Watch full webinar here: https://bit.ly/3LIBVKd
По данным аналитической компании Gartner, "к 2022 году 60% предприятий включат виртуализацию данных в качестве основного метода доставки данных в свою интеграционную архитектуру". Компания Gartner назвала Denodo лидером в Магическом квадранте 2020 года по инструментам интеграции данных.
В ходе этого 1,5-часового занятия вы узнаете, как виртуализация данных революционизирует бизнес и ИТ-подход к доступу, доставке, потреблению, управлению и защите данных, независимо от возраста вашей технологии, формата данных или их местонахождения. Эта зрелая технология устраняет разрыв между ИТ и бизнес-пользователями и обеспечивает значительную экономию средств и времени.
АНАЛИТИКА ПЛЮС, вебинар 10 декабря «НОВЫЕ ТЕХНОЛОГИИ HP VERTICA + TABLEAU, КА...АНАЛИТИКА ПЛЮС
Как сделать ценными Ваши данные? Excel, My SQL, OLAP-кубы, сотни и тысячи специальных процедур, человеко-годы работ… Надоело? Количество данных растет, бизнес меняется быстрее, чем ИТ за ним поспевает? Необходимой отчетности нет… Знакомая картина? Тогда Вам СЮДА.
Сегодня новые технологии ломают рынок BI-решений. Знаете ли Вы, что можно БЕСПЛАТНО использовать такое же решение, какое используют такие крупные бизнесы как Zynga, HP, YOTA и др.? Знаете ли Вы, что проект по разработке и внедрению мощной аналитической системы сегодня занимает пару месяцев?
Watch full webinar here: https://bit.ly/3LIBVKd
По данным аналитической компании Gartner, "к 2022 году 60% предприятий включат виртуализацию данных в качестве основного метода доставки данных в свою интеграционную архитектуру". Компания Gartner назвала Denodo лидером в Магическом квадранте 2020 года по инструментам интеграции данных.
В ходе этого 1,5-часового занятия вы узнаете, как виртуализация данных революционизирует бизнес и ИТ-подход к доступу, доставке, потреблению, управлению и защите данных, независимо от возраста вашей технологии, формата данных или их местонахождения. Эта зрелая технология устраняет разрыв между ИТ и бизнес-пользователями и обеспечивает значительную экономию средств и времени.
АНАЛИТИКА ПЛЮС, вебинар 10 декабря «НОВЫЕ ТЕХНОЛОГИИ HP VERTICA + TABLEAU, КА...АНАЛИТИКА ПЛЮС
Как сделать ценными Ваши данные? Excel, My SQL, OLAP-кубы, сотни и тысячи специальных процедур, человеко-годы работ… Надоело? Количество данных растет, бизнес меняется быстрее, чем ИТ за ним поспевает? Необходимой отчетности нет… Знакомая картина? Тогда Вам СЮДА.
Сегодня новые технологии ломают рынок BI-решений. Знаете ли Вы, что можно БЕСПЛАТНО использовать такое же решение, какое используют такие крупные бизнесы как Zynga, HP, YOTA и др.? Знаете ли Вы, что проект по разработке и внедрению мощной аналитической системы сегодня занимает пару месяцев?
Как спроектировать систему сквозной аналитикиMariia Bocheva
75% пользователей ищут товары в интернете, а покупают в офлайн-магазинах. 56% покупок в магазинах совершаются после изучения товаров в интернете. Эти цифры красноречивее любых аналитиков и маркетологов говорят, что интернет-магазинам и розничным сетям жизненно необходимо использовать сквозную аналитику, чтобы правильно оценивать эффективность рекламы. Несмотря на это, многие компании до сих пор не настроили систему сквозной аналитики, ошибочно полагая, что это сложно, дорого и небезопасно для их данных.
Softline и OWOX BI мы развеивают все страхи и предубеждения по поводу сквозной аналитики и рассказывают, как повысить эффективность рекламных кампаний в интернете, используя данные о продажах из внутренних IT-систем.
Вы узнаете:
-Как оценить текущие возможности аналитики в компании и определить зоны «провисания».
-Как выявить требования к системе сквозной аналитики и разработать целевую модель.
-Как поэтапно внедрить систему сквозной аналитики с расчетом эффекта для бизнеса.
