Ze života datového detektiva 4: Designér, architekt a konzultant #277

Co takový architekt v Bizztreat dělá?

Život architektů v Bizztreat je jízda :) Architekty u nás dělají většinou analytici, které baví budovat datové řešení na zelené louce, bavit se s businessem a přitom analyzovat a navnímat jeho fungování a potřeby a následně to všechno promítnout do návrhu logické architektury a výběru vhodné kombinace technologií. Tím ale jejich úkol nekončí, protože v úzké spolupráci s delivery teamem makají i na implementaci pivotních use casů a u toho zpravidla ještě lehce modifikují architekturu celého řešení i datových modelů (protože v systémech i datech samotných na nás občas čeká pár překvapení, o kterých se předem zkrátka nedozvíme). Jakmile s delivery teamem prošlápnou celou datovou pipeline až po finální analytický výstup a jeho úspěšný rollout směrem k businessu, může se slavit první velký mezník. Na velkých projektech pak architekti i nadále konzultují přidávání nových logických celků a dohlížejí na udržitelnost a kvalitu rozvíjeného řešení. 

V Bizztreat je extrémně důležité, aby každý datový detektiv v jakékoliv roli neustále přemýšlel nad business hodnotou toho, na čem zrovna pracuje. A pokud je architekt u zrodu nových řešení a v úzkém kontaktu s business stakeholdery, pak nad tím musí přemýšlet o to víc a dostat se na jádro toho, proč business poptává zrovna tohle a tamto a jaký přínos od řešení očekávají versus co se stane, kdyby k tomu nedošlo. Nejde o to vytvořit učebnicovou architekturu, ale architekturu, která je jednoduchá, udržitelná, funkční a nejlépe odpoví na ty správné business otázky. (Rado to shrnul takhle)

Kolik architektů v Bizztreat pracuje?

Dá se říct, že potencionálně tolik, kolik v Bizztreat pracuje datových detektivů :) Každý datový detektiv se postupně seznamuje s tím, jak se u nás (a nejen u nás) dělají architektury a má možnost se v tomto směru rozvíjet. Aby se to dalo ukočírovat, tak máme tým několika ostřílených architektů, kteří se o kvalitu a rozvoj této oblasti v Bizztreat starají.

Adopce analytických výstupů uživateli

Téma samo o sobě je podpora adopce analytických výstupů uživateli - v Bizztreat na to máme dokonce framework! Je to těch extrémně důležitých posledních 10 metrů před cílem, na které se nesmí zapomínat. Eva Hankusová si o tom povídala zde

Data Governance a DQA

Architekti u nás řeší i oblast Data Governance a DQA. Co si pod tím představujeme jsem sepsala v této mňamce nebo v ebooku.

Zapomněla jsem na něco? Chcete se na něco zeptat? Napište mi. 

Verča

Veronika Špryslová
datový detektiv
LinkedIn

Jak přistupovat k user managementu v datové analytice? | Mňamka #373

Jak přistupovat k user managementu v datové analytice? | Mňamka #373

Ne každý ve firmě by měl mít přístup úplně ke všem datům. A to ani tam, kde naplno vládne datová demokratizace. Základem dobré bezpečnosti je totiž tzv. princip nejnižších privilegií – nedávejte uživatelům přístup tam, kam ho nepotřebují. Stejně tak je ale potřeba pro klíčové procesy nastavit odpovídající kontrolní mechanismy, které povedou k minimalizaci bezpečnostních rizik. Co dalšího ještě můžete udělat? Verča pro vás popsala 5 důležitých bodů, kterých se společně s našimi klienty při přidělování uživatelských přístupů a práv snažíme držet.

Je to mezera, není to mezera? | Mňamka #370

Je to mezera, není to mezera? | Mňamka #370

O významu čištění dat toho bylo napsáno již poměrně hodně. Zjednodušeně by se to dalo shrnout takto – pokud si neuděláte úklid už na vstupu, budete mít neskutečný bordel i na výstupu. Dnes se proto podíváme, jak ve si Snowflake SQL vyčistit finanční čísla z Google Sheets. Petr vám postupně ukáže, jak by měl vypadat čistící skript pro data různých formátů. A narazil při tom i na jeden opravdu záludný oříšek. Není totiž mezera jako mezera. O tom už ale více v dnešní mňamce!

Period Over Period v Tableau | Mňamka #367

Period Over Period v Tableau | Mňamka #367

Při práci s daty ve vizualizačních nástrojích si velmi často potřebujete porovnat jednotlivá časová období. Zajímají vás např. prodeje tento vs. předchozí rok. V Tableau máte hned několik možností, jak takové period over period srovnání provést. Kterou z nich ale zvolit? Tomáš pro vás sepsal mňamku, ve které vás postupně provede výhodami a nevýhodami standardního řešení v podobě Quick Table Calculation, použití LOOKUP funkce, výpočetně náročnějšího data blendingu a variabilního custom filteru s předdefinovaným obdobím.