Tableau na retail, n'ezie?

Oge maka ịkọ akụkọ na Excel na-apụ n'ike ngwa ngwa - omume maka ngwaọrụ dabara adaba maka iwepụta na nyocha ozi na-ahụ anya n'akụkụ niile. Anyị na-akparịta ụka n'ime ime dijitalụ nke ịkọ akụkọ ogologo oge wee họrọ usoro nyocha nke Tableau na ọrụ onwe onye. Alexander Bezugly, onye isi nke ngwọta nyocha na ngalaba akụkọ nke M.Video-Eldorado Group, kwuru banyere ahụmahụ na nsonaazụ nke ịmepụta dashboard ọgụ.

M ga-ekwu ozugbo na ọ bụghị ihe niile e mere atụmatụ mezuru, ma ahụmahụ ahụ na-adọrọ mmasị, enwere m olileanya na ọ ga-abakwara gị uru. Ma ọ bụrụ na onye ọ bụla nwere echiche ọ bụla gbasara otu a ga-esi mee ya nke ọma, m ga-enwe ekele dị ukwuu maka ndụmọdụ na echiche gị.

N'okpuru ịkpụ bụ maka ihe anyị zutere na ihe anyị mụtara.

Ebee ka anyị siri malite?

M.Video-Eldorado nwere ụdị data emepụtara nke ọma: ozi ahaziri ya na omimi nchekwa dị mkpa na ọnụ ọgụgụ dị ukwuu nke akụkọ a kapịrị ọnụ (lee nkọwa ndị ọzọ). Akụkọ a). Site na ndị a, ndị nyocha na-eme ma ọ bụ tebụl pivot ma ọ bụ akwụkwọ akụkọ a haziri na Excel, ma ọ bụ ihe ngosi PowerPoint mara mma maka ndị ọrụ njedebe.

Ihe dị ka afọ abụọ gara aga, kama ịkọ akụkọ a na-edozi anya, anyị malitere ịmepụta akụkọ nyocha na SAP Analysis (ihe mgbakwunye Excel, nke bụ okpokoro pivot n'elu engine OLAP). Mana ngwa ọrụ a enweghị ike igbo mkpa ndị ọrụ niile; ihe ka n'ọnụ ọgụgụ gara n'ihu na-eji ozi ndị nyocha agbakwunyere.

Ndị ọrụ njedebe anyị dabara na ngalaba atọ:

Njikwa kacha elu. Na-arịọ ozi n'ụzọ egosipụtara nke ọma na nke nghọta doro anya.

Ọchịchị etiti, elu ọrụ. Nwere mmasị na nyocha data ma nwee ike ịmepụta akụkọ n'onwe ya ma ọ bụrụ na ngwaọrụ dị. Ha ghọrọ ndị isi ọrụ nke akụkọ nyocha na SAP Analysis.

Ndị ọrụ oke. Ha enweghị mmasị n'ịtụle data n'onwe ha; ha na-eji akụkọ nwere oke nnwere onwe, n'ụdị akwụkwọ akụkọ na tebụl pivot na Excel.

Echiche anyị bụ ikpuchi mkpa nke ndị ọrụ niile ma nye ha otu ngwaọrụ dị mma. Anyị kpebiri ibido na njikwa kacha elu. Ha chọrọ dashboard dị mfe iji nyochaa nsonaazụ azụmaahịa bụ isi. Ya mere, anyị malitere na Tableau na mbụ họọrọ ụzọ abụọ: mkpọsa ahịa na online ahịa egosi na oke omimi na obosara nke nyocha, nke ga-ekpuchi ihe dị ka 80% nke data rịọrọ site n'elu management.

Ebe ọ bụ na ndị ọrụ dashboards bụ njikwa kacha elu, KPI ọzọ nke ngwaahịa ahụ pụtara - ọsọ nzaghachi. Ọ dịghị onye ga-echere 20-30 sekọnd ka emelite data. Ekwesịrị ịmegharị igodo n'ime sekọnd 4-5, ma ọ bụ ka mma, eme ya ozugbo. Na anyị, Ewoo, okpu imezu nke a.

