Leve embora: O anfitrião Eric Kavanagh discute inteligência de negócios com o Dr. Robin Bloor e IDERAs Stan Geiger.
No momento, você não está logado. Faça o login ou inscreva-se para ver o vídeo.
Eric Kavanagh: Senhoras e Senhores Deputados, sejam bem-vindos novamente, é quarta-feira às 16:00 Leste e nos últimos dois anos isso significou o tempo para as Tecnologias Quentes, sim, de fato. Meu nome é Eric Kavanagh, serei o anfitrião do show de hoje. Adoro este tópico: “Exame de integridade: manutenção do BI corporativo saudável”, era sobre isso que falaria hoje. Há um ponto sobre o seu verdadeiramente.
Portanto, este ano, o hot - Hot Technologies foi realmente projetado para definir tipos específicos de tecnologia e você pode imaginar, no mundo do software corporativo, muitos e muitos fornecedores que vendem todos os tipos de produtos diferentes e o que acaba acontecendo lá são essas chavões que acabam se acostumando e sendo procuradas por vários fornecedores por coisas muito diferentes. E, portanto, o objetivo deste programa é realmente ajudar nossos amigos fornecedores e ajudar nosso público-alvo a identificar e entender o que tipos específicos de tecnologias realmente são e o que essas palavras significam quando você se dedica a questões de metal.
Então, vou ser um dos analistas hoje, também temos o Dr. Robin Bloor na linha e Stan Geiger da IDERA. Vamos apenas falar rapidamente sobre a importância da inteligência de negócios e das análises em geral. Essa é uma árvore de decisão básica, se você preferir, ou um fluxograma apenas fala sobre como você trabalha com os problemas da sua empresa, tendo discussões sobre diferentes tópicos, elaborando propostas e depois descobre o que as pessoas pensam. Eles concordam? Eles discordam? Qual é o consenso, se você tem algum, e como você trabalha nesse processo?
Bem, tudo isso é obviamente muito genérico, mas é um bom lembrete do processo pelo qual propomos idéias nas empresas, tomamos nossas decisões e depois avançamos. E o ponto principal é que os dados são necessários para cada um desses componentes. Hoje em dia, isso é ainda mais verdadeiro no mundo do big data, porque é claro que o big data é como esse gigantesco mecanismo da verdade por aí.Big data é realmente o que está acontecendo; seu representante de quem é onde, o que eles estão fazendo, o que estão comprando, o que lidam com as mídias sociais, twittando por exemplo. É claro que tudo isso pode ser invadido - você precisa ficar atento a isso - mas o ponto é que os dados são a arquitetura de referência, se você quiser, para a realidade.
Portanto, você deseja dados em todos os pontos deste processo de tomada de decisão. Agora, o consenso é importante. Se você quer usuários felizes, às vezes um chefe pode ter que ir contra o que todo mundo quer. Estávamos conversando sobre Steve Jobs logo antes do início do webcast e ele era notório por esse tipo de coisa. Ele recebeu uma citação famosa em que recomenda que as pessoas abafem o barulho que ouvem ao redor e depois atinjam sua visão, se souberem o que estão fazendo certo. Então, você nem sempre precisa de consenso, mas geralmente é uma boa idéia. Mas o objetivo geral deste slide e deste comentário é enfatizar a importância de que queremos tomar nossas decisões com base em dados, não apenas no instinto, embora o intestino seja geralmente muito bom em ajudá-lo a saber para onde você quer ir e, em seguida, você realmente deseja validar isso ou invalidá-lo com seus dados. E eu diria que não tenha medo de olhar para trás por lá, apenas como um bom marcador ou lembrar que, quando você olha para trás de vez em quando, pode pelo menos obter algum quadro de referência e entender de onde veio e está honesto sobre os erros que você cometeu. Todos nós cometemos erros, isso acontece.
Portanto, se você tem problemas de desempenho em seus sistemas de inteligência de negócios, bem, existe a antiga expressão “paciência é uma virtude”, não no mundo da TI, posso lhe dizer agora. Se os usuários aguardam muito tempo para que suas consultas retornem, ou não estão recebendo seus relatórios, isso acaba com a confiança e, quando a confiança acaba, é muito difícil recuperá-la. Então, eu coloquei uma linha aqui - cerca de 40 segundos hoje em dia é como 40 minutos em muitos casos - se uma consulta demorar 40 segundos, as pessoas esquecem do que estão falando, do que estavam pedindo os dados. Imagine em uma conversa se você perguntar a alguém, digamos ao seu chefe, você diz: "Ei, eu gostaria de saber por que está indo por esse caminho." E você teve que esperar 40 segundos em uma conversa para obter uma resposta ? Você sairia da sala! Você acha que seu chefe perdeu a cabeça. Portanto, essa latência que temos em alguns sistemas de informação, quando há problemas de desempenho, que truncará o processo analítico, o fluxo analítico ou, como algumas pessoas chamam, a conversa que você está tendo com seus dados. Você precisa acelerar nesses sistemas, o que quer que seja necessário para fazer isso, e falaríamos sobre isso hoje, é o que você precisa fazer, porque sem esse fluxo fluido de idéias, você está realmente danificando o todo processo de análise. Então, e mais uma vez, descarto esse comentário: a falta de confiança é um assassino silencioso. As pessoas realmente não levantam muito as mãos se não confiam em você, mas apenas olham para você de lado e se perguntam o que está acontecendo. E assim que essa confiança se acabar, você terá um tempo muito, muito difícil de recuperá-la.
Então, inteligência artificial, bem, continuamos ouvindo sobre aprendizado de máquina e IA e “Ah, isso não vai resolver todos esses problemas?” Robin e eu ouvimos há anos sobre auto-ajuste de bancos de dados e todas essas coisas divertidas - há parte disso, mas pergunte a si mesmo: com que frequência a Siri faz a coisa certa para você? Quantas vezes Siri apareceu acidentalmente e disse: "Desculpe, eu não entendi." Isso é porque eu não estava perguntando nada. Eu acidentalmente apertei o botão danado. Portanto, ainda existem muitas falhas e, a propósito, no lado esquerdo, esse é o chip ASIC de um Apple Newton - lembra daquele filhote de anos e anos atrás? Esse foi um dos primeiros dispositivos inteligentes, e isso meio que faz muito tempo, é o começo dos anos 90 ou meados dos anos 90, quero dizer. Que o Newton saiu e não era muito bom, mas tinha a visão; eles sabiam para onde estavam indo, mas mesmo agora, com a IA do iPhone e o aprendizado de máquina, esses são conceitos amplamente incompreendidos, eu diria.
