Автоматизация экспорта аудита Oracle Identity and Access Management и создание отчетов в Oracle Analytics Cloud позволяют повысить эффективность контроля безопасности и упростить анализ данных. Узнайте, как эти технологии интегрируются для оптимизации процессов.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Oracle
Automate the Export of Audit Logs and Report in Oracle Analytics Cloud
Automate the Export of Oracle Identity and Access Management Audit Logs and Report in Oracle Analytics Cloud
Секреты Oracle Analytics: как искусственный интеллект преобразует ваши вопросы в наглядные визуализации. В статье раскрывается, как технологии помогают быстро получать ответы и принимать решения на основе данных без сложных настроек.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Oracle
From Questions to Insights: Unlocking the Full Power of Oracle Analytics AI Assistant
The Magic Behind the Curtain: How AI Translates Your Questions into Visualizations
Эффективное использование DESCRIPTOR_IDOF с функциями LOOKUP раскрывает новые возможности в расчетах. В статье подробно рассматриваются лучшие практики, которые помогут повысить точность и удобство работы с данными. Полезно для всех, кто работает с аналитикой и расчетами.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Oracle
Best Practices for Using DESCRIPTOR_IDOF with Calculations involving LOOKUP Functions
This article describes best practices for using DESCRIPTOR_IDOF with calculations involving LOOKUP functions.
Обзор серии по нагрузочному тестированию Apache JMeter с OAC
В статье представлен обзор и лендинг-пейдж серии материалов по нагрузочному тестированию с использованием Apache JMeter и Oracle Analytics Cloud. Полезно для тех, кто изучает производительность систем.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
В статье представлен обзор и лендинг-пейдж серии материалов по нагрузочному тестированию с использованием Apache JMeter и Oracle Analytics Cloud. Полезно для тех, кто изучает производительность систем.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Oracle
Overview of Apache JMeter Performance Testing with Oracle Analytics Cloud
This post is an overview and landing page for the Apache JMeter Performance Testing with OAC series.
Oracle Analytics Cloud в центре внимания на Gartner 2025
Oracle Analytics Cloud привлек внимание на конкурсе Gartner 2025 благодаря впечатляющим AI-возможностям и живой оценке экспертов. Статья раскрывает, как технологии Oracle меняют взгляд на аналитику и BI.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Oracle Analytics Cloud привлек внимание на конкурсе Gartner 2025 благодаря впечатляющим AI-возможностям и живой оценке экспертов. Статья раскрывает, как технологии Oracle меняют взгляд на аналитику и BI.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Telegram
Data Analysis / Big Data
Лучшие посты по анализу данных и работе с Big Data на русском и английском языке
Разместить рекламу: @tproger_sales_bot
Правила общения: https://tprg.ru/rules
Другие каналы: @tproger_channels
Разместить рекламу: @tproger_sales_bot
Правила общения: https://tprg.ru/rules
Другие каналы: @tproger_channels
85 вопросов на собеседовании разработчика QlikView/Qlik Sense (с ответами)
Всем привет! Меня зовут Александр Андреев, я старший SRE дата-инженер и бывший BI/DWH-разработчик с многолетним опытом работы с BI-платформой QlikView/Qlik Sense. В своей статье-шпаргалке я хочу поделиться с вами практически всеми возможными вопросами и ответами с собеседований на должность Qlik-разработчика. Данная шпаргалка гарантированно закроет 99% возможных вопросов на собеседованиях на позиции, где упоминается Qlik в качестве BI-системы. Таких позиций с каждым годом все больше, причем знание Qlik в качестве BI-системы требуют как с чистых "биайщиков", так и с дата-инженеров на некоторых сеньорских и lead позициях.
Подготовка к собеседованию на позицию с QlikView/Qlik Sense в качестве BI-системы требует глубокого понимания как базовых концепций, так и продвинутых техник работы с платформой. В этой статье я собрал 85 наиболее важных вопросов, которые помогут вам систематизировать знания и успешно пройти техническое интервью.
