{"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\/sl\/blog\/news\/tableau-v-roznitse-realno","title":{"rendered":"Tableau v maloprodaji, resni\u010dno?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p><b>Vremenski okvir za izve\u0161tavanje u Excel-u brzo se smanjuje \u2014 trend ka prakti\u010dnim alatima za prezentaciju i analizu informacija o\u010digledan je u svim sektorima. Ve\u0107 dugo diskutujemo o digitalizaciji izve\u0161tavanja i izabrali smo sistem vizuelizacije i self-service analitike Tableau. Aleksandar Bezugly, \u0161ef odeljenja za analiti\u010dka re\u0161enja i izve\u0161tavanje grupe \"M.Video-Eldorado\", podelio je iskustva i rezultate izgradnje operativnog kontrolnog panela.<\/b><\/p>\n<p>Da ka\u017eem odmah, nije sve \u0161to je zami\u0161ljeno bilo mogu\u0107e realizovati, ali iskustvo je bilo zanimljivo i nadam se da \u0107e vam biti korisno. A ako neko ima ideje o tome kako bi moglo bolje \u2013 bio bih veoma zahvalan za savete i ideje.<\/p>\n<p><img decoding=\"async\" alt=\"Tableau v maloprodaji, resni\u010dno?\" src=\"\/wp-content\/uploads\/2020\/01\/81c41899e9b3acf1858a4faa627c121b.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nU nastavku o tome s \u010dime smo se suo\u010dili i \u0161ta smo saznali.<br \/>\n<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<h4>Kako smo za\u010deli<\/h4>\n<p>\nU \"M.Video-Eldorado\" postoji dobro razra\u0111en model podataka: strukturirane informacije sa potrebnom dubinom skladi\u0161tenja i ogroman broj izve\u0161taja fiksnog formata (vidi vi\u0161e <noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/mvideo\/blog\/462015\/\">ovde u \u010dlanku<\/a><\/noindex>). Iz njih analiti\u010dari prave ili pivot tabele ili formatirane distribucije u Excel-u, ili atraktivne prezentacije u PowerPoint-u za krajnje korisnike.<\/p>\n<p>Otprilike pre dve godine umesto izve\u0161taja fiksnog formata po\u010deli smo da kreiramo analiti\u010dke izve\u0161taje u SAP Analysis (nadogradnja za Excel, u su\u0161tini \u2013 pivot tabela iznad OLAP ma\u0161ine). Me\u0111utim, ovaj alat nije mogao da zadovolji potrebe svih korisnika, ve\u0107ina je nastavila da koristi informacije dodatno obra\u0111ene od strane analiti\u010dara.<\/p>\n<p>Na\u0161i krajnji korisnici dele se u tri kategorije:<\/p>\n<p><b>Top menad\u017ement<\/b>. Zahteva informacije u dobro predstavljenom i jasno razumljivom obliku.<\/p>\n<p><b>Srednji menad\u017ement<\/b>, napredni korisnici. Zainteresovani su za istra\u017eivanje podataka i sposobni su samostalno da prave izve\u0161taje uz dostupne alate. Oni su postali klju\u010dni korisnici analiti\u010dkih izve\u0161taja u SAP Analysis.<\/p>\n<p><b>Masovni korisnici<\/b>. Nisu zainteresovani za samostalnu analizu podataka, koriste izve\u0161taje sa ograni\u010denim stepenom slobode, u formatu distribucija i pivot tabela u Excel-u.<\/p>\n<p>Na\u0161a ideja je bila zadovoljiti potrebe svih korisnika i pru\u017eiti im jedan prakti\u010dan alat. Odlu\u010dili smo po\u010deti s vrhunskim menad\u017ementom. Njih su zanimale intuitivne plo\u010de za analizu klju\u010dnih poslovnih rezultata. Tako smo krenuli s Tableau-om i na po\u010detku odabrali dva pravca: prodajne pokazatelje u maloprodaji i onlajn s ograni\u010denom dubinom i \u0161irinom analize, koji bi obuhvatili otprilike 80% podataka koji su tra\u017eeni od vrhunskog menad\u017ementa.