Metriky a dimenze | Mňamka #64

Já vím, já vím! Je to přece úplně triviální záležitost... Ale...Jste si tím jisti? 

Často se při lektorování studentek ptám, co to je metrika a dimenze. Odpovědi jsou různé a ne vždy je v tom úplně jasno. A tak jsem se rozhodla vrátit k úplným základům a postupně je probrat. Vítejte v takové malé bizztreat akademii :-)

Tabulka jako základní stavební jednotka

Než se podíváme na samotné metriky a dimenze, je potřeba se podívat o krok zpět. Tabulka patří do tzv. strukturovaných dat (o tom si povíme někdy příště). Asi každý znás je schopen říct, že tabulka - představte si třeba tu klasickou excelovou - má nějaké řádky a sloupce. To je dobrý start, ale pro datového analytika je to trochu málo. 

Takže, z čeho se taková obyčejná tabulka může skládat:

  • řádky a sloupce
  • datové typy - přečtěte si více o základních datových typech: Základní datové typy
  • identifikátory - projdeme si někdy příště (id_klienta a id_sidlo)
  • fakta -> metriky (hodnoty)
  • atributy, dimenze (charakteristiky)

A protože se nejlépe vysvětluje na příkladu - tady je tabulka, která všechno vyjmenované obsahuje:

Organizace se stává tím, co měří

Na začátku je potřeba si říci, jaké sloupce jsou pro nás důležité a v tabulce by měly zůstat. Některé tabulky jsou plné informací, které vlastně ani nebudeme potřebovat. Než se tedy do něčeho pustíte, je nutnost si dobře definovat use case nebo výstupy. Je dobré si například položit otázky:

  • Čeho hodlám dosáhnout?
  • Jaké chování sleduji?
  • Co naplňuje moje cíle?

A o tom to vlastně je - abyste si mohli navrhnout dobrý datový model, který bude splňovat business požadavky, musíte vědět, na co se chcete dívat (fakta, metriky) a přes co (atributy, dimenze).

Fakta

jsou vlastně konkrétní hodnoty - čísla, ukazatele, absolutní hodnoty - které chceme sledovat, se kterými chceme počítat - prostě, které pro nás mají nějaký business význam. V naší tabulce jsou to sloupce pocet_aut a najete_km.

Metriky

metrika je agregace faktu - čili už nějaký výpočet s fakty. V naší tabulce je to sloupec SUM_auta_km - protože nás zajímá, kolik celkově naše auta ujela - např. ten daný rok. Prostě nás jednoduše zajímá - kolik.

Datům přiřadíme atributy a koukáme na ně v dimenzích

Dalším krokem je otázka - jak se na data (fakta, metriky) potřebujeme dívat? 

Atributy

Každé hodnotě můžeme přiřadit tzv. atribut - v podstatě je to nějaký popis - charakteristika, podle které budeme chtít naše data filtrovat - u aut to může být např. barva auta, typ auta a v naší tabulce to asi nejlépe vystihuje sloupec sidlo a klient. Na první pohled by to měl být i sloupec rok, ale my ho budeme řadit do tzv. datumové dimenze - viz níže.

Dimenze

Když víte, na co se chcete dívat (metriky), tak druhým krokem je vědět "přes co" se na data chcete dívat = dimenze. Já je ráda dělím na 3 základní druhy - prostě jednoduše kdo, kdy a kde:

  • demografické dimenze - např. pohlaví, věk, muž/žena, ...
  • časové (datumové) dimenze - např. rok, měsíc, hodina, ... 
  • interní dimenze - každá firma může mít své vlastní - např. oblast, segment, kategorie, ...

Často se setkávám i s jinými definicemi nebo dělením. Takže pokud máte nějaký svůj pohled nebo si myslíte, že to je jinak, napište mi! 

Eva

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

Eva Hankusová
detektiv nových příležitostí
LinkedIn

Jak na pavučinové grafy | Mňamka #437

Jak na pavučinové grafy | Mňamka #437

Pavučinové (neboli paprskové) grafy patří k nejimpozantnějším grafům, se kterými se v moderních byznysových vizualizacích můžete setkat. Hodí se např. k porovnání dvou produktů na základě široké škály různých ukazatelů. Nebo jsou hojně využívány ve sportovní analytice ke komparativnímu srovnání výkonů jednotlivých hráčů. Pro nezasvěcené publikum ale mohou být jen obtížně stravitelné. Dnes si proto ukážeme, jakých zásad se při vytváření pavučinových grafů držet a jak se v nich co nejlépe orientovat!

5 mýtů o cloudu | Mňamka #436

5 mýtů o cloudu | Mňamka #436

Řešit data v cloudu dává smysl čím dál většímu počtu firem. A není se čemu divit, cloud totiž nabízí neuvěřitelnou flexibilitu a jednoduchost použití. Přesto se ale stále najde spousta firem, které jedou kompletně on-premise a s přechodem na cloud váhají. Někdy má takové rozhodnutí objektivní důvody, často ale bývá spíše výsledkem mylných představ, které o cloudových datových skladech panují. A právě na to si posvítíme v této mňamce. Pojďte se se spolu s námi podívat na 5 nejčastějších mýtů o cloudu!

Pandas – k čemu slouží, k čemu jej raději nepoužijeme a jeho alternativy | Mňamka #435

Pandas – k čemu slouží, k čemu jej raději nepoužijeme a jeho alternativy | Mňamka #435

Pandas je jednou z nejpoužívanějších knihoven pro zpracování dat v jazyce Python. Jeho největší předností je zejména jednoduchá a intuitivní syntaxe a také rychlost, se kterou můžete zpracovávat velké datové soubory. V BizzTreatu ho proto často využíváme např. pro ad hoc analýzy dat, kdy potřebujeme rychle prozkoumat, jak data vlastně vypadají a jaká je jejich kvalita. V dnešní mňamce od Báry si ukážeme, kde všude lze Pandas použít a jak si stojí v porovnání s ostatními knihovnami!