استارتاپهای AWS و متابیس
تیم متابیس
اگر هر زمان را صرف خواندن hacker news کنید، تحلیل و هوش تجاری تمایل دارند که لحنهای بسیار پیچیدهای به خود بگیرند. داده بزرگ. پردازش جریان. زمان واقعی. یادگیری ماشین برای یادگیری پارامترهای یادگیری ماشین شما. در همین حال، وبلاگهای مهندسی همه دیگران به شما تمام جزئیات را در مورد اینکه چگونه چند صد هزار دلار در زمان مهندسی برای راهاندازی برخی شمارندههای نمایش در صفحه اصلی خود سوزاندهاند، میدهند.
گاهی اوقات فقط میخواهید برخی داده را از یک پایگاه داده استخراج کنید.
شاید میخواهید دیگران در شرکت شما این کار را انجام دهند.
شاید حتی میخواهید آنها بتوانند یک نمودار بسازند و آن را به اشتراک بگذارند.
برای همه صحبت از «تحول شرکت»، غرفههای کنفرانس گران قیمت و شوک برچسب ۶ تا ۷ رقمی، در قلب آن، تحلیل در واقع میتواند نسبتاً ساده و تدریجی باشد. متابیس را وارد کنید.
متابیس دقیقاً چیست؟
متابیس سادهترین راه برای قرار دادن داده در مقابل هر کسی در تیم شما است. با استفاده از یک رابط گرافیکی ساده، هر کسی در شرکت شما میتواند داشبورد بسازد، ایمیلهای شبانه راهاندازی کند یا به تنهایی سوالات ساده بپرسد.
برای سوالاتی که کاملاً ساده نیستند، تحلیلگران و مهندسان میتوانند سوالات SQL را نیز اجرا کنند.
پس از اینکه یک سوال به متابیس اضافه شد، هر کسی که دسترسی دارد میتواند به راحتی آن را دوباره اجرا کند، آن را تنظیم کند و به اشتراک بگذارد.
متابیس منبع باز است، در چند دقیقه نصب میشود و با طیف گستردهای از پایگاههای داده از جمله MySQL، PostgreSQL و Redshift کار میکند. میتوانید آن را در حساب AWS خود اجرا کنید. هیچ کس دیگری نیازی به دیدن داده شما ندارد و میتوانید چیزها را به دلخواه خود قفل کنید.
چه نوع سوالاتی؟
اگر با تحلیل درگیر بودهاید، احتمالاً ۱۰ قدم جلوتر رفتهاید و در مورد همه چیزهای پیچیدهای که باید اندازهگیری شوند فکر میکنید. ما در مورد انتساب چند کاناله، پیشبینی موجودی، تولید منحنی تقاضا یا ارزش طول عمر ریزدانه یا هزینه کسب مشتری صحبت نمیکنیم. (حداقل هنوز نه).
در عوض میخواهیم توجه را به آنچه که فقط میتوان ماده تاریک تحلیل نامید جلب کنیم. اینها سوالاتی هستند که معمولاً ۹۰٪ از حجم پرسوجو در اکثر شرکتها را تشکیل میدهند که هیچ کس هرگز در یک پست وبلاگ مطرح نمیکند: کدام پستهای وبلاگ بیشترین بازدید را داشتند؟ چند رزرو برای سهشنبه آینده داریم؟ کدام حسابها برای تمدید ماه آینده آماده هستند؟ آیا جان دو هنگام باز کردن این مورد پشتیبانی هیچ برگشت کارت اعتباری داشت؟ میانگین تاجران در سایت ما چند بررسی ۵ ستاره دارند؟
در حالی که برخی از اینها تمایل دارند در محصول شما ساخته شوند، اکثر آنها نیستند. برای همه جذابیتهایی که KPIهای بالا به پایین و علوم داده دریافت میکنند، پاسخ به این سوالات ریز در طول روز است که همه در شرکت شما را بهتر مطلع، آگاهتر از بافت و کارآمدتر در کارهای روزمره خود میکند.
