Por Techopedia Staff, 29 de março de 2017
Takeaway: O anfitrião Eric Kavanagh discute inteligência de negócios com o Dr. Robin Bloor e Stan Geiger da IDERA.
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 do leste e nos últimos dois anos isso significa que é hora da Hot Technologies, sim, de fato. Meu nome é Eric Kavanagh, serei o anfitrião do programa de hoje. Adoro este tópico: “Verificação de integridade: manutenção do BI corporativo saudável”, é sobre isso que falaremos hoje. Há um ponto sobre o seu verdadeiramente.
Portanto, este ano está quente - a Hot Technologies foi realmente projetada para definir tipos específicos de tecnologia e você pode imaginar no mundo do software corporativo que existem 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 compreender o que tipos específicos de tecnologias realmente são e o que essas palavras significam quando você se dedica a questões de metal.
Então, eu 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. Isso é ainda mais verdadeiro hoje em dia 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; é 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 tem uma citação famosa em que recomenda que as pessoas abafem o barulho que ouvem ao redor e se atenham à sua visão, se souberem o que estão fazendo certo. Portanto, 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, 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 onde esteve vindo e seja 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, há 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 perguntando dos dados. Imagine em uma conversa se você perguntar a alguém, digamos que seu chefe diga: "Ei, eu gostaria de saber por que estamos seguindo esse caminho". E você teve que esperar 40 segundos em uma conversa para obter uma resposta? Você sairia da sala! Você pensaria 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 for necessário para fazer isso, e hoje falaremos sobre isso, é o que você precisa fazer, porque sem esse fluxo fluido de idéias, você estará danificando realmente todo o 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 confiarem em você, mas apenas olham para você de lado e se perguntam o que está acontecendo. E uma vez que essa confiança se esgote, você terá um tempo muito, muito difícil de recuperá-la.
Então, inteligência artificial, continuamos ouvindo sobre aprendizado de máquina e IA e "Ah, isso não vai resolver todos esses problemas?" Robin e eu ouvimos há anos sobre bancos de dados de autoajuste e todas essas coisas divertidas - Há algo disso acontecendo, mas faça a si mesmo a pergunta: com que frequência a Siri faz a coisa certa para você? Quantas vezes a Siri apareceu acidentalmente e disse: "Desculpe, eu não entendi." Isso é porque eu não estava perguntando nada. Eu apenas acidentalmente apertei o botão danado. Então, 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 faz muito tempo, é como o começo dos anos 90 ou meados dos anos 90, quero dizer. Que o Newton saiu e não foi muito bom, mas teve 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 arquitetura de informações complexa, onde as coisas estão dando errado. O aprendizado de máquina pode ser muito valioso nesse contexto, mas apenas 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 o aprendizado de máquina realmente 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 contextos, 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 meio que veremos isso, acho, quando assistirmos hoje à demo do IDERA - de muitas maneiras, acho que os seres humanos ainda estão aprendendo a falar sobre silício . Existe uma ciência material embaixo de tudo isso, e para aqueles que fizeram a solução de problemas e realmente analisaram arquiteturas de informações complexas, quando tentam entender o que está acontecendo, mesmo em um cluster Hadoop, por exemplo, realmente 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. Portanto, não tenho medo de que o ML, o aprendizado de máquina ou a IA tirem muitos empregos neste mundo em breve. Acho que sempre haverá uma necessidade de seres humanos, que sabem francamente 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 dirige os dados? Esta é uma pintura famosa, “Os cegos guiando os cegos” - não é isso que você procura, pessoal. Você não deseja 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 reunir os dados corretos, se eles 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, bem, 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, será realmente muito caro e, se você perder minutos, será terrivelmente caro. E então me lembrei que grande parte do mundo funciona em planilhas - existem, acho que eles foram chamados de "sistemas de sombra", não eram? Em um primeiro momento, onde as pessoas montavam sistemas usando planilhas e e-mail e faziam as coisas acontecerem, porque o departamento de TI não pode criar aplicativos para todos, então eles 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. O BI é um ciclo de feedback para sistemas corporativos, é 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 o que é retrospectivo, olhando para o que aconteceu anteriormente, e tudo o que é supervisionado, em termos de funcionamento do sistema, tendem a ser BI. Não costumava acontecer que o que era previsão e análise preditiva fosse BI, mas isso está se tornando 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 realmente está 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, isso 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, há quatro termos lá e eles terminam com a palavra "visão", o que é muito bom. Mas, na verdade, não é tudo o que as pessoas querem fazer, mas também o problema de otimização e otimização não produz análises simples. É um 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 essa 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 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. Essa é uma história que acabei de contar; Eu apenas pensei em escrever isso. O que eu fiz aqui, quero dizer, o objetivo 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 em particular 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 um teste área, que hoje em dia é uma espécie de lago de dados, embora nem todos tenham lagos de dados. E pessoas que não têm necessariamente sucesso. Além disso, 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 é necessariamente uma lista completamente abrangente, é exatamente o que eu pensei em escrever quando estava criando esse slide. Portanto, existem muitas coisas que acontecem em um ambiente de BI que incluem visualizações, OLAP, gerenciamento de desempenho, scorecards, painéis, vários tipos de previsão, lagos de dados, mineração de texto, mineração de vídeo, mineração de previsão, e há 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, apenas feito de uma maneira diferente. Separei o que você chamaria de BI porque é regular e sabe-se o que é necessário, isso não significa que o que realmente está acontecendo é eficiente, mas pelo menos você terá coisas regulares acontecendo, digamos, Tableau, Click ou Click Cognos, há 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 com rapidez suficiente para o gosto de certos usuários. Não havia dados não estruturados, quase não havia dados sociais, certamente não havia dados da IoT, você não se importava com a procedência dos dados. O valor do computador não possuía 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 bastante 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 farão o mesmo. Portanto, 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 algo mais. 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 para Stan, a menos que o serviço de BI seja confiável e oportuno, não seja um serviço. Stan?