E certamente com relação ao aprendizado de máquina, ele pode ser muito útil e realmente pode ser usado em alguns desses ambientes em que você está tentando entender o que está acontecendo com sua complexa arquitetura de informações, onde as coisas estão dando errado. O aprendizado de máquina pode ser muito valioso nesse sentido, mas somente se aplicado de maneira muito aguda. Então, eu estava apenas de fato em um grande evento na Califórnia, um dos grandes distribuidores do Hadoop que Cloudera teve sua reunião de analistas e eu estava conversando com o diretor de estratégia e disse: “Sabe, parece-me que realmente o aprendizado de máquina faz apenas duas coisas: segmenta e refina. ”Isso significa que você fornecerá segmentos ou grupos de atividades diferentes, incluindo anomalias, que seriam um segmento. E refina, o que significa que ajuda a melhorar um certo tipo de decisão. O exemplo clássico que você ouve é que há um ser humano nesta fotografia, por exemplo. Portanto, isso é algo que o aprendizado de máquina pode fazer, e é útil em certos aspectos, quando você está falando sobre solução de problemas, porque pode procurar padrões de comportamento no uso da CPU, no uso da memória, na velocidade do disco e no que os discos estão fazendo, e todo esse tipo de coisa divertida. Portanto, pode ser útil, mas é realmente algo que precisa ser muito focado para gerar qualquer valor.
Então, uma das minhas outras coisas favoritas para falar - e bem, meio que vejo um pouco disso, acho, quando tiramos nossa demo hoje do IDERA - de muitas maneiras, acho que os seres humanos ainda estão aprendendo a falar de silício. Existe uma ciência dos materiais por trás de tudo isso, e para aqueles que fizeram a solução de problemas e realmente analisaram as arquiteturas de informações complexas, quando estão tentando entender o que está acontecendo, mesmo em um cluster do Hadoop, por exemplo, na verdade você geralmente está apenas olhando para histogramas. E então você tem que correlacionar o que esses diferentes histogramas significam em um determinado momento no tempo, e isso requer inteligência; isso requer inteligência e experiência humanas. Então, eu não tenho medo de que ML, aprendizado de máquina ou IA vá tirar muitos empregos neste mundo tão cedo. Eu acho que sempre haverá uma necessidade de seres humanos, que francamente sabem do que estão falando para nos ajudar e fazer com que tudo isso aconteça.
Então, vamos seguir em frente. Então, o que acontece se você não for guiado por dados? Esta é uma pintura famosa, “Os cegos guiando os cegos” - não é isso que você procura, pessoal. Você não quer esse tipo de ambiente em sua organização. Então, o que queremos é que queremos que nossas decisões sejam conduzidas por dados e queremos que elas sejam conduzidas por bons dados, dados de boa qualidade e isso só acontecerá se você coletar os dados corretos, se forem agradáveis e limpos e se seus sistemas estão funcionando corretamente, se seus sistemas de BI estão saudáveis, seus sistemas de análise estão saudáveis e os usuários estão obtendo o que desejam em tempo hábil.
Então, com isso, vou encerrar e entregar ao inimitável Robin Bloor. Robin, leve embora.
Robin Bloor: Ok, obrigado por me passar a bola. Eu estava pensando enquanto você falava, Eric, eu estava pensando em BI e houve uma apresentação de um fornecedor em que participei recentemente, quando alguém comentou que em um fornecedor específico, executando um sistema específico em um grande e ruim data warehouse, eles fariam um um dado momento poderia fazer 70.000 transações de BI que levariam à apresentação de informações para muitas pessoas. Ocorreu-me que, se você realmente tem esse tipo de carga de trabalho, e até perde alguns segundos em termos de execução do software, isso realmente será muito caro, e se você perder minutos, será terrivelmente caro. E então me lembrei que grande parte do mundo roda em planilhas - acho que eles foram chamados de “sistemas de sombra”? Em um primeiro momento, onde as pessoas montavam sistemas usando planilhas e, e eles faziam as coisas acontecerem, porque o departamento de TI não pode criar aplicativos para todos, então eles meio que fazem isso. E muito do BI, eu acho, se envolve em sistemas como esse de qualquer maneira.
De qualquer forma, tendo dito isso, vamos falar sobre o que eu vou falar. Os BI são um ciclo de feedback para sistemas corporativos, realmente simples ou complicado, dependendo exatamente do papel que ela desempenha na organização. Mas se olharmos para isso, há um diagrama de cerca de quatro anos atrás, quando estávamos tentando, de uma maneira ou de outra, entender o que estava acontecendo do lado da análise. Mas, basicamente, tudo que é retrospectivo, olhando para o que aconteceu anteriormente, e tudo que é supervisionado, em termos da maneira como o sistema funciona, tende a ser BI. Não costumava acontecer que o que era previsão, análise preditiva, fosse BI, mas isso é realmente cada vez mais o caso. Eric mencionou o aprendizado de máquina, um monte de aprendizado de máquina pode, de uma forma ou de outra, apenas ser executado em um fluxo de dados e fornecer análises preditivas pelos próximos cinco minutos, ou mesmo quase em tempo real, para que você possa responder a uma pergunta. cliente, com um conhecimento calculado do que está realmente acontecendo.
Mas o centro deste diagrama, o interior, vem da análise. O que normalmente acontece é que várias atividades analíticas são apontadas para coleções particulares de dados e algo novo é aprendido, conhecimento é aprendido sobre o negócio. E esse conhecimento é então incorporado aos processos de negócios que podem ser alimentados. E, geralmente, se manifesta de uma maneira ou de outra como alertas de BI aparecendo, ou apenas várias coisas sendo colocadas em painéis, e assim por diante. Quando realmente fizemos isso, existem quatro termos lá e eles terminam com a palavra "visão", que é muito agradável. Mas, na verdade, não é tudo no campo do que as pessoas querem fazer; também há o problema de otimização e otimização que não produz análises simples. Seu problema muito complexo e muitos problemas de otimização não são exclusivamente solúveis. Você só pode ter boas soluções, não pode provar que tem uma solução melhor. E isso é uma área de atividade, onde há atividades em andamento, mas é menos do que a maioria das outras áreas de análise. Então, as pessoas dizem que vivemos na era da análise - bem, comparamos a dez anos atrás, mas ela pode ir muito além do que já foi.
Assim, o início do BI, o desejo de conhecimento gera solicitações de usuários, o que gera projetos de análise e os projetos de análise geram lagos de dados, e os lagos de dados mais a análise geram insights e idéias geram o BI. Isso é uma história que acabei de contar; Eu apenas pensei em escrever isso. O que eu meio que fiz aqui, quero dizer, o ponto principal deste slide e, na verdade, a maioria dos outros slides, é apenas para enfatizar o quão complexo é o mundo da inteligência de negócios. Não é uma coisa simples, eu poderia ter tornado esse slide específico muito mais complicado do que realmente é, mas você tem aqui na parte inferior, dados externos e internos que, de uma maneira ou de outra, serão colocados em uma etapa área, que hoje em dia é uma espécie de lago de dados, embora nem todos tenham lagos de dados. E pessoas que não necessariamente têm sucesso. E, em seguida, há uma atividade de limpeza ingerida e uma atividade de controle necessária nos dados antes que você possa realmente usá-los. E então, você fornece esses dados e os informa ou os analisa, e a análise leva à ação.
