Jak szybciej pozyskiwać informacje z danych?

Dzień dobry, witam serdecznie wszystkich na polskiej edycji Click Analytics Tour 2020 zatytułowanej Jak szybciej pozyskiwać informacje z danych Większość organizacji ma na pewno trudność z pozyskaniem, udostępnianiem danych nie mówiąc już o tym, że ciężko jest je przekształcić w jakąś użyteczną wartość biznesową.

I tak faktycznie jest, bo jest to na pewno spore wyzwanie, bo jak dochodzą różnego typu badania, tylko 10% takich, powiedzmy ogólnie danych biznesowych jest analizowanych Bardzo mały kawałek. Dodatkowo z tych 10%, 32% kadry kierowniczej jest w stanie stwierdzić że jest w stanie wyciągnąć z tego jakąś wartość.

A na koniec zaledwie 24%. Precydentów uważa, że rozumie i jest w stanie wykorzystywać te dane w takim życiu codziennym w firmie. Więc na pewno jest tutaj sporo miejsc do poprawy do zagospodarowania. No i właśnie w to miejsce wpisujemy się trochę i Qlik. To w czym możemy pomóc to właśnie przekształcić te surowe dane w realną wartość biznesową, którą będziecie mieli dzięki właśnie analizom.

Teraz pytanie, jak to można zrobić? Generalnie my proponujemy trzy takie filary, za pomocą których jest to możliwe do osiągnięcia. Czyli po pierwsze Za pomocą platformy Data Integration jesteście w stanie zidentyfikować, pozbierać poukładać katalogować wszystkie dane biznesowe, które w ramach organizacji chcielibyście wykorzystać do swoich analiz Platforma Data Integration finalnie jest taką platformą agnostyczną technologicznie, czyli jeżeli będziecie gdzieś tam na końcu chcieli używać jakichś innych narzędzi do wizualizacji to ta część też jest dla Was.

Więc jeżeli mamy już dane pozbierane, pokatalogowane, oczyszczone To w drugim kroku, tym naszym drugim filarem, który jesteśmy w stanie Wam zaproponować, to oczywiście cała platforma Data Analytics, która jest wyposażona w mechanizmy Augmented Intelligence, Machine Learning itd. To wszystko też dzisiaj postaram się Wam przynajmniej w namiastce pokazać i tam te właśnie surowe wcześniej dane, już przetworzone jesteście w stanie przekształcać w użyteczne informacje za pomocą bardzo interaktywnych dashboardów wizualizacji i analiz.

I te dwie części na pewno są takimi częściami typowo technologicznymi. Mówimy tutaj o różnych produktach Natomiast sama technologia to nie wszystko i na pewno ten trzeci filar który też i my, jako Data Wizards i Qlik jako producent tego rozwiązania oferuje To cała kwestia związana z umiejętnością pracy, rozumienia i zrozumienia danych.

Czyli ta cała kwestia związana z Data Literacy. To jest to coś, co my staramy się robić od trzech lat, pokazujemy Wam różnego typu właśnie aspekty wykorzystania, zapraszając na takie webinar jak ten dzisiejszy. Więc na pewno te trzy obszary to jest coś, co Co możemy Wam zaoferować jako remedium na to, co potencjalnie w Waszej organizacji byłoby do usprawnienia.

Jeżeli spojrzymy sobie w ogóle na historię business intelligence, to ta pierwsza generacja rozwiązań BI-owych była określana jedną definicją jako scentralizowana. Tam prym wiodły działy IT, które po prostu w swoich szeregach miały osoby mocno techniczne, które były w stanie pozyskać dane z różnych obszarów przygotować je, no i po prostu wymagało to wiedzy technicznej, aby było to możliwe.

To często okazywało się też wąskim gardłem, bo działy biznesowe potrzebowały informacji coraz szerszych, coraz szybciej a te wąskie gardło w postaci działów IT nie zawsze Nie zawsze jakby dawało tutaj radę i świetnym jakby lekarstwem na to było właśnie pojawienie się na rynku Qlika ze swoim produktem, który stał się pionierem tak zwanej drugiej generacji systemów BI-owych, którą określamy jako zdecentralizowaną Tutaj role się odwróciły.

To bardziej użytkownicy biznesowi byli tymi którzy pozyskiwali różnego typu dane, którzy tworzyli sobie analizę i którzy mogli to robić dosłownie ad hoc w momencie, kiedy tego potrzebują, nie będąc ograniczonymi jakimiś zewnętrznymi warunkami. W tym jak gdyby W tej drugiej generacji właśnie Qlik był pionierem i za nim zaczęły podążać inne rozwiązania.

