{"id":55144,"date":"2020-01-13T00:00:00","date_gmt":"2020-01-12T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/tableau-v-roznitse-realno"},"modified":"2020-02-18T14:03:13","modified_gmt":"2020-02-18T11:03:13","slug":"tableau-v-roznitse-realno","status":"publish","type":"post","link":"https:\/\/prohoster.info\/et\/blog\/novosti-interneta\/tableau-v-roznitse-realno","title":{"rendered":"Kas jaem\u00fc\u00fcgis on t\u00f5esti v\u00f5imalik?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p><b>Excel'i aruandlus on kiiresti muutumas \u2014 trend mugavate andmete esitamise ja anal\u00fc\u00fcsi t\u00f6\u00f6riistade suunas on n\u00e4htav k\u00f5igis valdkondades. Oleme juba pikalt arutanud aruandluse digitaliseerimist ja oleme valinud visualiseerimise ja iseteeninduse anal\u00fc\u00fctik t\u00f6\u00f6riista Tableau. Alexander Bezugly, anal\u00fc\u00fctiliste lahenduste ja aruandluse juht Grupi \u00abM.Video-Eldorado\u00bb juures, jagas oma kogemust ja tulemusi k\u00f5ige olulisema juhtpaneeli v\u00e4ljat\u00f6\u00f6tamisel.<\/b><\/p>\n<p>\u00dctlen kohe, et ei suutnud ellu viia k\u00f5ike, mis oli plaanis, kuid kogemus oli huvitav, loodan, et see on kasulik ka teile. Kui kellelgi on ideid, kuidas oleks saanud paremini teha \u2013 oleksin v\u00e4ga t\u00e4nulik n\u00f5uannete ja m\u00f5tete eest.<\/p>\n<p><img decoding=\"async\" alt=\"Kas jaem\u00fc\u00fcgis on t\u00f5esti v\u00f5imalik?\" src=\"\/wp-content\/uploads\/2020\/01\/81c41899e9b3acf1858a4faa627c121b.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nAllpool r\u00e4\u00e4gin sellest, millega me silmitsi seisime ja mida me \u00f5ppisime.<br \/>\n<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<h4>Kust me alustasime<\/h4>\n<p>\nGrupil \u00abM.Video-Eldorado\u00bb on h\u00e4sti v\u00e4lja t\u00f6\u00f6tatud andmemudel: struktureeritud teave vajaliku salvestus s\u00fcgavusega ja tohutu hulk staatilisi aruandeid (vt l\u00e4hemalt <noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/mvideo\/blog\/462015\/\">seda artiklit<\/a><\/noindex>). Neist valmistavad anal\u00fc\u00fctikud kas kokkuv\u00f5tte tabelid v\u00f5i formaalsed Exceli saadetised, v\u00f5i ka ilusaid esitlusi PowerPointis l\u00f5ppkasutajatele.<\/p>\n<p>Umbes kaks aastat tagasi hakkasime staatiliste aruannete asemel looma anal\u00fc\u00fctilisi aruandeid SAP Analysis'is (Exceli lisand, olemuselt OLAP mootori peal oleva kokkuv\u00f5tte tabel). Kuid see t\u00f6\u00f6riist ei suutnud rahuldada k\u00f5iki kasutajate vajadusi, enamus j\u00e4tkas infot t\u00f6\u00f6tlemist, mida anal\u00fc\u00fctikud edastasid.<\/p>\n<p>Meie l\u00f5ppkasutajad jagunevad kolme kategooriasse:<\/p>\n<p><b>Tippjuhtkond<\/b>. N\u00f5uab teavet h\u00e4sti esitatud ja arusaadavas vormis.<\/p>\n<p><b>Kesktasandi juhid<\/b>, edasij\u00f5udnud kasutajad. On huvitatud andmete uurimisest ja suudavad iseseisvalt aruandeid koostada, kui neil on t\u00f6\u00f6riistad olemas. Nemad ongi saanud SAP Analysis'i anal\u00fc\u00fctiliste aruannete v\u00f5tmekasutajateks.<\/p>\n<p><b>Massiivsed kasutajad<\/b>. Pole huvitatud iseseisvast andmete anal\u00fc\u00fcsimisest, kasutavad aruandeid piiratud vabadusega, saadetiste ja kokkuv\u00f5tete vormingus Excelis.