E se você realmente observar os vários tipos de análise existentes, esta é uma lista incrivelmente longa, mas não necessariamente uma lista completamente abrangente, é exatamente o que eu pensei em escrever quando estava criando esse slide. Então, existem muitas coisas que acontecem em um ambiente de BI que, como visualização, OLAP, gerenciamento de desempenho, scorecards, painéis, vários tipos de previsão, lagos de dados, mineração, mineração de vídeo e previsão, existe um vasto espectro de coisas que realmente continua. Se você olhar para isso de uma maneira diferente, a realidade corporativa, basicamente este é realmente um diagrama semelhante ao último, feito apenas de uma maneira diferente. Separei o que você chamaria de BI porque é regular e é conhecido o que é necessário, o que não significa que o que está realmente acontecendo seja eficiente, mas pelo menos você terá coisas regulares acontecendo, digamos, Tableau, Click ou Click ou Cognos, existe uma fonte de assunto e assim por diante, vários relatórios ou recursos regulares continuarão. E então você tem os aplicativos de análise e eles são diferentes. Como os aplicativos de análise são realmente para explorar dados e, na minha opinião, isso equivale a pesquisa e desenvolvimento. E então você tem fluxo de trabalho. No fluxo de trabalho, misture suas coisas com aplicativos operacionais e aplicativos de escritório, se necessário - e essa é a realidade corporativa como eu a vejo - embora na maioria das organizações não seja tão bem organizado.
Portanto, a interrupção do BI é apenas um conjunto de coisas a serem mencionadas, o que torna o BI mais difícil do que costumava ser, porque o antigo mundo do BI consistia principalmente em conjuntos de dados razoavelmente limpos, de uma maneira ou de outra capturados, provavelmente de um data warehouse e alimentados por informações específicas. Software de BI. E naqueles dias, eu realmente estou falando há cinco ou dez anos, mas, naqueles dias, os volumes de dados não estavam se expandindo, as fontes de dados eram conhecidas. A velocidade de chegada dos dados era conhecida, embora muitas vezes algum BI não estivesse acontecendo rápido o suficiente para certos usuários. Não havia dados não estruturados, quase não havia dados sociais, certamente não havia dados da IoT, você não se importava com a proveniência dos dados. O valor do computador não tinha paralelismo em termos de infraestrutura para poder, de uma maneira ou de outra, fazer coisas extraordinariamente rápidas. Você não possuía aprendizado de máquina e o número de cargas de trabalho analíticas era relativamente pequeno. E tudo isso mudou, o volume de dados agora pode estar crescendo drasticamente. O número de fontes de dados que continua aumentando. Sim, transmitindo a chegada de dados muito rapidamente, muitos dados não estruturados, certamente dados sociais que precisarão de limpeza, mas outros dados que podem precisar de limpeza, certamente dados da IoT, são o negócio agora.
A proveniência dos dados é um problema e nós nos preocupamos com isso. A energia do computador está lá, o que é legal, porque isso viabiliza todo tipo de coisa, e agora você tem o aprendizado de máquina como um fenômeno que leva à criação de mais recursos de BI e novas cargas de trabalho analíticas que fazem o mesmo. Então, BI não é uma situação estática e acho que é a última coisa que vou dizer antes de entregá-lo a Stan. Oh não, não é, há outra coisa. Futuro cenário de BI, a Internet das Coisas, arquiteturas orientadas a eventos, tudo em tempo real, OK. Isso é suficiente BI do usuário, pelo usuário, para o usuário os problemas em resumo. Oportunidade de desempenho do fluxo de dados, cobertura de dados, limpeza de dados, habilidades de acesso a dados, visualização, capacidade de compartilhamento e ação.
Portanto, agora posso transmiti-lo ao Stan, a menos que o serviço de BI seja confiável e oportuno, ele não é um serviço. Stan?
Eric Kavanagh: Tudo bem, Stan, estou lhe dando a bola, leve-a embora.
Stan Geiger: ESTÁ BEM. Então, o que eu vou falar é apenas o meu passado. Sou gerente sênior da IDERA em gerenciamento de produtos e uma das responsabilidades que tenho é o produto que oferece inteligência de negócios. Então, vou expandir um pouco sobre o que Robin estava falando e falar sobre a área principal com inteligência de negócios é monitorar a integridade da plataforma. É como ele disse, agora era onde tínhamos todos esses dados e levava semanas para analisar e depois voltávamos com relatórios e outras coisas. Mas o cenário de BI está mudando tanto que agora estamos mais próximos das análises em tempo real. E, em muitos casos, análises reais em tempo real. Então, eu falo um pouco sobre esse slide, isso é apenas uma espécie de visão geral - e, como uma divulgação completa, vou falar sobre isso da perspectiva da Microsoft, mas todos esses conceitos abordam se suas plataformas de BI são no Oracle, ou você está usando ambientes híbridos da Informatica e Oracle, ou apenas de modo misto. Eu só vou usar em referência ao ambiente da Microsoft, mas isso é bastante padrão.
Robin tinha um slide lá que abordou isso, é que você tem sistemas de origem, onde eu tenho todos os meus dados, e agora costumavam ser esses, todos em bancos de dados relacionais e armazenamento de dados como esse, mas agora temos o Hadoop e internet e outras coisas, e todos esses dados não estruturados existentes, e agora podemos trazê-los para essa arquitetura de BI. Portanto, a camada intermediária que fala um pouco é o armazenamento de dados em agregação; é aqui que extraímos os dados, podemos limpá-los, reestruturá-los e, em seguida, colocamos algum tipo de armazenamento de dados e a camada de apresentação fica por cima disso, e é aí que os usuários estão acessando. E eles estavam analisando esses dados nesses armazenamentos de dados, e estavam fazendo painéis, e colocamos o Tableau lá, relatando serviços, coisas assim. Eu sempre ri porque quando eu era arquiteto da BA, sempre ríamos do Excel, porque vamos encarar, o Excel é a ferramenta de BI das massas, ainda.
Então, um pouco de uma visão geral, mas apenas para falar sobre o tipo de arquitetura da plataforma, você obteve seus dados de origem e eu conversamos sobre isso em vários armazenamentos de dados. E então eu tenho meu armazenamento agregado no mundo da Microsoft, você terá seu banco de dados do SQL Server, talvez onde esteja o seu data warehouse, ou talvez o data warehouse na nuvem, como seu data warehouse. Você tem serviços de análise, que são os seus tubos OLAP e coisas assim para fazer agregações e ver coisas em várias dimensões e coisas assim. Então você tem a sua camada de apresentação, sobre a qual falei brevemente, de todas essas coisas que estão no topo desses armazenamentos e agregações de dados. E eu sempre gosto dessa citação: "Você não sabe o que não sabe", o que é verdade. Se você não está monitorando e não está vendo o que está acontecendo, em todas essas áreas da sua plataforma de BI, como você sabe quando tem um problema que não seja quando os usuários estão começando a te desagradar e o telefone começa a tocar por que meus relatórios não estão sendo executados? Por que tudo está demorando tanto?
