvad, ja nad ei teadnud, kuidas neid kataloogida.
Nüüd leiame, et seal on see kogu uus varaklass, mida nimetatakse andmeteks, ja ettevõtted ärkavad seda üles. Kuid neil pole alati vahendeid ja oskusteavet ning milleks neid andmeid kaardistada, neid andmeid kataloogida ja kättesaadavaks teha, kuid oleme leidnud, et peaaegu üldse füüsiliste varadeta ettevõtted on rekordilise ajaga saavutanud kõrge turuväärtuse. selle uue andmevaraklassi kaudu. Nagu ma olen öelnud, ärkavad mõned vanad mängijad seda nüüd ja toovad selle kindlasti välja.
Olen suur fänn, et võtame rahvapäraseid rännakuid ette, nii et kaheksateistkümne saja, hilise kaheksateistkümne saja seas ja kui saate sellest USA turul rohkem teada, selgus, et loenduse korraldamiseks igal aastal või nii, arvan, et nad viisid neid sel hetkel iga kümne aasta tagant läbi, aga kui kavatsete igal aastal loendust korraldada, võib andmeanalüüsi tegemiseks kuluda kuni kaheksa või üheksa aastat. Selgus, et see andmekogum jäi siis paberkandjal kastidesse ja peaaegu keegi ei leidnud seda. Nad muudkui pumpasid neid aruandeid välja, kuid tegelikke andmeid oli väga raske saada, meil on sarnane olukord teise maailmas olulise hetkega, 1940ndate paiku, koos Teise maailmasõjaga ja see asi on Bletchley Park Bombe kirjutatud BOMBE , ja see oli tohutu arvu krigistav analüütiline tööriist, mis läbib väikseid andmekogumeid ja leiab neis signaale ning mida saab kasutada Enigma kaudu crack-koodide abistamiseks.
See asi oli jällegi sisuliselt seade, mis oli mõeldud mitte niivõrd kataloogimiseks, vaid andmete sildistamiseks ja kaardistamiseks ning võimaldaks võtta mustreid ja leida neid andmekogumitest, sel juhul murda koode, leida võtmeid ja fraase ning leida neid regulaarselt andmekogumites ja seetõttu oleme läbi teinud selle teabe leidmise ja andmete kataloogimise teekonna.
Ja siis tulid need asjad kaasa, need massiivsed odava hinnaga masinad, lihtsalt riiulilt. Ja me tegime väga huvitavaid asju ning üks asi, mis me nendega tegime, on see, et ehitasime väga odavaid klastrid, mis võiksid planeeti indekseerida, ja väga kuulsalt need suured kaubamärgid, mis on tulnud ja läinud, kuid tõenäoliselt on Google kõige tavalisem kodu bränd, millest me kõik oleme kuulnud - see on muutunud tegelikuks tegusõnaks ja teate, et olete edukas, kui teie brändist saab tegusõna. Kuid see, mida Google meile õpetas, mõistmata seda, võimalik, et ärimaailmas, on see, et nad suutsid indekseerida kogu planeedi teatud tasemele ja kataloogida kogu maailmas olevad andmed ning teha see väga hõlpsalt kättesaadavaks, mugav vorm väikeses pisikeses üherealises valemis, veebileht, millel pole peaaegu mitte midagi, ja sisestate oma päringu, see läheb ja leiab selle, kuna nad olid juba planeedi indekseerinud, indekseerinud ja hõlpsasti kättesaadavaks teinud.
Ja see, mida me märkasime, oli: “Noh, pange tähele, me ei tee seda organisatsioonides - miks see nii on? Miks on meil selline organisatsioon, mis suudab kogu planeedi kaardistada ja seda indekseerida, indekseerida ja indekseerida ning kättesaadavaks teha, saame seda otsida ja seejärel klõpsata sellel teemal, et minna ja leida, kuidas me siis jõuame kas pole seda sisemiselt teinud? ”Nii et praegu on maailmas palju neid väikeseid masinaruume, mis teevad seda intranettide jaoks ja leiavad asju, kuid tegelikult hakkavad nad ikka veel lihtsalt hakkama saama mõttega minna traditsioonilisest veebisaidist kaugemale, või failiserver.
Selle uue põlvkonna andmekataloogi mitmel moel sisestamise asemel pole andmetele juurdepääsu avastamine post-it-märkmete ja vesijahutusega vestluste kaudu tegelikult enam sobiv meetod andmete avastamiseks ja kataloogimiseks ning tegelikult ei usu ma, et see kunagi nii oli. . Me ei saa enam seda kogu väljakutset juhtida inimestele, kes lihtsalt märkmeid edastavad, märkmeid postitavad ja sellest vestlevad. Oleme nüüd ja kaugelt sellest piirkonnast kaugemal, kus see järgmise põlvkonna lähenemisviis andmete kataloogimisele on tulnud ja läinud. Peame oma käed selle ümber saama. Kui see oleks lihtne küsimus, oleksime selle juba mitmel viisil lahendanud, kuid ma arvan, et see pole lihtne probleem, vaid andmete indekseerimine ja helistamine on vaid üks osa sellest, teades, mis on andmetes, ja moodustades metaandmed ümber selle, mida me avastame, ja seejärel selle hõlpsaks, tarbitavaks muutmiseks kättesaadavaks, eriti iseteeninduse ja analüütika jaoks. See on endiselt lahendatav probleem, kuid mõistatuse paljud osad viie aasta jooksul on hästi ja tõeliselt lahendatud ning saadaval.
Nagu me teame, on inimeste andmete kataloogimine ebaõnnestumise retsept, kuna inimlikud eksimused on üks suuremaid õudusunenägusid, millega me andmetöötluses kokku puutume, ja räägin sellest teemast regulaarselt, kus minu arvates on ilmselt kõige suurem õudusunenägu pabervormide täitmine inimestel tegeleme suurandmete ja analüütikaga, et pidevalt teha asju, mida nad teevad, isegi lihtsatele asjadele, näiteks kuupäevadele ja väljadele, pannes inimesed valesse vormingusse.
Kuid nagu ma ütlesin, oleme näinud, et Interneti-otsingumootorid indekseerivad maailma iga päev, nii et nüüd jõuame selle mõtte juurde, et seda saab teha äriprotsesside komplektides avastusprotsessis ning tööriistad ja süsteemid on nüüd hõlpsasti kättesaadav, kui hakkate täna õppima. Niisiis, minu arvates on trikk õigete tööriistade valimine, töö jaoks parimad tööriistad. Ja mis veel õigem, leidke sellest õiget osa, et aidata teil sellel teel edasi liikuda. Ja ma usun, et kuuleme sellest täna, aga enne kui me seda teeme, lähen üle oma kolledžisse Robin Bloorisse ja kuulen, kuidas ta selle teemaga tegeleb. Robin, kas ma võin sulle üle anda?
Robin Bloor: Jah, kindlasti saate. Vaatame, kas see töötab, jah, jah. Okei, ma tulen teistsugusest suunast kui Dez tegelikult, kuid jään lõpuks samasse kohta. See puudutab andmete ühendamist, nii et lihtsalt arvasin, et kõnnin tõesti andmete ühendamise reaalsusest, punkthaaval.
On tõsi, et andmed on killustatumad kui kunagi varem. Andmete maht kasvab fenomenaalselt, kuid tegelikult kasvavad ka erinevad andmeallikad uskumatult kiiresti ja seetõttu muutuvad andmed kogu aeg järjest killustatumaks. Kuid eriti analüüsirakenduste tõttu - kuid need pole ainsad rakendused - on meil kõigi nende andmetega ühenduse loomiseks tõesti hea põhjus, nii et oleme ummikus keerulises kohas, oleme takerdunud killustatud andmete maailma, ja andmetes on võimalus, nagu Dez seda uueks naftaks nimetas.
Andmete kohta oli see, et vanasti elati ketraval kettal, kas failisüsteemides või andmebaasides. Nüüd elab see palju mitmekesisemas keskkonnas, failisüsteemides, aga ka tänapäeval Hadoopi eksemplarides või isegi Sparki eksemplarides. See elab mitut liiki andmebaasis. Hiljuti standardiseerisime mõnda relatsiooniandmebaasi. Tead, see läks viimase viie aasta jooksul aknast välja, kuna vaja on dokumendiandmebaase ja graafikuandmebaase, nii et teate, mängul on muutunud. Nii et see elas ketraval kettal, kuid elab nüüd SSD-l. Viimane SSD kogus - kindlasti tuleb uusim SSD seade välja Samsungilt - kakskümmend gigabaiti, mis on tohutult palju. Nüüd elab see mälus selles mõttes, et andmete peamine koopia võib olla pigem mälus kui kettal - me ei harjunud sedapuhku süsteemide ehitamiseks; teeme nüüd. Ja see elab pilves. Mis tähendab, et see võib elada kõigis nendes asjades, pilves. Sa ei pea tingimata teadma, kus see pilves asub, vaid sul on selle aadress.
