- 博客(48)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 衷心 祝愿
双节来临之际，达之云发布全新产品——达之云CDP客户数据平台（Dazdata CDP），致力于为中小企业提供互联网营销解决方案，针对全域粉丝潜客进行管理，集成统一客户身份、行为采集、微信个性内容推送等，通过大数据和AI技术使中小企业互联网数字化营销快速落地。我们期待着达之云CDP客户数据平台在未来能够继续发挥其重要作用，帮助更多的企业实现客户价值最大化，共同迈向更加美好的未来！专为中小企业打造，让每一位客户的声音都被听见，每一次的互动都被珍视。达之云衷心祝愿您，中秋国庆双节快乐，阖家幸福！
2023-09-28 14:06:26
98
原创 基于dbt的机器学习：流畅的过程衔接
DBT 继承了我们在 SQL 上的工作，在数据工程师、数据分析工程师和任何数据角色之间构建了一个优雅、通用的、操作友好的环境。工具和工作流的统一在数据组织内为不同团队之间创建了互操作性。就像在接力赛中一样，在过程的各个阶段都有明确的交接点和明确的所有权。但截止目前，还有一个环节仍然痛苦且不确定：机器学习（ML）工程师和数据分析工程师之间的衔接。根据我的经验，ML工程和数据分析工程之间的初始协作工作流程开始时很强大，但最终在维护阶段变得混乱。这最终导致项目变得无法使用和被遗忘。
2023-04-07 12:38:03
301
1
原创 发挥现代数据栈MDS的更大价值
从原始数据到有价值的、可操作的见解的过程是漫长的，不适合胆小的人。旅程的每一步都需要时间和精力，而且往往需要不同的工具。例如，第一步 - 数据收集 - 已经是一场艰巨的艰苦战斗，因为公司的数据分散在各种源系统和文件中。将碎片数据集成到集中式数据仓库依赖于 ELT 或 ETL 过程，为此您可能需要多个提供程序来连接所有源。以下步骤 - 存储，转换，可视化和分析 - 都涉及将数据重新定位或转换为不同的格式和结构。不用说，这不是一件容易的事。
2023-04-06 17:25:39
247
原创 通过 DVT 和 dbt 测试监控Airbyte数据管道
为数据复制或数据迁移构建 ELT 数据管道的一个重要部分是能够在出现错误时进行监视并获得通知。如果您不知道错误，您的数据将包含不一致之处，并且您的报告将不准确。由于使用的工具数量众多，大多数管道的复杂性使得设置监视和警报系统更具挑战性。在本文中，我将分享为什么为 ELT 数据管道设置监视和警报系统很重要。我解释了要监视的关键指标，以及设置监视和警报系统时将遇到的常见挑战。我进一步强调了不同的监控和警报工具，并展示了如何使用Google的数据验证工具（DVT）和数据构建工具（dbt）实现典型的监视/警报系
2023-04-04 16:23:55
370
原创 你想知道的关于现代数据栈MDS的所有内容
如上所述，现代数据堆栈的倡导者包括dbt，Fivetran，a16z，其他数据软件公司和许多风险投资。他们都想改变的是公司准备数据进行分析的方式：从传统的ETL（提取，转换，加载）到ELT（提取，加载，转换）。相反，ELT 的意思是，在将数据加载到云数据仓库之前，只需要数据提取和数据加载。现在回到本文的主题，这种以数据仓库为中心的构建堆栈的方式是现代数据堆栈所倡导的方式：数据仓库功能的广泛使用。现代数据堆栈的目标是大大简化用户管理数据的难度，让用户更关心数据本身，而不是软件。因此，起点是不同的。
2023-04-03 16:22:25
201
原创 ETL 与 ELT：解开关键区别
Fivetran 和 Stitch 等需要很少技术专业知识的产品可以从许多数据源中提取数据并将其加载到许多不同的数据仓库中，这有助于降低进入 ELT 工作流程的门槛。这不仅仅是语义，转换发生的时间和地点的顺序在数据团队如何存储、治理、标准化、建模和测试数据方面起着至关重要的作用。数据团队角色ELT 工作流使了解 SQL 的数据团队成员能够创建自己的提取和加载管道及转换ETL 工作流通常需要具有更高技术技能的团队来创建和维护管道。这代表了以前处理数据的方式的根本转变，当时ETL是大多数公司实施的数据工作流。