Então, nesse sentido, o que você precisa fazer é poder monitorar suas plataformas nas quais você está servindo business intelligence. E eu basicamente dividi isso em três áreas: você tem disponibilidade, desempenho e utilização. Disponibilidade significa se o recurso está disponível: está ativo ou inativo? Bem simples lá.Mas, também, observando quando você possui, a plataforma pode estar disponível, mas você pode estar tendo problemas por lá; portanto, é necessário poder identificar a causa raiz; você precisa ser capaz de alertar e deixar alguém saber o que está acontecendo, antes que as coisas cheguem a um estado crítico. Isso também leva ao lado do desempenho: você obtém informações de um nível de métrica de desempenho, no nível do servidor, onde os serviços ou serviços de BI ou plataformas de BI estão hospedados; você tem desempenho no nível do recurso, onde talvez esteja acessando dados de uma SAN, por exemplo. Sendo a SAN o recurso, recursos de rede, você precisa monitorar o desempenho de tudo isso, identificar gargalos e manter seus usuários satisfeitos. Se você estiver em um ambiente em que estiver fazendo análises em tempo real, precisa ser capaz de identificar gargalos ou problemas antes que eles comecem a acontecer.
E a última teoria é a utilização: o que os usuários estão fazendo? Quem está conectado às minhas fontes de BI? Quem está executando o quê? Quais consultas eles estão executando? Quais relatórios eles estão executando? O conhecimento dessas informações ajuda a determinar e planejar a capacidade, por exemplo. Também mostra o que está sendo utilizado no seu ambiente de BI. Tínhamos um cliente que queria o nosso produto de monitoramento para BI, apenas para saber quais partes do ambiente de BI estavam utilizando para que pudessem mover recursos. Por exemplo, se eles não estivessem utilizando determinados relatórios ou determinados cubos de serviços de análise, eles moveriam recursos disso para outras áreas que estavam sendo altamente utilizadas. Outra citação que eu gosto, eu gosto de ótimos filmes como “Tremores”, então conte o meu filme, então eu gosto dessa citação de Burt Gummer, que foi interpretado por Michael Gross, ele é o cara da arma sobrevivente e ele diz, ele aparece e ele puxa esse enorme rifle sniper de 50 calibres, e um dos caras diz: "Droga, Bert". E ele responde: "Quando você precisa e não precisa, canta uma música diferente". outras palavras, você sabe o que? Ele estava preparado para qualquer coisa e veio preparado para qualquer coisa, e então o que quero dizer com isso é que, se você não está monitorando seu ambiente de BI a partir de recursos e utilização e coisas das quais acabei de falar, não percebe que precisa de uma ferramenta, um ambiente ou estrutura que é monitorá-lo até que você não o tenha. E então você percebe que eu realmente precisava disso daqui para frente, e é assim que muitos de nossos clientes são.
Assim, tendo dito isso, entraremos e daremos uma olhada no que estava fazendo aqui no IDERA para resolver alguns desses problemas. E-
Eric Kavanagh: Ok, lá está, eu vejo.
Stan Geiger: Você vê? OK. Então, o que temos aqui é o nosso produto BI Manager. E monitoramos, tradicionalmente, o IDERA tem sido uma empresa no ambiente SQL Server, Microsoft SQL Server. E então compramos no Embarcadero, agora expandimos para outras plataformas, mas nosso produto de BI tradicionalmente monitora a pilha de BI no ambiente da Microsoft. E isso seria serviços de análise para sua análise multidimensional e tabular, serviços de relatório, ferramenta de relatório e serviços de integração, que é uma plataforma ETL, semelhante à Informatica.
E através do nosso produto, você é capaz de monitorar todos os três ambientes através de um produto, e o que você está vendo aqui é o painel geral, e o que deve ser observado aqui é quando eu falei sobre o alerta, é uma coisa a monitorar, mas é isso não é suficiente - você precisa de um mecanismo de alerta. Em outras palavras, eu preciso ser notificado antes que as coisas cheguem a um estado crítico. Portanto, o que fazemos aqui, há todo um conjunto de métricas que capturamos que são configuráveis porque, dependendo do seu ambiente, de certos limites, você pode concordar com um tempo de leitura de trinta milissegundos no seu ambiente. Em outros ambientes, pode ser mais crítico que esse limite seja mais baixo, por isso é importante não apenas ter alertas, mas configurá-lo porque os ambientes são diferentes dependendo dos recursos.
Portanto, basicamente, esta é uma visão geral de todos os ambientes que estão sendo monitorados aqui e tenho três instâncias aqui: uma para serviços de análise, uma para serviços de integração e outra para serviços de relatório. E você vê que tenho alguns alertas aqui. E por serem vermelhas, isso me diz que são críticas, porque tenho vários níveis em que posso definir esses alertas e os alertas podem ser enviados a pessoas responsáveis por investigar qual é o problema. Então, dê uma olhada rápida e voltarei ao alerta, para que possamos entrar na parte dos serviços de análise e no seu, tenho certeza que está esperando para carregar aqui. E basicamente, o que fazemos, temos uma coleta de dados; ele sai periodicamente e sai por aí e coleta e captura instantâneos do tipo que seus ambientes estão fazendo. Então, eu tenho o meu definido a cada seis minutos, então a cada seis minutos ele sai e examina o meio ambiente. Eu tive minha VM adormecida por um tempo, então levará um segundo para que isso retorne. Aqui vamos nós.
Então, vamos dar uma olhada na parte dos serviços de análise e, então, clicarei na minha instância aqui e lembre-se de que falei sobre uma das coisas que monitoramos é o desempenho no nível do servidor, porque muitas pessoas têm várias coisas em execução seu servidor. Talvez eu tenha um banco de dados em execução no meu servidor, bem como serviços de análise, por exemplo. Portanto, se algo está acontecendo no banco de dados ou eu tenho um problema no nível do servidor, isso afetará o que está acontecendo lá. Portanto, monitore as coisas no servidor no nível do servidor, como diminui o desempenho do disco e você pode ver que capturamos métricas em torno de tudo isso. E tudo isso é configurável. E eu dou uma olhada no que está acontecendo, em termos de CPU, apenas e novamente, isso é no nível do servidor, não no nível dos serviços de análise no meu exemplo aqui. Mas, na verdade, no nível do servidor.
E posso ver coisas como qual é a memória, o uso geral da memória, por exemplo, o que está disponível? Então agora eu tenho uma idéia do que é a saúde do próprio servidor. Então, podemos começar a dar uma olhada em coisas específicas, neste caso, serviços de análise. Posso ver e ver como está o processamento do meu cubo aqui, por exemplo, e isso me dá uma medida da saúde. Se eu começar a ver que o processamento está demorando mais, ou se as linhas não estão sendo gravadas tão rapidamente, então posso começar a dar uma olhada - e isso vai para a parte de correlação que eu acredito que Robin estava falando, é que ainda é preciso que um humano seja capaz de fazer tudo isso. Falamos sobre IA, aprendizado de máquina, mas ainda é preciso que um humano seja capaz de correlacionar esses eventos em torno das coisas. Podemos dar uma olhada em coisas como o que está acontecendo em consultas distantes, quais consultas estão sendo executadas e quanto tempo elas estão demorando? Posso classificar, para começar a ter uma idéia de quais consultas estão demorando mais tempo. Você pode dar uma olhada aqui no tempo decorrido, eu posso dar uma olhada e ver OK, o que foi essa consulta e quem estava executando essa consulta naquele momento?