Lihtsalt koju jõudmiseks on Hadoop siiani ebaõnnestunud kui laiendatav andmesalvestus. Me olime lootnud, et sellest saab laiendatava skaalaga andmehoidla ja sellest saab kõigeks vaid üks failisüsteem ja nii see ka on - põhimõtteliselt ilmub taevasse vikerkaareid ja ükssarved tantsivad ringi, ja seda kõike ei juhtunud. Mis tähendab, et me jõuame lõpuks andmeedastuse probleemini ja mõnikord pole andmeedastust vaja, kuid see on ka keeruline. Tänapäeval on andmetel tõepoolest raskusjõud, kui olete juba jõudnud mitme terabaiti andmete juurde, selle üles korjanud ja ümber visanud, põhjustab see viivituse ilmumist teie võrku või ilmumist erinevates kohtades. Kui soovite andmeid ümber laadida, on teguriks ajastus. Tänapäeval on peaaegu alati piiratud, kui palju aega on teil ühe asja, ühe andmete ühest kohast teise jõudmiseks. Kunagi pidasime seda pakett-akendeks, kui masin oli justkui jõude ja ükskõik kui palju andmeid teil oli, võisite selle lihtsalt ringi visata ja see kõik toimiks. Noh, see on läinud, me elame palju rohkem reaalajas maailmas. Seetõttu on ajastus oluline tegur. Niipea kui soovite andmeid teisaldada, nii et kui andmetel on raskusaste, ei saa te seda tõenäoliselt teisaldada.
Andmehaldus on tegur selles mõttes, et olete tegelikult pidanud kõiki neid andmeid haldama, te ei saa seda tasuta ja selleks, et andmeid tegelikult vajaliku töö tegemiseks kätte saada, võib olla vajalik kopeerimine, kuna see võib ärge olge kuhu iganes olete pannud. Võimalik, et sellel pole andmete tavapärase töötlemise jaoks piisavalt ressursse. Nii et andmeid korratakse ja andmeid replitseeritakse rohkem, kui võiksite ette kujutada. Arvan, et keegi ütles mulle juba tükk aega tagasi, et keskmisi andmeid korratakse vähemalt kaks ja pool korda. ESB-d või Kafka pakuvad andmevoogu, kuid tänapäeval nõuab see arhitektuuri. Tänapäeval peate tõesti ühel või teisel viisil mõtlema selle üle, mida tegelikult tähendab andmete viskamine. Seetõttu on tavaliselt eelistatav andmetele juurde pääseda, kui see on olemas, kui muidugi saate vajaliku jõudluse ka siis, kui tegelikult andmeid otsite ja see sõltub juhuslikkusest. Nii et igal juhul on keeruline olukord. Andmepäringute osas oskasime varem mõelda SQL-i osas. Tõenäoliselt on meil nüüd päringute erinevaid vorme, SQL, jah, aga külgnevad, aga ka graafikupäringud, on Spark vaid üks näide graafiku tegemisest , kuna ka meil tuleb teha otsinguid, nii kui kunagi varem, ka regex-tüüpi otsinguid, mis on tegelikult keerulised mustrite otsimine ja ehtne mustrite sobitamine, ja kõik need asjad hakkavad tegelikult puhuma. Ja need kõik on kasulikud, kuna nad annavad teile selle, mida otsite, või saavad nad teile selle, mida otsite.
Päringud hõlmavad mitu päeva mitu päringut, nii et ta ei teinud seda alati ja sageli on toimivus kohutav. Niisiis, see sõltub asjaoludest, kuid inimesed loodavad, et nad saavad päringuid mitmest andmeallikast, nii et üht või teist tüüpi andmete liitmine muutub üha aktuaalsemaks. Samuti on väga levinud andmete virtualiseerimine, mis on sõltuvalt jõudlusest erinev viis. Andmepäringud on tegelikult osa protsessist, mitte kogu protsess. Väärib märkimist, et kui vaadata tegelikult analüütika toimivust, võib tegelik analüüs võtta kohutavalt palju kauem aega kui andmete kogumine, sest see sõltub asjaoludest, kuid kui soovite teha andmeid, on andmepäringud tingimata vajalikud. selline analüüs mitmetel andmeallikatel, ja see peab tõesti sisaldama kõiki võimalusi.
Nii kataloogide kohta.Kataloogid eksisteerivad põhjusel, vähemalt me ütleme, et teate, meil, meil on kataloogid ja skeemid andmebaasides ning meil on iga kataloog ja kus iganes sa ka ei viibi, leiad ühe koha ja siis sa tegelikult leiavad, et seal on mingi kataloog ja ühtne globaalne kataloog on nii ilmselgelt hea mõte. Kuid väga vähestel ettevõtetel on selline asi. Ma mäletan, kahe tuhande - kahe tuhande paanika-aasta - ajal mäletan, et kommunistid ei osanud isegi täpsustada, kui palju käivitatavaid faile neil oli, unustamata kunagi, kui palju erinevaid andmesalvestusi neil oli, ja tõenäoliselt on see nii ka praegu, sina tean, et enamik ettevõtteid ei tea globaalses mõttes aktiivselt, milliseid andmeid neil on. Kuid ilmselgelt on üha enam vaja omada ülemaailmset kataloogi või vähemalt saada üleilmset pilti toimuvast, kuna andmeallikate arv kasvab ja rakendused jätkuvad ning see on eriti vajalik analüütikute jaoks, sest ka teie on ühel viisil ja siin on ka muid küsimusi, näiteks sugulus ja probleemid andmetega, ning see on vajalik turvalisuse tagamiseks, andmehalduse paljude aspektide jaoks, kui te tegelikult ei tea, millised andmed teil on, idee, et te kavatseme seda juhtida, on lihtsalt absurdne. Nii et kõik andmed on mingil moel kataloogitud, on lihtsalt fakt. Küsimus on selles, kas kataloog on sidus ja tegelikult mida saate sellega teha. Nii et lähen tagasi Rebeccale.
Rebecca Jozwiak: Olgu, aitäh Robinile. Järgmisena on meil David Crawford Alationist. David kavatsen minna edasi ja edastada teile palli ning saate selle ära võtta.
David Crawford: Tänan sind väga. Ma hindan väga, et kutid, kes mind sellel saatel tegid. Arvan, et hakkan sellega alustama, seega arvan, et minu roll siin on võtta osa sellest teooriast ja vaadata, kuidas seda tegelikult rakendatakse, ning tulemusi, mida suudame juhtida tõeliste klientide juures ja nii et näete mõned slaidil, tahan rääkida sellest, milliseid tulemusi näeme analüütiliste paranduste osas. Nii et arutelu motiveerimiseks räägime sellest, kuidas nad sinna sattusid. Nii et mul on õnne jõuda päris tiheda koostööni paljude tõeliselt nutikate inimestega, nende klientidega, ja tahan lihtsalt välja tuua mõned, kes on suutnud tegelikult mõõta, ja rääkida sellest, kuidas andmekatalogi olemasolu on nende analüütikut mõjutanud töövoog. Ja lihtsalt selleks, et lühidalt eesliinil püsida, arvan, et üks neist asjadest, mida me näeme, muutub koos andmekataloogidega versus varasemaid vahendatud lahendusi ja üks viis, kuidas suhted mõtlevad tegelikult kokku pandud lahendustele, on alustada analüütikutest ja tööta tagurpidi. Ütleme nii, et lasime selle analüütikute produktiivsuse suurendamisel. Erinevalt lihtsalt vastavusest või lihtsalt inventuuri olemasolust loome tööriista, mis muudab analüütikud produktiivsemaks.