Nke a bụ ka nhazi nke dashboard isi anyị dị ka:

Echiche bụ isi bụ ijikọta ndị ọkwọ ụgbọ ala KPI bụ isi, nke enwere 19 n'ozuzu ya, n'aka ekpe wee gosipụta ike ha na mmebi ha site na njirimara ndị dị n'aka nri. Ọrụ ahụ dị ka ọ dị mfe, nhụta ahụ bụ ihe ezi uche dị na ya na nghọta, ruo mgbe ịbanye n'ime nkọwa.

Nkọwa 1. Data olu

Tebụl isi anyị maka ịre ahịa kwa afọ na-ewe ihe dị ka ahịrị 300 nde. Ebe ọ bụ na ọ dị mkpa iji gosipụta mgbanwe dị iche iche maka afọ gara aga na afọ gara aga, ọnụ ọgụgụ nke data na ahịa ahịa naanị bụ ihe dịka 1 ijeri ahịrị. A na-echekwa ozi gbasara data zubere na ngọngọ ịre ahịa n'ịntanetị iche iche. Ya mere, n'agbanyeghị na anyị na-eji columnar in-memory DB SAP HANA, ọsọ nke ajụjụ na nhọrọ nke niile egosi maka otu izu si ugbu a nchekwa na ofufe bụ banyere 15-20 sekọnd. Ngwọta nke nsogbu a na-atụ aro onwe ya - ọzọ materialization nke data. Mana ọ nwekwara ọnyà, karịa gbasara ha n'okpuru.

Nkọwa 2. Ihe ngosi na-enweghị mgbakwunye

Ọtụtụ n'ime KPI anyị na-ejikọta ọnụ ọgụgụ nke nnata. Na ihe ngosi a na-anọchi anya COUNT DISTINCT nke ọnụọgụ nke ahịrị (nyochaa nkụnye eji isi mee) wee gosi ọnụọgụ dị iche iche dabere na njirimara ahọpụtara. Dịka ọmụmaatụ, ka ekwesịrị isi gbakọọ akara ngosi a na usoro ya:

Iji mee ka ngụkọ gị ziri ezi, ị nwere ike:

• Gbakọọ ihe ngosi ndị dị otú ahụ na ofufe na nchekwa;
• Mee mgbako na oke data niile dị na Tableau, i.e. mgbe a rịọrọ na Tableau, nye data niile dịka nzacha ahọpụtara na granularity nke ọnọdụ nnata;
• Mepụta ihe ngosi ihe ngosi nke a ga-agbakọ ihe ngosi niile na nhọrọ nlele niile na-enye nsonaazụ dị iche iche na-abụghị mgbakwunye.

O doro anya na n'ihe atụ UTE1 na UTE2 bụ njirimara ihe na-anọchite anya ndị isi ngwaahịa. Nke a abụghị ihe kwụ ọtọ; njikwa n'ime ụlọ ọrụ na-ewere ọnọdụ site na ya, n'ihi na ... Ndị njikwa dị iche iche na-ahụ maka otu ngwaahịa dị iche iche. Anyị nwere ọtụtụ nlegharị anya zuru ụwa ọnụ nke ndị isi a, mgbe ọkwa niile gbanwere, mgbe emegharịrị mmekọrịta, yana mgbanwe mgbe niile, mgbe otu ìgwè si n'otu ọnụ gaa na nke ọzọ. N'ịkọ akụkọ ihe mere eme, a na-agbakọ ihe a niile na ofufe site na njirimara nke ihe ahụ; n'ihe banyere ihe onwunwe nke data a, ọ dị mkpa ịmepụta usoro maka nyochaa mgbanwe ndị dị otú ahụ na-ebughachi data akụkọ ihe mere eme na-akpaghị aka. Ọrụ na-adịghị mkpa nke ukwuu.