-Как с помощью продуктов OWOX BI и Google объединить в Google BigQuery все данные, необходимые для сквозной аналитики: действия пользователей на сайте и в мобильных приложениях, расходы на рекламу, доходы, выполненные заказы, звонки и email-рассылки.
-Истории успеха наших клиентов: как они настроили систему сквозной аналитики и использовали полученные данные для достижения своих бизнес-целей.
Будет полезно:
Ecommerce и retail проектам, аналитикам и маркетологам.
Загрузить запись вебинара можно здесь: https://www.owox.com/c/1l9
На вебинаре вы узнаете:
➤Как оценить текущие возможности аналитики в компании и определить зоны «провисания».
➤Как выявить требования к системе сквозной аналитики и разработать целевую модель.
➤Как поэтапно внедрить систему сквозной аналитики с расчетом эффекта для бизнеса.
➤Как с помощью продуктов OWOX BI и Google объединить в Google BigQuery все данные, необходимые для сквозной аналитики: действия пользователей на сайте и в мобильных приложениях, расходы на рекламу, доходы, выполненные заказы, звонки и email-рассылки.
➤Истории успеха наших клиентов: как они настроили систему сквозной аналитики и использовали полученные данные для достижения своих бизнес-целей.
Вебинар будет полезен:
Ecommerce и retail проектам, аналитикам и маркетологам.
Доклад Анатолия Левенчука "Управление жизненным циклом производственного актива: кто чем тут управляет?" на конференции «Жизненный цикл актива. Стандартизация. Интеграция. Интеллектуализация» 26 ноября 2014
Доклад Сергея Нужненко (ООО «Лаборатория системного анализа» (lab-sa.ru)) "ИТ-проекты и ИТ-результаты" на 130-м заседании Русского отделения INCOSE, 9 ноября 2017 г.
Алексей Романенко, SAS. Опыт построения системы оптимального распределения то...IBS
Подробности на www.ibs.ru
Опыт построения системы оптимального распределения товара со склада. Алексей Романенко, бизнес-консультант направления Аналитики SAS Россия/СНГ
Бизнес-завтрак IBS и SAS «Прогнозирование спроса и оптимизация товарных запасов в розничном бизнесе. Примеры из практики» (12.03.2015)
Business & financial models in Annual reports - Best practice 2013Stanislav Martyushev
Бизнес модель и Финансовая модель в Годовом отчете - Лучшая практика 2013 года
Business & financial models in Annual reports - Best practice 2013
================================================================================== ___Для просмотра в хорошем качестве скачивайте PDF-файл (вверху - кнопка "Save").
___Пишите на мой e-mail: ipospo СОБАЧКА yandex ТОЧКА ru.
___Комментарии? Критика? Бизнес-предложения? :)
Презентация аналитической системы для ритейла СуперМаг BIОникс Софт
СуперМаг BI отвечает на основные вопросы:
Что будет происходить - прогнозные отчеты.
Почему это происходит - статистические отчеты.
Что следует предпринять - сигналы.
Как часто, как много, где и когда - отчеты "на лету".
Что произошло - простые отчеты.
Основная задача BI - повышение конкурентноспособности, повышение удовлетворенности клиента и оптимизация работы.
Доклад рассказывает об поиске фантастическое устройства гравицапы, с помощью которого можно было бы перемещать данные между модулями больничной системы. И как гравицапой стал стандарт FHIR.
Building Modern Data Platform with Microsoft AzureDmitry Anoshin
This presentation will cover Cloud history and Microsoft Azure Data Analytics capabilities. Moreover, it has a real-world example of DW modernization. Finally, we will check the alternative solution on Azure using Snowflake and Matillion ETL.
This presentation about Data Warehouse modernization and extending it to the modern data platform by adding Big Data solution using EMR and Spark and streaming data with Kinesis Firehose. In addition, it will cover the use case of complimentory data lake for data warehouse. Moreover, this presentation include ETL tool selection process and ML consideration.