Para que eu possa começar a contar uma história a esse respeito, tanto quanto quando começar a ver as coisas começarem a acelerar, eu posso voltar e ver o que os usuários estavam fazendo naquele momento. E você verá que uma das coisas que fazemos é colocar esse selecionador de tempo aqui para permitir que você escolha uma janela de tempo. Por exemplo, posso voltar a esses alertas e, na verdade, era um link desses alertas em que clicava, e levaria para mim o momento em que esse alerta ocorreu. E então eu posso começar a montar a história, eu posso ver, oh, bem, as leituras do disco estavam em alta, ou tinham problemas de memória ou o que quer que seja, e então eu posso pular a atividade de consulta no mesmo ponto no tempo e posso realmente começar correlacionando quem estava executando as consultas que poderiam ter causado esses picos lá. E então, você pode começar a fazer coisas como eu posso começar a afinar, é quando eu começo a afinar. É como um carro, se você construir um carro de corrida e simplesmente largar o motor e acionar a chave, o motor poderá ligar, mas se eu precisar percorrer 180 milhas por hora para vencer, preciso saber que o motor pode funcionar 100 milhas por hora e eu preciso ir lá e começar a ajustar o motor para poder chegar lá. E é isso que isso permite que você faça, seja capaz de fornecer informações suficientes para começar a ajustar seu ambiente, aumentar a saúde e a produção desse ambiente e a eficiência.
E então, monitoramos as coisas na memória, particularmente nos serviços de análise, neste caso. E é aí que você pode começar a ver onde as coisas podem dar errado, quando você começa a ver as coisas subirem entre os limites de sua memória, coisas assim. Outra coisa interessante é que, sempre que você estiver executando qualquer tipo de consulta, você deseja que os dados sejam armazenados em cache, porque quando eles são armazenados em cache, ficam na memória e não precisam ler do disco, o que é muito mais eficiente do que tendo que ler dados do disco. Assim, você pode começar a dar uma olhada no que está acontecendo, com licença, no cache de dados, por exemplo. Eu tinha várias consultas em execução anteriormente, para obter esses dados, e você pode ver que, na maioria das vezes, as ocorrências e pesquisas de cache estão sobrepostas, o que é bom. Mas eu tive um período aqui em que as ocorrências eram muito menores do que as pesquisas, o que me diz que eu tinha alguma coisa que consumia muita memória, de modo que o cache era liberado muito mais rapidamente, então os dados precisavam ser leia do disco. E podemos ver isso quando olhamos para o mecanismo de armazenamento. Este é o mesmo ponto no tempo que o outro gráfico, e você pode ver o pico lá, onde as consultas do arquivo realmente aumentaram durante esse período. E isso significa que os dados estavam sendo lidos do disco. Agora, posso voltar e correlacionar isso com as consultas que estavam sendo executadas, e não para que todos os ouvidos sangrem, mas nos serviços de análise, ele usa uma linguagem chamada MDX, há maneiras de escrever consultas com mais eficiência, usando o cache com mais eficiência e menos armazenamento. Portanto, há um exemplo de ajuste desse mecanismo e de todas as peças necessárias para poder correlacionar isso.
Rapidamente, também podemos inverter o caminho de outra maneira. Quando olhamos para as consultas, podemos ver agora as sessões, que estão realmente conectadas neste momento e o que elas estão executando? Portanto, isso fornece uma visão oposta das consultas e quem as executa. Isso está conectado e, em seguida, posso ver o que eles estão executando atualmente. A outra coisa, apenas para passar rapidamente, é que você pode ver todos os objetos nos meus cubos MOLAP multidimensionais. E eu posso obter informações sobre isso. Por exemplo, posso classificar por esta coluna de leitura e ver que o objeto mais utilizado é a dimensão do tempo e o segundo mais utilizado é a dimensão do cliente. E isso ajuda as pessoas que desenvolvem e constroem coisas a construir seus cubos com mais eficiência. Talvez eu queira alterar minha estratégia de particionamento dos dados, por exemplo, nessas dimensões altamente utilizadas em meu cubo e, portanto, isso aumentará o desempenho das consultas, por exemplo. Isso pode diminuir o desempenho do processamento do cubo, porque agora eu tenho mais partições, mas da perspectiva do usuário vai ajustar esse mecanismo, para ser mais eficiente na utilização desses objetos.
Então, siga em frente, fale sobre serviços de integração aqui. Os serviços de integração, mencionei, são uma plataforma ETL em um ambiente Microsoft. O que fazemos aqui - e isso é consistente - monitoramos o desempenho do servidor, e essas seriam as mesmas métricas que examinamos, porque todos os meus serviços estão em execução no mesmo servidor. Mas, novamente, esta é uma visão geral do que está acontecendo no servidor. E então eu posso olhar para a atividade de serviços de integração, meus processos de ETL. Portanto, posso ter uma ideia de quando esses processos foram executados, sejam eles bem-sucedidos ou não, posso destacar uma execução específica de um processo ETL e, em seguida, ele me mostrará o detalhamento das etapas desse processo ETL, se foi bem-sucedido ou não e quanto tempo levou.
Agora, se eu tivesse um pacote com falha no processo ETL, poderia ir aos detalhes e ver o erro e ele me mostraria qual etapa do pacote em que esse processo ETL falhou, juntamente com todos os s associados a ele. Então, o que isso faz é o que me dá, e eu posso receber um alerta se falhar, então se eu receber um alerta, eu posso entrar aqui, ver, ir para esse alerta, ver a falha do pacote, olhar para as etapas , veja onde ele falhou, observe o erro e eu imediatamente sei o que preciso fazer para corrigir isso: reimplemente-o e inicie-o novamente. Então, o que isso permite que você faça é o chamado encurtamento dessa janela entre a identificação do problema e a resolução do problema. Portanto, na vida anterior, quando eu era responsável por esse tipo de coisa, tínhamos o processo ETL que seria executado à noite para carregar nosso armazém de dados. Se eu tivesse essas informações, logo pela manhã quando cheguei, se algo falhou, posso resolvê-las rapidamente e recuperar esse processo para garantir que o data warehouse esteja em funcionamento e atualizado e atualizado quando os usuários entrou e começou a acessar os relatórios.
A outra coisa é que tenho dois processos em execução, é olhar e ver como funcionou ao longo do tempo. Isso é importante porque, se eu começar a ver esses processos, por exemplo, demorar mais, ver esses tempos aumentarem, talvez seja necessário dar uma olhada, por exemplo, na minha janela de manutenção, talvez eu tenha coisas acontecendo nesse servidor . Faça, por exemplo, backups; Posso ter um backup em andamento, o que faz com que meu processo aguarde até que seja concluído. Talvez eu precise reagendar ou manipular meus processos em torno de coisas que estão começando a impactar meu ETL.