Читать: https://habr.com/ru/articles/912504/
#ru
@big_data_analysis | Другие наши каналы
Всем привет! Меня зовут Александр Андреев, я старший SRE дата-инженер и бывший BI/DWH-разработчик с многолетним опытом работы с BI-платформой QlikView/Qlik Sense. В своей статье-шпаргалке я хочу поделиться с вами практически всеми возможными вопросами и ответами с собеседований на должность Qlik-разработчика. Данная шпаргалка гарантированно закроет 99% возможных вопросов на собеседованиях на позиции, где упоминается Qlik в качестве BI-системы. Таких позиций с каждым годом все больше, причем знание Qlik в качестве BI-системы требуют как с чистых "биайщиков", так и с дата-инженеров на некоторых сеньорских и lead позициях.
Подготовка к собеседованию на позицию с QlikView/Qlik Sense в качестве BI-системы требует глубокого понимания как базовых концепций, так и продвинутых техник работы с платформой. В этой статье я собрал 85 наиболее важных вопросов, которые помогут вам систематизировать знания и успешно пройти техническое интервью.
Читать: https://habr.com/ru/articles/912504/
#ru
@big_data_analysis | Другие наши каналы
Как в Почтатех внедряли отчетность на Luxms BI: интервью тимлида
Когда в 2022 году в ИТ-системах Почты России стартовал масштабный проект по импортозамещению, команде BI-направления в дочерней компании «Почтатех» предстояло внедрить отечественную альтернативу привычным зарубежным аналитическим решениям – Luxms BI. О том, как проходил процесс внедрения, с какими трудностями столкнулись и какие возможности открылись перед командой — мы поговорили с Евгением Дрензелевым, техлидом BI-направления в Почтатех.
Далее он расскажет о задачах, которые предстояло решить в процессе импортозамещения, а также о тех выгодах и положительных изменениях, которые были получены в результате.
Читать: https://habr.com/ru/companies/luxms_bi/articles/912784/
#ru
@big_data_analysis | Другие наши каналы
Когда в 2022 году в ИТ-системах Почты России стартовал масштабный проект по импортозамещению, команде BI-направления в дочерней компании «Почтатех» предстояло внедрить отечественную альтернативу привычным зарубежным аналитическим решениям – Luxms BI. О том, как проходил процесс внедрения, с какими трудностями столкнулись и какие возможности открылись перед командой — мы поговорили с Евгением Дрензелевым, техлидом BI-направления в Почтатех.
Далее он расскажет о задачах, которые предстояло решить в процессе импортозамещения, а также о тех выгодах и положительных изменениях, которые были получены в результате.
Читать: https://habr.com/ru/companies/luxms_bi/articles/912784/
#ru
@big_data_analysis | Другие наши каналы
Иногда приходится¹ копаться² в кишках³ Apache Spark
¹ …просто потому, что другого варианта добиться необходимого результата тупо не существует.
² и да, довольно-таки глубоко.
³ нет, серьёзно!
Давайте рассмотрим следующий бизнесовый кейс.
Дано: реально большие данные. Очень много датасетов по много терабайтов каждый, — в сумме объём тянет на петабайты. Лежат в облаке, но это не важно. Важно, что мы эти данные покупаем в «сыром» виде, каким-то образом «готовим», а потом перепродаём конечному потребителю.
Требуется: при подготовке каждого из датасетов разделить его согласно значениям одного или нескольких полей, составляющих его записи, на несколько. И это одна из особенно часто встречающихся в нашем процессе операций.
Довольно-таки сложный, продвинутый ETL у нас. Поясню на типичном примере.
Читать: https://habr.com/ru/articles/913244/
#ru
@big_data_analysis | Другие наши каналы
¹ …просто потому, что другого варианта добиться необходимого результата тупо не существует.
² и да, довольно-таки глубоко.
³ нет, серьёзно!
Давайте рассмотрим следующий бизнесовый кейс.
Дано: реально большие данные. Очень много датасетов по много терабайтов каждый, — в сумме объём тянет на петабайты. Лежат в облаке, но это не важно. Важно, что мы эти данные покупаем в «сыром» виде, каким-то образом «готовим», а потом перепродаём конечному потребителю.
Требуется: при подготовке каждого из датасетов разделить его согласно значениям одного или нескольких полей, составляющих его записи, на несколько. И это одна из особенно часто встречающихся в нашем процессе операций.
Довольно-таки сложный, продвинутый ETL у нас. Поясню на типичном примере.