<\/p>\n<p>Meie idee oli katta k\u00f5igi kasutajate vajadusi ja anda neile \u00fchine mugav t\u00f6\u00f6riist. Alustasime tippjuhtkonnast. Nende puhul olid vajalikud mugavad paneelid peamiste \u00e4ritulemuste anal\u00fc\u00fcsimiseks. Nii alustasime Tableau'ga ja valisime esialgu kaks suunda: jaem\u00fc\u00fcgi ja online m\u00fc\u00fcgi n\u00e4itajad piiratud s\u00fcgavuse ja ulatusega anal\u00fc\u00fcsiks, mis kataks umbes 80% tippjuhtkonna n\u00f5udmistest.<\/p>\n<p>Kuna juhtpaneelide kasutajad olid tippjuhtkond, tuli tootele veel \u00fcks t\u00e4iendav KPI \u2013 reageerimise kiirus. Keegi ei hakka ootama 20-30 sekundit, et andmed uuenduksid. Navigeerimine peab toimuma 4-5 sekundi jooksul, parem oleks hetkega. Ja seda me, kahjuks, ei saavutanud.<\/p>\n<p>Nii n\u00e4gi v\u00e4lja meie p\u00f5hipaneeli makett:<\/p>\n<p><img decoding=\"async\" alt=\"Kas jaem\u00fc\u00fcgis on t\u00f5esti v\u00f5imalik?\" src=\"\/wp-content\/uploads\/2020\/01\/a7a028feee6542dfbc1fd3c2feeaa3de.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nPeamine idee oli \u00fchendada 19 peamist KPI-d vasakul ja esitleda nende d\u00fcnaamikat ja jagunemist peamiste atribuutide l\u00f5ikes paremal. \u00dclesanne tundub lihtne, visualiseerimine on loogiline ja arusaadav, kuni ei s\u00fc\u00fcvi detailidesse.<\/p>\n<h2>Detail 1. Andmete maht<\/h2>\n<p>\nAasta m\u00fc\u00fcgitaotlus h\u00f5lmab umbes 300 miljonit rida. Kuna on vajalik kajastada ka d\u00fcnaamikat eelmisel ja \u00fcleeelsel aastal, on andmemaht ainult tegelike m\u00fckide osas umbes 1 miljard rida. Lisaks s\u00e4ilitatakse eraldi planeeritud andmete teave ja internetim\u00fc\u00fcgiblokk. Seega, isegi kui me kasutasime kolonn-p\u00f6\u00f6ramisel in-memory DB SAP HANA, oli k\u00f5igi n\u00e4itajate valik \u00fche n\u00e4dala jooksul jooksvalt tehtud p\u00e4ringu kiirus umbes 15-20 sekundit. Probleemi lahendus tundub iseenesestm\u00f5istetav \u2013 lisamaterjaliseerimine andmetest. Kuid selles on samuti oma ahvatlused, neist allpool.<\/p>\n<h2>Detail 2. Mitte-additiivsed n\u00e4itajad<\/h2>\n<p>\nPaljud meie KPI-d on seotud t\u0161ekkide arvuga. See n\u00e4itaja esindab COUNT DISTINCT ridade arvu (t\u0161ekkide pealkirjades) ja n\u00e4itab erinevaid summasid s\u00f5ltuvalt valitud atribuutidest. N\u00e4iteks, kuidas see n\u00e4itaja ja sellest tuletatud n\u00e4itajad peaksid olema arvutatud:<\/p>\n<p><img decoding=\"async\" alt=\"Kas jaem\u00fc\u00fcgis on t\u00f5esti v\u00f5imalik?\" src=\"\/wp-content\/uploads\/2020\/01\/0a6d676f0a5c2b779a5e7892b1f54929.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nArvutuste t\u00e4psuse tagamiseks v\u00f5ime:<\/p>\n<ul>\n<li>Teha sarnaste n\u00e4itajate arvutusi jooksvalt andmeh\u00f5ivele;\n<\/li>\n<li>Teha arvutused Tableau's kogu andmemahule, st edastada Tableau's k\u00f5ik andmed valitud filterite kohaselt t\u0161ekkide positsioonides;\n<\/li>\n<li>Luua materialiseeritud vitriin, kus on arvutatud k\u00f5ik n\u00e4itajad k\u00f5igis valikutes, andes erinevaid mitte-additiivseid tulemusi.\n<\/li>\n<\/ul>\n<p>\nSelge on, et n\u00e4ites UTE1 ja UTE2 on need materjali atribuudid, mis esindavad kaubanduslikku hierarhiat. See ei ole staatiline asi, vaid selle kaudu toimub haldus ettev\u00f5tte sees, sest erinevate tootegruppide eest vastutavad erinevad juhid. Meil oli palju globaalset \u00fclevaadet sellest hierarhiast, kui muutusid k\u00f5ik tasemed, kui \u00fcle vaadati seosed ning pidevad punktmuudatused, kui \u00fcks grupp liigub \u00fchest s\u00f5lmest teise. Tavalises aruandluses arvestatakse seda k\u00f5ike jooksvalt materjali atribuutidest; andmete materialiseerimise korral on vajalik v\u00e4lja t\u00f6\u00f6tada mehhanism sarnaste muudatuste j\u00e4lgimiseks ja ajalooliste andmete automaatseks \u00fclevoodamiseks. Tegu on \u00fcsna keerulise \u00fclesandega.