E a última peça é relatar serviços. O Reporting Services é o Microsofts, basicamente sua ferramenta de relatórios corporativos. E algumas das coisas, novamente, podemos ver as coisas no nível do servidor, podemos ver as coisas no servidor de relatório, no próprio servidor de serviços de relatório. Não tenho muitas coisas rodando aqui; Eu tenho algumas assinaturas que são executadas a cada 15 minutos, para gerar um relatório. Portanto, você não verá muitas conexões ativas porque elas se conectam, conectam, executam relatórios, desconectam e desligam.
Porém, em ambientes transacionais elevados, onde muitos relatórios estão sendo feitos, é possível monitorar essas coisas. Então, você pode ver onde eu tinha as coisas aqui, para que você tenha uma boa idéia do que está acontecendo no nível real de serviço e plataforma. E então, como falei nos slides, quem está executando o que e o que está fazendo? E um de nossos clientes comprou este produto apenas para esta peça, porque queria saber quais relatórios as pessoas estavam executando e quem os executava. Portanto, essa é uma das coisas nesta execução de relatório que você pode ver aqui. Posso ver qual relatório, posso ver quaisquer parâmetros que estavam nesse relatório, posso ver quem está executando, posso ver o formato do relatório. E então eu tenho todas essas métricas, então, se novamente, posso classificar essas coisas, por exemplo, qual relatório demorou mais para recuperar dados e posso ir direto a isso e ver qual relatório é esse. E, novamente, tudo isso me fornece dados para ajustar o mecanismo novamente. Agora, posso começar a ajustar meu ambiente de relatório em torno disso.
E a última coisa, posso dar uma olhada na atividade do usuário, que está conectada novamente ao que está fazendo atualmente? Na verdade, eu posso, em um ambiente onde eu tinha multiusuários, tudo isso pode ser classificado, para que eu possa classificar, posso ver quem utiliza mais o ambiente. Portanto, basta voltar rapidamente e dar uma olhada nesses alertas. Aqui estava aquele alerta; Posso clicar neste link aqui e ele me levará ao gráfico para esse momento e me mostrará qual estava em alerta. Então você pode ver aqui, foi o que causou a média de milissegundos de gravação, por exemplo, leitura e gravação. Então, novamente, apenas tentando entender esse ponto de identificação dos problemas. E é realmente importante ter uma ferramenta holística, não apenas algo que olhe para uma coisa, porque os humanos precisam entrar aqui e correlacionar esses eventos que estão acontecendo, então você precisa ser capaz de ver o que estava acontecendo naquele momento. apontar no tempo através das várias áreas desse ambiente e essa é uma das coisas que fazemos através desse seletor de tempo aqui.
Eric Kavanagh: Sim, aqui é o Eric, apenas com uma pergunta rápida, porque eu acho que você provavelmente bateu na unha da cabeça, e era sobre isso que eu estava falando no topo da hora, que um ser humano tem que entrar e desenhar esses correlações entre diferentes ambientes. Estou curioso para saber, existe algum material educacional que vocês possam compartilhar, ou talvez faça algum tipo de envolvimento com as pessoas para ajudá-las a identificar alguns desses padrões? Como se você tivesse um bom exemplo há um minuto atrás, sobre quando um desses está disparando que indica que algo está acontecendo na memória porque ele continuava tentando despejar a memória. E isso lhe dá uma pista, mas como as pessoas mapeiam essas estatísticas contra problemas do mundo real, é a verdadeira questão.
Stan Geiger: Sim, esse é um bom argumento e uma das coisas que eu estava falando, roteiro para o produto, será que ainda este ano lançaria uma versão e uma das coisas que começaria a adicionar é a cada um desses gráficos , é uma descrição do significado deste gráfico, por que você deve se importar e qual é o impacto disso. Portanto, seja possível clicar em um ponto de interrogação ou algo neste gráfico e abrir uma janela que fornecerá muitas dessas informações e informará que essas são as possíveis causas, essas são as áreas afetadas e para guiar você em uma direção de poder ir nesse caso, como você disse, aqui está aquele pico, eu sei por experiência própria o que isso significa. E então eu posso começar a ir e começar a perfurar uma área e encontrar a causa raiz.
Agora, temos muito disso, na verdade, em nosso produto gerenciador de diagnóstico para o SQL Server, para o banco de dados real. Temos um monte desse tipo de funcionalidade em um produto como esse e também temos algumas ferramentas de análise para o gerente de diagnóstico que o induzem muito mais rapidamente. E é aí que estávamos indo adiante com este produto.
Eric Kavanagh: E acho que existem assinaturas para certos tipos de atividade. Essa ferramenta permite identificar quando um determinado tipo de evento ocorreu e catalogar que, com o passar do tempo, ele reconhece um padrão semelhante na linha e ajuda a descobrir se é um novo usuário, por exemplo, usando o mesma ferramenta? Ajudá-lo a entender, ah, isso ocorre porque esses servidores caíram ou porque esta região caiu? Existe alguma maneira de catalogar assinaturas de problemas, para que você possa identificá-las facilmente mais tarde?
Stan Geiger: Não, na verdade, mas isso é realmente um conceito interessante, porque é quase como, o que é - análise de componentes principais, eu acho - onde você identifica padrões e registra esses padrões; portanto, se os vir novamente, poderá voltar e ver, OK, essa foi a causa naquele momento.Sim, isso é algo, não está no roteiro, mas é algo que eu tenho pensado do ponto de vista do gerenciamento de produtos.
Eric Kavanagh: Eu posso imaginar. Oh, vá em frente.
Stan Geiger: Não, eu diria - e recebemos muitas solicitações, porque não sei qual é a sua experiência - mas o que descobrimos são os DBAs conhecem bancos de dados como as costas das mãos deles, mas o material de BI é como um preto caixa quando se trata de integridade da plataforma. E não, eles não têm muita base de conhecimento em torno disso. Sim, apenas por ter trabalhado nele por cinco a dez anos, certo? Mas as pessoas típicas que são responsáveis por encontrá-las ou receber alertas e descobrir o que estava acontecendo, é uma espécie de caixa preta para elas.
Eric Kavanagh: Sim, eu posso imaginar. Também ficaria curioso para saber, para que você estivesse mostrando nessa tela como pode ver todas as consultas que estão sendo processadas, quanto tempo levaram para executar e quem as gerou. Você também pode ver a estrutura real da própria consulta SQL e meio que fazer alguma análise em torno disso? Talvez, às vezes, as pessoas montem consultas SQL que são meio volumosas, digamos, e complicadas, em oposição a um mestre que realmente reúne uma consulta justa e agradável. É algo que você pode visualizar através desta ferramenta e depois ajudá-lo a resolver o problema?
Stan Geiger: Sim, então o que você pode fazer é, como o que fiz aqui, é apenas classificado por tempo decorrido, por exemplo. Para que eu possa ver os que demoraram mais e depois recebo o, mas ainda cabe a alguém que é mais ou menos o especialista no assunto olhar para isso e dizer: “Ah, ok, aqui está o porquê de levar tanto tempo. ”É algo que temos uma espécie de análise de carga de trabalho, que chamamos de SQL Workload Analyzer para o lado do banco de dados, que eu tenho brincado com a ideia de talvez, no futuro, encontrar algo semelhante, para que identifique essas consultas e em seguida, fornece recomendações sobre como ajustar essas consultas. Mas um dos problemas é que essa consulta MDX é uma linguagem bastante especializada.