<\/p>\n<p>Budu\u0107i da su korisnici nadzorne plo\u010de bili vrhunski menad\u017ement, pojavio se jo\u0161 jedan dodatni KPI proizvoda \u2013 brzina odgovora. Niko ne\u0107e \u010dekati 20-30 sekundi dok se podaci a\u017euriraju. Navigacija je trebala trajati 4-5 sekundi, a jo\u0161 bolje odmah. Na\u017ealost, to nismo mogli posti\u0107i.<\/p>\n<p>Ovako je izgledao dizajn na\u0161e glavne nadzorne plo\u010de:<\/p>\n<p><img decoding=\"async\" alt=\"Tableau v maloprodaji, resni\u010dno?\" src=\"\/wp-content\/uploads\/2020\/01\/a7a028feee6542dfbc1fd3c2feeaa3de.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nKlju\u010dna ideja je kombinovati glavne KPI-drajvere, kojih je na kraju bilo 19, s leve strane i prikazivati njihovu dinamiku i razbijanje po glavnim atributima s desne strane. Zadatak deluje jednostavno, vizualizacija je logi\u010dna i razumljiva, sve dok se ne zaronite u detalje.<\/p>\n<h2>Detalj 1. Obim podataka<\/h2>\n<p>\nGlavna tabela prodaje za godinu zauzima otprilike 300 miliona redova. Kako je potrebno prikazati dinamiku u odnosu na pro\u0161lu i pretpro\u0161lu godinu, obim podataka samo za stvarne prodaje iznosi oko 1 milijardu redova. A posebno se \u010duva i informacija o planiranim podacima i blok internetske prodaje. Stoga, uprkos tome \u0161to smo koristili kolumnarnu in-memory bazu podataka SAP HANA, brzina izvr\u0161avanja upita sa izborom svih pokazatelja za jednu nedelju iz trenutnih skladi\u0161ta \u010dinila je oko 15-20 sekundi. Re\u0161enje ovog zadatka samo se name\u0107e \u2013 dodatna materializacija podataka. Ali, to tako\u0111e ima zamke, o kojima \u0107emo govoriti kasnije.<\/p>\n<h2>Detalj 2. Neaditivni pokazatelji<\/h2>\n<p>\nMnogi na\u0161i KPI su vezani za broj ra\u010duna. Ovaj pokazatelj predstavlja COUNT DISTINCT broja redova (naslova ra\u010duna) i prikazuje razli\u010dite sume u zavisnosti od odabranih atributa. Kao primer, kako ovaj pokazatelj i izvedeni od njega treba da se ra\u010dunaju:<\/p>\n<p><img decoding=\"async\" alt=\"Tableau v maloprodaji, resni\u010dno?\" src=\"\/wp-content\/uploads\/2020\/01\/0a6d676f0a5c2b779a5e7892b1f54929.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nZa ta\u010dnost prora\u010duna mo\u017eete:<\/p>\n<ul>\n<li>Izvoditi prora\u010dun ovakvih pokazatelja u realnom vremenu u skladi\u0161tu;\n<\/li>\n<li>Izvr\u0161iti prora\u010dun na celom obimu podataka u Tableau-u, tj. na zahtev u Tableau-u slati sve podatke prema odabranim filtrima u granuliarnoj poziciji ra\u010duna;\n<\/li>\n<li>Ustvariti materializirano izlo\u017ebo, v katerem bodo izra\u010dunani vsi kazalniki za vse razli\u010dne vzor\u010dne mo\u017enosti, ki zagotavljajo razli\u010dne neaditivne rezultate.