<\/p>\n<h2>Detail 3. Andmete v\u00f5rdlemine <\/h2>\n<p>\nSee punkt on sarnane eelnevale. Asjaolu on see, et ettev\u00f5ttes anal\u00fc\u00fcsimisel on tavaks koostada mitu v\u00f5rreldavat taset eelmise perioodiga:<\/p>\n<p><i>V\u00f5rdlemine eelmise perioodiga (p\u00e4ev p\u00e4eva, n\u00e4dal n\u00e4dalasse, kuu kuusse)<\/i><\/p>\n<p>Selles v\u00f5rdlemises eeldatakse, et kasutaja valitud perioodi (n\u00e4iteks aasta 33. n\u00e4dal) korral peaksime n\u00e4itama d\u00fcnaamikat 32. n\u00e4dalaga; kui valiksime andmed kuu kohta, n\u00e4iteks mai, siis see v\u00f5rdlus n\u00e4itaks d\u00fcnaamikat aprilli suhtes.<\/p>\n<p><i>V\u00f5rdlemine eelmise aastaga<\/i><\/p>\n<p>Siin on peamine n\u00fcanss see, et p\u00e4evade ja n\u00e4dalate v\u00f5rdlemisel ei tohi v\u00f5tta sama p\u00e4eva eelmisest aastast, see t\u00e4hendab, et te ei saa lihtsalt v\u00f5tta k\u00e4esoleva aasta minus \u00fcks. Peate vaatama v\u00f5rdlevat n\u00e4dalap\u00e4eva. Kuu v\u00f5rdlemisel tuleb seevastu v\u00f5tta t\u00e4pselt sama kalendrip\u00e4ev eelmisest aastast. Samuti on n\u00fcansse liigsetes aastates. Algandmehoidlas on kogu teave jaotatud p\u00e4evade j\u00e4rgi, seal ei ole eraldi v\u00e4lju n\u00e4dalate, kuude v\u00f5i aastate jaoks. Seet\u00f5ttu, et saada t\u00e4ielikku anal\u00fc\u00fctilist l\u00f5iget paneelil, tuleb arvestada mitte \u00fchte perioodi, n\u00e4iteks n\u00e4dalat, vaid 4 n\u00e4dalat ja seej\u00e4rel need andmed veel v\u00f5rrelda, kajastades d\u00fcnaamikat ja k\u00f5rvalekaldeid. Vastavalt sellele saab seda v\u00f5rdlemise d\u00fcnaamika loogikat rakendada kas Tableau'is v\u00f5i vitriini poolel. Jah, ja nendest n\u00fcanssidest olime muidugi teadlikud ja m\u00f5tlesime juba projekteerimisfaasis, kuid nende m\u00f5ju l\u00f5pp-dashboardi j\u00f5udlusele ei olnud kerge prognoosida.<\/p>\n<p>Dashboardi rakendamisel l\u00e4bisime pika Agile-teekonna. Meie \u00fclesanne oli v\u00f5imalikult kiiresti pakkuda testimiseks t\u00f6\u00f6riist, mis sisaldab vajalikke andmeid. Seet\u00f5ttu l\u00e4ksime sprintide kaupa ja l\u00e4htusime olemasoleva andmehoidla t\u00f6\u00f6de minimeerimisest.<\/p>\n<h2>Osa 1. Usaldus Tableau'sse<\/h2>\n<p>\nIT-toe lihtsustamiseks ja muudatuste kiireks rakendamiseks otsustasime, et arvutuste logika mitteadditiivsete n\u00e4itajate ja varasemate perioodide v\u00f5rdlemiseks tehakse Tableau's.<\/p>\n<h3>Etapp 1. K\u00f5ik on Live, ei mingit vitriinide t\u00e4iendamist.<\/h3>\n<p>\nSelles etapis \u00fchendasime Tableau praeguste vitriinidega ja otsustasime vaadata, kuidas arvutatakse t\u0161ekkide arvu \u00fche aasta jooksul.<\/p>\n<p><b>Tulemus:<\/b><\/p>\n<p>Vastus oli pettumust valmistav \u2013 20 minutit. Andmete edastamine v\u00f5rgu kaudu, suur koormus Tableau'le. M\u00f5istsime, et mitteadditiivsete n\u00e4itajate loogikat tuleb rakendada HANA-s. See ei hirmutanud meid, meil oli juba sarnane kogemus BO ja Analysis'iga ning teadsime, kuidas luua kiiresti vitriine HANA-s, mis annavad \u00f5igesti arvutatud mitteadditiivsed n\u00e4itajad. N\u00fc\u00fcd j\u00e4i vaid kohandada need Tableau jaoks.