Tableau ni soobu, gan?

Akoko fun ijabọ ni Excel n parẹ ni iyara - aṣa si awọn irinṣẹ irọrun fun iṣafihan ati itupalẹ alaye han ni gbogbo awọn agbegbe. A ti n jiroro ni inu nipa isọdi-nọmba ti ijabọ fun igba pipẹ ati yan iworan Tableau ati eto itupalẹ iṣẹ ti ara ẹni. Alexander Bezugly, ori ti awọn ipinnu itupalẹ ati ẹka iroyin ti Ẹgbẹ M.Video-Eldorado, sọ nipa iriri ati awọn abajade ti kikọ dasibodu ija kan.

Emi yoo sọ lẹsẹkẹsẹ pe kii ṣe ohun gbogbo ti a gbero ni a rii daju, ṣugbọn iriri naa jẹ iyanilenu, Mo nireti pe yoo wulo fun ọ paapaa. Ati pe ti ẹnikan ba ni awọn imọran eyikeyi lori bi o ṣe le ṣe dara julọ, Emi yoo dupẹ pupọ fun imọran ati awọn imọran rẹ.

Ni isalẹ gige jẹ nipa ohun ti a pade ati ohun ti a kọ nipa.

Nibo ni a bẹrẹ?

M.Video-Eldorado ni awoṣe data ti o ni idagbasoke daradara: alaye ti a ṣeto pẹlu ijinle ipamọ ti o nilo ati nọmba nla ti awọn ijabọ fọọmu ti o wa titi (wo awọn alaye diẹ sii nibi ni yi article). Lati iwọnyi, awọn atunnkanka ṣe boya awọn tabili pivot tabi awọn iwe iroyin ti a ṣe akoonu ni Excel, tabi awọn igbejade PowerPoint ẹlẹwa fun awọn olumulo ipari.

Ni nkan bii ọdun meji sẹhin, dipo awọn ijabọ fọọmu ti o wa titi, a bẹrẹ ṣiṣẹda awọn ijabọ atupale ni Itupalẹ SAP (afikun Excel kan, pataki tabili pivot lori ẹrọ OLAP). Ṣugbọn ọpa yii ko ni anfani lati pade awọn iwulo gbogbo awọn olumulo; pupọ julọ tẹsiwaju lati lo alaye ni afikun ni ilọsiwaju nipasẹ awọn atunnkanka.

Awọn olumulo ipari wa ṣubu si awọn ẹka mẹta:

Top isakoso. Beere alaye ni ọna ti a gbekalẹ daradara ati ni oye oye.

Arin isakoso, to ti ni ilọsiwaju awọn olumulo. O nifẹ si iṣawari data ati anfani lati kọ awọn ijabọ ni ominira ti awọn irinṣẹ ba wa. Wọn di awọn olumulo bọtini ti awọn ijabọ itupalẹ ni SAP Analysis.

Awọn olumulo pupọ. Wọn ko nifẹ lati ṣe itupalẹ data ni ominira; wọn lo awọn ijabọ pẹlu iwọn ominira ti o lopin, ni ọna kika awọn iwe iroyin ati awọn tabili pivot ni Excel.

Ero wa ni lati bo awọn iwulo ti gbogbo awọn olumulo ati fun wọn ni ẹyọkan, irinṣẹ irọrun. A pinnu lati bẹrẹ pẹlu iṣakoso oke. Wọn nilo awọn dasibodu ti o rọrun lati lo lati ṣe itupalẹ awọn abajade iṣowo bọtini. Nitorinaa, a bẹrẹ pẹlu Tableau ati akọkọ yan awọn itọnisọna meji: soobu ati awọn afihan tita ori ayelujara pẹlu ijinle to lopin ati iwọn ti itupalẹ, eyiti yoo bo isunmọ 80% ti data ti o beere nipasẹ iṣakoso oke.

Niwọn igba ti awọn olumulo ti awọn dasibodu naa jẹ iṣakoso oke, KPI miiran ti ọja han - iyara esi. Ko si ọkan yoo duro 20-30 aaya fun awọn data lati wa ni imudojuiwọn. Lilọ kiri yẹ ki o ti ṣe laarin iṣẹju-aaya 4-5, tabi dara julọ sibẹsibẹ, ṣe lẹsẹkẹsẹ. Ati pe awa, alas, kuna lati ṣaṣeyọri eyi.