\n<\/li>\n<\/ul>\n<p>\nJasno je, da sta v primeru UTE1 in UTE2 atributa materiala, ki predstavljata blago hierarhijo. To ni stati\u010dna stvar, saj preko nje poteka upravljanje znotraj podjetja, saj razli\u010dne skupine blaga upravljajo razli\u010dni vodje. Imeli smo veliko globalnih pregledov te hierarhije, ko so se spreminjale vse ravni, pregledov medsebojnih povezav, pa tudi nenehnih to\u010dkovnih sprememb, ko ena skupina preide iz enega vozli\u0161\u010da v drugo. V obi\u010dajnem poro\u010danju se vse to izra\u010dunava sproti iz atributov materiala, v primeru materializacije teh podatkov je potrebno razviti mehanizem za sledenje tak\u0161nim spremembam in samodejno ponovno nalaganje zgodovinskih podatkov. Zelo zahtevna naloga.<\/p>\n<h2>Podrobnost 3. Primerjava podatkov <\/h2>\n<p>\nTa to\u010dka je podobna prej\u0161nji. Gre za to, da podjetje pri analizi obi\u010dajno oblikuje ve\u010d nivojev primerjave s prej\u0161njim obdobjem:<\/p>\n<p><i>Primerjava s prej\u0161njim obdobjem (dan za dnem, teden za tednom, mesec za mesecem)<\/i><\/p>\n<p>V tej primerjavi se predpostavlja, da moramo, odvisno od izbranega obdobja s strani uporabnika (na primer 33. teden leta), prikazati dinamiko do 32. tedna. \u010ce bi izbrali podatke za mesec, na primer maj, bi ta primerjava pokazala dinamiko do aprila.<\/p>\n<p><i>Primerjava s prej\u0161njim letom<\/i><\/p>\n<p>Glavna razlika je u tome \u0161to kada upore\u0111ujete po danima i nedeljama, ne uzimate isti dan pro\u0161le godine, tj. ne mo\u017eete jednostavno uzeti trenutnu godinu minus jedan. Morate posmatrati odgovaraju\u0107i dan u nedelji. A kada upore\u0111ujete mesece, naprotiv, morate uzeti isti kalendarski dan pro\u0161le godine. Tako\u0111e postoje posebni slu\u010dajevi kod prestupnih godina. U izvorim skladi\u0161tima sve informacije su raspore\u0111ene po danima, nema posebnih polja za nedelje, mesece, godine. Zato da biste dobili kompletan analiti\u010dki uvid na panelu, neophodno je da izra\u010dunate ne jedan period, na primer nedelju, ve\u0107 4 nedelje, a onda te podatke jo\u0161 uporedite, reflektujete dinamiku, odstupanja. Prema tome, ovu logiku formiranja pore\u0111enja u dinamici tako\u0111e mo\u017eete realizovati ili u Tableau-u, ili na strani vitrine. Da, i o ovim detaljima smo, naravno, znali i razmi\u0161ljali jo\u0161 u fazi projektovanja, ali je bilo te\u0161ko predvideti njihov uticaj na performanse kona\u010dnog panela.<\/p>\n<p>Tokom implementacije panela pro\u0161li smo dugi Agile put. Na\u0161 cilj je bio da \u0161to pre obezbedimo radni alat sa potrebnim podacima za testiranje. Zato smo radili u sprinovima i fokusirali se na minimizaciju radova na stranici trenutnog skladi\u0161ta.<\/p>\n<h2>Deo 1. Verovanje u Tableau<\/h2>\n<p>\nKako bismo pojednostavili IT podr\u0161ku i brzo implementirali promene, odlu\u010dili smo da logiku izra\u010dunavanja neadditivnih pokazatelja i pore\u0111enja pro\u0161lih perioda radimo u Tableau-u.<\/p>\n<h3>Faza 1. Sve u\u017eivo, bez dorada vitrina.<\/h3>\n<p>\nU ovoj fazi povezali smo Tableau sa trenutnim vitrima i odlu\u010dili da vidimo kako \u0107e se izra\u010dunavati broj ra\u010duna za jednu godinu.