Obecnie Wchodzimy w trzecią generację rozwiązań Business Intelligence, którą można by nazwać jako zdemokratyzowaną czyli rozwiązanie, które sięga do właściwie wszystkich obszarów i wszystkich ludzi w organizacji, którzy mają dostęp do takich danych, które są im potrzebne do codziennej pracy. Ale co ważne, ta trzecia generacja którą nazywamy zdemokratyzowaną czyli to jest.

Z dostępem dla wszystkich, jest też ułożona dobrze od strony organizacyjnej czyli nie mówimy tutaj o fruwających Excelach które krążą w firmie i nikt już nie wie, i faktycznie każdy ma dostęp do tych danych ale nie do końca już wiemy które dane i które Excely są poprawne. Tutaj w naszym rozumieniu mówimy o tym pełnym dostępie, ale jednocześnie Zapewniającym pełne bezpieczeństwo danych a od tych danych czyli kto do czego ma dostęp.

I to jest na pewno ta faza do której teraz mocno wchodzimy, no i na pewno warto z tego skorzystać. Jakie są trzy główne wyróżniki platformy Platformy Qlikowej, które są też tą jakby podwaliną pod budowanie tej trzeciej generacji rozwiązań analitycznych. To są takie trzy fundamenty czyli Associated Difference, Augmented Analytics i Embedded at the Point of Decision.

Czyli mówiąc krótko dajemy Wam opcję do tego, abyście widzieli swoje wszystkie dane, aby Wasze ludzkie możliwości mogły być wspierane poprzez mechanizmy AI czy Machine Learning. No i finalnie aby ten czas między pozyskaniem pewnej informacji a podjęciem decyzji był jak najkrótszy. Wejdźmy sobie zatem troszeczkę w szczegóły.

Ten pierwszy filar czyli Associated Difference, to jest ten wyróżnik Qlika który spowodował takie pozytywne zamieszanie na rynku. To co widzimy po lewej stronie w tej chwili na slajdzie. To są właśnie systemy kwerendowe, czyli te stare podejście związane z pierwszą generacją systemów gdzie widzieliśmy bardzo często tylko część danych gdzie ta eksploracja danych była bardzo prosta liniowa.

No i można to sobie wyobrazić jako sytuację gdzie bierzemy do oka lunetę, przykładamy ją, widzimy jakiś nawet bardzo odległy punkt widokowy, widzimy go w super szczegółach ale nie widzimy wszystkiego innego co wokół tego obiektu się dzieje, co też może mieć na niego wpływ. Podejście Qlika czyli to, co oglądamy sobie po prawej stronie, to zupełnie inne możliwości, czyli spojrzenie na wszystkie swoje dane Pod dowolnym kątem, tak szeroko jak chcemy lub tak wąsko jak chcemy, w dowolnym momencie, kiedy chcemy.

I to daje użytkownikom o wiele, wiele większą swobodę eksploracji danych no i właśnie możliwość skrócenia tego czasu, kiedy znajdujemy coś, jakąś niepokojącą rzecz w naszych danych, do czasów kiedy podejmujemy decyzję związaną właśnie z tym, Z tym naszym znanym zyskiem. Czyli to jest ta pierwsza główna różnica i to też dzisiaj na żywo będę starał się wam pokazać.

Druga kwestia ten drugi filar i wyróżnik Qlika, to jest argumenty Panalytics, czyli współpracująco ze sobą człowiek i maszyna. Człowiek który posiada pewną wiedzę biznesową, który posiada intuicję, który posiada też emocje Może być wspierane przez taką czystą maszynową technologię, która pozwala mu włączyć dane, która pozwala właśnie troszeczkę bez emocji na pewne dane spojrzeć i przedstawić je użytkownikowi i wówczas użytkownik znowu na podstawie swojej wiedzy i intuicji jest w stanie stwierdzić czy ta Analiza, którą zaproponowała mu maszyna, jest odpowiednia i do zastosowania.

Bardzo często okazuje się, że właśnie takie podejście maszynowe potrafi odkryć w naszych danych to, Czego my jako ludzie po prostu nie jesteśmy w stanie dostrzec. Co ważne jeszcze, to oba te składniki tego procesu czyli i człowiek i maszyna, mogą się nawzajem od siebie uczyć. Więc łącząc te dwa elementy moc naszego umysłu i moc maszyny, możemy wyciągać naprawdę bardzo ciekawe Rezultaty właśnie z analizy dalszych.

No ten trzeci filar ostatni o którym chciałem powiedzieć, to to, że Przedstawiałem to już od kilku ładnych lat, że analityka nie może być tylko takim punktem końcowym w samym sobie, żeby po prostu wypychamy dane do systemu BI-owego, tam nie analizujemy nic, więcej się z tym nie dzieje. Wpuszczałem taką tezę, że to musi być jakby wplecione w różnego typu procesy też, które w firmie zachodzą, no i teraz dzięki właśnie Możemy to robić, czyli takie wplatanie możemy zrobić na trzech poziomach.