Nii et kui ma räägin finantsteenuste ettevõtte Square andmeandmeteadlasega, siis seal oli üks tüüp Nick, kes rääkis meile, kuidas tema, ta võttis aruande koostamiseks õige andmekogu leidmiseks mitu tundi aega, nüüd saab ta tehke seda mõne sekundiga, kasutades turuosa otsimist, rääkisime nende CTO-ga, kes tõmbas väljaku kasutanud analüütikud, vabandage, kasutasin Alatsiooni, et teada saada, mis on nende eelised, milliseid eeliseid nad nägid, ja nad teatasid 50-st Protsentuaalne tootlikkuse kasv ja et maailma ühe suurima jaemüüja eBay kaudu on kokku üle tuhande inimese, kes regulaarselt SQL-analüüsi teevad, ja ma teen seal tihedat koostööd Deb Saysiga, kes on see projekt haldur oma andmetööriistade meeskonnas ja ta leidis, et kui pärijad võtavad vastu Alatsiooni, võtavad vastu kataloogi, näevad nad andmebaasile uute päringute kirjutamise kiirust kahekordse kiirusega.
Nii et need on tõelised tulemused, need on inimesed, kes rakendavad kataloogi tegelikult oma organisatsioonis, ja ma tahan teid tutvustada, mida on vaja seadistamiseks. Kuidas kataloog ettevõttes sisse tuleb ja võib-olla kõige tähtsam on öelda, et suur osa sellest toimub automaatselt, nii et Dez rääkis süsteemidest, süsteemide tundmaõppimisest ja just tänapäeva andmekataloog seda teebki. Nii installivad nad Alationi oma andmekeskusesse ja ühendavad selle seejärel oma andmekeskkonna mitmesuguste metaandmete allikatega. Keskendun natuke andmebaasidele ja BI-tööriistadele - nendest kahest eraldame tehnilised metaandmed, põhiliselt selle kohta, mis on olemas. No mis lauad? Millised aruanded? Millised on aruande definitsioonid? Nii et nad ekstraheerivad need tehnilised metaandmed ja iga süsteemis sisalduva objekti jaoks luuakse automaatselt kataloogi leht ning seejärel kaevandavad ja kihivad need tehnilised metaandmed peale ning kihtivad kokku kasutusandmetega. Seda tehakse peamiselt andmebaasist päringupäevikute lugemise kaudu ja see on tõesti huvitav teabeallikas. Nii et kui analüütik kirjutab päringu, kui aruandlustööriist, sõltumata sellest, kas see on kodus kasvatatud või riiulilt eemaldatud, kas aruandlustööriist käivitab armatuurlaua värskendamiseks päringu, kui rakendus käivitab päringu andmete sisestamiseks töötamiseks andmekogum - kõik need asjad salvestatakse andmebaasi päringupäevikutesse. Ükskõik, kas teil on kataloog või mitte, need hõivatakse päringulogi koos andmebaasiga. Mida saab teha andmekataloog ja eriti seda, mida saab teha Alatsioonide kataloog, loeb need logid, küsib nende sees olevaid päringuid ja loob nende logide põhjal tõeliselt huvitava kasutusgraafiku ning loome selle tulevaste kasutajate teavitamiseks mängu andmetest selle kohta, kuidas andmete varasemad kasutajad on seda kasutanud.
Nii et koondame kõik need teadmised kataloogi ja just selleks, et seda reaalseks muuta, on need integratsioonid, mida kliendid juba rakendavad, nii et oleme näinud Oracle'i, Teradat, Redshiftit, Vertikat ja hunnikut muud relatsiooniandmebaasid. Hadoopi maailmas leidub Hadoopis mitmesugust SQL-i, omamoodi relatsioonilisi, Hadoopi failisüsteemi peal olevaid metapoode, Impala, Tez, Presto ja Hive, oleme edu näinud ka pilvega Hadoopi erasektori pakkujatega, näiteks Altiscale, ja me Samuti on õnnestunud ühendada Tableau serverite, MicroStrategy serveritega ja indekseerida sealsed armatuurlauad, aga ka integratsioonid selliste andmeteaduste kaardistamise tööriistadega nagu Plotly.
Nii et me ühendame kõigi nende süsteemidega, oleme need süsteemid klientidega ühendanud, tehnilised metaandmed sisse tõmmanud, kasutusandmed sisse tõmmanud ja sorteerinud automaatselt andmekataloogi, kuid sel viisil tsentraliseerida teadmised, kuid lihtsalt asjade tsentraliseerimine andmekataloogis ei taga iseenesest neid suurepäraseid tootlikkuse suurendamise võimalusi, millest me eBay, Square'i ja turuosaga rääkisime. Selle saavutamiseks peame tegelikult muutma viisi, kuidas mõtleme analüütikutele teadmiste pakkumisele. Üks küsimus, mida nad selleks ettevalmistamiseks küsivad, oli: “Kuidas mõjutab kataloog tegelikult analüütiku töövoogu?”
See on see, mille peale me terve päeva mõtleme, ja selleks, et rääkida sellest mõtlemise muutusest, mis puudutab tõmbamisversioone tõmbamismudelis, tahtsin teha kiire analoogia sellele, milline oli maailm enne ja pärast Kindle'is lugemist. Nii et see on lihtsalt kogemus, mis mõnel teist võib olla, kui näete mõnda füüsilist raamatut lugedes, sõnaga, pole kindel, et teate selle sõna määratlust suurepäraselt, võite seda arvatavasti ka arvata, mitte nii tõenäoline, et tõusete diivanilt üles, kõnnite oma raamaturiiuli juurde, leiate sõnastiku, tolmute selle maha ja libisete sõnade tähestikulises loendis õigesse kohta, et veenduda, et jah, teil oli see määratlus just õige ja teate selle nüansid. Nii et seda tegelikult ei juhtu. Nii et ostate Kindle'i rakenduse ja hakkate seal raamatuid lugema ning näete sõna, milles te pole täiesti kindel, ja puudutate seda sõna. Järsku, täpselt samal ekraanil, on sõna sõnastiku definitsioon koos kõigi selle nüansside, erinevate näidete kasutamisega ja libistate natuke ja saate selle teema kohta Vikipeedia artikli, siis libistate uuesti, saate tõlkeriista, mis suudab seda tõlkida teistesse keeltesse või teistesse keeltesse, ja ühtäkki on teie keeleoskus palju rikkam ja see juhtub lihtsalt uskumatult mitu korda, võrreldes sellega, kui pidite minema ja tõmba see ressurss endale.
Ja seega, mida ma vaieldama hakkan, on see, et analüütiku töövoog ja viis, kuidas analüütik tegeleb andmete dokumenteerimisega, on tegelikult väga sarnane sellega, kuidas lugeja suhtleb sõnaraamatuga, olgu see siis füüsiline või ka siis, kui Kindle, ja nii et see, kuidas me seda produktiivsuse tõusu tõepoolest nägime, ei ole kataloogi voolamine, vaid selle ühendamine analüütiku töövoogudega, ja nad on palunud mul siin demo teha ja ma tahan et muuta selle esitluse fookus. Kuid ma tahan lihtsalt demo jaoks konsooli üles seada. Kui mõtleme andmete lisamisest kasutajatele, kui nad seda vajavad, arvame, et selleks on õige koht, koht, kus nad veedavad aega ja kus nad analüüsivad, SQL päringu tööriist. Koht, kus kirjutate ja käitate SQL päringuid. Ja nii me siis ehitasime selle ja ehitasime selle ning asi, mis erineb teistest päringutööriistadest selle tõelise integreerimise tõttu andmekataloogiga.
Nii et meie päringutööriist kannab nime Alation Compose. See on veebipõhine päringutööriist ja ma näitan seda teile sekundiga. Veebipõhine päringutööriist, mis töötab kõigi nende andmebaasilogode puhul, mida nägite eelmisel slaidil. Proovin eriti demonstreerida seda, kuidas kataloogiteave jõuab kasutajateni. Ja ta teeb seda neil kolmel erineval viisil. Ta teeb seda sekkumiste kaudu ja siis, kui keegi andmeesitajast või andmekorrapidajast või mingil moel administraatorist või haldurist võib öelda: “Ma soovin teha märkuse või hoiatusega vahelesegamist töövoo ja veenduge, et see edastatakse kasutajatele õigel ajal. ”See on sekkumine ja näitab seda hästi.
Nutikad soovitused on viis, kus tööriist kasutab kõiki oma koondatud teadmisi kataloogi kohta, kirjutades välja päringu objekte ja osi. Kõige olulisem on teada, et päringulogi kasutab see tõepoolest ära, et soovitada asju, mis põhinevad kasutamisel, ja leida ühtlasi ka varem kirjutatud päringute osi. Ja näidake seda hästi.
