MAQL II. - MAQL Reuse factů & Nesting metrik | Mňamka #454

Papír do modrého, plast do žlutého a barevné sklo do zeleného. Recyklujeme, abychom znovu využili suroviny a neplýtvali zdroji. Stejně tak je tomu i s daty. Pokud už někde máme zpracovaná data, ze kterých potřebujeme vycházet, můžeme je využít a ušetřit si čas i zdroje.

V minulém článku jsme si osvětlili rozdíl mezi SQL a MAQL. Jestli ještě nevíte, o čem mluvím, tak tady se můžete nachytřit. Dnes se trochu zaměříme na výhodu metrik vytvořených přes MAQL a jejich recyklaci. K čemu všemu nám mohou být metriky dobré?

Reuse factů

Když poprvé otevřu nástroj Analyzer v GoodDatě, může se zdát, že pro jednoduché agregační metriky mi bohatě stačí loupnout si nějaký fact, tedy číselnou hodnotu, rovnou do kolonky určené pro metriky. GoodData sama mi z factu metriku jednoduchou agregací vytvoří a já si ušetřila půl minuty práce. Teď. Ale v budoucnu mě to může taky spoustu času stát, a to úplně zbytečně.

Chytřejší řešení je totiž si z agregace factu, i z úplně jednoduchého, udělat nejprve metriku pomocí MAQL. Pokud totiž budu stejnou sumu mého factu, říkejme mu třeba Suma tržeb za malinové palačinky, využívat ve více než jednom insightu, a že se mi to dozajista časem stane, házím prakticky PET láhve do směsného odpadu.

Problém totiž přichází, když zjistím, že potřebuji napříč celým workspacem najít všechny tyhle moje Sumy tržeb za malinové palačinky a udělat z nich třeba Sumy tržeb za palačinky s lesním ovocem. To jsem dosti nahraná, protože výskyt metrik si můžu snadno dohledat, například přes GD extension, ale facta, nějak upravená jednotlivě pro každý insight stejně, najdu už hůře.

Když si to shrneme, použití metrik v insightech místo factu má následující výhody:

  • Nemusím upravovat fact několikrát stejně
  • Při změně na jednom místě se mi kaskádovitě změní všechny výskyty
  • Snadno dohledatelné použití metriky

Nesting metrik

Nesting metrik je použití metriky v metrice další. Funguje to tedy jako matrjošky, metriku zabalíme do jiné metriky a tuhle metriku opět můžeme zabalit do metriky další, a dokud nás to baví, můžeme pokračovat. Velkou výhodou je, že si nabalujeme logiku agregací či filtrů postupně a u složitějších metrik to nejen velmi zlepší přehlednost, ale i ušetří znovuvytváření stejného kódu. A v případě, že se zpětně potřebujeme vrátit a zjistit, co dělá nestovaná metrika, stačí nám jeden klik na ni, a to je velmi rychlé řešení.

Výhody nestingu metrik:

  • Mnohonásobné použití stejné logiky
  • Orientace ve složitějších metrikách
  • Změna v jedné metrice ovlivní kaskádovitě všechny ostatní

A co vy? Jste ekologičtí při stavbě metrik v GoodDatě?

Máte k článku nějaké otázky nebo připomínky? Klidně nám napište, rádi to s Vámi probereme :-)

Petra Nedvědová
datový detektiv
LinkedIn

WEBINÁŘ: Manažer a AI

WEBINÁŘ: Manažer a AI

V dnešním byznyse je AI všude! Ale jak ji opravdu využít k růstu, i když nejste IT expert? Tento webinář je připraven pro manažery, kteří chtějí jít dál než jen uvažovat o AI a začít ji reálně implementovat. Co se z webináře dozvíte? Záznam webináře vám nabídne praktické tipy, konkrétní nástroje a jasné návody, jak transformovat vaše nápady do hmatatelných AI řešení.

Umělá inteligence ve firemních nástrojích: skvělý pomocník, nebo zadní vrátka? | Mňamka #546

Umělá inteligence ve firemních nástrojích: skvělý pomocník, nebo zadní vrátka? | Mňamka #546

AI dnes najdete téměř v každém nástroji, který ve firmě používáte - od zpracování dat přes účetnictví, CRM a řízení úkolů až po zákaznickou podporu nebo e-mail. Všude se objevují „asistenti“, „copiloti“, „recommenders“ nebo prostě tlačítka s nápisem „zkus to s AI“. Než AI funkcionalitu ve vašem nástroji nadšeně zapnete, stojí za to se zamyslet: jak funguje, co sbírá, kam data posílá? Protože právě tady se mohou velmi snadno otevřít zadní vrátka do celé firmy – a s nimi i dost zásadní bezpečnostní rizika.

Jsou statické dashboardy v roce 2025 přežitek? | Mňamka #545

Jsou statické dashboardy v roce 2025 přežitek? | Mňamka #545

Dashboardy jsou v dnešní době stále ještě hlavním nástrojem, který umožňuje byznysu rychle zobrazit klíčové metriky, sledovat trendy nebo porovnávat výkonnost. A pořád tak hrají důležitou roli ve světě datové analytiky. Ale… kolik rozhodnutí se podle nich skutečně udělá?