چرا الان، نمیبینی که من مشغولم؟
حتی قبل از اینکه فکر کنید به یک برنامه هوش تجاری یا یک پشته علوم داده نیاز دارید، مکانهای کوچک زیادی وجود دارد که دسترسی گسترده به داده کمک میکند.
همانطور که برنامه خود را میسازید، داشتن مکانی برای اجازه دسترسی محدود به پایگاههای داده در برنامه شما مفید است.
میتوانید داده محیط استیجینگ را دوباره بررسی کنید، بررسیهای سریع روی پایگاههای داده تولیدی برای تأیید اینکه چیزها درست به نظر میرسند انجام دهید و داشبوردهای سریع و کثیف برای دیدن اینکه چیزها چگونه کار میکنند یا کار نمیکنند ایجاد کنید.
کارتهای کاناری برای مسائل یکپارچگی داده ایجاد کنید. «آیا سیستم کد دعوت جدید به درستی کدهای دعوت را به عنوان استفاده شده علامتگذاری میکند؟»
همانطور که نسخههای جدید را منتشر میکنید، ممکن است داشبوردهایی ایجاد کنید که فعالیت در آن ویژگیها را اندازهگیری میکنند. به جای حدس زدن یا امیدوار بودن که برخی از متریکهای اصلی شما حرکت میکنند، میتوانید به راحتی تغییرات جدید را ابزارسازی کنید. مثلاً «چند کد دعوت در عرض ۲۴ ساعت از ارسال بازخرید شد؟»
در طول راهاندازی، متابیس به شما امکان میدهد متریکها، گزارشها و داشبوردها را به طور انعطافپذیر تعریف و دوباره تعریف کنید. با ارائه یک رابط ساده در بالای داده شما، به هر کسی امکان میدهد گزارشها را تغییر دهد و بر روی دادههایی که نیاز دارند بدون نیاز به هدایت از طریق مهندسان یا تحلیلگران نظارت کنند.
در برخی موارد، شما شروع به تثبیت چیزهایی که اندازهگیری میکنید (و اگر شما یک نوع خاص از شخص هستید، حتی ممکن است آنها را KPI بنامید) میکنید. داشبوردهایی که هر تیم نیاز دارد شکل گرفتهاند و زمان هرس گزارشهایی که دیگر مفید نیستند فرا میرسد. شما یک سیستم BI و گزارشدهی را به تدریج و در پاسخ به سوالات واقعی روزمره ساختهاید. اگر با یک نوع خاص از تنبلی سازنده برکت داده شده باشید، ممکن است حتی زمینه (که به عنوان SQL views و ETL شناخته میشود) را برای اجازه دادن به کاربران نهایی خود برای ایجاد خودشان گذاشته باشید و شما را به کار جالبتر بگذارید.
از جعبه، متابیس به همکاران شما امکان میدهد پرسوجوهای ساده را به تنهایی اجرا کنند. با رشد نیازهای شما، مدل دادهای که تولید میکنیم را حاشیهنویسی و سفارشی میکنید، متریکها، بخشها و SQL views ایجاد میکنید تا دقیقاً چیزهایی که میخواهید اندازهگیری کنید را ثبت کنید.
چگونه میتوانم متابیس را امتحان کنم؟
پایگاههای داده RDS و Redshift خود را اضافه کنید، چند گروه اساسی برای کنترل اینکه چه کسی به کدام پایگاههای داده دسترسی دارد ایجاد کنید و شروع به دعوت از مشتریان کنید.
همانطور که یک انبار از سوالات رایج میسازید، چند مجموعه و داشبورد ایجاد کنید. در برخی موارد، باید SQL Views برای مشتریان ایجاد کنید تا مجبور نباشند با مدل داده زیرین سر و کار داشته باشند. به طور ارگانیک و در پاسخ به خواستههای کاربران حرکت کنید.
