Forwarded from Apache Superset BI
📋 Просмотр модели permission в Superset средствами Qlik Sense
https://telegra.ph/Prosmotr-modeli-permission-v-Superset-sredstvami-Qlik-Sense-06-09
❗️Присоединяйтесь к каналу 👉🏿 Apache Superset BI 😊
https://telegra.ph/Prosmotr-modeli-permission-v-Superset-sredstvami-Qlik-Sense-06-09
❗️Присоединяйтесь к каналу 👉🏿 Apache Superset BI 😊
Telegraph
Просмотр модели permission в Superset средствами Qlik Sense
В этой статье будет кратко описана модель выдачи прав доступа для Superset. Вы можете ее реализовать в другом инструменте, просто мне удобнее смотреть в Qlik Sense. Присоединяйтесь к каналу https://t.me/apache_superset_bi - только тут будет публиковаться…
Forwarded from Data Engineering / Инженерия данных / Data Engineer / DWH
Создание современной платформы для работы с данными с помощью Open-Source-решений
https://habr.com/en/company/vk/blog/671642/
https://habr.com/en/company/vk/blog/671642/
Habr
Создание современной платформы для работы с данными с помощью Open-Source-решений
Команда VK Cloud Solutions перевела краткий конспект с Open Source Data Stack Conference . Конференция была посвящена созданию платформ для работы с данными на базе Open-Source-решений —докладчики...
Forwarded from Reveal the Data
Мокапы дашбордов
Сделал удобный набор графиков для макетирования дашбордов. Он сильно ускоряет разработку макетов. Я давно пользуюсь схожим набором, и часто прямо на встречах с заказчиками собираю макет вместе с ними. Это быстро и наглядно.
Версии
— В виде PPTX презентации: самый быстрый вариант, можно копировать элементы просто перенося их с зажатым Ctrl/Cmd и гибко настраивать картинки.
— В виде книги в Табло: можно тонко настроить графики, они лучше заполняют пространство и картинка получается приближенная к финальному результату.
— На доске в Miro: удобно шерить и обсуждать, добавлять идеи и замечания, но не очень удобно работать с картинками.
Графики сделаны в нейтральном стиле, чтобы не отвлекать от бизнес задачи и подчеркнуть, что это мокап. Удобно поверх картинок писать ярким цветом идеи, реальные названия метрик и т.п. Если у вас есть свой стайлгайд или другая BI, сделайте такие же инструменты на своих графиках, просто наскринив и нарезав существующие дашборды.
@revealthedata
Сделал удобный набор графиков для макетирования дашбордов. Он сильно ускоряет разработку макетов. Я давно пользуюсь схожим набором, и часто прямо на встречах с заказчиками собираю макет вместе с ними. Это быстро и наглядно.
Версии
— В виде PPTX презентации: самый быстрый вариант, можно копировать элементы просто перенося их с зажатым Ctrl/Cmd и гибко настраивать картинки.
— В виде книги в Табло: можно тонко настроить графики, они лучше заполняют пространство и картинка получается приближенная к финальному результату.
— На доске в Miro: удобно шерить и обсуждать, добавлять идеи и замечания, но не очень удобно работать с картинками.
Графики сделаны в нейтральном стиле, чтобы не отвлекать от бизнес задачи и подчеркнуть, что это мокап. Удобно поверх картинок писать ярким цветом идеи, реальные названия метрик и т.п. Если у вас есть свой стайлгайд или другая BI, сделайте такие же инструменты на своих графиках, просто наскринив и нарезав существующие дашборды.
@revealthedata
Канал про Apache Superset. Здесь периодически публикуются свежие материалы и новости по Open-Source продукту.