<\/p>\n<h3>Etapp 2. Viimistleme vitriine, ei mingit materialiseerimist, k\u00f5ik reaalajas.<\/h3>\n<p>\nLoomasime t\u00e4iesti uue vitriini, mis pakkus reaalajas n\u00f5utavaid andmeid TABLEAU'le. Kokkuv\u00f5ttes saime head tulemused, v\u00e4hendasime k\u00f5igi n\u00e4itajate loomise aega \u00fche n\u00e4dala jooksul 9-10 sekundi peale. Ja ausalt \u00f6eldes ootasime, et Tableau's oleks dashboardi reageerimise aeg esimesel avamisel 20-30 sekundit ja seej\u00e4rel t\u00e4nu vahem\u00e4lule 10 kuni 12, mis oleks meid kokkuv\u00f5ttes rahuldanud.<\/p>\n<p><b>Tulemus:<\/b><\/p>\n<p>Esimene dashboardi avamine: 4-5 minutit<br \/>\nIga klikk: 3-4 minutit<br \/>\nSellist lisakoormust vitriini t\u00f6\u00f6le ei oodanud keegi.<\/p>\n<h2>Osa 2. S\u00fcvenemine Tableau'sse<\/h2>\n<p><\/p>\n<h3>Etapp 1. Tableau j\u00f5udluse anal\u00fc\u00fcs ja kiire viimistlemine<\/h3>\n<p>\nAlustasime anal\u00fc\u00fcsi, millele Tableau oma peamise aja kulutab. Selleks on olemas \u00fcsna head t\u00f6\u00f6riistad, mis on kindlasti Tableau pluss. Peamine probleem, mille me tuvastasime, olid v\u00e4ga keerulised SQL-p\u00e4ringud, mille Tableau koostas. Need olid peamiselt seotud:<\/p>\n<p> \u2014 andmete transponimisega. Kuna Tableau'il ei ole t\u00f6\u00f6riistu andmekogumite transponimiseks, pidime koostama tabeli l\u00e4bi case'i, et luua vasakpoolne osa dashboarist, kus oleks detailsed KPI-ed. SQL-p\u00e4ringute suurus andmebaasis ulatus 120 000 m\u00e4rgini.<\/p>\n<p><img decoding=\"async\" alt=\"Kas jaem\u00fc\u00fcgis on t\u00f5esti v\u00f5imalik?\" src=\"\/wp-content\/uploads\/2020\/01\/8fc4d99017ddd604bbabb5ea0a19b38d.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\n \u2014 ajaperioodi valimisega. Selline p\u00e4ring andmebaasi tasandil n\u00f5udis kompileerimisele rohkem aega kui t\u00e4itmisele:<\/p>\n<p><img decoding=\"async\" alt=\"Kas jaem\u00fc\u00fcgis on t\u00f5esti v\u00f5imalik?\" src=\"\/wp-content\/uploads\/2020\/01\/a9b9cc6ddd6b03c643935d070532728e.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nSt. p\u00e4ringu t\u00f6\u00f6tlemine 12 sekundit + 5 sekundit t\u00e4itmine.<\/p>\n<p>Otsustasime lihtsustada arvutuste loogikat Tableau k\u00fcljel ja viia veel \u00fche osa arvutustest andmemassiivi ja andmebaasi tasemele. See t\u00f5i h\u00e4id tulemusi.<\/p>\n<p>Esmalt viisime l\u00e4bi transpositsiooni reaalajas, kasutades full outer join'i VIEW l\u00f5pparvutuses, koosk\u00f5las sellise l\u00e4henemisega, mis on kirjeldatud wiki's. <noindex><a rel=\"nofollow\" href=\"http:\/\/en.wikipedia.org\/wiki\/Transpose\">Transpose \u2014 Wikipedia, tasuta ents\u00fcklopeedia<\/a><\/noindex> ja <noindex><a rel=\"nofollow\" href=\"http:\/\/en.wikipedia.org\/wiki\/Elementary_matrix#Row-addition_transformations\">Algebraline maatriks \u2014 Wikipedia, tasuta ents\u00fcklopeedia<\/a><\/noindex>.<\/p>\n<p><img decoding=\"async\" alt=\"Kas jaem\u00fc\u00fcgis on t\u00f5esti v\u00f5imalik?\" src=\"\/wp-content\/uploads\/2020\/01\/5259995831dc8ae379a34bfe84e52daa.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nSee t\u00e4hendab, et tegime seadistusliku tabeli \u2013 transpositsioonimaatriksi (21x21) ja saime k\u00f5ik n\u00e4itajad ridade kaupa.<\/p>\n<p>Oli:<br \/>\n<img decoding=\"async\" alt=\"Kas jaem\u00fc\u00fcgis on t\u00f5esti v\u00f5imalik?\" src=\"\/wp-content\/uploads\/2020\/01\/9382ee65a1482cc137a52b5f80c39eeb.