2023-03-31 14:37:06
717
原创 DBT构建和部署机器学习模型预测订单退货
在这篇博文中，我们将引导您了解如何使用 fal 和 dbt 来训练和存储逻辑回归 ML 模型，对新数据进行预测，并将这些预测存储在 dbt 模型中。接下来，我们将模型权重保存到本地存储。在我们的例子中，逻辑回归模型的输出将是给定客户的年龄和订单总价格的订单被退回的概率。这个新的dbt模型将首先选择最佳的逻辑回归模型，使用它来预测订单是否会被退回，最后将其预测存储在我们的数据仓库中。如您所见，我们正在计算两个 dbt 模型，并且 .顾名思义，一个数据集包含标记的数据，而另一个数据集包含未标记的“新鲜”数据。
2023-03-30 14:28:29
197
原创 数据工程：ELT 工作流中的 6 个步骤
因此，一个好的数据转换过程既严格又灵活 - 该过程允许足够的护栏，使分析工作有价值和有条理，有足够的空间来有趣、具有挑战性和针对您的业务进行定制。在实际的转换步骤中，已加载到数据仓库中的原始数据，您熟悉该数据的结构，并且您有一个关于如何处理它的大致计划 - 它终于准备好开始您的建模过程了！如果您对原始数据的准确性和完整性有很高的信心，那么与质疑数据的完整性相比，此步骤可能会变得不那么费力（如果您是数据从业者，这可能是您的自然倾向😉）。在提取过程中，从与您的业务相关的多个数据源中提取数据。
2023-03-29 11:23:35
165
原创 Airbyte是如何避免ELT中数据提取加载错误
在单个连接器（例如亚马逊广告）的文档上，您会发现对上述许多问题的详细讨论，例如如何提供连接器将适当传递给 API 的凭据，以及哪些终端节点包含跨行业最普遍有用的信息。通常，API 查询的结果可能是大量记录。这些步骤中的每一个都可能带来许多不同的挑战，这些挑战可能会使数据团队花费宝贵的时间来编写样板代码，或者危及结果的准确性和完整性。了解这种复杂性说明了像Airbyte这样的数据集成工具如何通过减少认知负担，加快开发时间，降低未来错误和中断的风险，并让他们专注于组织特定的问题来减轻数据团队的负担。
2023-03-29 11:12:55
215
原创 自助式分析是数据组织的一种状态
例如，在我认识的一家消费者软件公司中，该公司报告结构中的许多人都精通SQL，因此他们能够通过面向SQL的BI工具，精心策划的数据仓库和一两个可视化工具的组合来解决自助服务问题。然后你的公司成长起来，创建了向不同领导者报告的部门，每个部门都雇佣了自己的分析师，现在你在公司的各个部门都有一群分析师，都在编写查询或调整Excel电子表格，只是试图跟上你的公司向他们提出的业务要求。“我们非常高兴，”他告诉我们，“产品团队和营销团队都有自己的仪表板，一旦我们设置了所有内容，我们从这两个团队收到的请求数量就会下降。
2023-03-27 14:30:18
332
原创 现代数据栈MDS应用落地介绍—MozartData数据驱动从未如此简单
莫扎特数据的现代数据堆栈可以由那些几乎没有技术专长的人建立，并且成本只是其他选项的一小部分，这要归功于Snowflake和Fivetran的合作伙伴折扣。MozartData提供了一个开箱即用的现代数据平台，该平台具有内置的技术集成和工具，可实现可观测性、可靠性和编目，因此组织中的任何人都可以查找和使用完整、准确和最新的信息。将数据可观测性作为数据平台服务，利益干系人可以查看整个数据管道中的数据沿袭，包括源表、这些表的数据转换、生成的表、版本历史记录以及依赖项的快速概览视图。其中最重要的是数据可观测性。
2023-03-24 17:04:29
194
原创 现代数据栈MDS应用落地介绍—Vero营销自动化平台