Eyi ni ohun ti iṣeto dasibodu akọkọ wa dabi:

Ero pataki ni lati darapọ awọn awakọ KPI akọkọ, eyiti o jẹ 19 lapapọ, ni apa osi ati ṣafihan awọn agbara wọn ati didenukole nipasẹ awọn abuda akọkọ ni apa ọtun. Iṣẹ naa dabi ẹni pe o rọrun, iworan jẹ ọgbọn ati oye, titi ti o fi lọ sinu awọn alaye.

Apejuwe 1. Data iwọn didun

Tabili akọkọ wa fun awọn tita ọdọọdun gba to awọn ori ila 300 milionu. Niwọn igba ti o jẹ dandan lati ṣe afihan awọn iṣesi fun ọdun to kọja ati ọdun ṣaaju, iwọn didun data lori awọn tita gidi nikan jẹ nipa awọn laini 1 bilionu. Alaye lori data ti a gbero ati bulọki tita ori ayelujara tun wa ni ipamọ lọtọ. Nitorinaa, botilẹjẹpe a lo iwe-iranti DB SAP HANA, iyara ti ibeere pẹlu yiyan gbogbo awọn itọkasi fun ọsẹ kan lati ibi ipamọ lọwọlọwọ lori fo jẹ nipa awọn aaya 15-20. Ojutu si iṣoro yii ni imọran funrararẹ - afikun ohun elo ti data. Ṣugbọn o tun ni awọn ipalara, diẹ sii nipa wọn ni isalẹ.

Apejuwe 2. Awọn afihan ti kii ṣe afikun

Ọpọlọpọ awọn KPI wa ni a so mọ nọmba awọn owo-owo. Ati pe Atọka yii ṣe aṣoju COUNT DISTINCT ti nọmba awọn ori ila (ṣayẹwo awọn akọle) ati ṣafihan awọn oye oriṣiriṣi da lori awọn abuda ti a yan. Fun apẹẹrẹ, bii atọka yii ati itọsẹ rẹ ṣe yẹ ki o ṣe iṣiro:

Lati jẹ ki awọn iṣiro rẹ tọ, o le:

• Ṣe iṣiro iru awọn itọkasi lori fo ni ibi ipamọ;
• Ṣe awọn iṣiro lori gbogbo iwọn didun ti data ni Tableau, i.e. lori ibeere ni Tableau, pese gbogbo data ni ibamu si awọn asẹ ti a yan ni granularity ti ipo gbigba;
• Ṣẹda iṣafihan ohun elo ninu eyiti gbogbo awọn olufihan yoo ṣe iṣiro ni gbogbo awọn aṣayan apẹẹrẹ ti o funni ni awọn abajade ti kii ṣe afikun.

O han gbangba pe ninu apẹẹrẹ UTE1 ati UTE2 jẹ awọn abuda ohun elo ti o nsoju ilana ilana ọja. Eyi kii ṣe ohun aimi; iṣakoso laarin ile-iṣẹ naa waye nipasẹ rẹ, nitori Awọn alakoso oriṣiriṣi jẹ iduro fun awọn ẹgbẹ ọja oriṣiriṣi. A ni ọpọlọpọ awọn atunyẹwo agbaye ti ipo-iṣakoso yii, nigbati gbogbo awọn ipele yipada, nigba ti awọn ibatan ti tun ṣe, ati awọn ayipada aaye igbagbogbo, nigbati ẹgbẹ kan ba lọ lati ipade kan si ekeji. Ninu ijabọ aṣa, gbogbo eyi ni iṣiro lori fo lati awọn abuda ti ohun elo; ninu ọran ti ohun elo ti data yii, o jẹ dandan lati ṣe agbekalẹ ẹrọ kan fun titele iru awọn ayipada ati gbejade data itan laifọwọyi. Iṣẹ-ṣiṣe ti kii ṣe pataki pupọ.