Po pierwsze poziom technologiczny poprzez różnego typu otwarte API-e. Qlik może rozmawiać może komunikować się z innymi systemami które wykorzystujecie w firmie dwukierunkowo. W ten sposób możemy sobie zautomatyzować pewne działania Musiały być wykonane na styku właśnie systemu BI-owego z innymi rozwiązaniami.

Po drugie wplatanie właśnie plika w pewien proces, wszędzie tam, gdzie na przykład w danym procesie był pewien checkpoint, który musiał zrobić użytkownik czyli Przeanalizować pewne dane, aby dać rekomendacje. Tak, nie. W tej chwili może być też jak gdyby zrealizowane za pomocą Qlik sense. W ten sposób ten proces się nie zatrzymuje, nie jest zależny od człowieka.

Może też się uczyć wykorzystując to, o czym powiedziałem na poprzednim slajdzie. No i w ten sposób właśnie możemy te różne procesy w naszej organizacji usprawniać ulepszać i przyspieszać. No i oczywiście nieodzownym elementem tym trzecim ostatnim będzie to, W momencie, kiedy użytkownik podejmuje jakąkolwiek decyzję, czyli pracuje na przykład na co dzień w swoim systemie CRM, czy jest gdzieś na produkcji, to żeby dane i analizy za nim podążały, żeby on nie musiał się odwoływać do systemu analitycznego który gdzieś tam jest na innym serwerze wymaga innego logowania i tak dalej, tylko żeby to wszystko było jakby wplecione jedno z drugim.

Czyli przykładowo możemy sobie wyobrazić sytuację gdzie handlowiec pracujący sobie w systemie CRM Oprócz karty klienta z jego podstawowymi informacjami widzi w tym samym okienku w embedowaną wizualizację która pokazuje mu analizę bazującą na Qliku i na przykład bazującą jeszcze na mechanizmach języka R, pokazującą że na przykład dany klient Ma tendencje lub pewne jego działania wskazują na to, że być może chce nas opuścić i przejść do konkurencji.

Tego typu informacje powinny właśnie podążać za wszystkimi użytkownikami wszędzie tam, gdzie oni są, we wszystkich tych systemach, które wykorzystują na bieżąco po to, aby po prostu nic nam nie uciekło. Jak to jest finalnie jak te wszystkie elementy są później zrealizowane w ramach platformy i jaki Qlik daje wyznacznik do wszystkich innych platform analitycznych trzeciej generacji.

Po pierwsze, to co jest trochę poza Qlikiem, to są oczywiście różnego typu źródła danych które możemy do naszych aplikacji sobie włączać. No i te źródła danych możemy przygotowywać na różne sposoby. Może to być przygotowanie takie typowe dla użytkownika biznesowego, gdzie w sposób wizualny będziemy mogli prosto i sprawnie łączyć dane ze sobą.

Znajdzie się też coś dla użytkowników bardziej zaawansowanych gdzie możemy wykorzystać skryptowanie. No i finalnie to wszystko, co sobie przygotujemy, możemy też skatalogować I właśnie w takim enterprise owym trybie udostępniać wszystkim innym aby mieć ten wspólny mianownik, który będzie wykorzystywany do późniejszych analiz Czyli ta część przygotowawcza jest tutaj bardzo szeroka i też dostosowana do możliwości i do oczekiwań Konkretnych grup użytkowników.

Po drugie możliwości tworzenia różnego typu analiz, czy to będzie drag and drop, czy to będzie jakieś bardziej zaawansowane tworzenie, czy na przykład tworzenie wizualizacji w locie za pomocą języka naturalnego. To jest wszystko to, co taka trzecia generacja platform analitycznych powinna mieć.

Oczywiście z tą możliwością jeszcze embedowania w innych rozwiązaniach. No i ten trzeci element, konsumpcja tego wszystkiego, co sobie stworzyliśmy na tych dwóch pierwszych punktach, jest też istotna, aby ona była jak najszersza aby też właśnie mogła podążać za użytkownikiem wszędzie tam, gdzie jest i żeby na przykład proaktywnie też była w stanie takiego użytkownika alarmować, czy coś w jego danych się wydarzyło.

Czyli te możliwości konsumpcji mamy tutaj zarówno w postaci self-serwisu, jak i mobile’a Czy też właśnie alertingu, który jesteśmy w stanie Dostarczyć informacje użytkownikowi o zdarzeniach danych w momencie, kiedy to się wydarzyło i wtedy znów ten czas między uzyskaniem pewnej informacji a podjęciem decyzji jest ekstra krótki.