Eric Kavanagh: Tudo bem, Stan, estou lhe dando a bola, leve-a embora.
Stan Geiger: OK. Então, o que eu vou falar é apenas o meu histórico. Sou gerente sênior da IDERA em gerenciamento de produtos e uma das responsabilidades que tenho é nosso produto de oferta de 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, de modo que estamos nos aproximando da análise quase em tempo real agora. E, em muitos casos, análises reais em tempo real. Então, eu falo um pouco sobre esse slide, 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 o seu BI plataformas estão no Oracle, ou você está usando ambientes híbridos Informatica e Oracle, ou apenas modo misto. Eu apenas vou usar em referência ao ambiente da Microsoft, mas isso é bastante padrão.
Robin teve um slide lá que abordou isso, é que você tem sistemas de origem, onde eu tenho todos os meus dados, e agora costumavam ser todos em bancos de dados relacionais e armazenamento de dados como esse, mas agora temos o Hadoop, a Internet e outras coisas, além de todos esses dados não estruturados, 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 estamos fazendo análises desses dados nesses armazenamentos de dados e painéis, e temos o Tableau sentado lá, serviços de relatório, coisas assim. Eu sempre rio porque, quando eu era arquiteto da BA, sempre ríamos do Excel, porque, convenhamos, 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 tem 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 seus tubos OLAP e coisas assim para fazer agregações e analisar coisas de várias dimensões e coisas assim. Então você tem sua camada de apresentação, sobre a qual eu 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 diferente de quando os usuários começam a enviar e-mails desagradáveis e o telefone é iniciado tocando sobre por que meus relatórios não estão sendo executados? Por que tudo está demorando tanto?
Portanto, nesse sentido, o que você deve fazer é poder monitorar suas plataformas das quais 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 ter 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 leva ao lado do desempenho, também, você tem coisas de um nível de métrica de desempenho, no nível do servidor, onde os serviços, serviços de BI ou plataformas de BI estão hospedados; você tem desempenho no nível do recurso, onde talvez eu 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 felizes, e se você estiver em um ambiente em que está realizando análise de tempo, você precisa 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 do sobrevivente e diz: aparece e ele pega esse enorme rifle sniper de 50 calibres, e um dos caras diz: “Droga, Bert”. E ele responde: “Quando você precisa e não tem, você canta uma música diferente. Em outras palavras, você sabe o que? Ele estava preparado para qualquer coisa e veio preparado para qualquer coisa, e então o que eu quero dizer com isso é se você não está monitorando seu ambiente de BI a partir de recursos e utilização e coisas que acabei de falar, então você não percebe que precisa de uma ferramenta ou um ambiente ou estrutura que esteja monitorando 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 estamos fazendo aqui no IDERA para resolver alguns desses problemas. E-
Eric Kavanagh: Ok, aí está, eu vejo.
