Мы MM.SUP – команда сопровождения аналитического CRM компании Glowbyte – хотим рассказать о том, как не усложнять все и прийти к простым и правильным решениям в сфере построения процессов сопровождения. Рассказ основан на собственном опыте нормализации процессов управления дефектами промышленной среды ведущего банка топ-5 России.
Всем привет!
21 июня в 17:30 Data People by GlowByte приглашает Вас на летний митап - мы поделимся взглядами архитекторов на быстроменяющиеся процессы в условиях нового времени, расскажем как меняются решения внутри консалтинга и как адаптируются и масштабируются для бизнеса!
Эксперты GlowByte расскажут в про СУБД GreenPlum, а также презентуют собственные разработки: стриминг-платформу для реализации online-расчета предодобренных предложений и платформу для разработки и операционализации ML на базе Opensource инструментов.
16 июня в 10:00 пройдет бесплатный вебинар, на котором GlowByte вместе с EasyReport расскажут, как снизить стоимость и увеличить доступность BI-инструментов в компании.
В задачах построения и развития Data Platform с течением времени мы всегда приходим к вопросу эффективного управления данными.
Chief Data Officer, задавшись целью развить, вывести на новый уровень функцию управления данными, склоняются к “тяжеловесным” шагам, внедряя дорогостоящее вендорское ПО или начиная собственную разработку инструментов.
В то же время в открытом доступе есть законченные, испытанные временем продукты, с которых можно начать испытывать и развивать процессы и компетенции в области Data Governance, применив минимум затрат на внедрение и двигаясь поступательно методом “маленьких побед”.
Apache Atlas является одним из таких доступных open source-инструментов класса Data Catalog, который нам удалось полноценно опробовать и успешно замкнуть на него ряд процессов управления данными.
Всем привет.
Мы, команда ММ.SUP GlowByte, расскажем о том, как устроено сопровождение изнутри и где бизнесу найти техническую поддержку, которая действительно решает проблемы.
В предыдущей статье я поделился нашим опытом создания аналитического хранилища полного цикла на базе экосистемы Hadoop. Одним из тезисов той статьи стало утверждение о том, что аналитическую систему можно спроектировать, не прибегая к федерализации разных технологических платформ, предназначенных для решения локальных задач.
В этом материале я попробую подробнее раскрыть, как в нашей системе реализован подход обработки и загрузки данных в реальном времени с использованием технологии Kudu, при котором эти данные сразу доступны для анализа.
Статья о том, как в нынешних условиях снизить критичность влияния санкций и прочих катаклизмов на пользователей данных в компании.
На онлайн конференции 7 апреля мы впервые представляем в России альтернативу Tableau — продукт FineBI. Это достойный Self-service BI, ставший лидером на китайском рынке.
Лидерство на BI-рынке, что в мире, что в РФ, в последние годы удерживала американская троица – Tableau, Power BI, Qlik. Хотя с 2014 года в России активно продвигается импортозамещение, но это оказывало на рынок лишь минимальный эффект. Хотя и способствовало развитию альтернативных BI продуктов российскими разработчиками. На практике же, Tableau, Power BI, Qlik по-прежнему держали большую часть российского рынка. Благодаря более развитому функционалу и грамотной ценовой, маркетинговой, партнерской политике.
Ситуация в 2022 году
Сегодня крупнейшие иностранные разработчики BI останавливают сотрудничество с российскими клиентами и замораживают свою деятельность в РФ. Часть вендоров отказываются не только продавать новые лицензии, но и закрывают возможности для продления и поддержки уже имеющихся.
В марте 2022 года, возможность потерять работающее в компании BI-решение, это уже не какой-то неопределенный риск, а свершившийся факт. Компании, для которых BI стал частью корпоративной культуры, встали перед необходимостью оперативного импортозамещения.
Хорошая новость - альтернативы Tableau, Power BI, Qlik на нашем рынке есть. Плохая новость - все имеющиеся решения это далеко не полный аналог выбывающих игроков. Выбрать и внедрить новый продукт сложно. Выбор может затянуться и отнять то драгоценное время, которое осталось до момента отключения существующей лицензии.
Как в условиях цейтнота выбрать подходящий российский BI, а может не российский, а может не BI? Чтобы успеть оперативно заменить существующие решения. Конечно, все понимают, что единственно верного решения и даже алгоритма его выработки нет. Мы надеемся, что наши рекомендации помогут вам выработать свое уникальное решение в этом вопросе и при этом снизить риск ошибки. Избежать риска существенных потерь денег, потерь в качестве управления.
Проблема пакетной загрузки данных в HBase и способы решения
Статья посвящена проблеме быстрой загрузки большого объема данных в HBase, когда стандартные методы вставки в таблицу не дают должной производительности. Опытом в ее решении и возникших в процессе трудностях и хотелось бы поделиться в рамках данной статьи.
Хабр, привет! Меня зовут Наталья Тоганова, я работаю бизнес-аналитиком в компании GlowByte Consulting. В этой статье хочу поговорить о деньгах и тестах. А точнее о том, как с помощью тестов определить, где больше денег.
Представим стандартную рабочую ситуацию аналитика. Дано две выборки с N наблюдениями. В каждой — данные о продажах лимонада молодыми хочу-стать-единорогами предпринимателями. В выборке А — предприниматели из Москвы, в выборке Б — из Санкт-Петербурга.
Современные банки накапливают и агрегируют данные о пользователях и своем взаимодействии с ними. Это помогает им лучше понимать потребности отдельного клиента и его склонность к открытию того или иного банковского продукта. А с помощью современных технологий коммуникации банк может провзаимодействовать с каждым клиентом точечно, направив ему персональное предложение. Как машинное обучение помогает решать такие задачи, поговорим в данной статье.
Привет, Хабр! Мы — команда Advanced Analytics компании GlowByte — подводим итоги года и хотим рассказать об одном значимом для нас событии — запуске подкаста «Дайте данных»!
Мы запускали его практически своими силами. Набили немного шишек. Узнали больше о тайм-менеджменте, редактуре и продвижении. И поняли, что «просто побеседовать» не совсем и просто. Особенно, когда включен микрофон. И если ты, дорогой читатель, подумываешь о запуске своего подкаста или тебе любопытно взглянуть на изнанку подкастерских будней, то наш опыт будет полезен. Итак…
Всем привет!
Мы - команда GlowByte Advanced Analytics. Сегодня мы расскажем об одном из перспективных направлений Data Science - графовом анализе, и покажем, какие задачи можно решать с его помощью.
Цель статьи - показать многообразие бизнес-областей, в которых можно применять графовые подходы.
В статье мы рассказали о внедрении ML-платформы Kubeflow в кластере Kubernetes на площадке заказчика.
Инструменты, которые мы использовали в рамках проекта, являются программным обеспечением с открытым исходным кодом, поддерживаются авторами и сообществом. Платформа виртуализации - Hyper-V.
Инструменты, созданные для облаков, не всегда быстро и легко разворачиваются, а предугадать все риски невозможно. В статье мы рассказали про поиск подходящей архитектуры, подбор версий компонентов, общие технические аспекты установки кластера Kubernetes и настройки Kubeflow. Мы описали исследование и опыт внедрения, выделив проблемные места и моменты, на которые стоит обратить внимание.
Сейчас перед программистами стоит сложная задача - как внедрить такую громоздкую структуру, как нейронная сеть - в, допустим, браслет? Как оптимизировать энергопотребление модели? Какова цена таких оптимизаций, а так же насколько вообще обосновано внедрение моделей в небольшие устройства, и почему без этого нельзя обойтись.