No i to wszystko stoi na platformie którą możecie uruchomić sobie w dowolnym środowisku on-premise’owym, cloudowym, hybrydowym, tak aby to rozwiązanie było skalowane i dostosowane do Waszych potrzeb i oczekiwań. Innowacji w produkcie jest mnóstwo wyciągnęłem tutaj dosłownie kilka I wspomnę tylko o Click Alertingu, czyli możliwość wysyłania i tworzenia przez użytkowników biznesowych alertów bazujących na ich zupełnie osobistych preferencjach to nie musi być coś narzuconego po to, aby właśnie wychwytywać pewne Pewne zderzenia w dane, które mogą być dla nas interesujące.

Click Inside Watch z kolei to możliwość użycia języka naturalnego do tego, aby trochę podyskutować z Qlikiem poprosić go właśnie o jakieś analizy, o przygotowanie jakiejś wizualizacji, bez konieczności Qlik Ania i używania myszki. I to są tylko dwa przykłady tego, co w ostatnim czasie dzieje się w Qliku.

Co 10 tygodni mamy nową wersję Z nowymi featuresami i mam nadzieję, że jeżeli po tej dzisiejszej prezentacji zechcecie zrobić dalszy krok, no to po kolei każdy z tych elementów będziecie odkrywać, a ja Wam bardzo chętnie w tym pomogę. Na tyle slajdów. Mam nadzieję, że poszło nam szybko i sprawnie. A teraz chciałbym pokazać Wam, jak to wszystko możemy sobie zastosować w praktyce.

Czyli zobaczymy jak technologie asocjacyjne, jak Cognitive Engine, jak platforma do integracji danych mogą ze sobą współpracować. Oczywiście to będzie ekstra krótkie szybkie demo. Ale da Wam taką namiastkę tego, co z tą platformą możecie zrobić. Sprawdźmy tylko, czy jestem zalogowany, czy się nic nie złożyło w międzyczasie.

No właśnie, trzeba się zalogować jeszcze.

No dobrze, jesteśmy w tej chwili w Qlik Sense Czyli w tej części Click Data Analytics. No i tutaj możemy sobie przejść do pierwszej aplikacji którą mamy już tutaj dostępną tak żeby pokazać Wam, jak po takiej aplikacji możemy się poruszać, jakie wnioski możemy sobie niej wyciągać i w jaki sposób. Mamy w niej trzy gotowe dashboardy z analizami.

Posłuchajmy sobie pierwszy. Jak widać możemy używać różnego typu wizualizacji poczynając od Od słupków, od wykresów, od mapek, tabel i tak dalej. Wszystko to jest tutaj dla Was dostępne. Jeżeli cokolwiek z tych danych Was zainteresuje po prostu Klikacie na tą informację. Więc jeżeli chciałbym zobaczyć moje najbardziej profitowe firmy po prostu zaznaczam je w ten sposób, potwierdza moją selekcję.

I teraz wszystkie wizualizacje które tutaj naokoło się znajdują Odpowiadają już na pytanie o sprzedaż czy też marżę tych dwóch konkretnych klientów, bo widzę, że mam ich tutaj zaznaczonych Także nie musicie nic ze sobą dodatkowo łączyć. Ten mechanizm asocjacyjny dba o to, aby wszystkie dane, wszystkie wizualizacje wyświetlały nam poprawne dane powiązane właśnie z tą Z tą konkretną selekcją.

Oczywiście dokonywanie selekcji dalszych jak na przykład wybranie sobie informacji jeszcze dodatkowej na mapie, też jest możliwe, czyli zapamiętajcie pierwszą zasadę, wszystko to, co mnie interesuje po prostu Klikam i mam to dla siebie dostępne Przejdźmy sobie na drugą zakładkę. No i tutaj spoglądamy sobie już bardziej na tematy sprzedażowe.

Załóżmy, że jako szef sprzedaży wybieram się do mojego regionu Europejskiego chciałbym z nimi pokazać jak ta sprzedaż im idzie i chciałbym konkretnie zapytać np. o sprzedaż ciastek w tym obszarze. Widzę, że ta kategoria czyli snack food to jest drugi poziom W hierarchii mojej sprzedaży więc idzie całkiem nieźle, ale może chciałbym dopytać jeszcze o szczegóły.

Oczywiście mógłbym sobie to dalej wyklikiwać ale nie widzę tutaj tych ciasteczek nigdzie wprost do Kliknięcia. Więc możecie użyć sobie na przykład wyszukiwarki I żeby sobie zawęzić to zapytanie, no to właśnie chciałbym zobaczyć jak mój region europejski sprzedaje te konkretne produkty. Jeżeli to sobie Kliknę, to już jestem na tym poziomie, widzę że ta sprzedaż wynosi tam około 535 tysięcy.