<\/p>\n<p><b>Rezultat:<\/b><\/p>\n<p>Odgovor je bio pora\u017eavaju\u0107i \u2013 20 minuta. Prenos podataka preko mre\u017ee, velika optere\u0107enost na Tableau-u. Shvatili smo da logiku sa neadditivnim pokazateljima treba realizovati na HANA-i. To nas nije previ\u0161e pla\u0161ilo, ve\u0107 smo imali sli\u010dnog iskustva sa BO i Analysis i znali smo kako da gradimo brze vitrine u HANA-i koje daju ta\u010dno izra\u010dunate neadditivne pokazatelje. Sada je preostalo samo da ih prilagodimo Tableau-u.<\/p>\n<h3>Faza 2. Pode\u0161avamo vitrine, nikakva materijalizacija, sve u trenutku.<\/h3>\n<p>\nUstvarili smo novo izlo\u017ebo, ki je na hitro izdajala zahtevane podatke za TABLEAU. Na splo\u0161no smo dosegli dober rezultat, zmanj\u0161ali smo \u010das za oblikovanje vseh kazalnikov na 9-10 sekund namesto tedna. Iskreno smo pri\u010dakovali, da bo \u010das odziva nadzorne plo\u0161\u010de v Tableau 20-30 sekund pri prvem odpiranju, nato pa zaradi predpomnjenja od 10 do 12, kar bi nas zadovoljilo.<\/p>\n<p><b>Rezultat:<\/b><\/p>\n<p>Prvo odpiranje nadzornih plo\u0161\u010d: 4-5 minut<br \/>\nVsak klik: 3-4 minute<br \/>\nNih\u010de ni pri\u010dakoval takega dodatka k delovanju izlo\u017ebe.<\/p>\n<h2>Del 2. Potopitev v Tableau<\/h2>\n<p><\/p>\n<h3>Korak 1. Analiza zmogljivosti Tableau in hitro prilagajanje<\/h3>\n<p>\nZa\u010deli smo analizirati, kako dolgo Tableau porabi \u010dasa. Za to obstaja precej dober nabor orodij, kar je, seveda, plus za Tableau. Glavna te\u017eava, ki smo jo odkrili, so bili zelo kompleksni SQL poizvedbe, ki jih je sestavljal Tableau. Te so bile povezane predvsem z:<\/p>\n<p> \u2014 transponiranjem podatkov. Ker Tableau nima orodij za transponiranje datasetov, smo morali za oblikovanje levega dela nadzorne plo\u0161\u010de s podrobnim prikazom vseh KPIs oblikovati tabelo preko case. Velikost SQL poizvedb v BDP je dosegla 120.000 znakov.<\/p>\n<p><img decoding=\"async\" alt=\"Tableau v maloprodaji, resni\u010dno?\" src=\"\/wp-content\/uploads\/2020\/01\/8fc4d99017ddd604bbabb5ea0a19b38d.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\n \u2014 izbiro \u010dasovnega obdobja. Tak\u0161na poizvedba na ravni BDP je potrebovala ve\u010d \u010dasa za kompilacijo kot za izvajanje:<\/p>\n<p><img decoding=\"async\" alt=\"Tableau v maloprodaji, resni\u010dno?\" src=\"\/wp-content\/uploads\/2020\/01\/a9b9cc6ddd6b03c643935d070532728e.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nT.j. obdelava poizvedbe 12 sekund + 5 sekund izvajanja.<\/p>\n<p>Odlo\u010dili smo se poenostaviti logiko izra\u010dunov na strani Tableau in prenesti \u0161e en del izra\u010dunov na izlo\u017ebo in nivo BDP. To je prineslo dobre rezultate.<\/p>\n<p>Sprva smo opravili transponiranje na hitro, to smo naredili preko full outer join v kon\u010dnem koraku izra\u010duna VIEW, v skladu s takim pristopom, opisanem na wiki <noindex><a rel=\"nofollow\" href=\"http:\/\/en.wikipedia.org\/wiki\/Transpose\">Transpose \u2014 Wikipedia, the free encyclopedia<\/a><\/noindex> in <noindex><a rel=\"nofollow\" href=\"http:\/\/en.wikipedia.org\/wiki\/Elementary_matrix#Row-addition_transformations\">Elementary matrix \u2014 Wikipedia, the free encyclopedia<\/a><\/noindex>.<\/p>\n<p><img decoding=\"async\" alt=\"Tableau v maloprodaji, resni\u010dno?\" src=\"\/wp-content\/uploads\/2020\/01\/5259995831dc8ae379a34bfe84e52daa.