Apejuwe 3. Data lafiwe

Aaye yii jẹ iru si ti iṣaaju. Laini isalẹ ni pe nigba itupalẹ ile-iṣẹ kan, o jẹ aṣa lati ṣe agbekalẹ awọn ipele pupọ ti lafiwe pẹlu akoko iṣaaju:

Ifiwera pẹlu akoko iṣaaju (ọjọ si ọjọ, ọsẹ si ọsẹ, oṣu si oṣu)

Ni afiwe yii, o da lori akoko ti olumulo yan (fun apẹẹrẹ, ọsẹ 33rd ti ọdun), a yẹ ki o ṣafihan awọn agbara ni ọsẹ 32nd; ti a ba yan data fun oṣu kan, fun apẹẹrẹ, May , lẹhinna afiwe yii yoo ṣe afihan awọn agbara ni Oṣu Kẹrin.

Afiwera pẹlu odun to koja

Iyatọ akọkọ nibi ni pe nigbati o ba ṣe afiwe nipasẹ ọjọ ati nipasẹ ọsẹ, iwọ ko mu ọjọ kanna ti ọdun to kọja, i.e. o ko le kan fi awọn ti isiyi odun iyokuro ọkan. O gbọdọ wo ọjọ ti ọsẹ ti o n ṣe afiwe. Nigbati o ba ṣe afiwe awọn oṣu, ni ilodi si, o nilo lati mu deede ọjọ kalẹnda kanna ti ọdun to kọja. Awọn nuances tun wa pẹlu awọn ọdun fifo. Ninu awọn ibi ipamọ atilẹba, gbogbo alaye ti pin nipasẹ ọjọ; ko si awọn aaye lọtọ pẹlu awọn ọsẹ, awọn oṣu, tabi awọn ọdun. Nitorinaa, lati gba apakan-agbelebu atupale pipe ninu nronu, o nilo lati ka kii ṣe akoko kan, fun apẹẹrẹ ni ọsẹ kan, ṣugbọn awọn ọsẹ 4, lẹhinna ṣe afiwe data wọnyi, ṣe afihan awọn agbara, awọn iyapa. Nitorinaa, ọgbọn yii fun ṣiṣẹda awọn afiwera ni awọn agbara tun le ṣe imuse boya ni Tableau tabi ni ẹgbẹ ile itaja. Bẹẹni, ati pe dajudaju a mọ ati ronu nipa awọn alaye wọnyi ni ipele apẹrẹ, ṣugbọn o nira lati ṣe asọtẹlẹ ipa wọn lori iṣẹ ti dasibodu ikẹhin.

Nigbati a ba n ṣe adaṣe dasibodu, a tẹle ọna Agile gigun. Iṣẹ-ṣiṣe wa ni lati pese ohun elo iṣẹ pẹlu data pataki fun idanwo ni yarayara bi o ti ṣee. Nitorina, a lọ ni awọn sprints ati bẹrẹ lati idinku iṣẹ ni ẹgbẹ ti ipamọ lọwọlọwọ.

Apá 1: Igbagbo ni Tableau

Lati jẹ ki atilẹyin IT rọrun ati imuse awọn ayipada ni iyara, a pinnu lati ṣe ọgbọn fun iṣiro awọn itọkasi ti kii ṣe afikun ati afiwe awọn akoko ti o kọja ni Tableau.

Ipele 1. Ohun gbogbo ni Live, ko si awọn iyipada window.

Ni ipele yii, a so Tableau pọ si awọn ibi-itaja ti o wa lọwọlọwọ ati pinnu lati rii bii nọmba awọn owo-owo fun ọdun kan yoo ṣe iṣiro.

Esi:

Idahun si jẹ ibanujẹ - iṣẹju 20. Gbigbe ti data lori nẹtiwọki, ga fifuye lori Tableau. A rii pe ọgbọn pẹlu awọn afihan ti kii ṣe afikun nilo lati ṣe imuse lori HANA. Eyi ko dẹruba wa pupọ, a ti ni iriri kanna pẹlu BO ati Itupalẹ ati pe a mọ bi a ṣe le kọ awọn iṣafihan iyara ni HANA ti o ṣe agbejade iṣiro ti o tọ ti kii ṣe awọn itọkasi afikun. Bayi gbogbo ohun ti o kù ni lati ṣatunṣe wọn si Tableau.

Ipele 2. A tune awọn iṣẹlẹ ifihan, ko si ohun elo, ohun gbogbo lori fo.