More Related Content
Similar to Cloud Analytics Use Cases and Architecture, Math Marketing Conference, Russia, Nov 2018
Как спроектировать систему сквозной аналитикиMariia Bocheva
75% пользователей ищут товары в интернете, а покупают в офлайн-магазинах. 56% покупок в магазинах совершаются после изучения товаров в интернете. Эти цифры красноречивее любых аналитиков и маркетологов говорят, что интернет-магазинам и розничным сетям жизненно необходимо использовать сквозную аналитику, чтобы правильно оценивать эффективность рекламы. Несмотря на это, многие компании до сих пор не настроили систему сквозной аналитики, ошибочно полагая, что это сложно, дорого и небезопасно для их данных.
Softline и OWOX BI мы развеивают все страхи и предубеждения по поводу сквозной аналитики и рассказывают, как повысить эффективность рекламных кампаний в интернете, используя данные о продажах из внутренних IT-систем.
Вы узнаете:
-Как оценить текущие возможности аналитики в компании и определить зоны «провисания».
-Как выявить требования к системе сквозной аналитики и разработать целевую модель.
-Как поэтапно внедрить систему сквозной аналитики с расчетом эффекта для бизнеса.
-Как с помощью продуктов OWOX BI и Google объединить в Google BigQuery все данные, необходимые для сквозной аналитики: действия пользователей на сайте и в мобильных приложениях, расходы на рекламу, доходы, выполненные заказы, звонки и email-рассылки.
-Истории успеха наших клиентов: как они настроили систему сквозной аналитики и использовали полученные данные для достижения своих бизнес-целей.
Будет полезно:
Ecommerce и retail проектам, аналитикам и маркетологам.
Загрузить запись вебинара можно здесь: https://www.owox.com/c/1l9
На вебинаре вы узнаете:
➤Как оценить текущие возможности аналитики в компании и определить зоны «провисания».
➤Как выявить требования к системе сквозной аналитики и разработать целевую модель.
➤Как поэтапно внедрить систему сквозной аналитики с расчетом эффекта для бизнеса.
➤Как с помощью продуктов OWOX BI и Google объединить в Google BigQuery все данные, необходимые для сквозной аналитики: действия пользователей на сайте и в мобильных приложениях, расходы на рекламу, доходы, выполненные заказы, звонки и email-рассылки.
➤Истории успеха наших клиентов: как они настроили систему сквозной аналитики и использовали полученные данные для достижения своих бизнес-целей.
Вебинар будет полезен:
Ecommerce и retail проектам, аналитикам и маркетологам.
Доклад Анатолия Левенчука "Управление жизненным циклом производственного актива: кто чем тут управляет?" на конференции «Жизненный цикл актива. Стандартизация. Интеграция. Интеллектуализация» 26 ноября 2014
Доклад Сергея Нужненко (ООО «Лаборатория системного анализа» (lab-sa.ru)) "ИТ-проекты и ИТ-результаты" на 130-м заседании Русского отделения INCOSE, 9 ноября 2017 г.
Алексей Романенко, SAS. Опыт построения системы оптимального распределения то...IBS
Подробности на www.ibs.ru
Опыт построения системы оптимального распределения товара со склада. Алексей Романенко, бизнес-консультант направления Аналитики SAS Россия/СНГ
Бизнес-завтрак IBS и SAS «Прогнозирование спроса и оптимизация товарных запасов в розничном бизнесе. Примеры из практики» (12.03.2015)
Business & financial models in Annual reports - Best practice 2013Stanislav Martyushev
Бизнес модель и Финансовая модель в Годовом отчете - Лучшая практика 2013 года
Business & financial models in Annual reports - Best practice 2013
================================================================================== ___Для просмотра в хорошем качестве скачивайте PDF-файл (вверху - кнопка "Save").
___Пишите на мой e-mail: ipospo СОБАЧКА yandex ТОЧКА ru.
___Комментарии? Критика? Бизнес-предложения? :)
Презентация аналитической системы для ритейла СуперМаг BIОникс Софт
СуперМаг BI отвечает на основные вопросы:
Что будет происходить - прогнозные отчеты.
Почему это происходит - статистические отчеты.
Что следует предпринять - сигналы.
Как часто, как много, где и когда - отчеты "на лету".
Что произошло - простые отчеты.
Основная задача BI - повышение конкурентноспособности, повышение удовлетворенности клиента и оптимизация работы.
Доклад рассказывает об поиске фантастическое устройства гравицапы, с помощью которого можно было бы перемещать данные между модулями больничной системы. И как гравицапой стал стандарт FHIR.