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nMuudetud:<br \/>\n<img decoding=\"async\" alt=\"Kas jaem\u00fc\u00fcgis on t\u00f5esti v\u00f5imalik?\" src=\"\/wp-content\/uploads\/2020\/01\/1d6653ec427ce0621b441943f589d860.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nAndmebaas kulutab transpositsioonile peaaegu ei aega. N\u00e4itajate p\u00e4ring n\u00e4dalas t\u00f6\u00f6tas endiselt umbes 10 sekundi jooksul. Kuid kaotasime paindlikkuse spetsiifiliste n\u00e4itajate, st. paremal pool olevas armatuurlaud, kus n\u00e4idatakse konkreetses n\u00e4itaja d\u00fcnaamikat ja detailset jaotust, varem t\u00f6\u00f6tas p\u00f5hitasand 1-3 sekundiga, kuna p\u00e4ring l\u00e4ks \u00fche n\u00e4itaja peale, ja n\u00fc\u00fcd valib andmebaas alati k\u00f5ik n\u00e4itajad ja filtreerib tulemuse enne, kui see tagastatakse Tableau'sse.<\/p>\n<p>Kokkuv\u00f5ttes v\u00e4henes armatuurlauda t\u00f6\u00f6kiirus peaaegu kolmandiku v\u00f5rra.<\/p>\n<p><b>Tulemus:<\/b><\/p>\n<ol>\n<li>5 sek \u2014 armatuurlauda ja visualiseerimise parsimine<\/li>\n<li> 15-20 sek \u2014 p\u00e4ringute koostamise ettevalmistamine Tableau's, sealhulgas eel-arvutused<\/li>\n<li> 35-45 sek \u2014 SQL-p\u00e4ringute koostamine ja nende j\u00e4rkj\u00e4rguline t\u00e4itmine Hanas<\/li>\n<li> 5 sek \u2014 tulemuste t\u00f6\u00f6tlemine, j\u00e4rjestamine, visualiseerimiste rekalkuleerimine Tableau's<\/li>\n<li>Loomulikult ei rahuldanud sellised tulemused \u00e4ri ja j\u00e4tkasime optimeerimist.<\/li>\n<\/ol>\n<p><\/p>\n<h3>Etapp 2. Minimumpunktid Tableau's, t\u00e4ielik materialiseerimine<\/h3>\n<p>\nMe m\u00f5istsime, et armatuurlauda \u00fclesehitamine, mille vastusaeg on mitme sekundi jooksul, on 10 sekundi t\u00f6\u00f6tava idufirma jaoks v\u00f5imatu, ja kaalume andmete materialiseerimise v\u00f5imalusi andmebaasi poolel just n\u00f5utud armatuurlaudade jaoks. Kuid seisime silmitsi \u00fchtse probleemiga, nagu eespool mainitud \u2013 mitte-additiivsed n\u00e4itajad. Me ei suutnud saavutada, et Tableau saaks filtreid v\u00f5i avamisi muutes kiiresti vahetada erinevate vitriinide ja tasemete vahel, mis olid eelnevalt arvutatud erinevate tootehierarhiate jaoks (n\u00e4ide kolme p\u00e4ringu, ilma UTE, UTE1 ja UTE2 kohta, mis moodustavad erinevaid tulemusi). Seet\u00f5ttu otsustasime armatuurlauda lihtsustada, loobuda tootehierarhiast armatuurlaudades ja vaadata, kui kiireks see lihtsustatud versioonis saab.<\/p>\n<p>Nii et selle viimase etapi k\u00e4igus kogusime eraldi salvestusruumi, kuhu koondasime transpositsioonitud k\u00f5iki KPI-sid. Andmebaasi poolel t\u00f6\u00f6tleb mis tahes p\u00e4ring sellise salvestusruumi puhul 0,1\u20130,3 sekundi jooksul. Armatuurlaudades saime j\u00e4rgmised tulemused:<\/p>\n<p>Esimene avastus: 8-10 sekundi jooksul<br \/>\nIga klikk: 6-7 sekundit<\/p>\n<p>Aeg, mille Tableau kulutab, koosneb j\u00e4rgmistest:<\/p>\n<ol>\n<li>0,3 sek. \u2014 armatuurlauda parsimine ja SQL-p\u00e4ringute koostamine\n<\/li>\n<li>1,5-3 sek. \u2014 SQL-p\u00e4ringute t\u00e4itmine Hanas peamiste visualiseerimiste jaoks (k\u00e4ivitub paralleelselt p.1-ga)\n<\/li>\n<li>1,5-2 sek. \u2014 renderdamine, visualiseerimiste rekalkuleerimine\n<\/li>\n<li>1,3 sek. \u2014 t\u00e4iendavate SQL-p\u00e4ringute t\u00e4itmine, et saada asjakohaseid filtreerimise v\u00e4\u00e4rtusi (br\u00e4nd, divisjon, linn, pood), tulemuste parsimine\n<\/li>\n<\/ol>\n<p><\/p>\n<h3>Kui kokku v\u00f5tta l\u00fchidalt<\/h3>\n<p>\nMeile meeldis Tableau t\u00f6\u00f6riist visualiseerimise osas. Protot\u00fc\u00fcpimise etapis kaalume erinevaid visualiseerimise elemente ja k\u00f5ik need leidsime raamatukogudes, sealhulgas keerulised mitmetasandilised segmentatsioonid ja multi-driver waterfall\u2019id.