Eric Kavanagh: Sim, eu posso imaginar. Mas você pode ver, por exemplo, quem são as pessoas, por isso não é muito difícil descobrir se uma pessoa, se um cara é responsável por dez das consultas mais longas do processo, e se não há mais nada que possa chamá-lo ou ligar seu gerente ou alguém e diga: "Ei, esse pessoal está consumindo muita largura de banda" e talvez essas sejam as consultas mais valiosas para o negócio, certo? Você precisa colocá-lo no sentido de qual é o valor do negócio, pelas próprias consultas, não é apenas um jogo de números claro, certo? É para descobrir, bem, esse cara é nosso usuário avançado, e ele está mudando de negócio, certo?
Stan Geiger: Não, você está exatamente certo. Quero dizer, essa é uma das maneiras pelas quais os clientes usam isso, é poder fazer isso. Como você disse, você pode encontrar uma área, porque uma das coisas de que falo, sempre escasso no Excel, mas você pode conectar-se a serviços de análise no Excel e executar tabelas dinâmicas fora do OLAP, e ele gera suas próprias consultas e eles e, às vezes, não são a melhor forma, então você pode voltar e identificá-los, reescrevê-los e entregá-los ao usuário e deixá-los executá-los fora de lá para que não demore meia hora para voltar. à sua mesa dinâmica.
Eric Kavanagh: Exatamente. E quando falamos de consultas, vocês cobrem toda a gama de consultas. Então, você mencionou o MDX, e algumas das outras consultas, como uma consulta DAX, ou outras?
Stan Geiger: Sim, nós cobrimos, sim, qualquer DAX e MDX. Então, uma das coisas que eu não mencionei, ou talvez mencionei, talvez, mas apoiamos tanto o tabular quanto o OLAP no Microsoft e no DAX - acho que você e eu conversamos sobre isso há algum tempo - estão vendo muito mais tabular agora do que nós somos OLAP. Porque é apenas mais fácil exibir os modelos tabulares e coisas assim, e assim você verá obviamente as consultas DAX, mas também as buscará.
Eric Kavanagh: Sim, isso é interessante. Você tem algum embuste por que isso está acontecendo? Talvez porque mais e mais pessoas estejam se interessando por isso e porque o OLAP, obviamente, não é algo novo, isso existe há pelo menos 30 anos?
Stan Geiger: Certo, bem, seu tipo de combinação, uma das coisas que é projetar cubos é uma arte. E os cubos foram criados para pré-agregar dados, para que seja realmente rápido obter os dados, mas o processamento do cubo leva um tempo porque é necessário fazer todas essas agregações. E então, o hardware ficou mais barato e a memória ficou mais barata e todo mundo estava lançando bancos de dados colunares e na memória, realmente. E também tabular é provavelmente o mais próximo dos bancos de dados relacionais tradicionais e é muito mais fácil e rápido exibir modelos de tabela do que com o OLAP. Mas a desvantagem é que ele reside na memória, a coisa toda reside na memória; portanto, ela consome muita memória e os dados não se agregam até que você solicite. Então, mas tendo dito tudo isso, começamos a ver muito mais tabulares por aí.
Eric Kavanagh: Isso é interessante. Também pode ser porque esse setor está achatando um pouco, e o que quero dizer com isso é atrair muito mais pessoas que estão interagindo com dados e usando várias ferramentas, e certamente quando você fala sobre a Microsoft, acho que isso definitivamente caso você tenha muitos, muito mais usuários para empresas de pequeno e médio porte, e até algumas organizações maiores que estão se aprofundando no assunto, obtendo acesso a ferramentas, executando consultas e talvez elas não estejam tão familiarizadas com todo o processo e com o tecnologias em torno da construção de cubos, ao seu ponto, certo? Porque isso leva algum pensamento, e também é caro, certo? Leva tempo, é preciso energia para construir esses cubos, a menos que você esteja usando algumas das tecnologias mais recentes existentes. Por exemplo, conversamos com empresas como a Snowflake, por exemplo, fazendo coisas bem interessantes, mas acho que você tem muito mais pessoas usando as coisas e elas provavelmente estão seguindo o que você acabou de descrever, que é o formato tabular, em oposição formalmente construindo cubos, certo?
Stan Geiger: Sim, quero dizer, acho que o Excel - quando era o Power Pivot, acredito - é realmente tabular, se você der uma olhada nele; é a maneira como você constrói modelos tabulares. E, em seguida, a próxima iteração foi: posso dizer meus modelos de tabela que eu construo e implanto no SQL Server para que eu possa compartilhá-lo com todos os outros. Portanto, é quase uma extensão natural do Excel.
Eric Kavanagh: Sim, isso é um bom argumento. O que vimos ao longo dos últimos, digo cinco a sete anos, é apenas uma tremenda expansão do uso dessas tecnologias, certo? E a Microsoft, francamente, foi pioneira nisso, realmente democratizando os dados de energia por meio de serviços de análise e por meio do Power Pivot, certo? Quero dizer, isso foi um divisor de águas para a indústria, certo?
Stan Geiger: Sim, não, você está exatamente certo. Quero dizer, eu tenho um slide quando faço uma apresentação mais longa que mostra a transição do modelo semântico, que era o OLAP, para o tabular. E acho que tenho uma citação da Microsoft; eles querem dados nas mãos dos usuários, e não apenas na loja de TI, eles querem obter mais dados nas mãos das pessoas que os estão consumindo.
Eric Kavanagh: E isso remonta ao primeiro slide muito simples que mostrei, que era o processo básico de tomada de decisão para qualquer organização, e agora - e acho que isso é ótimo - estava atraindo cada vez mais pessoas de toda a hierarquia da organização. a organização prestando atenção ao que está acontecendo, trazendo a história deles para a mesa e você faz isso com dados, isso é o resultado, quero dizer, você pode usar outros meios, mas se você apoiar sua história com dados, terá uma argumentos muito mais fortes do que aqueles que não, certo?
Stan Geiger: Exatamente, sim. Tipo, sim, isso é exatamente correto. Quero dizer, é por isso que agora, costumava ser "Ei, eu preciso deste relatório", então agora eu tenho que passar pelo pedido de relatório e preciso passar por aqui, e obter o meu relatório, e agora posso sentar ali mesmo na minha mesa e, realmente, tenho acesso aos dados gerados, tomo minhas decisões de negócios.