如果 你有一个像Dribbble这样的数据仓库设置，这意味着 支付两次费用以存储相同的数据：一次在您自己的数据中 仓库，并再次在您的电子邮件服务提供商的云中。这是运球的场景 发现自己在。现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，不同于国内的数据中台更多强调数据处理技术，MDS注重落地和最后一公里的大数据应用。在原始成本之上 重复数据存储，运行中涉及的维护 数据管道的拼凑使所有内容保持同步，增加了 巨大的维护成本。
2023-03-23 17:12:26
133
原创 现代数据栈MDS应用落地介绍—ActionIQ智能营销系统
现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，不同于国内的数据中台概念，MDS注重落地和最后一公里的大数据应用。随着客户隐私和数据保护的增加，作为营销人员和组织，我们如何使我们的业务面向未来，并考虑正确的技术堆栈，以帮助我们保护面临风险的收入，更重要的是，开始考虑如何创造更无缝的客户体验来推动增长？在遵守隐私法规的情况下，跨您选择的第一、第二和第三方来源管理和解析匿名和已知客户的身份。跨任何系统或渠道自动执行更新、导出和配置。
2023-03-22 10:57:47
164
原创 现代数据栈MDS应用落地介绍—Bloom AI数据交付平台，实时AI驱动业务
现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，不同于国内的数据中台更多强调数据处理技术，MDS注重落地和最后一公里的大数据应用。Bloom AI认为业务团队的当前商业智能（BI）流程是分散的、复杂的和技术性的。它只关注数据智能，不考虑其他形式的信息或隐性知识。结果是 60-80% 的数据和分析没有用于决策。Bloom AI 有助于加速您以企业洞察为导向的旅程。使您的团队能够在一个支持云的协作平台中捕获决策所需的全面见解。
2023-03-22 10:50:00
200
原创 现代数据栈MDS的主要特征
他说，在IT运营管理领域，这涉及分析数据，包括指标，事件，日志，拓扑，事件和更改，并且需要开放的平台，并且可以集成来自无数工具和技术的数据，并补充说，堆栈还需要支持混合客户来自本地数据中心基础设施和应用程序以及多个云资产的数据。“人们，普通商业用户，使用AI / ML做非凡事情的方式，将改变未来企业的运营方式，”他说，并补充说谷歌正在寻找进一步民主化人工智能和机器学习的方法，以便那些没有数据背景的人可以通过简单的电子表格访问它。我们在谷歌有备份，在微软有其他备份，这种互连正在变得正常，“齐马说。
2023-03-16 17:17:43
300
原创 现代数据栈MDS的主要特征
这些是重要的注意事项，尤其是在您的组织处理敏感数据或需要遵守严格的数据法律时。因此，重要的是要知道您选择的工具的解决方案提供商公司是否得到了强有力的领导和充足的资金支持。在接下来的几年中，数据仓库解决方案提供商能够进一步改进架构，分离存储和计算，并提供更好的价格点和可扩展性。如果您的数据占用空间可以忽略不计，并且您的团队规模较小，那么如果没有额外的工具开销，您可能会更好。若要了解特定 MDS 工具的优点并做出正确的工具选择，首先了解数据平台的各个组件以及为每个组件提供服务的工具的通用功能非常有用。
2023-03-16 16:51:19
365
原创 Metabase学习教程：权限-6
由于我们的公司已经在使用LDAP进行单点登录（SSO），所以我们想从LDAP中获取有关哪些人是（或不是）HR的信息。但是如果我们关闭那个窗口，打开另一个窗口，然后以Farrah的身份登录，我们。，我们可以填写在LDAP中标识组的可分辨名称（在本例中，是前面创建的Human Resources组的DN）。一旦LDAP有了正确的记录，我们就可以使用具有管理员权限的帐户登录到Metabase。相反，我们需要一个单独的。，我们可以看到图标，显示谁的帐户来自LDAP，而不是由Metabase管理。
2022-12-09 15:57:17