<\/p>\n<p>Peamiste m\u00fc\u00fcgi n\u00e4itajatega armatuurlaudade rakendamisel seisime silmitsi j\u00f5udluse probleemidega, mida me pole veel suutnud \u00fcletada. Oleme kulutanud \u00fcle kahe kuu ja saanud funktsionaalselt pooliku armatuurlauda, mille vastusaeg on piiripealne. Teeme enda jaoks j\u00e4rgmised j\u00e4reldused:<\/p>\n<ol>\n<li>Tableau ei oska t\u00f6\u00f6delda suuri andmemahtusid. Kui teie algses andmemudelis on rohkem kui 10 GB andmeid (umbes 200 miljonit x 50 rida), aeglustub armatuurlaud t\u00f5siselt \u2013 iga kl\u00f5psu kohta 10 sekundist kuni mitme minutini. Oleme katsetanud nii live-\u00fchenduse kui ka ekstrakti puhul. T\u00f6\u00f6kiirus on sarnane.\n<\/li>\n<li>Piirang mitme salvestuse (andmekogumite) kasutamisel. Standardsete vahenditega ei ole v\u00f5imalik m\u00e4\u00e4rata andmekogumite vahelist seost. Kui kasutada eelnevaid lahendusi andmekogumite vaheliste suhete loomiseks, avaldab see oluliselt m\u00f5ju j\u00f5udlusele. Meie puhul kaalusime andmete materialiseerimise v\u00f5imalusi igas vajalikus vaates ja sellel materialiseeritud andmekogul vahetamise tegemiseks varasemate valitud filtrite s\u00e4ilitamist\u2014see osutus Tableau's v\u00f5imatuks.\n<\/li>\n<li>Tableaus ei ole v\u00f5imalik teha d\u00fcnaamilisi parameetreid. Te ei saa parameetrit, mida kasutatakse andmestiku filtreerimiseks ekstractis v\u00f5i live-\u00fchenduses, t\u00e4ita teise valiku tulemusega andmestikust v\u00f5i teise SQL-p\u00e4ringu tulemusega, vaid ainult kasutaja natiivse sisestuse v\u00f5i konstantsiga.\n<\/li>\n<li>Piirangud, mis on seotud OLAP|Pivot tabelitega dashboard'i loomisega. <br \/>\nMSTR, SAP SAC, SAP Analysis programmides, kui lisate aruandesse andmestiku, siis k\u00f5ik selle objektid on vaikimisi omavahel seotud. Tableaus seda ei tee, seoseid tuleb seadistada k\u00e4sitsi. See on v\u00f5ib-olla paindlikum, kuid k\u00f5igi meie dashboard'ide jaoks on see elementide kohustuslik n\u00f5ue \u2013 seega toob see kaasa lisat\u00f6\u00f6j\u00f5u. Rohkem veel, kui loote seotud filtreid, et n\u00e4iteks piirkonna filtreerimisel piirata linnade loend ainult selle piirkonna linnadega, satute kohe j\u00e4rjestikustesse p\u00e4ringutesse andmebaasi v\u00f5i ekstracti, mis aeglustab dashboard'i m\u00e4rgatavalt.<\/li>\n<li>Funktsioonide piirangud. Nii ekstractide kui veelgi enam live-\u00fchenduse andmestike \u00fcle ei saa teha massilisi transformatsioone. Seda on v\u00f5imalik teha Tableau Prep kaudu, kuid see t\u00e4hendab lisat\u00f6\u00f6tunde ja veel \u00fche t\u00f6\u00f6riista \u00f5ppimist ning haldamist. N\u00e4iteks ei saa te andmeid transponeerida, teha endaga liite. See sulgub eraldi veergude v\u00f5i v\u00e4ljade kaudu tehtavatesse transformatsioonidesse, mida tuleb valida case'i v\u00f5i if'i kaudu ning see tekitab v\u00e4ga keerulisi SQL-p\u00e4ringuid, mille puhul andmebaas kulutab rohkem aega p\u00e4ringu teksti koostamisele. Need t\u00f6\u00f6riistade paindumatuse probleemid tuli lahendada vitriini tasemel, mis toob kaasa andmehoidla keerukuse, lisakoormuse ja transformatsioonid.