Читать: https://habr.com/ru/articles/913244/
#ru
@big_data_analysis | Другие наши каналы
AI-агент говорит, что всё сделал. А ты уверен? Что нужно знать про оценку
Оценка AI-агентов — это процесс анализа и понимания того, насколько эффективно AI-агент выполняет задачи, принимает решения и взаимодействует с пользователями. В силу их автономной природы, качественная оценка агентов необходима для обеспечения их корректного функционирования. AI-агенты должны действовать в соответствии с замыслом разработчиков, быть эффективными и соответствовать определенным этическим принципам AI, чтобы удовлетворять потребности организации. Процесс оценки помогает удостовериться, что агенты соответствуют указанным требованиям.
Читать: https://habr.com/ru/articles/913222/
#ru
@big_data_analysis | Другие наши каналы
Оценка AI-агентов — это процесс анализа и понимания того, насколько эффективно AI-агент выполняет задачи, принимает решения и взаимодействует с пользователями. В силу их автономной природы, качественная оценка агентов необходима для обеспечения их корректного функционирования. AI-агенты должны действовать в соответствии с замыслом разработчиков, быть эффективными и соответствовать определенным этическим принципам AI, чтобы удовлетворять потребности организации. Процесс оценки помогает удостовериться, что агенты соответствуют указанным требованиям.
Читать: https://habr.com/ru/articles/913222/
#ru
@big_data_analysis | Другие наши каналы
# Автоматизация цифрового маркетинга с помощью ИИ: системный подход, который работает
ИИ уже управляет рекламой, воронками и контентом. Петр Жогов показывает, как построить рост без лишней ручной работы.
Читать: https://habr.com/ru/articles/913856/
#ru
@big_data_analysis | Другие наши каналы
ИИ уже управляет рекламой, воронками и контентом. Петр Жогов показывает, как построить рост без лишней ручной работы.
Читать: https://habr.com/ru/articles/913856/
#ru
@big_data_analysis | Другие наши каналы
Как мы храним 20000+ метрик и миллиарды комбинаций разрезов в одной таблице
Привет! Меня зовут Влад Божьев, я старший разработчик юнита АБ-тестирования Авито. Один из наших ключевых инструментов – M42, сервис для визуализации метрик. Он позволяет быстро проверять гипотезы, анализировать отклонения и оценивать инициативы.
В этой статье мы с вами погружаемся в самое сердце M42 и разбираем, как же там хранятся отчеты по метрикам. Это не просто рассказ, это почти детективная история о том, как мы искали оптимальное решение.
В нашем семантическом слое данных больше 20 000 метрик, и есть десятки разрезов для каждой из них. Под катом рассказываю, как мы храним терабайты данных и автоматизируем добавление новых разрезов в отчёт M42.
Читать: https://habr.com/ru/companies/avito/articles/913694/
#ru
@big_data_analysis | Другие наши каналы
Привет! Меня зовут Влад Божьев, я старший разработчик юнита АБ-тестирования Авито. Один из наших ключевых инструментов – M42, сервис для визуализации метрик. Он позволяет быстро проверять гипотезы, анализировать отклонения и оценивать инициативы.
В этой статье мы с вами погружаемся в самое сердце M42 и разбираем, как же там хранятся отчеты по метрикам. Это не просто рассказ, это почти детективная история о том, как мы искали оптимальное решение.
В нашем семантическом слое данных больше 20 000 метрик, и есть десятки разрезов для каждой из них. Под катом рассказываю, как мы храним терабайты данных и автоматизируем добавление новых разрезов в отчёт M42.
Читать: https://habr.com/ru/companies/avito/articles/913694/
#ru
@big_data_analysis | Другие наши каналы
От точечных решений к экосистеме: как «Национальная Лотерея» улучшает качество данных
Привет, Хабр! Сегодня мы расскажем, как «Национальная Лотерея» — компания, обрабатывающая сотни миллионов транзакций ежегодно, полностью перестроила свою работу с данными. Изначально инфраструктура данных опиралась на Excel-отчёты, ручные выгрузки и разнородные базы — подход, типичный для старта аналитических процессов. Однако со временем такие методы стали сдерживать скорость и масштабируемость аналитики.
Читать кейс
Читать: https://habr.com/ru/companies/arenadata/articles/913478/
#ru
@big_data_analysis | Другие наши каналы
Привет, Хабр! Сегодня мы расскажем, как «Национальная Лотерея» — компания, обрабатывающая сотни миллионов транзакций ежегодно, полностью перестроила свою работу с данными. Изначально инфраструктура данных опиралась на Excel-отчёты, ручные выгрузки и разнородные базы — подход, типичный для старта аналитических процессов. Однако со временем такие методы стали сдерживать скорость и масштабируемость аналитики.