Подписывайтесь 😉👍
https://t.me/apache_superset_bi
#реклама
Подписывайтесь 😉👍
https://t.me/apache_superset_bi
#реклама
Telegram
Apache Superset BI
? 👉 @iv_shamaev 🧑💻
Apache Superset — это 📊 ПО с открытым исходным кодом для исследования и визуализации данных. Это готовое к использованию бизнес-веб-приложение. Superset способен обрабатывать данные петабайтного масштаба и подключаться к любым DB
Apache Superset — это 📊 ПО с открытым исходным кодом для исследования и визуализации данных. Это готовое к использованию бизнес-веб-приложение. Superset способен обрабатывать данные петабайтного масштаба и подключаться к любым DB
Manage data like a product to unlock full value | McKinsey
https://www.mckinsey.com/business-functions/quantumblack/our-insights/how-to-unlock-the-full-value-of-data-manage-it-like-a-product
https://www.mckinsey.com/business-functions/quantumblack/our-insights/how-to-unlock-the-full-value-of-data-manage-it-like-a-product
McKinsey & Company
How to unlock the full value of data? Manage it like a product
Creating reusable data products and patterns for piecing together data technologies enables companies to derive value from data today and tomorrow.
👍1
Forwarded from Data Engineering / Инженерия данных / Data Engineer / DWH
The State of Data Engineering 2022 - LakeFS
https://lakefs.io/the-state-of-data-engineering-2022/
https://lakefs.io/the-state-of-data-engineering-2022/
Git for Data - lakeFS
The State of Data Engineering 2022 - Git for Data - lakeFS
Discover the latest tools and trends in data engineering for 2022. Get insights on advancements in Git for Data and how to stay ahead in the industry.
👍1
Всем привет! Хочу сделать две голосовалки.
#1 - Используете ли вы в компании системы для управления источниками данных и описания источников данных?
#1 - Используете ли вы в компании системы для управления источниками данных и описания источников данных?
Anonymous Poll
7%
Используем наподобие CKAN, DataHub Project, Google Data Catalog, Qlik Catalog, Azure, etc.
16%
Используем самописное решение/БД
17%
Храним описание в Excel/Google Sheet
38%
Описываем в Confluence/Wiki
1%
Описываем в локальных документах аля Microsoft Doc
14%
Ничего нет, нигде не описываем источники
6%
Другое
👍1
# Используете ли Вы внутри компаний системы для описания метрик (как метрики считаются, в каких дашбордах используются, и т.п.)
Anonymous Poll
7%
Используем стороннее решение
14%
Свое самописное решение (система, бд)
34%
Excel/Google Sheet/Wiki/MS Word/Etc.
41%
Не используем
4%
Другое
Luxoft Tableau Style Guide
byAlex Barakov
https://public.tableau.com/app/profile/alexandr.barakov/viz/LuxoftTableauStyleGuide6/Hello
byAlex Barakov
https://public.tableau.com/app/profile/alexandr.barakov/viz/LuxoftTableauStyleGuide6/Hello
Tableau Public
Luxoft Tableau Style Guide
Hi Creator!
This is our #Luxoft Tableau Corporate #styleguide - the collection of our strict rules and our general thoughts about how we see good #design should look like.
This is our #Luxoft Tableau Corporate #styleguide - the collection of our strict rules and our general thoughts about how we see good #design should look like.
👍1
Forwarded from karpov.courses
Начинающие аналитики часто сталкиваются со стандартными ошибками в построении пути до файла в Pandas. Чтобы вам было легче разобраться, мы записали видео с разбором основных способов построения пути на примере курса «Аналитик данных».
YouTube
Построение пути до файла в Pandas | karpov.courses
Начинающие аналитики часто сталкиваются со стандартными ошибками в построении пути до файла в Pandas. Чтобы вам было легче разобраться, мы записали видео с разбором основных способов построения пути на примере курса «Аналитик данных».
Учитесь Data Science…
Учитесь Data Science…
Рубрика "бла бла бла"
K8S vs Docker
Что может случиться, если в компании принимается решение об единообразной платформе развертывании контейнерных приложений? Например, в компании на высшем уровне договорились развертывать все контейнерные приложения для всех подразделений только на kubernetes. В таком случае будьте готовы, что это решение повлияет на развитии внутренних сервисов компании негативным образом.
Почему? Мощности подразделения DevOps могут быть ограничены, а работать с K8S могут быть подготовлены не все сотрудники. Призыв "А ну-ка изучите kubernetes" у многих может вызывать отторжение, хотя бы потому, что в свободное от работы время учить не хочется дополнительный инструмент, а в рабочее время - аврал и надо бежать делать другие задачи. Лично у меня еще срабатывает желание подтянуть Docker, а не идти еще учить k8s, который еще и сложнее на порядок.