I widzę też, jak to jest rozbite na poszczególne kwartały. No i teraz tak. Tym wszystkim zrozumieć jak działa ta technologia asocjacyjna, co z tego możemy dodatkowo wyciągnąć. Jeżeli bym sobie teraz rozwinął tą listę z produktami które mam tutaj wstępne, to zobaczymy pierwszą rzecz. Po pierwsze, moja aktywna selekcja jest podświetlona w tej chwili na zielono.

Jak zjedziemy sobie troszeczkę niżej w tej liście to zobaczymy jeszcze dwa inne kolory. Jasnoszary i ciemno-szary. Co one oznaczają? Te jasno-szare informacje to są jeszcze inne produkty które sprzedały się w Europie. Natomiast te ciemnoszare to są produkty które żadnego z tych warunków nie spełniają, czyli są wykluczone z tej selekcji.

Standardowo w narzędziach perendowych te informacje na szaro po prostu byście stracili. Nie bylibyście nawet świadomi że one tam istnieją. A bardzo często praktyka pokazuje, że właśnie w tych szarych informacjach Znajduje się najwięcej informacji wartościowych dla firmy, bo jesteśmy w stanie dostrzec to, czego wcześniej nie widzieliśmy Czyli na przykład widzimy że jakaś konkretna kategoria dziwne, nie sprzedaje się w jakimś konkretnym rejonie przez konkretnego handlowca I dalej, i tak dalej, i czasami nasze takie błędne przeświadczenia że coś jest naszym top-sellerem i właśnie sprzedaje się zawsze i wszędzie, niezależnie od warunków może być bardzo szybko tutaj zweryfikowane na podstawie właśnie danych które sobie wyświetlamy.

No dobra, przejdźmy sobie, wyczyśćmy sobie selekcję, przejdźmy sobie jeszcze do trzeciej zakładki, to, co tutaj zobaczyłem, To od razu pewna informacja która nam wpada, czyli mamy jakąś grupę sklepów, które performują dosyć słabo. Możemy je sobie bardzo szybko wyłapać. No i teraz tak, gdybyśmy pracowali sobie z systemami kwerendowymi, to żebym jeszcze widzę, że coś z tymi produktami, z tymi sklepami jest nie tak, ale jeszcze nie wiem co.

Gdybym pracował z rozwiązaniami kwerendowymi, musiałbym mieć jakieś… Pierwsze typy co może być nie tak. No i oczywiście konstruować pod to kwerendy, żeby zobaczyć czy te moje typy się faktycznie sprawdzają. Trochę to długotrwałe i monotonne, więc żeby sobie z tym poradzić, zobaczmy, jaki plik może nam tutaj zaproponować.

Przejdźmy sobie do selekcji. I zobaczmy, co Qlik jest w stanie powiedzieć jeszcze o tych różnych danych które są z tą naszą selekcją w tej chwili powiązane. Przełączę się tylko, żeby swoje analizy prezentował w kontekście właśnie wartości sprzedaży. No i zobaczę, że mamy tutaj na przykład kilka propozycji takich, Wniosków właśnie z wartości wykluczonych one dotyczą na przykład miasta regionu czy sales repów.

No i akurat ci sales repowie będą mnie najbardziej tutaj interesowali, ponieważ za chwilkę się będę z nimi spotykał, więc chciałbym z nimi pogadać. No i już widzę że są jacyś sales repowie, którzy są wykluczeni z tej selekcji. Mogę ujawnić którzy to są i widzę konkretne imiona i nazwiska, widzę też wartości sprzedaży, które oni generowali ogólnie.

Są całkiem niezłe, ale nigdy nie sprzedali właśnie do tych sklepów, które sobie wcześniej zaznaczyłem. Więc myślę, że to jest dobry powód do dyskusji z nimi aby też zwrócili uwagę na… Na te konkretne lokalizacje, bo wtedy ten performance poszczególnych sklepów być może okaże się lepszy. W ten sposób możemy sobie dochodzić do takich nieoczywistych wniosków czyli znalazłem coś, co mnie zaniepokoiło, chciałem sprawdzić sobie różne hipotezy Zamiast kreować kwerendy pod to, poprosiłem Kika, żeby takie różne hipotezy mi przedstawił.