Stan Geiger: Você vê isso? OK. Então, o que temos aqui é que este 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 único produto. O que você vê aqui é o painel geral. O importante a ser observado aqui é quando eu falei sobre isso em alerta, é uma coisa a ser monitorada, mas isso não é suficiente - você precisa ter um mecanismo de alerta. Em outras palavras, eu preciso ser notificado antes que as coisas cheguem a um estado crítico. Então, 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 menor, 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 eu tenho três instâncias aqui: uma para serviços de análise, uma para serviços de integração e outra para serviços de relatório. E você vê que eu tenho alguns alertas aqui. E, por estarem vermelhos, isso me diz que são críticos, porque tenho vários níveis para definir esses alertas e os alertas podem ser enviados por e-mail para as pessoas responsáveis por investigar qual é o problema. Então, brevemente daremos uma olhada e voltarei ao alerta, para que possamos entrar na parte dos serviços de análise e é, 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 clicar em minha instância aqui. Lembre-se de que falei sobre uma das coisas que monitoramos é o desempenho no nível do servidor, porque muitas pessoas têm várias coisas executando no servidor deles. Talvez eu tenha um banco de dados em execução no meu servidor, bem como serviços de análise, por exemplo. Portanto, se algo estiver acontecendo no banco de dados ou eu tiver um problema no nível do servidor, isso afetará o que estiver executando lá. Portanto, monitoraremos as coisas através do servidor no nível do servidor, como 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 perceber 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 coisas na memória que são específicas dos 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. A 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 ter 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 fazer os ouvidos de todos sangrarem, mas nos serviços de análise, ele usa uma linguagem chamada MDX, há maneiras de escrever consultas com mais eficiência e usar 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, quem está realmente conectado neste momento e o que elas estão executando? Portanto, isso oferece uma visão oposta das consultas e quem as executa. É quem está conectado e, então, posso ver o que eles estão executando no momento. 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, ele ajustará 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 até os detalhes e ver a mensagem de erro e ele me mostraria qual etapa do pacote em que esse processo ETL falhou, juntamente com todas as mensagens associadas 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 ela falhou, veja a mensagem de erro e eu imediatamente sei o que preciso fazer para corrigir isso: reimplemente-a e inicie-a 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 haja coisas acontecendo nesse servidor . Faça, por exemplo, backups; Posso ter um backup em andamento que está causando o meu processo aguardar até que esteja pronto. 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. Os serviços de relatório são da Microsoft, basicamente sua ferramenta de relatório corporativo. 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 as enviam.
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 todos os parâmetros que estavam naquele 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 conectado 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 está utilizando 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, esse é 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 acertou na cabeça, e era sobre isso que eu estava falando no topo da hora, que um ser humano tem que vir e desenhe essas 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, é que ainda este ano vamos lançar uma versão e uma das coisas que começaremos a adicionar é para cada um desses gráficos, é uma descrição do que esse gráfico significa e por que você deve se importar e qual é o impacto disso. Portanto, você pode clicar em um ponto de interrogação ou algo neste gráfico e abrir uma janela que fornecerá muitas dessas informações e informará quais são as possíveis causas, quais são as áreas afetadas e como orientá-las. você está na direção de poder ir neste caso, como você disse, aqui está esse pico, eu sei pela minha experiência pessoal 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 para lá que estamos indo adiante com este produto.
Eric Kavanagh: E eu 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 reconhecerá um padrão semelhante na linha e ajudará 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 esse é realmente um conceito interessante, porque é quase como, o que é - análise de componentes de princípio, eu acho - onde você identifica padrões e registra esses padrões e, se os vê novamente, pode voltar e veja bem, essa foi a causa naquele momento. Sim, isso é algo que não está no roteiro, mas é algo em que 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 de suas mãos, mas o material de BI é como uma caixa preta no que diz respeito à integridade da plataforma. E não há, 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 responsáveis por encontrá-las ou receber alertas e descobrir o que estava acontecendo é como uma caixa preta para elas.
Eric Kavanagh: Sim, eu posso imaginar. Eu também ficaria curioso para saber, para que você mostre nessa tela como pode ver todas as consultas que estão passando, quanto tempo elas demoraram 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 pesadas, em oposição a um mestre que realmente reúne uma consulta agradável e rígida. É algo que você pode visualizar por meio dessa ferramenta e depois ajudá-lo?
Stan Geiger: Sim, então o que você pode fazer é, como o que eu fiz aqui, é que acabei de classificar por tempo decorrido, por exemplo. Para que eu possa ver os que demoraram mais e recebo o texto, mas ainda cabe a alguém que é mais ou menos o especialista no assunto examinar isso e dizer: “Ah, ok, eis por que isso demorou 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 idéia de talvez no futuro apresentar uma coisa semelhante, para que ela identifique essas consultas e, em seguida, fornece recomendações sobre como ajustá-las. 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 para ele seu gerente ou alguém e diga: "Ei, esse cara está consumindo muita largura de banda" e talvez essas sejam as consultas mais valiosas para a empresa, certo? Você precisa colocá-lo no contexto de qual é o valor comercial, pelas próprias consultas, não é apenas um jogo de números claro, certo? É para descobrir, bem, esse cara é nosso usuário avançado, e é ele quem 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 envia-os 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 eles retornem à sua tabela 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 não mencionei, ou mencionei, talvez, mas suportamos tanto tabular como OLAP no Microsoft e no DAX - acho que você e eu conversamos sobre isso há algum tempo - é que estamos vendo muito mais tabular agora do que somos OLAP. Porque é apenas mais fácil exibir os modelos tabulares e coisas assim, e assim você verá obviamente as consultas do DAX, mas as buscaremos também.