Читать кейс
Читать: https://habr.com/ru/companies/arenadata/articles/913478/
#ru
@big_data_analysis | Другие наши каналы
Массивы вместо self-join: как писать быстрые запросы в ClickHouse
Привет, Хабр! Я — Максим Шитилов, продуктовый аналитик в каршеринг-сервисе Ситидрайв. Каждый день мы обрабатываем большие объёмы данных, и ClickHouse — один из наших ключевых инструментов. Если вы когда-либо пытались связать события с временными интервалами или рассчитать метрику за определённое окно после события, то наверняка сталкивались с типичной конструкцией на self-join. Вроде бы работает, но запрос становится громоздким, ресурсоёмким и плохо масштабируется.
В этой статье я расскажу, как решать такие задачи проще и эффективнее — с помощью массивов, arrayFilter и arrayMap. Покажу, как отказаться от self-join’ов без потери точности, ускорить обработку и упростить код. Примеры — из реальных бизнес-кейсов: телеметрия, аренды, GMV и события, которые нужно связать между собой по времени. Так как схожих решений на просторах интернета я не нашёл, предлагаю назвать этот подход “Array Join Pattern”. Если метод окажется полезным для сообщества, то такой паттерн легко будет найти другим аналитикам и девам.
Читать: https://habr.com/ru/companies/citydrive/articles/913866/
#ru
@big_data_analysis | Другие наши каналы
Привет, Хабр! Я — Максим Шитилов, продуктовый аналитик в каршеринг-сервисе Ситидрайв. Каждый день мы обрабатываем большие объёмы данных, и ClickHouse — один из наших ключевых инструментов. Если вы когда-либо пытались связать события с временными интервалами или рассчитать метрику за определённое окно после события, то наверняка сталкивались с типичной конструкцией на self-join. Вроде бы работает, но запрос становится громоздким, ресурсоёмким и плохо масштабируется.
В этой статье я расскажу, как решать такие задачи проще и эффективнее — с помощью массивов, arrayFilter и arrayMap. Покажу, как отказаться от self-join’ов без потери точности, ускорить обработку и упростить код. Примеры — из реальных бизнес-кейсов: телеметрия, аренды, GMV и события, которые нужно связать между собой по времени. Так как схожих решений на просторах интернета я не нашёл, предлагаю назвать этот подход “Array Join Pattern”. Если метод окажется полезным для сообщества, то такой паттерн легко будет найти другим аналитикам и девам.
Читать: https://habr.com/ru/companies/citydrive/articles/913866/
#ru
@big_data_analysis | Другие наши каналы
🔥2
Шпаргалка по установке драйверов NVIDIA на ML сервер
Данный материал предназначен для быстрой и последовательной установки драйверов NVIDIA, в том числе для видеокарт 50xx серии, а также настройки NVIDIA Container Toolkit. Эта инструкция актуальна для Linux-систем на базе Ubuntu и других Debian-совместимых дистрибутивов.
Читать: https://habr.com/ru/articles/913988/
#ru
@big_data_analysis | Другие наши каналы
Данный материал предназначен для быстрой и последовательной установки драйверов NVIDIA, в том числе для видеокарт 50xx серии, а также настройки NVIDIA Container Toolkit. Эта инструкция актуальна для Linux-систем на базе Ubuntu и других Debian-совместимых дистрибутивов.
Читать: https://habr.com/ru/articles/913988/
#ru
@big_data_analysis | Другие наши каналы
Новая статья раскрывает, как с помощью Semantic Model Extension в Oracle Fusion Data Intelligence создать альтернативную иерархию презентаций. Это помогает упростить навигацию по сложным иерархиям и повысить удобство работы с данными.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Как правильно менять владельцев объектов в Oracle Analytics
В статье объясняется, как и почему важно менять владельцев объектов в каталоге при уходе сотрудников или изменениях в компании, чтобы сохранить целостность данных и избежать проблем с доступом в Oracle Analytics.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
В статье объясняется, как и почему важно менять владельцев объектов в каталоге при уходе сотрудников или изменениях в компании, чтобы сохранить целостность данных и избежать проблем с доступом в Oracle Analytics.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Oracle
Changing Ownership of Catalog Objects in Oracle Analytics
When users leave a company or change departments or even have a name change, it becomes necessary to change the ownership of catalog objects to maintain consistency across the catalog. This article provides guidance on the best approach to this in Oracle…
Создайте собственный словарь данных для удобного отображения функциональных областей, предметных зон и объектов в ADW. Это поможет систематизировать информацию на уровне таблиц и столбцов, улучшая понимание и управление данными.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Oracle
Create Data Dictionary in Fusion Data Intelligence
Have your own data dictionary that provides mapping of objects for functional areas, pillars, subject areas, presentation objects, physical objects, and column level description of tables in ADW.