525
原创 Metabase学习教程：权限-5
Metabase可以知道的关于本机查询的是它所查询的数据库，因此我们必须单独检查每个查询。我们将单击Brown女士的名字，深入查看有关她在Metabase中的操作的详细信息（图6）。我们还可以使用审计日志来寻找机会，使我们的仪表板加载更快，或者通过确保人们使用他们可以信任的仪表板来帮助人们找到他们需要的数据。从最流行的仪表板图表。中，我们可以更深入地检查Orange博士的帐户，查看他们查看了哪些查询，撤销他们的访问权限。，将Orange博士能够访问的集合中的任何任性查询归档，并与他们谈论他们所查看的数据。
2022-12-08 17:18:57
81
原创 Metabase学习教程：权限-2
设置具有权限的集合，以帮助用户组织和共享与其相关的工作。集合保持问题,仪表板，和模型有条理，容易找到。将集合视为存储我们工作的文件夹是很有帮助的。集合权限授予一群人访问：查看或编辑保存在集合中的问题、仪表板或模型。编辑集合详细信息，例如集合的名称或保存位置。在本教程中，我们将为一家拥有名为Canoes和Sailboats的团队的公司创建集合，并设置收集权限，以便：公司中的每个人都可以查看但不能编辑保存在公司顶层集合中的工作（在Metabase中，它被称为我们的分析-您可以将其视为根目录或父文件夹）。Cano
2022-12-07 20:00:11
313
原创 Metabase学习教程：权限-1
通过设置对Metabase包含的示例数据库的权限，了解Metabase如何处理数据权限。数据权限指定差异有多大一群人可以与表和数据库交互。在本文中，我们将介绍一个示例，说明如何授予用户从中查看、编辑或查询表的权限示例数据库.引入数据权限让我们从导航到行政>权限，然后选择数据库>示例数据库。这将转到数据库级别的“数据权限”页。如果要为每个数据表在Sample数据库中，可以单击左侧的表名。编辑图1。在进行任何更改之前，请打开示例数据库的“数据权限”页。必须为组配置数据权限.Metabase附带两个默认组：Adm
2022-12-06 18:40:22
540
原创 Metabase学习教程：数据分析-1
如果您没有需要在多台计算机上运行数据库的规模，则可以使用与应用程序数据库相同类型的数据库作为专用分析数据仓库（例如，如果您的应用程序使用PostgreSQL，则可以使用另一个Postgres数据库来存储分析数据）。倾向于使用列式存储，将所有的名称存储在一起，最后登录的所有时间都存储在一起，等等很简单，因为数据库可以忽略数据库中除出生日期列之外的所有数据。虽然没有一刀切的解决方案，但我们将为您提供一个大致的数据仓库选择图，其目标是帮助您找到最适合您预算的解决方案、您希望使用的数据量以及您的性能需求。
2022-12-02 14:04:28
265
原创 Metabase学习教程：模型-1
是的，数据工程师会更了解数据管道中的管道，但他们不一定知道特定团队面临的问题以及这些问题的各个部分应该如何定义（例如，什么才是活动用户？在真实的模型中，您可能会有更多的问题需要回答，这将需要更多的列来回答（例如客户的年龄、他们在网站上花了多长时间、从购物车中添加和删除的项目，或者您认为您的团队将要问问题的所有其他数据点）。（请注意，如果更改模型的基础查询，则需要更新每个列的元数据）。为了让非技术人员更容易地询问有关您的数据的问题，您可以做的最有价值的事情是将您的数据放入一个使提问更直观的形状。
2022-12-01 19:29:51
151
原创 Metabase学习教程：仪表盘-7
如何使用Metabase构建内部查找工具来快速查找有关客户、订单或其他数据的详细信息。我们写过人们使用Metabase的一些有趣的方式其中之一是使用Metabase作为内部或后台应用程序的解决方案，例如客户查找工具。您不必构建定制页面来查找客户信息、订单信息或其他对您的组织很重要的记录，您只需启动一个Metabase实例并构建一个仪表板这使得人们能够快速提取与订单号、SKU、名称或其他相关的信息领域.在本文中，我们将指导您如何使用示例数据库包括在Metabase中。我们将向您展示Metabase提供的一些开