Лучшим на мой взгляд решением является принятие единой технологической платформы только для критически важной инфраструктуры (в т.ч. сервисов, приносящих деньги). А для других подразделений можно предоставить выбор k8s или docker. При этом тем, кто выбрал docker оказывать необходимую поддержку (возможно даже нанять отдельного devops инженера с хорошими знаниями docker).
Такое решение поспособствует развитию локальных экспертиз отдельных команд, плюс развитие внутренних продуктов компании только ускорится. Не каждый сотрудник, изучив Docker готов пойти изучать еще и kubernetes.
---
Как это может повлиять на отдел аналитики? Например, сейчас я бы хотел развернуть в компании Apache Airflow, Apache NiFi и DataHub Project, но все это придется поднимать на kubernetes. Дополнительным условием является поднятие сразу двух сред prod и stage. Т.к. datahub еще состоит из множества сервисов, то связываться с ним devops не захотят. Какой результат? Правильно - никакой. Фактически внутри ИТ приняты договоренности, которые препятствуют развитию инструментария для работы с данными.
Да, можно выпросить Linux машину и все поставить самостоятельно сбоку. Но тогда возникает ситуация, при которой вроде договорились использовать k8s, а все равно сбоку отпочковываются сервисы на Docker. Плюс машины Linux админят разработчики, что не безопасно.
---
Резюмируя, хочу сказать следующее: прежде чем вводить ограничения внутри компании, подумайте стоит ли их распространять повсеместно. В ином случае наймите достаточное количество DevOps инженеров, которые бы делали бы все необходимые работы по k8s.
K8S vs Docker
Что может случиться, если в компании принимается решение об единообразной платформе развертывании контейнерных приложений? Например, в компании на высшем уровне договорились развертывать все контейнерные приложения для всех подразделений только на kubernetes. В таком случае будьте готовы, что это решение повлияет на развитии внутренних сервисов компании негативным образом.
Почему? Мощности подразделения DevOps могут быть ограничены, а работать с K8S могут быть подготовлены не все сотрудники. Призыв "А ну-ка изучите kubernetes" у многих может вызывать отторжение, хотя бы потому, что в свободное от работы время учить не хочется дополнительный инструмент, а в рабочее время - аврал и надо бежать делать другие задачи. Лично у меня еще срабатывает желание подтянуть Docker, а не идти еще учить k8s, который еще и сложнее на порядок.
Лучшим на мой взгляд решением является принятие единой технологической платформы только для критически важной инфраструктуры (в т.ч. сервисов, приносящих деньги). А для других подразделений можно предоставить выбор k8s или docker. При этом тем, кто выбрал docker оказывать необходимую поддержку (возможно даже нанять отдельного devops инженера с хорошими знаниями docker).
Такое решение поспособствует развитию локальных экспертиз отдельных команд, плюс развитие внутренних продуктов компании только ускорится. Не каждый сотрудник, изучив Docker готов пойти изучать еще и kubernetes.
---
Как это может повлиять на отдел аналитики? Например, сейчас я бы хотел развернуть в компании Apache Airflow, Apache NiFi и DataHub Project, но все это придется поднимать на kubernetes. Дополнительным условием является поднятие сразу двух сред prod и stage. Т.к. datahub еще состоит из множества сервисов, то связываться с ним devops не захотят. Какой результат? Правильно - никакой. Фактически внутри ИТ приняты договоренности, которые препятствуют развитию инструментария для работы с данными.
Да, можно выпросить Linux машину и все поставить самостоятельно сбоку. Но тогда возникает ситуация, при которой вроде договорились использовать k8s, а все равно сбоку отпочковываются сервисы на Docker. Плюс машины Linux админят разработчики, что не безопасно.
---
Резюмируя, хочу сказать следующее: прежде чем вводить ограничения внутри компании, подумайте стоит ли их распространять повсеместно. В ином случае наймите достаточное количество DevOps инженеров, которые бы делали бы все необходимые работы по k8s.
Why Lakehouse over Data warehouse
https://medium.com/@abraham.pabbathi/why-lakehouse-over-data-warehouse-121cfc3e24ea
https://medium.com/@abraham.pabbathi/why-lakehouse-over-data-warehouse-121cfc3e24ea
Medium
Why Lakehouse over Data warehouse
Intro