A ṣẹda iṣafihan tuntun lọtọ ti o ṣe agbejade data ti a beere fun TABLEAU lori fifo. Ni gbogbogbo, a ni abajade to dara; a dinku akoko fun ṣiṣẹda gbogbo awọn afihan ni ọsẹ kan si awọn aaya 9-10. Ati pe a nireti ni otitọ pe ni Tableau akoko idahun ti dasibodu yoo jẹ awọn aaya 20-30 ni ṣiṣi akọkọ ati lẹhinna nitori kaṣe lati 10 si 12, eyiti ni gbogbogbo yoo baamu wa.

Esi:

Dasibodu ṣiṣi akọkọ: iṣẹju 4-5
Eyikeyi tẹ: 3-4 iṣẹju
Ko si ẹnikan ti o nireti iru afikun afikun ni iṣẹ ti ile itaja.

Apá 2. Dive sinu Tableau

Ipele 1. Tableau iṣẹ onínọmbà ati awọn ọna yiyi

A bẹrẹ lati itupalẹ ibi ti Tableau na julọ ti awọn oniwe-akoko. Ati pe awọn irinṣẹ to dara pupọ wa fun eyi, eyiti, nitorinaa, jẹ afikun ti Tableau. Iṣoro akọkọ ti a ṣe idanimọ ni awọn ibeere SQL ti o nira pupọ ti Tableau n kọ. Ni akọkọ wọn ni nkan ṣe pẹlu:

- data transposition. Niwọn igba ti Tableau ko ni awọn irinṣẹ fun gbigbe awọn iwe data, lati kọ apa osi ti dasibodu pẹlu aṣoju alaye ti gbogbo awọn KPI, a ni lati ṣẹda tabili kan nipa lilo ọran kan. Iwọn awọn ibeere SQL ninu aaye data de awọn ohun kikọ 120.

- wun ti akoko akoko. Iru ibeere bẹ ni ipele data gba akoko diẹ sii lati ṣajọ ju lati ṣiṣẹ:

Awon. ìbéèrè processing 12 aaya + 5 aaya ipaniyan.

A pinnu lati ṣe irọrun iṣiro iṣiro ni ẹgbẹ Tableau ati gbe apakan miiran ti awọn iṣiro si iwaju ile itaja ati ipele data data. Eyi mu esi to dara.

Ni akọkọ, a ṣe iṣipopada lori fo, a ṣe nipasẹ ọna asopọ ita ni kikun ni ipele ikẹhin ti iṣiro VIEW, ni ibamu si ọna yii ti a ṣalaye lori wiki. Transpose - Wikipedia, ìwé-ìmọ ọfẹ и Matrix alakọbẹrẹ - Wikipedia, encyclopedia ọfẹ.

Iyẹn ni, a ṣe tabili eto kan - matrix transposition kan (21x21) ati gba gbogbo awọn itọkasi ni fifọ-ila-ila-ila.

je:


di:


Fere ko si akoko ti o lo lori iṣipopada data funrararẹ. Ibeere fun gbogbo awọn afihan fun ọsẹ naa tẹsiwaju lati ni ilọsiwaju ni bii iṣẹju-aaya 10. Ṣugbọn ni apa keji, irọrun ti sọnu ni awọn ofin ti kikọ dasibodu kan ti o da lori itọkasi kan pato, ie. fun apa ọtun ti dasibodu nibiti a ti gbekalẹ awọn agbara ati fifọ alaye ti atọka kan pato, ni iṣaaju apoti ifihan ṣiṣẹ ni iṣẹju-aaya 1-3, nitori ibeere naa da lori atọka kan, ati ni bayi aaye data nigbagbogbo yan gbogbo awọn afihan ati ṣe iyọda abajade ṣaaju ki o to da abajade pada si Tableau.

Bi abajade, iyara ti dasibodu dinku nipasẹ fere awọn akoko 3.

Esi:

1. 5 iṣẹju-aaya - awọn dasibodu ti n ṣe itupalẹ, awọn iwoye
2. Awọn aaya 15-20 - igbaradi fun ikojọpọ awọn ibeere pẹlu ṣiṣe awọn iṣiro-tẹlẹ ni Tableau
3. 35-45 iṣẹju-aaya - ikojọpọ awọn ibeere SQL ati ipaniyan ti o jọra wọn ni Hana
4. 5 iṣẹju-aaya - awọn abajade sisẹ, tito lẹtọ, ṣiṣatunṣe awọn iwoye ni Tableau
5. Nitoribẹẹ, iru awọn abajade ko baamu iṣowo naa, ati pe a tẹsiwaju iṣapeye.