Nkọwa 3. Ntụle data

Isi ihe a yiri nke gara aga. Isi okwu bụ na mgbe ị na-enyocha ụlọ ọrụ, ọ bụ omenala ịmepụta ọtụtụ ọkwa iji tụnyere oge gara aga:

Tụnyere oge gara aga (ụbọchị ruo ụbọchị, izu ruo izu, ọnwa ruo ọnwa)

N'iji tụnyere nke a, a na-eche na dabere na oge nke onye ọrụ ahọpụtara (dịka ọmụmaatụ, izu nke 33 nke afọ), anyị kwesịrị igosi mgbanwe ahụ site na izu 32; ọ bụrụ na anyị họrọ data maka otu ọnwa, dịka ọmụmaatụ, May. , mgbe ahụ ntụnyere a ga-egosi ihe na-eme ka ọ na-erule Eprel.

Tụnyere afọ gara aga

Isi nuance ebe a bụ na mgbe ị na-atụnyere ụbọchị na izu, ị naghị ewere otu ụbọchị nke afọ gara aga, i.e. ị nweghị ike itinye afọ dị ugbu a na-ewepụ otu. Ị ghaghị ileba anya n'ụbọchị izu ị na-atụnyere. Mgbe ị na-atụnyere ọnwa, n'ụzọ megidere, ịkwesịrị iwere otu ụbọchị kalenda nke afọ gara aga. Enwekwara nuances nwere afọ ito. N'ime ebe nchekwa izizi, a na-ekesa ozi niile n'ụbọchị; enweghị mpaghara dị iche iche nwere izu, ọnwa ma ọ bụ afọ. Ya mere, iji nweta ngalaba nyocha zuru oke na panel ahụ, ịkwesịrị ịgụta ọ bụghị otu oge, dịka ọmụmaatụ otu izu, mana izu 4, wee jiri data ndị a tụnyere, na-egosipụta ike dị iche iche, ọdịiche. N'ihi ya, nke a mgbagha maka na-amụba ntụnyere na dynamics nwekwara ike emejuputa atumatu ma na Tableau ma ọ bụ na storefront n'akụkụ. Ee, na n'ezie anyị maara ma chee echiche banyere nkọwa ndị a na nhazi nhazi, ma ọ siri ike ịkọ mmetụta ha na arụmọrụ nke dashboard ikpeazụ.

Mgbe anyị na-emejuputa dashboard ahụ, anyị gbasoro ụzọ ogologo Agile. Ọrụ anyị bụ ịnye ngwá ọrụ na-arụ ọrụ na data dị mkpa maka ịnwale ngwa ngwa o kwere mee. Ya mere, anyị na-abanye na sprints wee malite site na ibelata ọrụ n'akụkụ ebe nchekwa dị ugbu a.

Nkebi 1: Okwukwe na Tableau

Iji mee ka nkwado IT dị mfe ma mejuputa mgbanwe ngwa ngwa, anyị kpebiri ime mgbagha maka ịgbakọ ihe ndị na-adịghị agbakwunye na iji tụnyere oge gara aga na Tableau.

Nkeji 1. Ihe niile dị ndụ, enweghị mgbanwe windo.

N'oge a, anyị jikọtara Tableau na ụlọ ahịa dị ugbu a ma kpebie ịhụ ka a ga-esi gbakọọ ọnụ ọgụgụ nke nnata maka otu afọ.

Nsonaazụ:

Azịza ya na-akụda mmụọ - nkeji 20. Nyefee data na netwọkụ, ibu dị elu na Tableau. Anyị chọpụtara na mgbagha nwere ihe ngosi na-enweghị mgbakwunye kwesịrị ka emejuputa ya na HANA. Nke a anaghị atụ anyị egwu nke ukwuu, anyị enweelarị ahụmahụ yiri nke ahụ na BO na Analysis na anyị maara otú e si ewu ihe ngosi ngwa ngwa na HANA nke na-emepụta ihe ngosi nke ọma gbakọọ na-abụghị ihe mgbakwunye. Ugbu a naanị ihe fọdụrụ bụ ịhazigharị ha na Tableau.

Nkeji 2. Anyị na-emegharị ihe ngosi ngosi, enweghị ihe onwunwe, ihe niile na-efe efe.