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nTorej, ustvarili smo nastavitveno tabelo \u2013 transponirno matrico (21x21) in pridobili vse kazalnike v vrsti\u010dnem razdelku.<\/p>\n<p>Bilo je:<br \/>\n<img decoding=\"async\" alt=\"Tableau v maloprodaji, resni\u010dno?\" src=\"\/wp-content\/uploads\/2020\/01\/9382ee65a1482cc137a52b5f80c39eeb.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nPostalo je:<br \/>\n<img decoding=\"async\" alt=\"Tableau v maloprodaji, resni\u010dno?\" src=\"\/wp-content\/uploads\/2020\/01\/1d6653ec427ce0621b441943f589d860.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nTransponiranje baze podataka gotovo ne zahtijeva vrijeme. Upit za sve pokazatelje za tjedan jo\u0161 uvijek se obra\u0111ivao otprilike za 10 sekundi. Me\u0111utim, izgubila se fleksibilnost u izradi nadzorne plo\u010de za odre\u0111eni pokazatelj, tj. za desni dio nadzorne plo\u010de gdje je predstavljena dinamika i detaljna podjela odre\u0111enog pokazatelja, ranije je vitrina obradila u 1-3 sekunde jer je upit i\u0161ao za jednim pokazateljem, a sada baza podataka uvijek odabira sve pokazatelje i filtrira rezultat prije nego \u0161to ga vrati u Tableau.<\/p>\n<p>Kao rezultat, brzina rada nadzorne plo\u010de smanjena je gotovo tri puta.<\/p>\n<p><b>Rezultat:<\/b><\/p>\n<ol>\n<li>5 sek \u2014 parsiranje nadzorne plo\u010de, vizualizacija<\/li>\n<li> 15-20 sek \u2014 priprema za kompilaciju upita s izvr\u0161avanjem predra\u010duna u Tableuu<\/li>\n<li> 35-45 sek \u2014 kompilacija SQL upita i paralelno-sekvencijalno njihovo izvr\u0161avanje u Hani<\/li>\n<li> 5 sek \u2014 obrada rezultata, sortiranje, ponovni izra\u010dun vizualizacija u Tableuu<\/li>\n<li>Naravno, takvi rezultati nisu zadovoljili poslovanje, i nastavili smo optimizaciju.<\/li>\n<\/ol>\n<p><\/p>\n<h3>Faza 2. Minimalna logika u Tableuu, potpuna materializacija<\/h3>\n<p>\nShvatili smo da je nemogu\u0107e izgraditi nadzornu plo\u010du s vremenom odziva od nekoliko sekundi na vitrinama koje rade 10 sekundi, i razmatrali smo mogu\u0107nosti materializacije podataka na strani baze podataka posebno za tra\u017eenu nadzornu plo\u010du. Me\u0111utim, suo\u010dili smo se s globalnim problemom, opisanim iznad \u2013 neaditivni pokazatelji. Nismo uspjeli posti\u0107i da prilikom promjena filtara ili razrade Tableau fleksibilno prebacuje izme\u0111u razli\u010ditih vitrina i razina, predra\u010dunatih za razli\u010dite robne hijerarhije (u primjeru tri upita bez UTE, s UTE1 i UTE2 formiraju razli\u010dite rezultate). Stoga smo odlu\u010dili pojednostaviti nadzornu plo\u010du, odustati od robne hijerarhije i vidjeti koliko brza mo\u017ee biti u pojednostavljenoj verziji.