Ja siis eelvaated. Eelvaatena näete, kui kirjutate objekti nime, siis näitame teile kõike, mida kataloog teab, või vähemalt kõige olulisemaid asju, mida kataloog selle objekti kohta teab. Nii et kõik andmed varem kasutanud andmete näidised, selle objekti loogiline nimi ja kirjeldus, jõuavad kõik teie juurde selle kirjutamise ajal, ilma et peaksite seda küsima.
Nii et ilma pikemalt rääkimata jõuan demosse ja hakkan lihtsalt ootama, kuni see ilmub. Mida ma siin teile näitan, on päringutööriist. See on spetsiaalne SQL-i kirjutamisliides. See on kataloogist eraldi liides, teatud mõttes. Dez ja Robin rääkisid kataloogist ning Im hüppas natuke üle kataloogi liidese otse selle juurde, kuidas see otse töövoo teenindamiseks sisse toodi.
Ma näitan siin lihtsalt kohta, kus ma saan SQL-i sisestada, ja altpoolt näete, et meil on mingisugust teavet objektide kohta, millele viidati. Nii et hakkan lihtsalt päringut tippima ja peatun, kui jõuan ühe sellise sekkumiseni. Nii et kirjutage "vali" ja ma tahan seda aastat. Ma tahan nime. Ja ma otsin üles mõned palgaandmed. Nii et see on hariduse andmestik. Selles on teavet kõrgkoolide kohta ja ma vaatan ühes tabelis õppejõudude keskmist töötasu.
Nii kirjutas Ive tegelikult sõna “palk”. See ei olnud täpselt kolonni nimes. Kasutame ettepanekute tegemiseks nii loogilisi kui ka füüsilisi metaandmeid. Ja mida ma tahan siinkohal juhtida tähelepanu, on see siin ilmuv kollane kast. Selles öeldakse, et sellel veerul on hoiatus. Ma ei otsinud seda, ma ei õppinud, kuidas neid andmeid õigesti kasutada. See jõudis minuni ja juhtub, et see on hoiatus konfidentsiaalsuslepingu kohta, mis on seotud nende andmetega. Nii et seal on mõned avalikustamise reeglid. Kui hakkan neid andmeid küsima, võtan andmed sellest tabelist välja, peaksin olema ettevaatlik nende avaldamise osas. Nii et teil on siin juhtimispoliitika. Sellega on seotud mõned eeskirjade järgimisega seotud väljakutsed, mis muudavad selle poliitika järgimise palju lihtsamaks, kui ma tean sellest ajal, kui ma andmeid vaatan.
Nii saigi see mulle korda ja siis hakkan ka õppemaksu vaatama. Ja siin näeme, et eelvaated tulevad mängu. Sellel õppeveerul näen - õppeasutuse veergu õppeasutuse laual ja ma näen selle profiili. Alation läheb ja tõmbab tabelitest näidisandmeid ning sel juhul näitab see mulle midagi huvitavat. See näitab mulle väärtuste jaotust ja näitab, et nullväärtus oli valimis 45 korda suurem ja kui ükski teine väärtus. Nii sain ma aru, et meil võib olla puudu andmeid.
Kui olen edasijõudnud analüütik, võib see olla juba osa minu töökorraldusest. Eriti kui ma olen eriti hoolikas, siis teeksin hunniku profileerimisega seotud päringuid enne tähtaega. Kui lähenen uuele andmetele, mõtlen alati, milline on meie andmete leviala. Kuid kui ma pole andmeanalüüsis uus, kui ma pole selles andmekogumis uus, võiksin eeldada, et kui veerg on olemas, on see kogu aeg täidetud. Või võin eeldada, et kui seda ei täideta, pole see null, null või midagi sellist. Kuid sel juhul on meil palju nulle ja kui ma teeksin keskmise, siis nad ilmselt eksiksid, kui ma lihtsalt eeldaksin, et puuduvate andmete asemel on need nullid tegelikult null.
Kuid Alation, viies selle eelvaate oma töövoogu, palub teil seda teavet uurida ja annab isegi algajatele analüütikutele võimaluse näha, et siin on nende andmete osas midagi märgata. Nii et meil on see eelvaade.
Järgmine asi, mida kavatsen teha, on proovida välja selgitada, millistest tabelitest seda teavet saada. Nii et siin näeme nutikaid soovitusi. See on käinud kogu aeg, kuid eriti siin pole ma isegi midagi kirjutanud, vaid soovitab mulle, milliseid tabeleid võiksin selle päringu jaoks kasutada. Ja kõige olulisem on selle kohta teada saada, et see kasutab ära kasutusstatistikat. Nii et keskkonnas, nagu näiteks eBay, kus teil on ühes andmebaasis sadu tuhandeid tabeleid ja millel on tööriist, mis saab omamoodi nisu lahti lüüa, ja selle kasutusstatistika kasutamine on nende tegemiseks väga oluline soovitusi midagi väärt.
Seega soovitab ta seda tabelit. Eelvaadet vaadates tõstame tegelikult esile kolm veergu, mida ma juba oma päringus mainisin. Nii et ma tean, et sellel on kolm, kuid sellel pole nime. Mul on vaja nimi saada, seega kavatsen liituda. Kui ma liitun, on mul nüüd jälle need eelvaated, mis aitavad mul leida, kus on nimega tabel. Nii et ma näen, et sellel on kenasti vormindatud, hästi kirjutatud nimi. Näib, et igal institutsioonil on üks rida nimega, nii et hakkan seda haarama ja nüüd on mul vaja liitumistingimust.
Niisiis, siin, mida Alation teeb, vaatab uuesti päringupäevikutele tagasi, nähes varasemat korda, kuidas need kaks tabelit on ühendatud, ja soovitab erinevaid võimalusi nende ühendamiseks. Taaskord on tegemist mõne sekkumisega. Kui ma vaatan ühte neist, sai see hoiatuse, mis näitab mulle, et seda tuleks kasutada ainult koondanalüüsiks. Tõenäoliselt tekitab see vale asja, kui proovite institutsiooni kaudu midagi institutsiooni kaudu teha. See üks koos OPE ID-ga on heaks kiidetud kui nende kahe tabeli ühendamise õige viis, kui soovite ülikooli tasemel andmeid. Nii et ma teen seda ja see on lühike päring, kuid ma kirjutasin oma päringu, ilma et mul oleks tingimata mingit teavet selle kohta, millised andmed on. Ma pole kunagi selle andmestiku ER-diagrammi vaadanud, kuid tean nende andmete kohta juba üsna palju, kuna asjaomane teave on minuni jõudmas.
Need on omamoodi kolmest võimalusest, kuidas kataloog saab integreeritud päringutööriista kaudu päringuid kirjutades otseselt töövoogu mõjutada. Kuid päringutööriista kataloogi integreerimise veel üks eelis on see, et kui päringu lõpetan ja selle salvestan, võin panna pealkirja nagu „Asutuse õppemaks ja õppejõudude palk“ ja siis on mul siin nupp, mis lubab mul selle lihtsalt kataloogis avaldada. Mul on väga lihtne seda tagasi toita. Isegi kui ma seda ei avalda, jäädvustatakse see päringulogi osana, kuid kui ma selle avaldan, muutub see tegelikult osaks tsentraliseeritud kohast, kus elab kogu teave andmete kohta.
Nii et kui klõpsan käsul Otsi kõiki päringuid Alatsioonis, võetakse mind kasutusele - ja siin näete veel mõnda kataloogi liidest -, suunatakse mind sihtotstarbelise päringu otsingule, mis näitab mulle viisi päringute leidmiseks kogu organisatsioonis. Ja näete, et minu äsja avaldatud päring on ülaosas. Ja mõned võivad siin tähele panna: päringute jäädvustamisel jäädvustame ka autoreid ja loome omamoodi selle suhte minu kui autori ja nende andmeobjektide vahel, millest ma nüüd midagi tean. Ja ma olen loodud selle päringu ja nende andmeobjektide eksperdiks. See on tõesti kasulik, kui inimestel on vaja andmeid õppida, siis saavad nad leida õige inimese, kelle juurde õppida. Ja kui ma olen andmete osas tegelikult uus, olenemata sellest, kas ma olen arenenud analüütik - kui arenenud analüütik, siis võiksin seda vaadata ja näha hulgaliselt näiteid, mis aitaksid mul uutest andmekogumitest alustada. Kuna keegi, kes ei pruugi SQL-i kasutamisel eriti asjatundlik olla, leian juba eelnevalt tehtud päringuid, mis on aruanded, mida saan kasutada.