Eric Kavanagh: Está certo. Sabe, eu voltei de uma conferência na semana passada e houve um comentário histérico de um cara que administra um ambiente de BI bastante grande para a loja Target, e ele estava fazendo referência a análises de autoatendimento e BI de autoatendimento e, obviamente, Isso é um grande problema hoje em dia. Tenho certeza de que é algo que está gerando muita atividade para o que vocês fazem na IDERA, porque quando você deseja implementar o autoatendimento, primeiro é melhor ter um ambiente de BI saudável, certo? Se você vai ter todo tipo de pessoas por aí fazendo todo tipo de perguntas de todas as formas, você vai querer ter algo parecido com essa ferramenta aqui, para poder entender quem está perguntando quais perguntas e onde. E a citação engraçada que jogarei aqui por aqui, como você disse: "Existe uma linha tênue entre BI de autoatendimento e você mesmo F".
Stan Geiger: Sim.
Eric Kavanagh: Eu pensei que era histérico. Mas você está vendo que a tendência de autoatendimento realmente gera muita conscientização sobre o que você está fazendo com a tecnologia?
Stan Geiger: Sim, porque, como você disse, se você permitirá o BI de autoatendimento, provavelmente terá alguns problemas de desempenho, devido apenas a: A) quantidade de acesso, quantidade de pessoas acessando os dados e B) a quantidade de consultas mal formadas e as formas de acessá-la que você possui. Então, é realmente imperativo que você monitore o ambiente para poder manter todos felizes, tentando consumir os dados, certo?
Eric Kavanagh: Sim, acho que está exatamente correto. É uma bênção e uma maldição: é bom que as pessoas estejam tentando usar as coisas, mas, novamente, ao seu ponto, se você não tiver a ferramenta certa no momento, será um campista infeliz porque lançará o autoatendimento sem uma ferramenta como essa, parece-me que está apenas pedindo uma montanha de problemas.
Stan Geiger: Sim, quero dizer, é semelhante a quando eu estava construindo data warehouses, é como se você não tivesse suas dimensões e tabelas de fatos corretas, então você o soltou para relatórios ad hoc, talvez você queira rastejar sob uma rocha.
Eric Kavanagh: Fantástico. Sim, é bom, novamente, é uma boa notícia que as pessoas estão usando essas coisas, mas acho que preciso acreditar que o autoatendimento gerará muita atividade para o que você está fazendo, porque você está falando em aumentar a quantidade de tensão e a quantidade de pressão nesses sistemas por ordens de magnitude. Não apenas por uma, ou por duas ordens de grandeza; é nesse ponto que você realmente deseja ter alguma visibilidade e deseja ver quem está fazendo o que, onde, quando, como e por que. Faça essas perguntas e, em seguida, tome algumas decisões sobre como monitorar e alterar o ambiente e alterar suas políticas sobre quem obtém acesso a quê, certo?
Stan Geiger: Direito. E você sabe, também, sabendo que vendo que a utilização também permite que você vá lá, e potencial, como eu mencionei o objeto dentro do cubo, eu posso fazer coisas para melhorar isso, que, tanto quanto eu construo e projeto coisas. Portanto, é imperativo que, não apenas isso, observe o desempenho das coisas, mas também seja capaz de ver como o seu esquema e seu design estão se saindo nesse nível, a fim de poder fazer ajustes nele. E isso vai ficar cada vez maior, já que coisas como o power BI são o grande negócio agora, com a Microsoft, para que agora eu possa criar meus próprios painéis, widgets e outras coisas, e não precisar ser um desenvolvedor de BI.
Eric Kavanagh: Está certo. Sim, as coisas boas estão chegando a todos os lugares, mas você precisará de alguma maneira de gerenciar esse ambiente ou terá usuários infelizes. Isso leva a um gerenciamento infeliz, o que leva as pessoas a serem demitidas. Há um efeito dominó bastante claro quando as coisas começam a se separar, mas isso é ótimo.
Então, eu meio que mastiguei os últimos cinco minutos aqui. Robin, você tem alguma pergunta?
Robin Bloor: Bem, acho fascinante, na verdade, ser honesto. Isso me fez pensar no fato de que tínhamos ambientes muito limitados e o autoatendimento está realmente mudando o mundo e muita coisa está acontecendo realmente porque muito mais dados entraram no ambiente do que antes. A única pergunta, porque não temos muito tempo, mas a única pergunta que eu gostaria de fazer é que você estava explicando a maneira como - porque eu pensei que era uma demonstração muito boa - a maneira como o monitoramento de BI funciona. Fiquei me perguntando o que as pessoas que não têm esse tipo de coisa realmente fazem? Como deve ser muito difícil, há várias coisas em que você faz a diferença, a causa raiz é boa, você nem sempre chega à causa raiz, mas você pode chegar à causa raiz com algumas das coisas que deseja olhando, que quando você disse que várias pessoas compram a ferramenta apenas para saber quem está executando o quê e que minha mente está girando, porque é como se você não soubesse quem está executando o quê, tudo fica fora de controle. Então, como é o ambiente quando está fora de controle?
Stan Geiger: Quero dizer, você pode obter todas essas informações que temos na ferramenta, mas você precisa escrever um monte de scripts locais e causar todos os dados por aí, basta saber onde obtê-los, o que requer um nível de experiência, certo? Então, em ambientes em que você não tem esse nível de conhecimento, basicamente, o que você obtém é, ei, é alto ou baixo? Realmente não sei se está funcionando com eficiência ou não, mas está funcionando, certo? E então começo a receber telefonemas ou pessoas dizendo: "Ei, meu relatório não está na minha caixa de entrada, o que está acontecendo?" Ou "Acabei de enviar este relatório através dos serviços de relatório" ou eles podem estar fazendo uma consulta aqui nos serviços de análise , mas levou meia hora e demorou apenas 30 segundos, o que está acontecendo? Bem, agora você tem que fazer a broca de fogo e tentar descobrir, e sem uma ferramenta, isso se torna muito difícil.
Robin Bloor: Bem, certo, isso era o que estava se tornando cada vez mais aparente para mim, à medida que você demonstrava cada uma das dimensões do que realmente conseguiu aqui. A outra coisa, é como em um nível muito, muito primitivo, se você não tem alertas que dizem que coisas estão dando errado, então é apenas um caro - você entra em uma situação cara, tentando curar o que aconteceu, porque não encontra até as coisas começarem a cair mal, certo?
Stan Geiger: Certo, você não sabe o que não sabe.
Eric Kavanagh: Você entendeu. Bem, pessoal, nós queimamos uma hora e mudamos, aqui. Muito obrigado ao nosso próprio Robin Bloor e, claro, ao nosso amigo Stan Geiger, da IDERA Software. Eles estarão no Enterprise Data World; de fato, se algum de vocês estiver indo para lá, o seu realmente estará lá também em Atlanta. Nosso bom amigo, Tony Shaw, está fazendo um ótimo trabalho executando a conferência há quatro anos, e ei, o que é velho é novo novamente. É tudo coisa quente. Felizmente, até mais, se não, volte conosco na próxima semana, temos um monte de outros webcasts alinhados.
Sempre curioso para ouvir seus pensamentos e sugestões, o que é correto para mim, se você tiver alguma pergunta ou sugestão ou outras tecnologias que você gostaria de aprender nas Tecnologias Quentes. E com isso, você vai se despedir, pessoal. Mais uma vez obrigado por se juntar a nós, bem falar com você na próxima vez. Cuidar. Tchau tchau.