2022-12-01 19:11:46
386
原创 Metabase学习教程：仪表盘-5
意思：即使我们要将这个问题添加到仪表盘，并向该仪表盘添加一个过滤器小部件，该过滤器也不会对我们的SQL查询产生任何影响，因为在我们的代码中没有指定的位置让小部件插入其值。让我们添加另一个过滤器。当两个字段过滤器变量都连接到仪表盘过滤器小部件时，当我们在小部件中选择一个值时，两个问题都会用过滤后的数据更新它们的图表。现在，我们讨论的是过滤数据，精明的读者可能已经意识到我们的SQL代码中没有filter语句。我们的日期过滤器小部件中的选项，用于选择2019年1月1日至2019年12月31日的订单。
2022-11-29 14:57:20
214
原创 Metabase学习教程：仪表盘-4
在上面的图10中，如果我们单击威斯康星州，仪表盘将筛选来自威斯康星州的用户的订单的其他部件。下一步，我们要将每个部件连接到我们的状态筛选器除了我们要用来更新筛选器的部件按州划分的订单部件。我们还想把仪表盘连接起来，这样当人们在条形图中单击一个类别时，类别筛选器就会更新，所有的部件都会更新除了这个按产品类别列出的订单部件更新，按该类别筛选订单。我们的目标是：我们要设置这个仪表盘，这样当人们点击地图中的一个状态时，仪表盘的状态筛选器会更新并筛选每一张部件除了这个按州划分的订单部件。到现在为止，一直都还不错。
2022-11-29 14:51:17
64
原创 Metabase学习教程：仪表盘-3
下面是我们要创建的用户体验：当有人查看我们的订单概览仪表盘时，他们应该能够单击产品，并让Metabase将他们带到产品详细信息仪表盘，该仪表盘根据用户单击的产品进行更新。我们可以将它们发送到任何外部站点，但在本例中，我们将它们发送到Metabase文档的搜索页面，这样您就可以看到实际的参数化（因为阅读我们的文档将使您成为一个更好的人）。在本例中，我们将只为单个列设置单击行为。您可以设置仪表盘部件以将用户导航到仪表盘、保存的问题和URL，并使用仪表盘中的值更新目标仪表盘的筛选器，或参数化指向外部站点的链接。
2022-11-28 17:57:00
334
原创 Metabase学习教程：仪表盘-2
所以州过滤器可以让我们选择一个州，比如佛蒙特州，城市过滤器可以让我们选择任何城市，包括佛蒙特州以外的城市。基本上，这个仪表板可以让我们设置无意义的过滤器组合，比如佛蒙特州奥斯汀市的过滤，这不是我们的宇宙目前的设置方式（政治上）。在本例中，只有一个过滤器，即状态过滤器，所以我们将打开该过滤器以链接过滤器。我们还可以将状态过滤器链接到城市过滤器，以根据城市过滤器的值限制状态过滤器的可用选项。将城市过滤器链接到州过滤器后，当我们为州过滤器插入VT时，我们将看到城市过滤器现在知道只显示佛蒙特州的城市。
2022-11-28 17:20:56
149
原创 Metabase学习教程：仪表盘-1
BI仪表盘最佳实践学习如何制作出色的商业智能仪表盘。在Metabase中，仪表盘可以在网格中组织图表和文本卡片。关于基本知识，请查看我们的文档创建仪表盘。这篇文章介绍了有关什么是优秀的商业智能仪表盘的高级概念，并包括一些关于如何充分利用Metabase提供的工具的战术建议。BI仪表盘的用途商业智能仪表盘应该有助于为决策提供信息。有不同种类的仪表盘，您经常会看到它们被分解为分析型、战略性和操作型仪表盘，但每个仪表盘的用途都应该是监视您的操作及其效果。就像汽车仪表盘上的仪表盘一样，它们应该给你反馈你所采取
2022-11-28 16:57:44
198
原创 Metabase学习教程：视图-8