<\/p>\n<p>Dakle, u ovoj posljednjoj fazi sastavili smo posebno skladi\u0161te u kojem smo pohranili sve KPI-e u transponiranom obliku. Na strani baze podataka svaki upit za to skladi\u0161te se obra\u0111uje za 0,1 \u2013 0,3 sekunde. Na nadzornoj plo\u010di dobili smo sljede\u0107e rezultate:<\/p>\n<p>Prvo otkri\u0107e: 8-10 sekundi<br \/>\nSvaki klik: 6-7 sekundi<\/p>\n<p>Vrijeme koje Tableau tro\u0161i sastoji se od:<\/p>\n<ol>\n<li>0,3 sek \u2014 parsiranje nadzorne plo\u010de i kompilacija SQL upita\n<\/li>\n<li>1,5-3 sek \u2014 izvr\u0161avanje SQL upita u Hani za glavne vizualizacije (pokre\u0107e se paralelno s to\u010dkom 1)\n<\/li>\n<li>1,5-2 sekunde \u2014 renderiranje, ponovo izra\u010dunavanje vizualizacija\n<\/li>\n<li>1,3 sekunde \u2014 izvr\u0161avanje dodatnih SQL upita za dobijanje relevantnih vrednosti filtera (Brend, Divizija, Grad, Prodavnica), parsiranje rezultata\n<\/li>\n<\/ol>\n<p><\/p>\n<h3>Ako bismo sa\u017eeli<\/h3>\n<p>\nSvideo nam se alat Tableau u pogledu vizualizacije. U fazi dizajniranja razmatrali smo razli\u010dite elemente vizualizacije i sve smo ih na\u0161li u bibliotekama, uklju\u010duju\u0107i slo\u017eene vi\u0161eslojne segmentacije i vi\u0161ekanalne waterfall-e.<\/p>\n<p>U implementaciji kontrolnih panela sa klju\u010dnim pokazateljima prodaje nai\u0161li smo na probleme sa performansama koje jo\u0161 nismo uspeli da prevazi\u0111emo. Potro\u0161ili smo vi\u0161e od dva meseca i dobili funkcionalno nepotpun kontrolni panel, \u010dija je brzina odziva na granici prihvatljivog. I za sebe smo izvukli zaklju\u010dke:<\/p>\n<ol>\n<li>Tableau ne zna delati z velikimi koli\u010dinami podatkov. \u010ce imata va\u0161a izvorna podatkovna modela ve\u010d kot 10 GB podatkov (pribli\u017eno 200 milijonov x 50 vrstic), se nadzorna plo\u0161\u010da bistveno upo\u010dasni \u2013 od 10 sekund do ve\u010d minut za vsak klik. Eksperimentirali smo tako s povezavo v \u017eivo kot z ekstraktom. Hitrost dela je primerljiva.\n<\/li>\n<li>Ograni\u010denje kod kori\u0161\u0107enja vi\u0161e skladi\u0161ta (dataseta). Nema mogu\u0107nosti standardnim sredstvima ozna\u010diti me\u0111usobne odnose dataseta. Ako koristite alternativna re\u0161enja za povezivanje dataseta, to \u0107e zna\u010dajno uticati na performanse. U na\u0161em slu\u010daju razmatrali smo opciju materializacije podataka u svakom potrebnom preseku prikaza i na tim materializovanim datasetima praviti prebacivanja uz zadr\u017eavanje ranije odabranih filtera \u2013 to se ispostavilo nemogu\u0107im u Tableau.\n<\/li>\n<li>U Tableaub nije mogu\u0107e napraviti dinami\u010dke parametre. Ne mo\u017eete parametar koji se koristi za filtriranje dataseta u ekstraktu ili pri live-connect-u popuniti rezultatom drugog odabira iz dataseta ili rezultata drugog SQL upita, samo nativni unos korisnika ili konstanta.\n<\/li>\n<li>Ograni\u010denja vezana za izgradnju kontrolnog panela sa elementima OLAP|Pivot tabela. <br \/>\nV MSTR, SAP SAC, SAP Analysis, ko dodate podatkovni niz v poro\u010dilo, so vsi objekti nanj privzeto povezani. Pri Tableau tega ni, povezave je treba nastaviti ro\u010dno. To je verjetno bolj fleksibilno, a za vse na\u0161e nadzorne plo\u0161\u010de je to obvezna zahteva za elemente \u2013 zato so to dodatni delovni napori. Poleg tega, \u010de delate povezane filtri, da, na primer, pri filtriranju regij seznam mest omeji le na mesta te regije, takoj naletite na zaporedne poizvedbe v bazo podatkov ali ekstrakt, kar vidno upo\u010dasni nadzorno plo\u0161\u010do.