Building Modern Data Platform with Microsoft AzureDmitry Anoshin
This presentation will cover Cloud history and Microsoft Azure Data Analytics capabilities. Moreover, it has a real-world example of DW modernization. Finally, we will check the alternative solution on Azure using Snowflake and Matillion ETL.
This presentation about Data Warehouse modernization and extending it to the modern data platform by adding Big Data solution using EMR and Spark and streaming data with Kinesis Firehose. In addition, it will cover the use case of complimentory data lake for data warehouse. Moreover, this presentation include ETL tool selection process and ML consideration.
This presentation was part of Mentoring program for HighTechU at CS Department of University of Victoria. This slides should help future engineers to understand value of data and help them think about data from beginning of any codding job.
Enterprise Data World 2018 - Building Cloud Self-Service Analytical SolutionDmitry Anoshin
This session will cover building the modern Data Warehouse by migration from the traditional DW platform into the cloud, using Amazon Redshift and Cloud ETL Matillion in order to provide Self-Service BI for the business audience. This topic will cover the technical migration path of DW with PL/SQL ETL to the Amazon Redshift via Matillion ETL, with a detailed comparison of modern ETL tools. Moreover, this talk will be focusing on working backward through the process, i.e. starting from the business audience and their needs that drive changes in the old DW. Finally, this talk will cover the idea of self-service BI, and the author will share a step-by-step plan for building an efficient self-service environment using modern BI platform Tableau.
AWS User Group: Building Cloud Analytics Solution with AWSDmitry Anoshin
Abebooks is one of Amazon Subsidiary and it treats data as an asset. It always looks the way to improve existing analytics solution and extract information from terabytes of data.
One of the recent initiatives was the migration from legacy DW platform to the AWS Redshift. During this journey, our data engineers met lots of challenges and sometimes tried to reinvent the wheel.
This talk will cover Abebooks journey towards Cloud DW. Moreover, we will cover the ETL tool selection process for the Cloud as well as the adoption process for the end users. This talk will help you understand the potential of the modern cloud DW and learn about our use case and save time for the future projects.
SAP BusinessObjects 4.1 Web Intelligence Report Development
Cloud Analytics Use Cases and Architecture, Math Marketing Conference, Russia, Nov 2018
1.
2. select outline
from matemarketing2018
where topic_name = “Роль BI систем и DWH в маркетинге”
and presenter = “Dmitry Anoshin”
---------------------------------------------------------------
Outline
---------------------------------------------------------------
О себе
Немного про Амазон
Инновации и данные в Амазон
Роли в Амазон
Роль Аналитики
Примеры Архитектур BI/DW/Big Data
Облачное решение вместе Yandex cloud
Миграция в Облако
Миграция в Канаду/США
3. Содержимое этой презентации отражает только мое мнение и
видение и может не совпадать с мнением Амазон;
Дисклеймер
4. О себе
• Работаю с Business Intelligence c 2010
• Канада с 09/2015
• Тихий Океан с 05/2016
• Амазон с 05/2016
8. Прочие активности
Tableau
Cookbook
2019.X
• BI Tech Talk (100+ BI команд по всему миру)
• Amazon Tableau User Group (2000+ пользователей)
• Конференции (Enterprise Data World 2018, 2019)
• Amazon внутренние конференции
• Технический советник FreshBI
• Технический советник Rock Your Data
11. Принципы Лидерства
Leadership Principles
• Одержимость клиентом
• Собственность
• Изобретать и упрощать
• Правы, очень часто правы
• Учиться и быть любопытным
• Нанимать и развивать самых
лучших
• Требование самых высоких
стандартов
• Думать по-крупному
• Пристрастие к действию
• Бережливость
• Зарабатывать доверие
• Нырять глубже
• Иметь основу;
противоречия и
обязательства
• Приносить результаты
https://www.amazon.jobs/en/principles
12. Принципы Лидерства (для меня)
Leadership Principles
• Одержимость клиентом
• Собственность
• Изобретать и упрощать
• Правы, очень часто правы
• Учиться и быть любопытным
• Нанимать и развивать самых
лучших
• Требование самых высоких
стандартов
• Думать по-крупному
• Пристрастие к действию
• Бережливость
• Зарабатывать доверие
• Нырять глубже
• Иметь основу;
противоречия и
обязательства
• Приносить результаты
https://www.amazon.jobs/en/principles
41. Создание Ценности (Value)
Акционеры Сотрудники Клиенты
Создание
Ценности
”Цель организации – создавать ценность” – The Future of Competition.