例如，如果在连续的步骤中使用相同的计数，那么这些步骤可能会在漏斗图中进行交换，就像Metabase默认按字母顺序对步骤进行排序以打破这种情况。同样地，如果你有漏斗，它可以在特定的步数上扩展（例如，新的人在中途进入漏斗），漏斗将默认为递减计数，这会扰乱你的步序。在漏斗图的设置中，在数据选项卡，可以设置台阶（在本例中，我们使用的是产品类别）和指标（订单数量）。这里要做的一个关键区别是，我们不想看到客户的分布情况，也就是说，我们不想查看是否有多少客户从一个产品类别订购，有多少订单来自两个类别，等等。
2022-11-28 16:31:19
187
原创 Metabase学习教程：视图-4
如果你在这三个选项之间切换，你会看到的直方图是唯一的轴选项，其中的条彼此平齐。箱子的长度相等（可以是空的），并且箱子是连续的。元数据库将自动设置存储箱的数量，但您可以更改元数据库存储数据的方式。我们将逐步创建直方图，它是一种条形图，显示连续范围内的数据组。柱状图有助于深入了解人们可能购买的商品的数量、他们可能购买的价格范围，甚至是大多数人购买商品的时间。虽然典型条形图上的条形图表示类别组，但柱状图上的条形图表示沿连续可量化频谱的范围。序数不同于直方图，因为序数按不同的数值分组，而不是按连续范围的值分组。
2022-11-28 16:13:48
143
原创 Metabase学习教程：视图-7
与平面表一样，透视表让我们看到，例如，在2020年，我们在阿拉斯加（AK）的客户以867.63美元的价格购买了11种Dooickey产品。但现在透视表已经将与阿拉斯加相关的行分组，并给出了这些阿拉斯加行的小计，让我们看到我们问题的答案：阿拉斯加人从2016年到2020年购买了103把小玩意，总计6900.43美元。现在，假设每个州，我们还想知道每个州的年度小计总数（例如，阿拉斯加所有年份的Dooickey产品订单赚了多少钱？数据透视表是一个对行和列进行分组的表，它包括具有这些分组的聚合值的摘要行。
2022-11-28 15:49:47
205
原创 Metabase学习教程：提问-7
如果将第一个大小写替换为第二个大小写，表达式将确认这一点side（clean）为空并立即返回“main only”，而不必检查是否main（clean）也是空的。最后，为了填写每位客人的最终订单，我们将使用concat函数将值从main（clean）和side（clean）其他单词（包括空格）。我们假设唯一有效的主要选择是牛肉和鹰嘴豆炖菜。接下来，我们将创建一个名为主（干净）这将合并每个客人的响应的有效干线。如果主（干净）和侧面（干净）两者都包含一个有效的选项，然后返回“main with side”。
2022-11-23 17:05:34
65
原创 Metabase学习教程：提问-5
还有其他方法可以计算这个结果：例如，我们可以在计算第一个摘要之前过滤掉小部件（大多数分析师认为这是一个最佳实践，因为在早期减小数据集的大小可以提高性能）。重要的一课是，我们可以一步一步地构建洞察力，因为每个答案都指向一个新问题，而Metabase允许我们在操作发生时逐个添加操作。目前我们想知道所有的产品类别，所以我们不需要过滤这些数据，但是我们需要对它进行分组和汇总，以便按类别计算每周的总数（图1）。我们的可视化现在正是我们想要的：每周平均售出的dooickey、gadget和gizmo的数量（图6）。
2022-11-22 09:25:11
95
原创 Metabase学习教程：提问-1
1. 用SQL编写一个问题，将所需的起始数据集合在一起，就像创建一个供用户查询的视图一样。您可以选择将数据透视保存为仪表板，然后您可以根据自己的喜好编辑它，方法是删除不相关的问题，或添加新的问题或。在此基础上，您可以让用户使用模型作为向查询生成器提问的起点，也可以基于该模型创建查询生成器问题，供用户使用。也就是说，如果你添加了一个定制的目的地，用户将无法对问题的数据进行切分。将根据图表中的数据显示不同的选项。另外，单击一个点或一个条可以选择比较数据，这将为您提供另一个带有自动生成图表的仪表板。
2022-11-18 14:21:43
121