Anyị mepụtara ihe ngosi ọhụrụ dị iche iche nke mepụtara data achọrọ maka TABLEAU na ofufe. N'ozuzu, anyị nwetara ezigbo nsonaazụ; anyị belatara oge maka ịmepụta ihe ngosi niile n'otu izu ruo 9-10 sekọnd. Ma anyị na-atụ anya n'eziokwu na na Tableau oge nzaghachi nke dashboard ga-abụ 20-30 sekọnd na oghere mbụ na mgbe ahụ n'ihi cache site na 10 ruo 12, nke n'ozuzu ga-adabara anyị.

Nsonaazụ:

Dashboard mepere emepe nke mbụ: nkeji 4-5
Pịa ọ bụla: nkeji 3-4
Ọ dịghị onye tụrụ anya na mmụba ọzọ dị otú ahụ na ọrụ nke ụlọ ahịa ahụ.

Nkebi 2. Banye n'ime Tableau

Nkeji 1. Tableau arụmọrụ analysis na ngwa ngwa n'iji ya gee ntị

Anyị malitere inyocha ebe Tableau na-etinye ọtụtụ oge ya. Na e nwere ezigbo ngwaọrụ maka nke a, nke, n'ezie, bụ mgbakwunye nke Tableau. Isi nsogbu anyị chọpụtara bụ ajụjụ SQL dị mgbagwoju anya nke Tableau na-ewu. Ejikọtara ha na:

- data transposition. Ebe ọ bụ na Tableau enweghị ngwaọrụ maka transposing datasets, iji wuo akụkụ aka ekpe nke dashboard na nkọwa zuru ezu nke KPI niile, anyị aghaghị ịmepụta tebụl site na iji ikpe. Nha nke ajụjụ SQL na nchekwa data ruru mkpụrụedemede 120.

- nhọrọ nke oge. Ajuju dị otú ahụ na ọkwa nchekwa data were oge karịa iji chịkọta karịa ime:

Ndị ahụ. arịrịọ nhazi 12 sekọnd + 5 sekọnd ogbugbu.

Anyị kpebiri ime ka mgbako mgbako dị mfe na akụkụ Tableau wee bugharịa akụkụ ọzọ nke mgbako ahụ na ụlọ ahịa na ọkwa nchekwa data. Nke a wetara ezi ihe.

Nke mbụ, anyị mere transposition na ijiji, anyị mere ya site na njikọ mpụta zuru oke na njedebe ikpeazụ nke ngụkọta VIEW, dịka usoro a kọwara na wiki. Transpose - Wikipedia, akwụkwọ nkà ihe ọmụma efu и Matriks nke elementrị - Wikipedia, akwụkwọ nkà ihe ọmụma efu.

Ya bụ, anyị mere tebụl ntọala - transposition matrix (21x21) wee nata ihe ngosi niile na nbibi n'usoro n'usoro.

bụ:


ghọrọ:


Ọ fọrọ nke nta ka ọ bụrụ na ọ dịghị oge na-etinye na nchekwa data n'onwe ya. A nọgidere na-edozi arịrịọ maka ihe ngosi niile maka izu ahụ n'ime ihe dịka 10 sekọnd. Ma n'aka nke ọzọ, mgbanwe na-efunahụ n'ihe banyere ịrụ a dashboard dabere na kpọmkwem egosi, i.e. maka akụkụ aka nri nke dashboard ebe a na-egosipụta ike na nkọwa zuru ezu nke otu ihe ngosi, na mbụ ihe ngosi ahụ rụrụ ọrụ na 1-3 sekọnd, n'ihi na Arịrịọ ahụ dabere na otu ihe ngosi, ma ugbu a, nchekwa data na-ahọrọ ihe ngosi niile wee kpochaa nsonaazụ tupu iweghachi nsonaazụ na Tableau.

N'ihi ya, ọsọ dashboard ahụ belatara ihe fọrọ nke nta ka ọ bụrụ ugboro atọ.

Nsonaazụ:

1. 5 sk – ntụle dashboards, anya
2. 15-20 sekọnd - nkwadebe maka ịchịkọta ajụjụ na-eme tupu ịgbakọ na Tableau
3. 35-45 sk - nchịkọta nke ajụjụ SQL na nsoro ha na-eme n'usoro n'usoro na Hana
4. 5 sk - nhazi nsonaazụ, nhazi, ịtụgharịghachi anya n'ime Tableau
5. N'ezie, nsonaazụ ndị dị otú ahụ adabaghị azụmahịa ahụ, anyị nọgidere na-ebuli elu.