<\/li>\n<li>Omejitve v funkcijah. Tako nad ekstraktom kot \u0161e toliko bolj nad podatkovnim nizom iz Live-connecta ni mogo\u010de izvajati mno\u017ei\u010dnih pretvorb. To lahko storite preko Tableau Prep, vendar so to dodatni delovni napori in \u0161e orodje, ki se ga je treba nau\u010diti in vzdr\u017eevati. Na primer, ne morete transponirati podatkov ali izvesti join samih s seboj. To se zapira preko pretvorb po posameznih stolpcih ali poljih, ki jih je treba izbrati preko case ali if, kar povzro\u010da zelo zapletene SQL poizvedbe, pri katerih baza ve\u010dino \u010dasa porabi za oblikovanje besedila poizvedbe. Te togosti orodja smo morali re\u0161iti na ravni vitrinske plasti, kar vodi do zapletenja skladi\u0161\u010da, dodatnih obremenitev in transformacij.\n<\/li>\n<\/ol>\n<p>\nNismo opustili Tableau. Vendar ga kot orodje, sposobno graditi industrijske nadzorne plo\u0161\u010de in sredstvo, s katerim lahko zamenjamo in digitaliziramo celoten sistem korporativnega poro\u010danja podjetja, ne obravnavamo.<\/p>\n<p>Trenutno aktivno razvijamo podobno nadzorno plo\u0161\u010do na drugem orodju in hkrati posku\u0161amo ponovno preu\u010diti arhitekturo nadzorne plo\u0161\u010de v Tableau, da bi jo \u0161e bolj poenostavili. \u010ce bo skupnost zainteresirana, bomo delili rezultate.<\/p>\n<p>Prav tako \u010dakamo na va\u0161e ideje ali nasvete o tem, kako v Tableau graditi hitre nadzorne plo\u0161\u010de nad tak\u0161nimi velikimi koli\u010dinami podatkov, saj imamo tudi spletno mesto, kjer je podatkov \u0161e veliko ve\u010d kot v trgovini.<br \/>\n<br \/>Izvor: <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-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.5 - 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\/sl\/blog\/news\/tableau-v-roznitse-realno\" \/>\n\t\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.5\" \/>\n\t\t<meta property=\"og:locale\" content=\"sl_SI\" \/>\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\/sl\/blog\/news\/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 v maloprodaji, res? | ProHoster","description":"\u010cas poro\u010danja v Excelu hitro izginja \u2014 trend po enostavnih orodjih za predstavitev in analizo informacij je o\u010diten na vseh podro\u010djih.","canonical_url":"https:\/\/prohoster.info\/sl\/blog\/news\/tableau-v-roznitse-realno","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"sl_SI","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\/sl\/blog\/news\/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\/sl\/wp-json\/wp\/v2\/posts\/55144","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/sl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/sl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sl\/wp-json\/wp\/v2\/comments?post=55144"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/sl\/wp-json\/wp\/v2\/posts\/55144\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/sl\/wp-json\/wp\/v2\/media?parent=55144"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/sl\/wp-json\/wp\/v2\/categories?post=55144"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/sl\/wp-json\/wp\/v2\/tags?post=55144"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}