https://www.amazon.com/Future-Competition-Co-Creating-Unique-Customers/dp/1578519535
42. Цепочка ценности BI
Акционеры Сотрудники Клиенты
Создание
Ценности
Эффективное
принятие решений
Правильная
информация
Создание ценности благодаря
эффективным решениям
Эффективные решения благодаря
качественным данным
43. Маркетинговые Кейсы
• Автоматизация
маркетинговой
отчетности
• А/В тестирование
• Модель Атрибуции
(Каналы и фичи) с
использованием ML
• Рекомендации
https://www.amazon.ca/gp/slredirect/picassoRedirect.html/ref=pa_sp_atf_aps_sr_pg1_1?ie=UTF8&adI
d=A075856810XYXJD03KIDU&url=https%3A%2F%2Fwww.amazon.ca%2FCozmo-Anki-Robotics-Adults-
Coding%2Fdp%2FB01GA1298S%2Fref%3Dsr_1_1_sspa%3Fie%3DUTF8%26qid%3D1541272818%26sr%3D8-1-
spons%26keywords%3Dtoy%26psc%3D1&qualifier=1541272818&id=6434421917508657&widgetName=sp_atf
45. Чтобы данные были полезны, нужны…
Сохранять и обрабатывать PB/EB
неструктурированных данных в
реальном времени
Находить ценность в данных и
выйти за рамки анализа
исторических данных для анализа
данных по мере их появления
Повышать уровень безопасности
данных и регулировать доступ
Новые методы Аналитики
Новые типы данных
Дашборды
Операционная
Аналитика Голос
Распознавание
Изображения
Углубленная
Аналитика
46. Проект по Модернизации BI/DW
(было)
Слой храненияСлой источников
Ad-hoc SQL
SFTP
Хранилище Данных
ETL (PL/SQL)
CS
Inventory
Sales
Слой доступа
49. Современная Архитектура
Data Warehouse
Business Intelligence
OLTP ERP CRM LOB Devices Web Sensors Social
Big Data processing,
real-time, Machine Learning
Data Lake
Структурированные и не
структурированные данные
Масштабируемость (EB)
Разнообразие инструментов
аналитики
Низкая стоимость хранения и
анализа данных
Классический ETL/ELT и
стримминг данных
Озеро данных
Machine Learning
52. Подход к миграции (модернизации)
Поднять & Перенести
• Классический подход
• Все и сразу
• Достаточно быстро
• Немного времени на обучение
Разделить & Перенсти
• Разделить приложение на логически
функциональные части
• Для каждого элемента подобрать
правильную технологию
• Копировать по кусочкам
54. Из любопытства…
Если бы Yandex Cloud
Источники
Yandex
Object
Storage
Yandex
Managed
Databases
External
API
SFTP
APPs Ad-hock
SQL
Бизнес
Пользовател
и
BI Tool Server
AWS Yandex Virtual Private Cloud
Yandex
Compute Cloud
Event/Notification
Services
Yandex Storage Data
Lake
Any BI Tool
Telegram Email
ETL (Free
Pentaho DI)
Postgres DW
ML Server
https://cloud.yandex.com/
55. Из любопытства…
Если бы Mail Cloud
Источники
Объектное
хранилище
Облачные
БД,
Просто БД
или NoSQL
External
API
SFTP
APPs Ad-hock
SQL
Бизнес
Пользовател
и
BI Tool Server
AWS Mail Virtual Private Cloud?
Виртуальные
сервера
Event/Notification
Services
Объектное хранилище –
Озеро Данных
Any BI Tool
Telegram Email
ETL (Free
Pentaho DI)
Postgres DW
ML Server
https://mcs.mail.ru/
Hadoop Spark
57. «Если очень захотеть, можно в
космос полететь…»
• Теоретически возможно
получить рабочую визу
• Федеральная программа
• Провинциальная программа
• Университет
• Выиграть green card
• Приехать по тур визе и
найти работу
• Университет
58. Работа в Amazon
https://www.amazon.jobs/
• Есть вакансии, которые делают Sponsorship
• Behavioral Interview (Amazon Leadership Principles)
• Все вакансии по работе с данными требуют SQL,
программирование
60. Выводы
• «В чем сила брат? А сила в данных.»
