Jaký graf mám použít? [tahák] | Mňamka #26
Byl večer před závěrečným testem v rámci Digitální Akademie Czechitas. Většina holek byla nervózní, já samozřejmě také, a tak jsem se snažila na poslední chvíli co nejvíc “nachytřit”. Jedna ze základních otázek, kterou jsem během kurzu řešila byla: “A jaký graf mám teda na co, kruciš, použít?”.
Během brouzdání ve vodách internetu jsem narazila i na tyto návodné "pavouky" - infografiky, které se na výběr grafů koukají zase trošku jinak. Nejde zde ani tak o to, jak přesně má graf vypadat nebo jaké barvy použít (o tom když tak něco trochu zde - Barevný svět BI ), ale v podstatě jde o takovou myšlenkovou mapu - jaký druh grafu je vhodné použít pro určité situace.
Všechny "pavoučí" infografiky, které vygoolíte se víceméně opakují, ale tady je pár mých oblíbených:
- Qlik udělal krásný přehled a to i s vysvětlením.
- Trochu jinak najdete pavouka zpracovaného třeba na infographicporta.com
Síla dobře navržených dashboardů a KPI | Mňamka #535
V dnešní době chce být každý "data-driven" – rozhodovat se na základě dat, a ne podle pocitů. Jedním z klíčových způsobů, jak toho dosáhnout, jsou správně nastavené KPI a přehledné dashboardy. Ty poskytují jasný přehled o výkonnosti a pomáhají firmám činit rozhodnutí, která opravdu stojí na datových základech, ne na odhadech.
Klíčové ukazatele výkonnosti (KPI): Jak je správně nastavit a efektivně vyhodnotit pomocí business intelligence | Mňamka #534
Jak efektivně řídit růst a sledovat dosažení cílů? Jak klíčové ukazatele výkonnosti (KPI) pomáhají firmám zlepšovat výkon a naplňovat strategické záměry?V článku najdete příklady KPI pro oblasti jako finance, marketing, zákaznický servis, výroba, lidské zdroje a IT, včetně praktických příkladů jejich využití. Zjistěte, jak zavést a sledovat KPI, abyste získali lepší přehled o efektivitě klíčových procesů.
Datové sklady, jezera a lakehouse: Jak vybrat správnou architekturu pro správu dat? | Mňamka #533
Svět správy dat prošel rychlým vývojem, který je poháněn rostoucí potřebou zpracovávat a analyzovat obrovské množství dat v reálném čase. Firmy, které chtějí porozumět svým datům, narazily na různé architektury – datové sklady, datová jezera a nyní i tzv. lakehouse – které nabízejí různé možnosti pro ukládání a správu dat. Tento článek se zabývá těmito třemi architekturami, porovnává jejich výhody a nevýhody a podrobněji se zaměřuje na lakehouse, nejnovější inovaci, která se snaží řešit problémy z dřívějších systémů.