\n<\/li>\n<\/ol>\n<p>\nMe ei ole Tableau'l risti ette pannud. Kuid t\u00f6\u00f6riistana, mis suudab ehitada t\u00f6\u00f6stuslikke dashboard'e ja vahendina, millega asendada ja digitaliseerida kogu ettev\u00f5tte aruandluse s\u00fcsteemi, ei pea me Tableau'd sobivaks.<\/p>\n<p>Me arendame aktiivselt sarnast dashboard'i teise t\u00f6\u00f6riista peal ja samal ajal p\u00fc\u00fcame \u00fcle vaadata Tableau dashboard'i arhitektuuri, et veelgi enam lihtsustada. Kui kogukonnale huvi pakub \u2013 r\u00e4\u00e4gime tulemustest.<\/p>\n<p>Ootame ka teie ideid v\u00f5i n\u00e4pun\u00e4iteid selle kohta, kuidas Tableau's luua kiireid dashboard'e suurte andmehulkade \u00fcle, arvestades, et meil on ka veebileht, kus andmeid on oluliselt rohkem kui jae\u00e4ris.<br \/>\n<br \/>Allikas: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/mvideo\/blog\/483656\/\">habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u0412\u0440\u0435\u043c\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0432 Excel \u0441\u0442\u0440\u0435\u043c\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u0445\u043e\u0434\u0438\u0442 \u2014 \u0442\u0440\u0435\u043d\u0434 \u043d\u0430 \u0443\u0434\u043e\u0431\u043d\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0432\u0438\u0434\u0435\u043d \u0432\u043e \u0432\u0441\u0435\u0445 \u0441\u0444\u0435\u0440\u0430\u0445. \u041c\u044b \u0434\u0430\u0432\u043d\u043e \u043e\u0431\u0441\u0443\u0436\u0434\u0430\u043b\u0438 \u0432\u043d\u0443\u0442\u0440\u0438 \u0446\u0438\u0444\u0440\u043e\u0432\u0438\u0437\u0430\u0446\u0438\u044e \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0438 \u0432\u044b\u0431\u0440\u0430\u043b\u0438 \u0441\u0438\u0441\u0442\u0435\u043c\u0443 \u0432\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u0438 \u0438 self-service \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0438 Tableau. \u0410\u043b\u0435\u043a\u0441\u0430\u043d\u0434\u0440 \u0411\u0435\u0437\u0443\u0433\u043b\u044b\u0439, \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c \u043e\u0442\u0434\u0435\u043b\u0430 \u0430\u043d\u0430\u043b\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439 \u0438 \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0413\u0440\u0443\u043f\u043f\u044b \u00ab\u041c.\u0412\u0438\u0434\u0435\u043e-\u042d\u043b\u044c\u0434\u043e\u0440\u0430\u0434\u043e\u00bb, \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u0430\u043b \u043e\u0431 \u043e\u043f\u044b\u0442\u0435 \u0438 \u0438\u0442\u043e\u0433\u0430\u0445 \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f \u0431\u043e\u0435\u0432\u043e\u0433\u043e \u0434\u0430\u0448\u0431\u043e\u0440\u0434\u0430. \u0421\u043a\u0430\u0436\u0443 \u0441\u0440\u0430\u0437\u0443, \u043d\u0435 [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-55144","post","type-post","status-publish","format-standard","hentry","category-novosti-interneta"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.0.1 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u0412\u0440\u0435\u043c\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0432 Excel \u0441\u0442\u0440\u0435\u043c\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u0445\u043e\u0434\u0438\u0442 \u2014 \u0442\u0440\u0435\u043d\u0434 \u043d\u0430 \u0443\u0434\u043e\u0431\u043d\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0432\u0438\u0434\u0435\u043d \u0432\u043e \u0432\u0441\u0435\u0445 \u0441\u0444\u0435\u0440\u0430\u0445.