原创 Metabase学习教程：入门-5
如果您发现您反复使用同一个保存的问题作为新问题的起始数据，您可能需要将保存的问题转换为一个模型，这样可以添加诸如列描述和列类型之类的元数据。它的工具箱中的工具（我们不能在这里涵盖所有的工具），但是即使是经验丰富的Metabase用户也会从它的特性集中受益-特别是因为我们在常规剪辑中添加了主要的新功能。当您询问一个简单或自定义的问题时，Metabase将猜测最适合结果的可视化类型，但您可以从16个不同的可视化选项中进行选择。您可以保存您的问题，并将问题分组到漂亮的仪表板中。
2022-11-15 19:36:27
303
原创 Metabase学习教程：入门-4
您不必编写这些结果的自定义视图，也不必强迫非技术用户与Matlab交互，而是可以使用Metabase作为一种简单、轻量级的方法，将这些结果发布给公司的其他人员。给人们发送一个指向仪表板的链接，将仪表板嵌入你的应用程序中，或者简单地截取Metabase图表的屏幕截图并将其粘贴在幻灯片上：不管怎样都可以。在一个项目的开始，你可能不知道你想要衡量什么，所以建立分析的想法可能显得为时过早。当人们问你问题时，保存查询并给他们账户到Metabase所以他们可以引用它，或者把它作为另一个问题的起点。
2022-11-14 19:51:40
101
原创 Metabase学习教程：入门-2
因为我们已经设定了一个目标线，Metabase会自动询问我们是否希望在问题的答案超过或低于目标线时被告知（我们希望“结束”），以及我们希望在第一次还是每次都得到通知（我们将选择第一次）。有时候，你会发现需要一次又一次地提出某些，无论是运行定期报告，查找某个重要用户群体的信息，还是仅仅为公司的其他人回答同样的问题。Metabase将会尝试给查询一个有意义的名字，但你可以自己命名，这将有助于你和其他人以后找到你的查询。你可以移动和调整你的图表，这样你就可以让它看起来像你想要的那样。，你可以在上面保存你的工作。
2022-11-10 13:31:15
109
原创 Metabase学习教程：入门-1
Metabase查询以及该查询结果以及这些结果的可视化和格式化（即使该可视化只是一个表格).查询有标题、ID和唯一的URL，您可以复制并与他人共享。Metabase是一个简单而强大的分析工具，任何人都可以从公司的数据中学习和决策，而无需任何技术知识。如果我们想以表格的形式检查结果，可以单击页面底部中心的小开关，从图表切换到数据表，然后再切换回来。这个Orders表中有一堆伪造的关于一家虚构公司的产品订单的数据。您可以通过筛选和汇总查询的结果，将这些探索保存为新查询，并将查询添加到。我们感兴趣的是小计。
2022-11-09 19:59:20
164
原创 Redash和Metabase深度比较之六：预警和订阅
Redash和Metabase都有基于结果集变化的预警，首先要做一个定期查询，当查询的结果集满足给定条件时，可以触发预警。Metabase对仪表盘提供定时订阅的功能，方便通过邮件定期订阅指定报表。Redash无类似功能。
2022-11-07 18:48:03
114
原创 商业智能BI与现代企业达之云
在商业智能BI中，达之云公司在国内有这良好的口碑，而旗下的技术 Redash 中文商业版更是在大屏数据展示制作、企事业单位 智能报表和大数据分析及集成 3D 应用等业务方面表现优异，该平台扩展性强，拥有成本低，广泛应用于政府企事业单位，如 党政部门、医院、学校、商超、商城、制造业、电力、物流和各类园区等。第三层，数据源层 - 即数据层，各个业务系统底层数据库的数据通过 ETL 的方式抽取到 BI 的数据仓库中完成 ETL 过程，建模分析等等，最终支撑到前端的可视化分析展现。（Redash 后端架构图）
2022-10-28 16:51:18
89
空空如也
一键安装w10在Bios开始虚拟化，重启就蓝屏了，求指点
2021-09-10
TA创建的收藏夹 TA关注的收藏夹
TA关注的人