Siin on Phil Mazanett ühe SAT-i keskmise tulemuse kohta. Klõpsake seda ja ma saan omamoodi kataloogi lehe päringu enda jaoks. See räägib kirjutatud artiklist, mis viitab sellele päringule, nii et seal on minu jaoks mõned dokumendid, mida ma saan lugeda, kui tahan seda õppida. Ja ma saan selle avada päringutööriistal, klõpsates nupul Koosta, ja saan selle siin ise käivitada, ilma et peaksin seda isegi redigeerima. Ja tegelikult näete natuke meie kergeid aruandlusvõimalusi, kus päringu kirjutamisel võite niimoodi mallimuutuja sisse kukutada ja see loob lihtsa viisi päringu täitmiseks vormi loomiseks paar parameetrit.
See on see, mis mul demo jaoks olemas on. Ma lähen tagasi slaididele.Lihtsalt omamoodi kokkuvõtteks näitasime, kuidas administraator ehk andmehaldur saab sekkuda, paigutades hoiatusi päringutööriistas kuvatavatele objektidele, kuidas Alation kasutab oma teadmisi andmeobjektide kasutamisest nutikate ettepanekute tegemiseks, kuidas see toob profiilide koostamisel ja muid näpunäiteid analüütikute töövoogude parandamiseks, kui nad konkreetseid objekte puudutavad, ja kuidas kogu selline teave uute päringute kirjutamisel kataloogi kandub.
Ilmselt olen ettevõtte nimel pressiesindaja. Ma ütlen andmekataloogide kohta toredaid asju. Kui soovite kuulda otse ühelt meie kliendilt, juhib Kristway Allen Safeways analüütikute meeskonda ja räägib tõeliselt laheda loo sellest, millal tal tuli turunduskatse läbiviimiseks tõesti kella lüüa, ja kuidas kogu tema meeskond kasutas Alatsiooni, et teha selle projektiga koostööd ja pöörduda väga kiiresti ümber. Nii et saate selle jutu kontrollimiseks jälgida seda bit.ly linki või kui soovite natuke kuulda, kuidas Alation võiks teie organisatsiooni andmekataloogi tuua, on meil hea meel luua isikupärastatud demo. Tänud.
Rebecca Jozwiak: Suur tänu, David. Olen kindel, et Dezil ja Robinil on mõned küsimused enne, kui pöördun kuulajate küsimuste ja vastuste poole. Dez, kas sa tahad esimesena minna?
Dez Blanchfield: Absoluutselt. Mulle meeldib selle kontseptsiooni avaldatud päringute idee ja selle sidumine autorite allikaga. Olen olnud ettevõttesisese rakenduste poe selle idee kauaaegne meister ja arvan, et see on tõesti suurepärane alus sellele tugineda.
Sain omamoodi ülevaate mõnest organisatsioonist, mida te näete seda tegemas, ja mõningatest edulugudest, mis neil võisid olla kogu selle teekonna vältel, mille käigus kasutate mitte ainult teie tööriista ja platvormi andmete avastamiseks, vaid ka siis muuta oma sisemisi kultuurilisi ja käitumuslikke jooni ümber. Nüüd on selline ettevõttesisene rakenduste pood, kuhu saate lihtsalt alla laadida - kontseptsiooni, kus nad mitte ainult ei leia, vaid saavad tegelikult hakata arendama väikseid kogukondi koos nende teadmiste hoidjatega.
David Crawford: Jah, ma arvan, et oleme üllatunud. Me usume päringute jagamise väärtusesse, nii minu varasemast ajast Adtechi tootejuhina kui ka kõigi klientide poole, kellega oleme rääkinud, kuid Ive oli ikkagi üllatunud, kui sageli on see üks esimestest asjadest, millest kliendid räägivad väärtust, et nad pääsevad Alationist välja.
Katsetasin ühel meie kliendil nimega Invoice2go päringutööriista, ja neil oli suhteliselt uus tootejuht ning nad ütlesid - ta ütles mulle - kasutajatesti ajal pakkumiseta -, et ma tegelikult ei kirjutaks SQL üldse, välja arvatud see, mis selle Alationi abil lihtsaks tegi. "Ja muidugi, nagu peaminister, lähen ma edasi:" Mida sa mõtled, kuidas me seda tegime? "Ja ta ütles:" Noh, see on tõesti ainult sellepärast, et ma saab sisse logida ja ma näen kõiki neid olemasolevaid päringuid. ”SQL-i tühja kiltkivi alustamine on uskumatult raske asi, kuid olemasoleva päringu muutmine, kus näete välja pandud tulemusi ja saate öelda:„ Oh , Ma vajan seda lisaveergu ”või“ Pean selle filtreerima kindlasse kuupäevavahemikku ”, mis on palju lihtsam asi.
Oleme näinud selliseid kõrvalrolle, nagu tootehaldurid, võib-olla müügipersonali inimesed, kes hakkavad kiirenema ja kes on alati tahtnud SQL-i õppida ja seda kataloogi kasutades üles korjata. Samuti nägime, et paljud ettevõtted on püüdnud teha omamoodi avatud lähtekoodiga programme. Ive üritas sedalaadi asju ehitada sisemiselt, kus nad jälitavad päringuid ja teevad selle kättesaadavaks ning mille jaoks on nende kasutamisel tõeliselt keerulised disaini väljakutsed. on olnud sisemine tööriist, mida nad nimetasid HiPaliks ja mis justkui hõlmas kõiki Tarule kirjutatud päringuid, kuid saate teada, et kui te ei kasuta kasutajaid õigesti, siis jõuate lihtsalt väga pika loendini valitud avaldustest. Ja kui kasutaja, kes püüab aru saada, kas päring on mulle kasulik või kas see on midagi head, kui ma lihtsalt vaatan pikka valitud lausete loendit, võtab mul seal midagi väärtuse kaotamist palju kauem aega kui alustades nullist. Mõtlesime päris hoolikalt, kuidas koostada päringukataloog, mis toob õige kraami ette ja pakub seda kasulikul viisil.
Dez Blanchfield: Ma arvan, et me kõik läbime selle teekonna väga noorest east kuni täiskasvanueani ja seda paljuski. Hunnik tehnoloogiaid. Olen isiklikult ka ise läbi elanud just selle sama ehtsa asja, näiteks õppinud koodi lõikama. Ma käiksin ajakirjade ja siis raamatute kaudu ja õpiksin teatud tasemeni ning siis oleks vaja minna ja tegelikult saada veel sellekohane koolitus ja koolitus.
Kuid tahtmatult avastasin, et isegi siis, kui ma läksin ise õpetamisest, ajakirjade lugemisest ja raamatute lugemisest ning teiste inimeste programmide tükeldamisest ja selle kursustele minekust, lõpetasin ikkagi kursuste tegemise sama palju kui lihtsalt teistega rääkides inimesed, kellel oli kogemusi. Ja ma arvan, et see oli huvitav avastus, mis nüüd, kui viite selle andmeanalüütikasse, põhimõtteliselt sama paralleeli nähes, et inimesed on alati üsna nutikad.
Teine asi, millest ma tõesti aru tahan, on väga kõrgel tasemel, mida paljud organisatsioonid küsivad: „Kui kaua sellesse punkti jõudmiseks aega kulub?“ Kas tipupunkt on ajaliselt mõistlik, kui inimesed saavad teie platvormi? installitud ja nad hakkasid avastama tööriistade tüüpe? Kui kiiresti inimesed lihtsalt näevad, kuidas see asi muutub kohe-kohe-a-hetkeks, kui nad saavad aru, et nad ei muretse isegi enam investeeringutasuvuse pärast, sest see on olemas, kuid nüüd muudavad nad tegelikult äritegemise viisi? Ja nad on avastanud kadunud kunsti ja loodavad, et saavad sellega midagi väga-väga lõbusat teha.
David Crawford: Jah, ma saan seda natuke puudutada. Ma arvan, et kui me oleme installitud, siis on üks tore asi, mis inimestele meeldib otse infosüsteemidesse ühendatud kataloogi puhul, see, et te ei hakka tühjaks minema, kui peate selle täitma. lehel. Ja see kehtib justkui varasemate andmelahenduste kohta, kus alustate tühja tööriistaga ja peate hakkama looma lehte kõigele, mida soovite dokumenteerida.