Eric Kavanagh: Sim, isso é interessante. Você tem algum contexto em torno do por que isso está acontecendo? Talvez porque mais e mais pessoas estejam se interessando por esse assunto e porque o OLAP não é algo novo, isso já existe há pelo menos 30 anos?
Stan Geiger: Certo, bem, é uma espécie de combinação, uma das coisas que é projetar cubos é uma arte. E os cubos foram construídos para pré-agregar dados, para que seja muito rápido extrair 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 reside na memória, a coisa toda reside na memória, portanto, consome muita memória e os dados não agregam até que você solicite. Então, mas tendo dito tudo isso, estamos começando a ver muito mais tabulares por aí.
Eric Kavanagh: Isso é interessante. Também pode ser porque esse setor está meio que achatando um pouco, e o que quero dizer com isso é que estamos recebendo muito mais pessoas que estão interagindo com dados e usando várias ferramentas, e certamente quando você fala sobre a Microsoft, acho esse é definitivamente o caso de você ter muitos, muitos 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 não estejam tão familiarizadas com o todo o processo e as tecnologias em torno da construção de cubos, ao seu ponto, certo? Porque é preciso pensar um pouco 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, está fazendo coisas bem interessantes, mas acho que você tem muito mais pessoas usando as coisas e provavelmente elas estão seguindo o que você acabou de descrever, que é o formato tabular, em vez de construir cubos formalmente, certo?
Stan Geiger: Sim, bem, eu acho que o Excel - quando era o Power Pivot, acredito - é tabular, se você der uma olhada; 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, esse é um bom argumento. O que vimos nos últimos anos, eu diria 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 eu mostrei, que era o processo básico de tomada de decisão para qualquer organização e agora - e eu acho que isso é ótimo - estamos cada vez mais pessoas de toda a hierarquia da organização prestando atenção ao que está acontecendo, trazendo a história deles para a mesa e você faz isso com dados, esse é o ponto principal, quero dizer, você pode usar outros meios, mas se você apoiar sua história com dados, você terá argumentos muito mais fortes do que aqueles que não têm, 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: Isso mesmo. 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 que é algo que está gerando muita atividade para o que vocês fazem no 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 entender quem está perguntando quais perguntas e para 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 nos dados e B) a quantidade de consultas mal formadas e as maneiras de acessá-las que você possui. Então, é realmente imperativo monitorar o ambiente para que você possa manter todo mundo feliz que está tentando consumir os dados, certo?
Eric Kavanagh: Sim, eu acho exatamente isso. 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 rolar fora do 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 um Rocha.
Eric Kavanagh: Isso é incrível. Sim, é bom, novamente, são boas notícias 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 está falando em aumentar 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 magnitude; é nesse ponto que você realmente quer 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: Certo. 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 possível 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: Isso mesmo. Sim, é uma coisa boa, está chegando a todo lugar, mas você precisará de uma 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, para ser honesto. Isso me leva a pensar no fato de que tínhamos ambientes muito restritos e o autoatendimento está realmente mudando o mundo e muito disso está realmente acontecendo, 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 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, nem sempre você sempre chega à causa raiz, mas pode chegar à causa raiz com algumas coisas que você está 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, as coisas estão 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 teria que escrever um monte de scripts caseiros e porque os dados estão lá fora, é só que você precisa saber para onde entendi, o que requer um nível de conhecimento, 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 certo, 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 demorou meia hora e levou 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 foi o que estava se tornando cada vez mais aparente para mim, conforme você demonstrou 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 as coisas estão dando errado, então é apenas um caro - você entra em uma situação cara, tentando curar o que aconteceu, porque você não descubra até as coisas começarem a cair muito mal, certo?
Stan Geiger: Certo, você não sabe o que não sabe.
Eric Kavanagh: Você entendeu. Bem, pessoal, nós queimamos uma hora e trocamos 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 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 antigo é novo novamente. É tudo coisa quente. Esperamos vê-lo lá fora, se não, volte conosco na próxima semana, temos vários outros webcasts alinhados.
Sempre curioso para ouvir seus pensamentos, envie um e-mail para, que seja correto para mim, se você tiver alguma dúvida ou sugestão ou outras tecnologias que você gostaria de aprender em Hot Technologies. E com isso, você vai se despedir, pessoal. Mais uma vez obrigado por se juntar a nós, falaremos com você na próxima vez. Cuidar. Tchau tchau.