Как Oracle Analytics меняет управление платежами
В статье рассказывается о демонстрации возможностей Oracle Analytics в сфере интеллектуальных платежных операций. Использование ИИ и анализ данных в реальном времени помогает объединить разрозненную информацию, снижая риски и улучшая принятие решений.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
В статье рассказывается о демонстрации возможностей Oracle Analytics в сфере интеллектуальных платежных операций. Использование ИИ и анализ данных в реальном времени помогает объединить разрозненную информацию, снижая риски и улучшая принятие решений.
Читать подробнее
#en
@big_data_analysis | Другие наши каналы
Oracle
Reimagining Payment Operations with Oracle Analytics
This article explores how Oracle Analytics showcases Intelligent Payment Operations in a live demo. From contextual insights and AI-powered assistance to real-time monitoring and natural language queries, discover how fragmented payment data can be unified…
С помощью чего выучить SQL в 2025 году?
Как выучить SQL с нуля в 2025? Сравниваем 6 платформ: SYNC STUDY, SQL Academy, Karpov Courses и другие. Бесплатные и платные курсы, задачи из реальной аналитики, поддержка PostgreSQL. Советы по выбору для новичков и профессионалов.
Читать: «С помощью чего выучить SQL в 2025 году?»
#ru
@big_data_analysis | Другие наши каналы
Как выучить SQL с нуля в 2025? Сравниваем 6 платформ: SYNC STUDY, SQL Academy, Karpov Courses и другие. Бесплатные и платные курсы, задачи из реальной аналитики, поддержка PostgreSQL. Советы по выбору для новичков и профессионалов.
Читать: «С помощью чего выучить SQL в 2025 году?»
#ru
@big_data_analysis | Другие наши каналы
Apache Flink для начинающих: архитектура, библиотеки и применение
Apache Flink — это фреймворк и распределенный движок обработки данных, поддерживающий какпакетную (ограниченную), так и потоковую (неограниченную)обработку данных. Это значит, что с его помощью можно обрабатывать как статичные (неизменяемые) данные, так и данные, поступающие в реальном времени.
Читать: https://habr.com/ru/articles/914836/
#ru
@big_data_analysis | Другие наши каналы
Apache Flink — это фреймворк и распределенный движок обработки данных, поддерживающий какпакетную (ограниченную), так и потоковую (неограниченную)обработку данных. Это значит, что с его помощью можно обрабатывать как статичные (неизменяемые) данные, так и данные, поступающие в реальном времени.
Читать: https://habr.com/ru/articles/914836/
#ru
@big_data_analysis | Другие наши каналы
Что скрывается за MCP-сервером и почему он может заменить RAG
Область искусственного интеллекта стремительно развивается, открывая новые способы повышения эффективности их работы и интеграции с данными в реальном времени. Одним из последних достижений стал Model Context Protocol (MCP) — открытый стандарт, позволяющий AI-моделям напрямую обращаться к файлам, API и инструментам без необходимости в промежуточных этапах, таких как создание эмбеддингов или векторный поиск. В этой статье мы рассмотрим, что такое MCP-сервер, как он работает и почему он может изменить будущее AI.
Читать: https://habr.com/ru/articles/914768/
#ru
@big_data_analysis | Другие наши каналы
Область искусственного интеллекта стремительно развивается, открывая новые способы повышения эффективности их работы и интеграции с данными в реальном времени. Одним из последних достижений стал Model Context Protocol (MCP) — открытый стандарт, позволяющий AI-моделям напрямую обращаться к файлам, API и инструментам без необходимости в промежуточных этапах, таких как создание эмбеддингов или векторный поиск. В этой статье мы рассмотрим, что такое MCP-сервер, как он работает и почему он может изменить будущее AI.
Читать: https://habr.com/ru/articles/914768/
#ru
@big_data_analysis | Другие наши каналы