Kuna me dokumenteerime metaandmete väljavõtmise teel automaatselt nii paljusid asju, põhimõtteliselt mõne päeva jooksul pärast tarkvara installimist, saate oma andmekeskkonnast pildi, mis on selle tööriista sees vähemalt 80 protsenti. Ja siis ma arvan, et niipea, kui inimesed hakkavad selle tööriistaga päringuid kirjutama, salvestatakse nad automaatselt tagasi kataloogi ja nii hakatakse neid ka kuvama.
Ma ei taha selle kirjutamisel olla liiga innukas. Ma arvan, et kaks nädalat on üsna hea konservatiivne hinnang - kuu. Kaks nädalat kuni kuu on konservatiivne hinnang, kas tõesti pöörate ümber ja tunnete, nagu saaksite sellest väärtust, näiteks kui hakkate teadmisi jagama ja saate seal käia ning oma andmete kohta asju teada saada.
Dez Blanchfield: See on üsna jahmatav, kui sellele järele mõelda. Tõsiasi, et mõne suuremahulise andmeplatvormi, mida tõhusalt indekseerite ja kataloogite, korraliku kasutuselevõtu, juurutamise ja püsti seadmise võtab mõnikord kuni aasta.
Viimane küsimus, mille ma teile sain, enne kui Robin Bloorile kätte andsin, on pistikud. Üks asi, mis mulle kohe otsa hüppab, on see, et olete kogu selle väljakutse ilmselt lahendanud. Nii et paar küsimust on lihtsalt väga kiire. Esiteks, kui kiiresti ühendatakse pistikud? Ilmselt alustate kõige suurema platvormiga, näiteks Oraaklid ja Teradaadid ning nii edasi ja DB2-d. Kuid kui regulaarselt näete, et uued pistikud tulevad läbi, ja kui palju aega need võtavad? Ma kujutan ette, et teil on nende jaoks standardne raamistik. Ja kui sügavale te nendesse süvenete? Näiteks maailma oraaklid ja IBM-id ning isegi Tereadata ja siis veel mõned populaarsemad hilise avatud lähtekoodiga platvormid. Kas nad töötavad otse teiega? Kas avastad selle ise? Kas teil peab olema neil platvormidel siseteadmisi?
Kuidas näeb välja pistiku arendamine ja kui sügavalt te nendesse partnerlustesse sekkute, tagamaks, et need konnektorid avastavad kõik, mida saate?
David Crawford: Jah, kindlasti, see on suurepärane küsimus. Arvan, et enamasti saame konnektorid välja töötada. Kindlasti tegime seda siis, kui olime noorem startup ja meil polnud kliente. Saame ühendusi kindlasti arendada ilma sisemist juurdepääsu vajamata. Me ei saa kunagi spetsiaalset juurdepääsu andmesüsteemidele, mis pole avalikult kättesaadavad, ja sageli ilma siseteavet vajamata. Kasutame ära andmesüsteemide endi pakutavaid metaandmete teenuseid. Sageli võivad need olla üsna keerukad ja raskesti töödeldavad. Ma tean eriti SQL Serverit, seda, kuidas nad päringuregistrit haldavad, seal on mitu erinevat konfiguratsiooni ja see on midagi sellist, millega peate tegelikult töötama. Selle õigeks seadistamiseks peate mõistma nüansse ja nuppe ning valima, ja see on midagi, mille kallal klientidega töötame, kuna oleme seda varem mitu korda teinud.
Kuid teatud määral on seda laadi olemasolevad avalikud API-liidesed või olemasolevad avalikud liidesed, mida me võimendame. Meil on partnerlussuhteid mitmete nende ettevõtetega, mis on enamasti sertifitseerimise alus, nii et nad tunnevad end mugavalt öeldes, et töötame ja ka nemad saavad meile ressursse testida, mõnikord võib-olla ka varajase juurdepääsu platvormile, mis välja tuleb, et veenduda, et töötame uute versioonide kallal.
Uue ühenduse ümberlülitamiseks ütleksin veel kord, et püüdes olla konservatiivne, ütleme, et kuus nädalat kuni kaks kuud. See sõltub sellest, kui sarnane see on. Nii et mõned Postgre teosed näevad välja väga sarnased Redshiftiga. Redshift ja Vertica jagavad palju oma detaile. Nii saame neid asju ära kasutada. Aga jah, kuus nädalat kuni kaks kuud oleks õiglane.
Meil on ka API-sid, nii et - mõtleme ka Alationile kui metaandmete platvormile, nii et kui midagi pole meil saadaval, et jõuda ja automaatselt haarata, on võimalusi, kuidas konnektori ise kirjutada ja selle meie süsteemi sisestada et kõik ikkagi koondatakse ühte otsingumootorisse.
Dez Blanchfield: Fantastiline. Ma hindan seda. Nii kavatsesime selle Robinile üle anda, sest kindlasti on tal ka hulgaliselt küsimusi. Robin?
Rebecca Jozwiak: Robin võib olla vaigistatud.
Dez Blanchfield: Sa oled end vaigistama pannud.
Robin Bloor: Jaa, muidugi. Vabandust, ma vaigistasin ennast. Milline on selle rakendamine, mis on protsess? Olen uudishimulik, kuna paljudes kohtades võib olla palju andmeid. Kuidas see siis töötab?
David Crawford: Jah muidugi. Käime esmalt oma tüüpi infotehnoloogiaprotsessis, mis tagab meie serverite varustamise, võrguühenduste olemasolu ja portide avamise, et saaksime süsteemidele juurde pääseda. Nad kõik teavad sageli, millistest süsteemidest nad tahavad alustada. Teades andmesüsteemi sisemust, mis - ja mõnikord me tegelikult aitame neid. Aidake neil minna ja uurida oma päringupäevikut, et mõista, kes kasutavad neid ja kui palju kasutajaid neil süsteemis on. Aidake nii hästi välja selgitada, kuhu nad satuvad - kui nad on sattunud sadadesse või tuhandetesse inimestesse, kes võivad andmebaasidesse sisse logida, siis nad tegelikult ei teagi, kuhu nad sisse logivad, et saaksime päringulogidest teada saada, kui palju unikaalseid kasutajakontosid teevad olete siin tegelikult sisse loginud ja päringuid täitnud umbes kuu aja pärast.
Seega saame seda ära kasutada, kuid sageli ainult kõige olulisematel. Panime nad üles ja siis toimub protsess, kus öeldakse: "Lubage tähtsusjärjestus." Tegemist on mitmesuguste tegevustega, mis võivad toimuda paralleelselt. Keskendun päringutööriista kasutamise koolitusele. Kui inimesed hakkavad päringutööriista kasutama, siis kõigepealt armastavad paljud inimesed seda, et see on kõigi nende erinevate süsteemide jaoks ühtne liides. Samuti armastavad nad seda, et veebipõhine ei hõlma installimisi, kui nad seda ei soovi. Turvalisuse seisukohast meeldib neile, et neil on omamoodi üks sisenemispunkt, võrgu seisukohast korporatiivse IT-võrgu omamoodi ja andmekeskuse vahel, kus asuvad tootmisallikad. Ja nii, nad seadistasid Alationi päringutööriistana ja hakkavad kõigi nende süsteemide pääsupunktina kasutama rakendust Compose.
Nii et kui see juhtub, keskendume seal koolitusele arusaamisele, millised on mõned erinevused veebipõhise või serveripõhise päringutööriista ja teie töölaua vahel, ning mõned selle kasutamise nüansid. Ja samal ajal proovime kõige väärtuslikumaid andmeid välja selgitada, kasutades uuesti ära päringuregistri teavet ja öeldes: "Kuule, võiksite sisse minna ja aidata inimestel neid mõista. Alustame nendel tabelitel esinduspäringute avaldamist. ”See on mõnikord kõige tõhusam viis inimeste kiireks ärritamiseks. Vaadake oma päringute ajalugu, avaldage need asjad nii, et need kuvatakse esimestena. Kui inimesed vaatavad tabeli lehte, näevad nad kõiki päringuid, mis seda tabelit puudutasid, ja nad saavad sealt alustada. Seejärel laseme neile objektidele pealkirju ja kirjeldusi lisada, et neid oleks lihtsam otsida ja otsida, nii et teate mõnda nüanssi selle kasutamiseks.