• Технические знания по работе с данными ОБЯЗАТЕЛЬНЫ!
• Не важно какой у вас инструментарий, главное правильно
интерпретировать результат и добывать ценность из данных
• Преимущество можно получить за счет использования
инновация (новые методы по работе с данными, новые типа
данных и тп.)
• «Учиться, учиться и еще раз учиться» В.И. Ленин.
Editor's Notes
The first Industrial Revolution started around 1780, and this was the beginning of the Age of Machines.
Steam and water power was used to power engines.
For the first time, we were able to produce goods using machines.
Steam power fueled the second Industrial Revolution [which started around 1870].
Here’s the Chicago World’s Fair in 1893 – and that was the place to be if you wanted to see the latest electricity-based inventions, such as lighting systems and elevators.
And electric power also enabled mass production. The assembly line made it possible to mass-manufacture new inventions such as the automobile and telephones.
Now, up to this point, data was still kept by hand. What data integration looked like was two accountants comparing paper ledgers with each other.
It was only during the Third Industrial Revolution – better known as the Digital Revolution – that digital data as we know it came to be.
The Digital Revolution started in the 1960s, it was fueled by electricity, and it introduced computerized automation.
It has brought the innovations we know and love, such as computers, smartphones, and the Internet.
The ability to manufacture a large variety of products + the internet gave rise to Amazon.
Here’s how the Amazon.com website looked like when it launched in 1995.
And here’s the website this year.
This is what customers see.
The changes are not just in the user experience, everything else has changed.
This is what is happening behind the scenes.
Amazon не будет заменять на новую базу данных, а будет создавать новую систему
Это все еще День 1
О каких случаях мы говорим?
цифровая революция уходит и приходит так называемая «Четвертая промышленная революция» согласно Всемирного экономического форума.
Это можно наблюдать на примере последних продуктов Амазон
Алекса – управление голосом
Amazon GO – использует компьютерное зрение и Machine Learning, меняет как мы шопимся
Amazon Robots возносят автоматизацию на следующий уровень
4ая промышленная революция связана с появление всех этих новых технологий которые двигают прогресс вперед
И двигателем являются ДАННЫЕ
Каждое из этих направлений не только создает кучу данных, но и использует эти данные в качестве обратной связи
2,7 s3
22
2,7 s3
22
”Цель организации – создавать ценность” - как следствие лидеры инвестируют в BI, потому что они понимают ценность информации и им необходимо отслеживать эффективность бизнеса.
”Цель организации – создавать ценность” - как следствие лидеры инвестируют в BI, потому что они понимают ценность информации и им необходимо отслеживать эффективность бизнеса.
”Цель организации – создавать ценность” - как следствие лидеры инвестируют в BI, потому что они понимают ценность информации и им необходимо отслеживать эффективность бизнеса.
Размер и сложность данных, которые необходимо проанализировать сегодня, означает, что те же технологии и подходы, которые работали в прошлом, больше не работают.
Во-первых, объем данных растет экспоненциально с машинно-генерируемыми данными из подключенных к Интернету устройств, которые растут в 10 раз быстрее, чем данные из бизнес-приложений. Это делает нецелесообразным для клиентов приобретать и устанавливать большее, более мощное оборудование каждый раз, когда достигаются ограничения по хранению и вычислительной мощности, а также ограничивает перемещение огромных объемов данных в отдельную аналитическую систему до ее анализа.
Во-вторых, типы доступных данных изменяются от традиционных оперативных данных, которые структурированы как таблицы и столбцы, к данным, генерируемым новыми источниками, такими как социальные сети, мобильные приложения, веб-сайты и устройства. Клиенты больше не могут ограничивать свою аналитику реляционными данными, но теперь они должны иметь возможность хранить и анализировать данные любого типа, включая нереляционные данные без определенных отношений или схемы.
В-третьих, поскольку данные генерируются в режиме реального времени, клиентам необходимо выйти за рамки анализа исторических данных для анализа данных по мере их появления.