Nkeji 2. Obere mgbagha na Tableau, zuru ezu materialization

Anyị ghọtara na ọ gaghị ekwe omume iji wuo dashboard nke nwere oge nzaghachi nke ọtụtụ sekọnd n'ihu ụlọ ahịa na-agba ọsọ maka sekọnd 10, anyị tụlere nhọrọ maka ịmepụta data n'akụkụ nchekwa data kpọmkwem maka dashboard achọrọ. Ma anyị zutere nsogbu zuru ụwa ọnụ akọwara n'elu - ndị na-abụghị ihe mgbakwunye. Anyị enweghị ike ijide n'aka na mgbe ị na-agbanwe ihe nzacha ma ọ bụ drilldowns, Tableau na-agbanwe agbanwe n'etiti ụlọ ahịa dị iche iche na ọkwa ndị a haziri ahazi maka nhazi ngwaahịa dị iche iche (na ọmụmaatụ, ajụjụ atọ na-enweghị UTE, na UTE1 na UTE2 na-emepụta nsonaazụ dị iche iche). Ya mere, anyị kpebiri ime ka dashboard dị mfe, hapụ usoro ngwaahịa na dashboard wee hụ ka ọ ga-esi dị ngwa ngwa na ụdị dị mfe.

Yabụ, na ọkwa ikpeazụ a, anyị chịkọtara ebe nchekwa dị iche nke anyị gbakwunyere KPI niile n'ụdị ntụgharị. N'akụkụ nchekwa data, a na-edozi arịrịọ ọ bụla maka nchekwa dị otú ahụ na 0,1 - 0,3 sekọnd. Na dashboard anyị nwetara nsonaazụ ndị a:

Mmepe mbụ: 8-10 sekọnd
Pịa ọ bụla: 6-7 sekọnd

Oge Tableau ji mee ihe nwere:

1. 0,3 sk. - nyocha dashboard na nchịkọta nke ajụjụ SQL
2. 1,5-3 sk. - mmezu nke ajụjụ SQL na Hana maka nlegharị anya isi (na-aga n'otu n'otu na nzọụkwụ 1)
3. 1,5-2 sk. - nsụgharị, mweghachi nke visualizations
4. 1,3 nkeji. - mmezu nke ajụjụ SQL ndị ọzọ iji nweta ụkpụrụ nzacha dị mkpa (Akara, Nkewa, Obodo, Ụlọ Ahịa), na-enyocha nsonaazụ.

Iji chịkọta ya nkenke

Ngwá ọrụ Tableau masịrị anyị site na nlegharị anya. N'oge prototyping, anyị tụlere ihe dị iche iche nhụta anya wee hụ ha niile n'ọbá akwụkwọ, gụnyere mgbagwoju anya multi-level nkebi na multi-ọkwọ ụgbọ mmiri waterfall.

Ka anyị na-emejuputa dashboards nwere isi ihe nrịbama ahịa, anyị zutere ihe isi ike arụmọrụ anyị enwebeghị ike imeri. Anyị nọrọ ihe karịrị ọnwa abụọ wee nata dashboard na-ezughị ezu na-arụ ọrụ, ọsọ nzaghachi nke dị na njedebe nke nnabata. Ma anyị chepụtara nkwubi okwu n'onwe anyị:

1. Tableau enweghị ike ịrụ ọrụ na nnukwu data. Ọ bụrụ na n'ụdị data mbụ ị nwere ihe karịrị 10 GB nke data (ihe dị ka ahịrị 200 nde X 50), mgbe ahụ dashboard ga-agbada nke ukwuu - site na 10 sekọnd ruo ọtụtụ nkeji maka pịa ọ bụla. Anyị nwalere ma njikọ-ndụ na wepụ. Ọsọ ọ na-arụ bụ atụnyere.
2. Mmachi mgbe ị na-eji ọtụtụ nchekwa (datasets). Enweghị ụzọ isi gosipụta mmekọrịta dị n'etiti datasets site na iji usoro ọkọlọtọ. Ọ bụrụ na ị na-eji ebe mgbaba iji jikọọ datasets, nke a ga-emetụta arụmọrụ. N'ọnọdụ anyị, anyị tụlere nhọrọ nke ịmepụta data na mpaghara nlele ọ bụla achọrọ na ime mgbanwe na ihe ndekọ data ndị a na-echekwa ma na-echekwa ihe nzacha ahọpụtara na mbụ - nke a mechara bụrụ ihe na-agaghị ekwe omume ime na Tableau.
3. Ọ gaghị ekwe omume ịme paramita dị ike na Tableau. Ị nweghị ike mejupụta paramita nke a na-eji nyochaa dataset na nbipụta ma ọ bụ n'oge a na-ejikọta ya na nsonaazụ nhọrọ ọzọ sitere na dataset ma ọ bụ nsonaazụ nke ajụjụ SQL ọzọ, naanị ntinye onye ọrụ ma ọ bụ mgbe niile.
4. Mmachi jikọtara ya na iji OLAP|PivotTable ọcha rụọ dashboard.
   Na MSTR, SAP SAC, SAP Analysis, ọ bụrụ na ị tinye dataset na akụkọ, mgbe ahụ ihe niile dị na ya na-ejikọta ibe ya na ndabara. Tableau enweghị nke a; a ga-eji aka hazie njikọ ahụ. Nke a nwere ike ịbụ mgbanwe karịa, mana maka dashboard anyị niile nke a bụ ihe a chọrọ maka ihe ndị dị mkpa - yabụ nke a bụ ụgwọ ọrụ ọzọ. Ọzọkwa, ọ bụrụ na ị na-eme ihe nzacha ndị metụtara ya ka, dịka ọmụmaatụ, mgbe ị na-enyocha mpaghara, ndepụta obodo na-ejedebe naanị n'obodo ndị dị na mpaghara a, ị ga-ejedebe ozugbo na ajụjụ ndị na-aga n'ihu na nchekwa data ma ọ bụ wepụ, nke na-ebelata ngwa ngwa. dashboard.
5. Mmachi na ọrụ. Enweghị ike ịme mgbanwe n'ụka ma ọ bụ na mwepụta ma ọ bụ, Kpọsị, na dataset sitere na Live-connecta. Enwere ike ime nke a site na Prep Tableau, mana ọ bụ ọrụ mgbakwunye na ngwa ọzọ iji mụta na idobe ya. Dịka ọmụmaatụ, ịnweghị ike ịnyefe data ma ọ bụ sonye ya na onwe ya. Kedu ihe a na-emechi site na mgbanwe na kọlụm ma ọ bụ ubi nke ọ bụla, nke a ga-ahọrọ site na ikpe ma ọ bụ ma ọ bụrụ na nke a na-ebute ajụjụ SQL dị mgbagwoju anya, ebe nchekwa data na-eji oge ya chịkọta ederede ajụjụ. A ghaghị edozi mgbanwe ndị a nke ngwá ọrụ ahụ na ọkwa ngosi, nke na-eduga na nchekwa dị mgbagwoju anya, nbudata na mgbanwe ndị ọzọ.

Anyị adaghị mbà na Tableau. Ma anyị anaghị atụle Tableau dị ka ngwá ọrụ nwere ike ịmepụta dashboards mmepụta ihe na ngwá ọrụ iji dochie na dijitalụ usoro nhazi ụlọ ọrụ niile nke ụlọ ọrụ.

Ugbu a, anyị na-arụsi ọrụ ike na-emepụta dashboard yiri ya na ngwá ọrụ ọzọ ma, n'otu oge ahụ, na-agbalị imegharị ihe nhazi dashboard dị na Tableau iji mee ka ọ dịkwuo mfe karị. Ọ bụrụ na ndị obodo nwere mmasị, anyị ga-agwa gị maka nsonaazụ ya.

Anyị na-echekwa echiche gị ma ọ bụ ndụmọdụ gị ka ị ga-esi wuo dashboards ngwa ngwa karịa nnukwu data dị otú ahụ, n'ihi na anyị nwere ebe nrụọrụ weebụ ebe enwere data karịa na mkpọsa.

isi: www.habr.com