Hoolitseme selle eest, et uurime päringulogi põhjalikult, et saaksime genereerida põlvnemisliini. Üks asi, mida me teeme, on see, kui vaatame päringuregistrit aegadel, kui andmed liiguvad ühest tabelist teise, ja see võimaldab meil esitada üks kõige sagedamini esitatavaid küsimusi andmetabeli kohta: kust see tuli? Kuidas ma seda usaldan? Ja see, mida me näidata saame, pole ainult see, millistest teistest tabelitest see tuli, vaid ka see, kuidas seda kogu tee jooksul muudeti. See on jällegi päringulogi toiteallikas.
Niisiis hoolitseme selle eest, et need asjad oleksid üles seatud ja süsteemiga liini jõudvad ning sihiksid kõige väärtuslikumaid ja kõige tugevamalt kasutatavaid metaandmete tükke, mida saame tabeli lehtedele kinnitada, nii et otsides leiate midagi kasulikku.
Robin Bloor: Okei. Teine küsimus - tekitab publikult palju küsimusi, nii et ma ei taha siin liiga palju aega võtta - teine küsimus, mis selline meelde tuleb, on vaid valupunktid. Palju ostetud tarkvarasid, kuna inimestel on ühel või teisel viisil raskusi millegagi. Mis on tavalist valupunkti, mis viib inimesed Alatiooni?
David Crawford: Jah. Arvan, et neid on vähe, kuid arvan, et üks neist, mida me üsna sageli kuuleme, on analüütik. “Mul on lähiajal vaja palgata 10, 20, 30 inimest, kes peavad nendest andmetest uusi teadmisi tootma. Kuidas nad kiiremini hakkama saavad?” Nii et pardaloleku analüütik on asi, millega me kindlasti tegeleme. Ka see vabastab vanemanalüütikud sellest, et nad kulutavad kogu oma aja teiste inimeste andmetele vastamisele. See on ka väga sagedane. Ja mõlemad on sisuliselt haridusprobleemid.
Ja siis ütleksin veel ühe koha, kus näeme, et inimesed hakkavad Alatsiooni kasutusele võtma, kui nad soovivad luua täiesti uue andmekeskkonna, kus keegi saaks töötada. Nad tahavad seda reklaamida ja turustada, et inimesed saaksid seda kasutada. Siis on Alatsiooni loomine selle uue analüütilise keskkonna esiotsa väga ahvatlev. Sellel on dokumentatsioon, tal on üks sissejuhatuspunkti - süsteemide juurde pääsupunkti ja see on teine koht, kus inimesed tulevad meie juurde.
Robin Bloor: Olgu, ma annan teid edasi Rebeccale, sest publik üritab teie juurde jõuda.
Rebecca Jozwiak: Jah, meil on siin palju väga häid publiku küsimusi. Ja David, see poseeriti just teile. See on kellegi käest, kellel on ilmselt kogemusi inimeste päringute kuritarvitamisega, ja ta ütleb, et mida rohkem me kasutajaid anname, seda raskem on arvutusressursside vastutustundlikku kasutamist juhtida. Kas saate kaitsta eksitavate, kuid levinud päringulausete levitamise eest?
David Crawford: Jah, ma näen seda küsimust. See on suurepärane küsimus - seda kohta pakume üsna sageli. Olen ise näinud valu varasemates ettevõtetes, kus peate kasutajaid koolitama. Näiteks: „See on logitabel, selle logid ulatuvad aastaid tagasi. Kui kavatsete sellele tabelile päringu kirjutada, peate tõesti kuupäevaga piirama. ”Nii on näiteks koolitus, mille ma eelmises ettevõttes läbisin, enne kui mulle anti juurdepääs andmebaasile.
Proovime sellega tegeleda paaril viisil. Ma ütleksin, et minu arvates on päringulogi andmed selle käsitlemiseks erakordselt väärtuslikud. See annab veel ühe ülevaate sellest, mida andmebaas oma päringuplaneerijaga sisemiselt teeb. Ja see, mida me teeme, on üks neist sekkumistest - meil on käsitsi sekkumised, mida ma näitasin, ja see on kasulik, eks? Nii võite näiteks mõne konkreetse liitumise kohta öelda: "Laske meil see aegneda". Sellel on suur punane lipp, kui see nutikates vihjetes kuvatakse. See on üks viis inimesteni jõudmiseni.
Teine asi, mida me teeme, on automatiseeritud täitmisaja sekkumiste korral. See kasutab päringu parsepuu tegelikult enne, kui me selle vaatama hakkame. Kas see sisaldab teatud filtrit või veel mõnda muud, mida me seal teeme. Kuid üks kõige väärtuslikumaid ja kõige lihtsamini seletatav on see, kas see sisaldab filtrit? Nii nagu sellel näitel, mille just esitasin, peab ka sellel logitabelil olema kuupäevavahemik, kui soovite selle kohta päringuid teha, siis saate seal tabeli lehel täpsustada, et volitate selle kuupäevavahemiku filtri rakendama. Kui keegi proovib käivitada päringut, mis seda filtrit ei sisalda, peatub see tegelikult suure hoiatusega ja öeldakse: „Tõenäoliselt peaksite oma päringusse lisama mõne SQL-i, mis see välja näeb.” Nad võivad soovi korral jätkata. . Me ei kavatsenud neil seda täielikult keelata - ka päring, päeva lõpuks tuli päringuid esitada. Kuid me seame nende ette üsna suure tõkke ja anname neile ettepaneku, konkreetse rakenduseeskirja, mille abil päringut nende toimivuse parandamiseks muuta.
Tegelikult teeme seda mõnel juhul ka automaatselt, jälgides päringulogi. Kui näeme, et mõni tõesti suur osa selle tabeli päringutest kasutab ära mõnda konkreetset filtrit või konkreetset liitumisklauslit, siis hüppab see tegelikult üles. Reklaamige seda sekkumiseks. Tegelikult juhtus see minuga sisemises andmekogumis. Meil on kliendiandmeid ja meil on kasutajatunnuseid, kuid kasutajatunnused on määratud alates oma olemusest - meil on kasutajatunnused igal kliendil. See pole unikaalne, nii et unikaalse liitumisvõtme saamiseks peate selle siduma kliendi ID-ga.Kirjutasin päringut ja üritasin midagi analüüsida ning see hüppas üles ja ütles: “Hei, kõik teised näivad ühendavat neid tabeleid nii kliendi ID kui ka kasutajatunnusega. Kas olete kindel, et te ei soovi seda teha? ”Ja tegelikult takistas see mul mingeid valesid analüüse tegemast. Nii töötab see nii analüüsi täpsuse kui ka jõudluse jaoks. Nii et see on selline, kuidas me selle probleemiga tegeleme.
Rebecca Jozwiak: See tundub mulle tõhus. Ütlesite, et ei takista tingimata inimesi ressursside otsimisel, kuid õpetage neile omamoodi, et see, mida nad teevad, ei pruugi olla parim, eks?
David Crawford: Me eeldame alati, et kasutajad pole pahatahtlikud - anna neile parimad kavatsused - ja püüame sel viisil olla üsna avatud.
Rebecca Jozwiak: Okei. Siin on veel üks küsimus: “Mis vahe on kataloogihalduril, nagu teie lahendusel, ja MDM-tööriistal? Või tugineb see päringustabelite valiku laiendamisel tegelikult teistsugusele põhimõttele, samas kui MDM teeks seda automaatselt, kuid metaandmete kogumise sama põhimõttega ".
David Crawford: Jah, ma arvan, et traditsioonilisi MDM-lahendusi vaadates on peamine erinevus filosoofiline. See kõik sõltub sellest, kes on kasutaja. Sellist, nagu ma ütlesin oma ettekande alguses, Alation, arvan, et kui meid asutati, asutati meid eesmärgiga võimaldada analüütikutel anda rohkem teadmisi, neid kiiremini koostada, olla täpsemad arusaamad, mida nad toota. Ma ei usu, et see on kunagi olnud traditsioonilise MDM-lahenduse eesmärk. Need lahendused on tavaliselt suunatud inimestele, kes peavad koostama aruandeid selle kohta, millised andmed on SCC-sse või sisemiselt mingil muul auditeerimise eesmärgil kinni püütud. Mõnikord võib see lubada analüütikud, kuid sagedamini võimaldab see praktiseerijatel oma tööd võimaldada, kui see on DBA-ga sarnane.
