Automatizace, aneb když Excel nestačí | Mňamka #189

Když se řekne automatizace, lidé se začnou bát o místo. Často na to narazím, když přijdu do firmy, která je “datově nepolíbená”. Lepší se to, ale ještě to bude nějakou chvíli trvat. Je to přirozené. Prostě lidé mají strach. Například z toho, že pak nebudou mít co dělat. Opak je ale pravdou. Automatizace dokáže skvěle rozvázat ruce. Tak například: Běžně přijdete v pondělí do práce a první 4 hodiny ťukáte report pro vedení na odpolední poradu. A teď si představte - report máte v 8 ráno připraven, na stole a můžete se věnovat třeba tomu, co v datech vidíte a proč. Rozhodně se nudit nebudete :-) 

Co to je automatizace dat

Co vás napadne, když se řekne automatizace?  Automatizace dat je proces, při kterém se přesouvají data z jedné hromady (zdrojových systémů) na druhou (třeba do úložiště, pro případnou vizualizaci atd.). Automatizace dat nahrazuje manuální práci v rámci datového životního cyklu pomocí technologií a definovanými procesy.  Není to 100%, i při plné automatizaci je sem tam potřeba lidského zásahu, jde ale o zásadní zkrácení času třeba při přípravě reportingu. Někde jsem dokonce četla, že až 40% zaměstnanců tráví čas manuální prací, což je opravdu hodně.

Benefity automatizace dat

Za mě jsou dva hlavní - první je již zmiňovaná úspora času - např. uvolníte ruce zaměstnanci, co každé pondělí tráví celý den sběrem dat a vkládáním je do Excelu. Může se tak věnovat něčemu jinému. A ten druhý? Méně chyb. Chybovat je lidské a při manuální práci to platí dvojnásob. V rámci ETL si technologie sahá pro data přímo do zdrojových systémů a podle přesně definovaného postupu je zpracovává. Nedochází tak k chybám například při kopírování ctrl+c/v, chybě ve výpočtu, prostě dodáváme tak  kvalitní data.

Jak nastartovat automatizaci správnou strategií

Bez správné strategie automatizace dat se vaše společnost velmi snadno odchýlí od správné cesty, což pak stojí zdroje a čas. I zde platí pravidlo pro všechny strategie - musí být v souladu s vizí vaší společnosti. Takže na co nezapomenout? Tady pár postřehů:

Data Automation: How to do it properly

Data Automation: How it Transforms Enterprise Landscape

Jak automatizovat pomocí ETL pipeline

Podle toho, jak je potřeba s daty pracovat nebo jak je nastavena infrastruktura, se tomuto procesu také říká ETL nebo ELT.  Podívejte se na naše ETL Bizzflow - volně ke stažení, postavené na standardních cloudových službách a implementované pro všechny 3 největší cloudová prostředí.

A na závěř dvě videa, která se vám k tomuto tématu rozhodně budou hodit! 

Máte k článku nějaké otázky nebo připomínky? Klidně mi napište, ráda to s Vámi proberu :-)

Eva Hankusová
první kontakt zákazníků
marketing | partnership
LinkedIn

Seznamte se s Kats - jednotným kontaktním místem pro analýzu časových řad | Mňamka #203

Seznamte se s Kats - jednotným kontaktním místem pro analýzu časových řad | Mňamka #203

Pojďme se podívat na Kats – novou knihovnu v Pythonu pro analýzu časových řad! Kats je elegantně použitelný framework pro obecnou analýzu časových řad, včetně předpovědí nebo vícerozměrné analýzy a extrakce/vložení funkcí. Poskytuje klasické i pokročilé techniky pro modelování dat časových řad!

Jak si přidat vlastní KPIs do Airflow | Mňamka #202

Jak si přidat vlastní KPIs do Airflow | Mňamka #202

Airflow nám umožňuje programově vytvářet, plánovat a následně sledovat workflow. Standardní UI v Airflow nám umožňuje zobrazit pipelines a filtry. Jenže.. jak se zvyšuje počet pipelines, stává se mnohem složitější vyfiltrovat to, co potřebujeme. Jak si přidat vlastní pohledy/filtry na vaše DAGs v Airflow? Podívejte se, jak na to!

Jak využít Pohodu (a jiné datové zdroje) v BI? | Mňamka #201

Jak využít Pohodu (a jiné datové zdroje) v BI? | Mňamka #201

Vědět, v jaké je firma finanční kondici a kam pluje je jedna z klíčových věcí pro její správné kormidlování. Jenže jak to dát všechno dohromady? Jak využít všechny ty datové zdroje, které máme k dispozici? Potřebujete mít všechny finanční pohledy aktuální pár minut po zaúčtování dokladu? Pojďme se na to podívat krok za krokem – jen namátkově vytvoření mappingů, očištění dat, datový model a na závěr už chybí jen pár vymazlených dashboardů!