Ipele 2. Imọye ti o kere julọ ni Tableau, pipe materialization

A loye pe ko ṣee ṣe lati kọ dasibodu kan pẹlu akoko idahun ti awọn iṣẹju-aaya pupọ lori iwaju ile itaja ti o nṣiṣẹ fun awọn aaya 10, ati pe a gbero awọn aṣayan fun sisọ data ohun elo ni ẹgbẹ data pataki fun dasibodu ti o nilo. Ṣugbọn a pade iṣoro agbaye ti a ṣalaye loke - awọn afihan ti kii ṣe afikun. A ko lagbara lati rii daju pe nigba iyipada awọn asẹ tabi awọn drilldowns, Tableau ni irọrun yipada laarin awọn oriṣiriṣi awọn ile itaja ati awọn ipele ti a ti ṣe tẹlẹ fun awọn aṣagbega ọja oriṣiriṣi (ni apẹẹrẹ, awọn ibeere mẹta laisi UTE, pẹlu UTE1 ati UTE2 ṣe awọn abajade oriṣiriṣi). Nitorinaa, a pinnu lati jẹ ki dasibodu naa dirọ, kọ ilana ilana ọja silẹ ni dasibodu ati rii bi o ṣe le yara to ni ẹya irọrun.

Nitorinaa, ni ipele ti o kẹhin yii, a kojọpọ ibi-ipamọ lọtọ ninu eyiti a ṣafikun gbogbo awọn KPI ni fọọmu gbigbe. Ni ẹgbẹ ibi ipamọ data, eyikeyi ibeere si iru ibi ipamọ bẹẹ ni a ṣe ilana ni awọn aaya 0,1 - 0,3. Ninu dasibodu a gba awọn abajade wọnyi:

Ibẹrẹ akọkọ: 8-10 awọn aaya
Eyikeyi tẹ: 6-7 aaya

Akoko ti Tableau lo pẹlu:

1. 0,3 iṣẹju-aaya. - iṣiro dasibodu ati akopọ ti awọn ibeere SQL
2. 1,5-3 iṣẹju-aaya. - ipaniyan ti awọn ibeere SQL ni Hana fun awọn iwoye akọkọ (ṣiṣẹ ni afiwe pẹlu igbesẹ 1)
3. 1,5-2 iṣẹju-aaya. - Rendering, recalculation ti visualizations
4. 1,3 iṣẹju-aaya. - ipaniyan ti awọn ibeere SQL afikun lati gba awọn iye àlẹmọ ti o yẹ (Brand, Pipin, Ilu, Ile itaja), awọn abajade itupalẹ

Lati akopọ rẹ ni ṣoki

A fẹran ohun elo Tableau lati irisi wiwo. Ni ipele iṣapẹẹrẹ, a gbero ọpọlọpọ awọn eroja iworan ati rii gbogbo wọn ni awọn ile-ikawe, pẹlu ipin ipele-pupọ pupọ ati isosile omi awakọ pupọ.

Lakoko imuse awọn dasibodu pẹlu awọn afihan tita bọtini, a pade awọn iṣoro iṣẹ ṣiṣe ti a ko tii ni anfani lati bori. A lo diẹ sii ju oṣu meji lọ ati gba dasibodu ti ko pari iṣẹ ṣiṣe, iyara esi eyiti o wa ni etibebe itẹwọgba. Ati pe a ṣe ipinnu fun ara wa:

1. Tableau ko le ṣiṣẹ pẹlu tobi oye akojo ti data. Ti o ba wa ninu awoṣe data atilẹba ti o ni diẹ sii ju 10 GB ti data (iwọn awọn ori ila 200 million X 50), lẹhinna dasibodu yoo fa fifalẹ ni pataki - lati awọn aaya 10 si awọn iṣẹju pupọ fun titẹ kọọkan. A ṣe idanwo pẹlu mejeeji asopọ-ifiweranṣẹ ati jade. Iyara iṣẹ naa jẹ afiwera.
2. Idiwọn nigba lilo awọn ibi ipamọ pupọ (awọn ipilẹ data). Ko si ọna lati ṣe afihan ibatan laarin awọn iwe data nipa lilo awọn ọna boṣewa. Ti o ba lo awọn ibi-iṣẹlẹ lati so awọn ipilẹ data pọ, eyi yoo kan iṣẹ ṣiṣe pupọ. Ninu ọran wa, a gbero aṣayan ti ohun elo data ni apakan wiwo kọọkan ti o nilo ati ṣiṣe awọn yipada lori awọn iwe data ohun elo wọnyi lakoko titọju awọn asẹ ti a ti yan tẹlẹ - eyi jẹ eyiti ko ṣee ṣe lati ṣe ni Tableau.
3. O ti wa ni ko ṣee ṣe lati ṣe ìmúdàgba sile ni Tableau. O ko le fọwọsi paramita kan ti a lo lati ṣe àlẹmọ dataset kan ninu jade tabi lakoko asopọ ifiwe pẹlu abajade yiyan miiran lati inu dataset tabi abajade ibeere SQL miiran, igbewọle olumulo abinibi nikan tabi igbagbogbo.
4. Awọn idiwọn ni nkan ṣe pẹlu kikọ dasibodu pẹlu OLAP|Awọn eroja PivotTable.
   Ni MSTR, SAP SAC, SAP Analysis, ti o ba ṣafikun dataset kan si ijabọ kan, lẹhinna gbogbo awọn nkan ti o wa lori rẹ ni ibatan si ara wọn nipasẹ aiyipada. Tableau ko ni eyi; asopọ gbọdọ wa ni tunto pẹlu ọwọ. Eyi ṣee ṣe rọ diẹ sii, ṣugbọn fun gbogbo awọn dasibodu wa eyi jẹ ibeere dandan fun awọn eroja - nitorinaa eyi jẹ awọn idiyele iṣẹ ṣiṣe. Pẹlupẹlu, ti o ba ṣe awọn asẹ ti o ni ibatan ki, fun apẹẹrẹ, nigba sisẹ agbegbe kan, atokọ ti awọn ilu ni opin si awọn ilu ti agbegbe yii, o pari lẹsẹkẹsẹ pẹlu awọn ibeere aṣeyọri si ibi ipamọ data tabi Jade, eyiti o ṣe akiyesi fa fifalẹ awọn dasibodu.
5. Awọn idiwọn ninu awọn iṣẹ. Awọn iyipada pupọ ko le ṣee ṣe boya lori jade tabi, PATAKI, lori dataset lati Live-connecta. Eyi le ṣee ṣe nipasẹ Tableau Prep, ṣugbọn o jẹ iṣẹ afikun ati ọpa miiran lati kọ ẹkọ ati ṣetọju. Fun apẹẹrẹ, o ko le yi data pada tabi darapọ mọ ararẹ. Ohun ti o wa ni pipade nipasẹ awọn iyipada lori awọn ọwọn kọọkan tabi awọn aaye, eyiti o gbọdọ yan nipasẹ ọran tabi boya, ati pe eyi n ṣe agbekalẹ awọn ibeere SQL ti o nira pupọ, ninu eyiti data data n lo pupọ julọ akoko rẹ lati ṣajọ ọrọ ibeere naa. Awọn ailagbara wọnyi ti ọpa ni lati yanju ni ipele iṣafihan, eyiti o yori si ibi ipamọ eka diẹ sii, awọn igbasilẹ afikun ati awọn iyipada.

A ti ko fun soke lori Tableau. Ṣugbọn a ko ṣe akiyesi Tableau gẹgẹbi ohun elo ti o lagbara lati kọ awọn dasibodu ile-iṣẹ ati ohun elo kan pẹlu eyiti o le rọpo ati ṣe iṣiro gbogbo eto ijabọ ile-iṣẹ ti ile-iṣẹ kan.

A n ṣe agbekalẹ dasibodu ti o jọra ni bayi ni ohun elo miiran ati, ni akoko kanna, ni igbiyanju lati ṣe atunyẹwo faaji dasibodu ni Tableau lati le jẹ ki o rọrun paapaa diẹ sii. Ti agbegbe ba nifẹ, a yoo sọ fun ọ nipa awọn abajade.

A tun n duro de awọn imọran tabi imọran rẹ lori bawo ni Tabeau o ṣe le kọ awọn dashboards iyara lori iru awọn iwọn nla ti data, nitori a ni oju opo wẹẹbu nibiti data pupọ wa ju ni soobu lọ.

orisun: www.habr.com