Kui mõelda asjade analüütiku vaatepunktist, siis see, kui hakkate päringutööriista ehitama, mida MDM-i tööriist kunagi ei teeks. See on see, kui hakkate mõtlema nii toimivuse kui ka täpsuse üle, aga ka mõistma, millised andmed on seotud minu ettevõtte vajadustega. Kõik need asjad on asjad, mis on tööriista kujundamisel meie meelest popid. See läheb sisse meie otsingu algoritmidesse, kataloogi lehtede paigutusse ja võimalusse anda teadmisi kogu organisatsiooni ümber. See läheb arvesse tõsiasjas, et me ehitasime päringutööriista ja et me ehitasime kataloogi otse sellesse, nii et ma arvan, et see tõesti pärineb sellest. Millist kasutajat peate kõigepealt silmas?
Rebecca Jozwiak: Hea küll. See aitas seda tõesti selgitada. kes küll arvas, et arhiive ei saanud, sest pidi lahkuma, kuid ta soovis, et tema küsimusele vastataks. Ta ütles, et alguses mainiti, et keeli on mitu, kuid kas SQL on komponendi Compose ainus mõjuvõimeline keel?
David Crawford: Jah, see on tõsi. Ja üks asi, mida ma märkasin, kuna olin omamoodi tunnistajaks erinevat tüüpi andmebaaside, dokumentide andmebaaside, graafiaandmebaaside ja võtmeväärtuse hoidlate plahvatusele, on see, et need on rakenduste arendamiseks tõesti võimsad. Nad suudavad seal konkreetseid vajadusi teenida tõesti hästi, parematel viisidel kui relatsioonilised andmebaasid suudavad.
Kuid kui tuua see tagasi andmete analüüsi juurde, kui tuua tagasi - kui soovite edastada seda teavet inimestele, kes hakkavad tegema ajutist aruandlust või kaevama andmeid ajutiselt, siis tulevad nad alati tagasi suhtelisse vähemalt liides inimestele. Osaliselt just seetõttu, et SQL on andmeanalüüsi lingua franca, nii et see tähendab inimestele ka integreeritavaid tööriistu. Arvan, et see on põhjus, miks SQL Hadoopis on nii populaarne ja selle lahendamiseks on tehtud nii palju katseid, sest päeva lõpuks on see, mida inimesed teavad. Tõenäoliselt on miljonid inimesed, kes teavad, kuidas SQL-i kirjutada, ja ma ei julgeks miljoneid, kes teavad, kuidas kirjutada Mongo liitmise torujuhtme raamistiku päringut. Ja see on tavaline keel, mida kasutatakse integratsiooniks väga erinevates platvormides. Nii et kõigil öeldutel paluti väga harva sellest välja minna, kuna see on liides, mida enamik analüütikuid kasutab, ja see on koht, kuhu me keskendusime, eriti rakenduses Compose, et keskenduda SQL-i kirjutamisele.
Ma ütleksin, et andmeteadus on koht, kus nad julgevad kõige rohkem väljas käia, ja seetõttu saame aeg-ajalt küsimusi Pigi või SASi kasutamise kohta. Need on asjad, millega me Compose'is kindlasti ei tegele ja mida tahaksime kataloogi jäädvustada. Ja ma näen ka R-d ja Pythoni. Meil on liideste loomiseks paar moodust, mille abil saate R-ja Pythoni skriptides kasutada Alatsioonis kirjutatud päringuid, nii et kuna sageli olete andmeteadlane ja töötate skriptikeeles, on teie lähteandmed relatsioonilises osas andmebaas. Alustate SQL-päringuga ja töötlete seda edasi ning loote R ja Pythoni sees graafikuid. Ja me oleme teinud pakette, mida saate importida nendesse skriptidesse, mis tõmbavad päringuid või päringu tulemusi Alationist, et saaksite seal omada segatud töövoogu.
Rebecca Jozwiak: Okei, suurepärane. Ma tean, et oleme tunni tipust pisut mööda jooksnud, ja tahan vaid küsida veel ühe või kaks küsimust. Ma tean, et rääkisite kõigist erinevatest süsteemidest, millega saate ühenduse luua, kuid kui väliselt hostitud andmeid ja sisemiselt hostitavaid andmeid on võimalik koos otsida teie ühest vaatest, teie ühele platvormile?
David Crawford: Muidugi. Selleks on mõned viisid. Ma mõtlen, et ma kujutan ette, et ta on väline võõrustaja, ma üritan täpselt mõelda, mida see võib tähendada. See võib tähendada andmebaasi, mida keegi teie jaoks AWS-is majutab. See võib tähendada avalikku andmeallikat saidilt data.gov. Me ühendame otse andmebaasidega, logides sisse nagu teine rakendus andmebaaside kontoga, ja see tähendab, kuidas metainfaile ekstraheerime. Nii et kui meil on konto ja meil on avatud võrguport, saame selle juurde. Ja siis, kui meil neid asju pole, on meil nn virtuaalne andmeallikas, mis võimaldab teil dokumenteerimist dokumenteerimiseks automaatselt kas automaatselt, kirjutades oma konnektori või täites selle, tehes seda isegi nagu CSV-üleslaadimine. andmeid koos teie siseandmetega. See saab kõik paigutatud otsingumootorisse. See muutub osutatavaks artiklite ja muude dokumentide ning süsteemisiseste vestluste sees. Nii et see on, kuidas me hakkama saame, kui me ei saa otse süsteemi ühendada.
Rebecca Jozwiak: Olgu, see on mõistlik. Ma tulistan teile lihtsalt välja veel ühe küsimuse. Üks kohalolija on küsides: “Kuidas tuleks andmekataloogi sisu valideerida, kontrollida või hooldada, kuna lähteandmeid uuendatakse, lähteandmeid muudetakse jne”
David Crawford: Jah, see on küsimus, mida me saame palju, ja ma arvan, et ühte neist asjadest, nagu me ütlesime, nagu ka meie ühte filosoofiat, me ei usu, et kasutajad on pahatahtlikud. Eeldame, et nad püüavad anda parimaid teadmisi. Nad ei kavatse sisse tulla ja eksitavad andmeid tahtlikult. Kui see on teie organisatsiooni probleem, võib-olla pole Alates teile sobiv tööriist. Kuid kui eeldada kasutajate häid kavatsusi, siis mõtleme sellele kui millelegi, kuhu värskendused jõuavad ja siis tavaliselt paneme iga andmeobjekti või iga andmejao eest vastutavaks korrapidaja. Ja me saame neid korrapidajaid teavitada, kui metaandmetes muudatusi tehakse, ja nad saavad sellega hakkama. Nad näevad, et värskendused tulevad, nad kontrollivad neid. Kui neil pole viga, saavad nad tagasi minna ja neid muuta ja teavitada ning loodetavasti isegi ühendust võtta kasutajaga, kes teabe edastas, ja aidata neil õppida.
See on peamine viis, kuidas me selle teostamisele mõtleme. Selline rahvahulga ettepanek ja korrapidajate juhtkond, nii et meil on selle ümber mingid võimalused.
Rebecca Jozwiak: Hea küll. Ja kui sa saaksid inimestele lihtsalt teada anda, kuidas nad saavad kõige paremini Alaciga algust teha, ja kuhu nad täpsemalt pöörduvad, et rohkem teavet saada. Ma tean, et jagasite seda natuke. Kas see on parim koht?
David Crawford: Alation.com/learnmore on minu arvates suurepärane tee. Demonstreerumiseks on Alation.com saidil palju suurepäraseid ressursse, klientide valgeid dokumente ja uudiseid meie lahenduse kohta. Nii et minu arvates on see hea koht alustamiseks. Sa saad ka .
Rebecca Jozwiak: Okei, suurepärane. Ja ma tean, kohalolijad, vabandust, kui ma ei jõudnud täna kõigi küsimuste juurde, aga kui ei, siis edastatakse need Davidile või tema müügimeeskonnale või kellelegi Alatsiooni töötajale, seega saavad nad kindlasti aidata teie küsimustele vastata ja mõista, mis Alation on. teeb või mida nad kõige paremini teevad.
Ja sellega, inimesed, lähen edasi ja kirjutan meile alla. Arhiive leiate alati saidilt InsideAnalysis.com. Selle leiate ka saidilt Techopedia.com. Neid kipub natuke kiiremini värskendama, seega kontrollige seda kindlasti. Ja suur tänu täna David Crawfordile, Dez Blanchfieldile ja Robin Boorile. See on olnud suurepärane veebiülekanne. Ja sellega jätan ma hüvasti. Tänud, inimesed. Headaega.
David Crawford: Aitäh.