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

Tableau - Performance Tuning (časť 3.) | Mňamka #506

Tableau - Performance Tuning (časť 3.) | Mňamka #506

Chcete vědět, jak zlepšit rychlost a efektivitu vašeho dashboardu v Tableau? Tento článek vás seznámí s významem materializace výpočtů, výhodami agregace dat a důležitostí specifikace datových zdrojů. Navíc se dozvíte o nové funkci "workbook optimizer", která vám nabídne automatizované doporučení pro dosažení optimálního výkonu vašeho dashboardu. Přečtěte si více a dozvíte se, jak dosáhnout rychlejšího a hladšího provozu vašich vizualizací v Tableau.

Tableau - Performance Tuning (časť 2.) | Mňamka #503

Tableau - Performance Tuning (časť 2.) | Mňamka #503

Dnes nadviažeme pokračovaním na minulotýžďnový článok a pozrieme na niektoré ďalšie možnosti zrýchlenia vašeho pomalého dashboardu. V prípade filtrov tiež platí, že pre performance je lepšie držať ich počet na uzde. Je to spôsobené tým, že načítanie hodnôt pre každý jeden interaktívny filter predstavuje jednu query. Negatívny vplyv na performance sa ešte umocňuje v prípade využitia možnosti “Only Relevant Values”.

Tableau - Performance Tuning (časť 1.) | Mňamka #500

Tableau - Performance Tuning (časť 1.) | Mňamka #500

Naimplementovali ste dashboard, vyhrali ste sa s vizuálom, čísla na vám sedia. Násadíte dashboard na Tableau server a idete ho otestovať, tu však narazíte na problém. Dashboard sa načítava extrémne dlho. Pre časovo vyťažený klienta, ktorý potrebuje mať dáta nie len správne, ale aj dostupné v rozumnom čase, je samozrejme takýto stav neakceptovateľný. Čo teraz? Určite nezúfajte, v tomto článku sa s vami podelíme o skúsenosti čo v takom prípade robiť.