I teraz moją odpowiedzialnością, moją wiedzą doświadczeniem i intuicją muszę zdecydować, gdzie faktycznie ten problem występuje, gdzie on jest. To jest takie króciutkie demo tego, jak w ogóle działa Qlik Sense na warsztacie. Zobaczycie to bardziej szczegółowo. Teraz, co trzeba zrobić, żeby… Dojść do takiej aplikacji, aby te wszystkie wizualizacje były możliwe.

Są ogólnie dwa sposoby. Drugi poznacie dzisiaj na warsztacie, natomiast obiecałem Wam, że pokażę Wam tą część związaną z Qlik Data katalogiem. Tak dawno został przebrandowiony już oficjalnie na Qlik Data Catalog. Co to jest? To jest taki właśnie enterprise’owy zestaw informacji, zestaw informacji o Waszych danych, o zestawach danych, które mogą być później wykorzystywane przez użytkowników biznesowych czy deweloperów do tego, aby po prostu tworzyć aplikacje.

I wtedy znowu zapewniamy sobie to, że Jakość tych danych i ich poprawność jest na najwyższym poziomie, bo tutaj też możemy sobie zweryfikować czy na przykład te dane są popularne, jak wiele aplikacji z nich korzysta. To, co warto by było tutaj wspomnieć to dla wszystkich, Użytkowników rozwiązań Qlikowych do tej pory.

Clean Data Catalog bardzo też fajnie pracuje z plikami QVD, więc jeżeli waszą wizją kiedyś było wykorzystanie Qlika jako takiej trochę hurtowni danych na podstawie właśnie plików QVD i uzbierało się tego trochę przez lata, no to zachęcam do tego, żeby właśnie opakować to W takie rozwiązanie jak click data catalog i wtedy mieć te kawałki faktycznie pod kontrolą.

No dobra, ale ja chciałbym do mojej przykładowej aplikacji użyć sobie danych z SAP-a. No i mamy tutaj taki zestaw z SAP-a, z modułu SDG Size and Distribution. No i tak, Klikamy sobie, chciałbym sobie podejrzeć to źródło. Pierwsza rzecz fajna którą będzie tutaj można zrobić, to będzie można podejrzeć sobie, skąd te dane faktycznie pochodzą.

Jeżeli sobie zagłębimy się troszeczkę dalej, no to będziemy wiedzieli że pierwotnie dane pochodziły nam z systemu SAP, Za pomocą właśnie komponentów platformy ClickData Integration, takich jak Replicate czy Compose, dane te zostały wypchnięte do Snowflake’a i z kolei ze Snowflake zostały wyeksportowane w trzy różne miejsca.

Po pierwsze dane te zostały opublikowane do Qlik Sense Clouda. Po drugie zostały z nich na przykład przygotowane do właśnie QVD, które przed chwilką oglądałem A po trzecie, z racji tego, że Click Data Integration jest właśnie takim technologicznie-agnostycznym podejściem możemy te dane wypychać do tych wszystkich systemów które mają problem jednak z tym, żeby dane, bardziej skomplikowane dane przetworzyć i zwizualizować czyli na przykład do Table czy do Power BI.

Po pierwsze możemy graficznie podejrzeć proces, który został związany z tymi danymi.

Jeżeli takie źródło danych jest dla nas okej i chcielibyśmy go użyć w naszej aplikacji Klikamy sobie na dodaj do koszyka i w tej chwili z tego koszyka moglibyśmy już pierwsze akcje wykonać. Od razu to opublikować do Qlik Sense’a, czy tak jak wspomniałem wyrzucić te dane też do innych rozwiązań.

Dlaczego to jest ważne? Wracając do tego, o czym opowiadałem wcześniej o tych różnych generacjach systemów BI, to te rozwiązania Drugiej generacji szczególnie bardzo często były rozwiązaniami departamentalny, czyli w jednej organizacji pojawiło się trochę Qlika, trochę Power BI, a trochę być może tablo.

No tak jak Qlik świetnie sobie radzi z samym mechanizmem pobierania danych tak te inne rozwiązania Trochę nie do końca. Więc za pomocą Qlik Data Integration możecie sobie zbudować taką platformę która zapewni jakby spójność danych i jakość tych danych między tymi wszystkimi trzema powiedzmy platformami, jeżeli tak jest, że użytkujecie kilku różnych platform w ramach na przykład różnych departamentów.

To za pomocą Qlik Data Integration jesteście w stanie zbudować Wszystkie trzy w sposób bardzo taki zautomatyzowany zasilać danymi no i mieć pewność, że departament A i departament B ma dokładnie te same dane pobrane w ten sam sposób. Więc to jest ClickData. Natomiast gdybyśmy chcieli sobie taką aplikację stworzyć zupełnie od zera, to możemy to zrobić w ten sposób, czyli Klikamy sobie tutaj, nadajemy jej nazwę I w pierwszym kroku będziemy musieli właśnie wybrać swoje dane, które potrzebujemy.