\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/et\/blog\/novosti-interneta\/tableau-v-roznitse-realno\" \/>\n\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.0.1\" \/>\n\t\t<meta property=\"og:locale\" content=\"et_EE\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47Tableau \u0432 \u0440\u043e\u0437\u043d\u0438\u0446\u0435, \u0440\u0435\u0430\u043b\u044c\u043d\u043e? | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u0412\u0440\u0435\u043c\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0432 Excel \u0441\u0442\u0440\u0435\u043c\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u0445\u043e\u0434\u0438\u0442 \u2014 \u0442\u0440\u0435\u043d\u0434 \u043d\u0430 \u0443\u0434\u043e\u0431\u043d\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0432\u0438\u0434\u0435\u043d \u0432\u043e \u0432\u0441\u0435\u0445 \u0441\u0444\u0435\u0440\u0430\u0445.\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/et\/blog\/novosti-interneta\/tableau-v-roznitse-realno\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2020-01-12T21:00:00+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2020-02-18T11:03:13+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Tableau jaem\u00fc\u00fcgis, kas see on t\u00f5esti v\u00f5imalik? | ProHoster","description":"Exceli aruandlus on kiiresti kadumas \u2014 mugavate andmete esitamise ja anal\u00fc\u00fcsi t\u00f6\u00f6riistade trend on n\u00e4htav k\u00f5ikides valdkondades.","canonical_url":"https:\/\/prohoster.info\/et\/blog\/novosti-interneta\/tableau-v-roznitse-realno","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"et_EE","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47Tableau \u0432 \u0440\u043e\u0437\u043d\u0438\u0446\u0435, \u0440\u0435\u0430\u043b\u044c\u043d\u043e? | ProHoster","og:description":"\u0412\u0440\u0435\u043c\u044f \u043e\u0442\u0447\u0451\u0442\u043d\u043e\u0441\u0442\u0438 \u0432 Excel \u0441\u0442\u0440\u0435\u043c\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0443\u0445\u043e\u0434\u0438\u0442 \u2014 \u0442\u0440\u0435\u043d\u0434 \u043d\u0430 \u0443\u0434\u043e\u0431\u043d\u044b\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0438 \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0432\u0438\u0434\u0435\u043d \u0432\u043e \u0432\u0441\u0435\u0445 \u0441\u0444\u0435\u0440\u0430\u0445.","og:url":"https:\/\/prohoster.info\/et\/blog\/novosti-interneta\/tableau-v-roznitse-realno","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2020-01-12T21:00:00+00:00","article:modified_time":"2020-02-18T11:03:13+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"55144","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":null,"breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 19:50:02","updated":"2022-10-05 23:10:07","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/posts\/55144","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/comments?post=55144"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/posts\/55144\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/media?parent=55144"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/categories?post=55144"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/et\/wp-json\/wp\/v2\/tags?post=55144"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}