Dodajemy je, wybieramy, że chcielibyśmy się właśnie podłączyć do tych danych SAP-owych. Tutaj widać, że np. w Polsce dwa najpopularniejsze nazwiska z tych danych testowych. Dodajemy dane.

No i momencie, kiedy dane nam się załadują, możemy od razu przejść do ich analizy. No i możemy tutaj na przykład wykorzystać te wszystkie mechanizmy właśnie kognitywne, które będą nam pokazywały już pierwsze wnioski. Ja tylko sobie tutaj szybciutko zmienić układ na troszeczkę i generuję wnioski. No i teraz tak, nie Klikając nic, nie wchodząc jeszcze w żadne szczegóły tej aplikacji, mogę już przygotowywać pierwsze wizualizacje.

Czyli mam na przykład fajną wizualizację na mapach, dotyczącą wartości sprzedaży i kosztów per poszczególne miasta, no i chciałbym ją po prostu dodać do mojej analizy. I mam. Druga kwestia chciałbym na przykład stworzyć sobie zupełnie nową analizę i chciałbym do tego wykorzystać język naturalny, czyli na przykład sales by, Customer, Enter, no i w tej chwili ta wizualizacja została w locie dla mnie stworzona.

Chciałbym z niej wyciągnąć jeszcze troszeczkę więcej, czyli wiem, że już tutaj mi się stworzyła pewna miara czyli sumuje mi moje pole sales, no i chciałbym tą miarę później wykorzystać jako taki element główny w mojej aplikacji. Więc ją sobie dodaję już na tym etapie utwórz. No i chciałbym tą wizualizację właśnie dodać do mojego arkusza.

Jeżeli do arkusza wrócę, to już widzę że to zaczyna działać Już mam dwie pierwsze wizualizacje które też ze sobą od razu współpracują, nie muszę nic więcej między nimi robić, żeby na przykład zobaczyć wszystkich klientów którzy są w Europie i na przykład wszystkich tych, którzy są powiedzmy w odległości około 320 kilometrów od Frankfurtu W ten sposób mogę już sobie z tymi danymi pracować.

Widać że selekcja od razu przekłada się na drugą wizualizację. Jeżeli teraz sobie wyczyszczę te dane, no to widzimy że jesteśmy w połowie wybudowania naszego dashboardu. Warto by było coś tutaj jeszcze dodać więc dodajemy kolejne dane. Wybieramy sobie pliki i niech to będą kolejne dane SAP-owe.

Wybieramy wszystkie tabelki, które byśmy chcieli dodaj dane.

Teraz tych elementów nam się tutaj troszeczkę pojawiło, możemy zobaczyć które powinny być ze sobą połączone, możemy to zrobić samodzielnie ale znowu możemy też wykorzystać to, że Qlik nam tutaj na bieżąco będzie chciał pewne rzeczy podpowiadać czyli chciałbym zobaczyć jak on zasugeruje nam te połączenia, jeżeli mi to pasuje Klikamy na zastosuj wszystkie i jedyne co mi pozostanie to załadowanie tych danych już do…

Już do finalnej aplikacji. Przechodzimy do edycji arkusza. No i teraz tak, to co sobie stworzyłem przed chwilką, czyli ta edycja naszego, stworzyłem sobie tak zwaną miarę główną Jak widzicie ona jest już tutaj dostępna. Mogę ją od razu użyć na mojej wizualizacji, na moim dashboardzie. I po prostu przeciągając Qlik zrozumie, że sumujemy tutaj jedną Jedną z kolumn, więc najlepiej byłoby to przedstawić jako KPI.

Natomiast ja chciałbym tutaj dodać jeszcze dodatkowe informacje czyli na przykład chciałbym zobaczyć jak ten KPI rozkłada się na poszczególne lata i kwartały. Dodając takim drag and dropem informację do tej wizualizacji widzimy że ona się od razu zmienia bo Qlik dostosowuje ją do tego jak najlepiej byłoby te dwie informacje ze sobą przedstawić.

No i teraz na przykład mógłbym dodać sobie jeszcze tutaj linię trendu. Te linie trendu są tutaj różne, od średniej do logarytmicznej. Mógłbym też modyfikować sobie to wyrażenie, czy na przykład chciałbym zrobić, żeby te dane były tutaj akumulowane. No ale zostawmy sobie już tak, jak to jest. Więc zostało nam ostatnie tutaj miejsce do wypełnienia.

I żeby to zrobić, wróćmy sobie do naszych wniosków. No teraz tak. W kontekście tego języka naturalnego tutaj chciałbym zadać już troszeczkę bardziej rozbudowane pytanie. Czyli na przykład chciałbym, żeby to było size and margin by customer between 2017 and 2019. Enter. No i też tak, wraz z tego stworzyła mi się fajna wizualizacja na wykresie rozrzutu które pokazuję marżę versus sprzedaż na poszczególnych klientach i dodatkowo widzę, że ten filtr czasowy tutaj został odpowiednio ułożony.

Jeżeli i tak właśnie działa rozumienie języka naturalnego w pliku, jeżeli chciałbym sprawdzić czy on na pewno to zrobił dobrze, mogę sobie Kliknąć na to i zrozumieć, że na przykład sales plik zrozumiał jako właśnie miarę główną którą sobie stworzyłem i jej użył. Margin zrozumiał jako pole, customer tak samo, no i jeszcze poprawie zaimplementował nam te Nam te daty.

Jeżeli będziecie robić swoje pierwsze kroki z Qlikiem, to dla odważnych zachęcamy do skorzystania tutaj z mikrofonu. Wtedy możecie nie tylko wpisywać takie zapytania ale też z Qlik Sense że tak powiem, podyskutować i zlecać mu głosowo tego typu analizy. Co prawda na razie musimy się posługiwać tymi czterema językami, ale trzymam mocno kciuki za Qlika, że kiedyś też i polski się pojawi No i teraz finalnie dodajemy to do naszego arkusza wracamy tutaj i wszystkie cztery nasze puste miejsca są zapełnione.

Jeżeli Kliknę sobie na koniec edycji to nasz dashboard jest już gotowy i teraz jeżeli chciałbym zobaczyć wszystkich klientów którzy generują marże tam powiedzmy od 10 do 20%, po prostu zaznaczam ich sobie na wizualizacji i już wiem, Którzy to są i gdzie się znajdują. No i w ten sposób stworzyłem sobie bardzo szybko taką prościutką analizę.

Ona jest na razie tylko moja, więc chciałbym ją ustawić jako, po pierwsze, arkusz jako publiczny. Wrócę sobie do huba. I teraz to, co bym chciał to chciałbym ją opublikować też dla innych. Publikuję ją do tak zwanej przestrzeni. Te przestrzenie mogą na przykład zdefiniować dział marketingu dział HR i tak dalej.

Publikuję. No i teraz, jeżeli sobie do takiego obszaru przejdę to już tutaj znajdziemy naszą aplikację. I już mogę z niej ja i inni użytkownicy tego obszaru po prostu korzystać. Czyli jak widzicie od momentu kiedy mamy surowe dane do momentu kiedy mamy fajne wizualizacje które już odpowiadają na konkretne pytania biznesowe, upływa bardzo, bardzo mało czasu

To tak bardzo króciutko pokazując różnego typu możliwości Qlik Sense’a, od pobrania takich zwykłych danych poprzez Qlik Data Integration, poprzez możliwości wizualizacyjne. I zanim przekażę głos do naszego pierwszego prelegenta, czyli Pana Piotra Nowaka, takie króciutkie podsumowanie. Zachęcam Was do tego, abyście za pomocą właśnie Qlik’a przekształcali swoje surowe, Dane w analizy no i żebyście wykorzystali do tego, jakby wszystkie te featuresy które są właśnie włączone w Qlika jako platformę trzeciej generacji.

Warto na pewno na te trzy elementy trzy jego filary zwrócić uwagę, bo to są jego mocne wyróżniki, które Jakby w zupełności stawiają go zupełnie gdzie indziej niż inne takie narzędzia wizualizacyjne, czyli Associated Difference, to wiedzieliście że jesteśmy w stanie zobaczyć jak te dane są między sobą powiązane.

Augmented Analytics, czyli widzieliśmy, jak ten cognitive engine czy język naturalny jest w stanie nas tutaj wesprzeć w tym, żeby te analizy były

lepiej przygotowane i czasami wręcz zaskakiwał nas jako użytkowników końcowych. To jest taka rzecz, której nie udało mi się pokazać, to w embedowanie tego w inne rozwiązanie, ale jeżeli zostaniecie na warsztacie, to jest… To pokażę w jaki sposób możecie na przykład osadzić obiekty z Qlika w jakimś innym rozwiązaniu.

To tyle na razie ode mnie. Zachęcam Was do tego, żebyście spróbowali Swoich pierwszych kroków w Qlik Sense. Wystarczy że wejdziecie na tego linka, stąd uzyskacie tutaj dostęp do swojej platformy Qlik Sense’owej i będziecie mogli już podziałać a przechodząc przez warsztat który za chwilkę też będziemy pokazywać, będziecie wiedzieli jak te pierwsze kroki zrobić.

Teraz czas na case study.