Hae tästä blogista

Blogiarkisto

Powered By Blogger

QDG

QDG
Näytetään tekstit, joissa on tunniste #Qlik. Näytä kaikki tekstit
Näytetään tekstit, joissa on tunniste #Qlik. Näytä kaikki tekstit

torstai 3. marraskuuta 2016

Valokeilassa Qlik Google Analytics konnektori


Coffee Break Series - Qlik Web Connectors


Valokeilassa Qlik Google Analytics konnektori.  

Qlik Web Konnektorit:

Qlik Web konnektorit on web service konnektoreita, web pohjaisiin datalähteisiin. 

ja niitä riittää:

Google Analytics (lyhyesti): 

Google Analytics on kävijäseurantaan tarkoitettu ohjelmisto, nykyään hyvin paljon käytetty yksityisellä ja yritystasolla.

Google analytics tarjoaa monia eri analytiikkaan sopivia asiakokonaisuuksia. Dimensioita ja mittareita löytyy useita. Alla on listattuna asiakokonaisuuksia;



Qlik Google analytics konnektori on helppokäyttöinen rajapinta rikastamaan analytiikkaa.

Käytöönotto:

- Tarkasta perusedellytykset, lähinnä laitteisto vaatimukset
- Lataa ohjelmisto Qlikin sivuilta
- Asenna ohjelmisto
- Aseta ostettu lisenssi

Käyttö (peruspaketti tai räätälöity) (perusperiaate) :


Persuspaketin prosessi: 
- Hanki Google Analytics Account
- Tee autentikointi ja luo token
- Siirrä token Qlik Google Analytics konnektoriin
- Aseta alku- ja loppupäivä
- Aja tarvittava scripti
- Kopioidaan scripti Qlikview tai QlikSense tuotteeseen
- Aloitetaan lataukset

Nyt on data hallussa ja voit alkaa pohtimaan analyyttisen tarpeeseesi oikeita data esitystystapoja ja visualisointeja.

tiistai 8. syyskuuta 2015

Coffee Break Series - quick guide how to create a point maps with QlikSense

Coffee Break Series - quick guide how to create a point maps with QlikSense


coffee break series.jpg

Let’s have a coffee and look steps how to create a point map with QlikSense analytics tool.




PREPARE

1. Ensure your data includes coordinates (longitude, latitude)





START BUILDING

2. Open QlikSense, add and load data


Pudota data.jpg


3.  Create GeoMakePoint (Latitude,Longitude) syntax line at DataLoad editor where your data load (select) statement is.

Geomakepoint.JPG

4. Load data and go to App Overview and then to a sheet that Map will be presented.

App overview.JPG


5. Choose Edit to add Map Extension

map object.jpg


6. Add dimension and select field to represent Point names

Add Dimension.JPG

7. Give a name to Map presentation

Name to map.JPG



ENJOY YOUR QLIKSENSE APPLICATION

8. start testing and using created map ------ Easy

Use of map.jpg


torstai 27. elokuuta 2015

Coffee Break Series - Data Discoveryn ja IoT:n yhteinen maailma



Coffee Break Series - Data Discoveryn ja IoT:n yhteinen maailma

Asioiden välinen internet (IoT) on noussut melkoisesti otsikoihin viime aikoina.Toisaalla käyttäjälähtöinen analytiikka Data Discovery on vallannut melkoisesti markkinoita.


Otetaan kahvi ja pohditaan hieman miten IoT ja Data Discovery kohtaavat.

IoT:n voisi karkeasti yleistää asioiden väliseksi kommunikointi verkostoksi. Asiat varmasti mitä useimmin liittyvät toisiinsa langattoman teknologian kautta. Näin ainakin IoT:n tällä oppimäärällä uskoisin.
Erilaisten asioiden, laitteiden jne. määrä on valtava ja dataa niiden käytöstä syntyy todella paljon. Dataa luodaan reaaliaikaisesti, tunti- tai kuukausitasolla ja sitä siirretään tarvittaessa asioiden välillä. Laite voi luoda hälyttimen (raja-arvon ylitys tai alitus) toiselle laitteelle suorittaakseen asian korjaavia toimenpiteitä. Esimerkiksi tasapainottaa tilanne tai toiminta halutulle tasolle.

Data Discovery teknologiat tarjoavat käyttäjälähtöisen lähestymisen analytiikkaan. Työvälineet ovat helppokäyttöisiä ja tarjoavat sekä ketterän että joustavan tavan tuottaa sovelluksia ja analysoida itselle tärkeää dataa. Hyvä Data Discovery työväline mahdollistaa useiden eri tietojen lataamisen eri lähteistä, niiden yhdistelyn, sekä tarjoaa laajat mahdollisuudet tiedon visualisointiin. Hyvä esimerkki tästä on Qlik teknologian tuotteet QlikView ja QlikSense.


Tiedon syntyminen ja sen hyödyntäminen.

DD and IoT network.jpg






















IoT - asioiden ja laitteiden välinen verkosto kommunikoi keskenään ja samalla tuottaa dataa eri prosesseissa. Esimerkkeinä terveydenhuolto, logistiikka ja jakelu, valmistava teollisuus. Älykkäät laitteet mm. sensorit jne. voivat valvoa potilaiden tilaa ja lähettää hälytyksen potilaan tilan muutoksesta.  Seuraa- reagoi - kommunikoi.
Retail puolella asiakkaiden ostokäyttäytymisen seuranta mm. liikkuminen, pysäköinti, ilmeet ja eleet (tyytyväisyys) informaatiot ovat varmasti markkinoijalle mieleen. Uudet monitorointi ja valvontakameramekanismit mahdollistavat monia uusia asioita.

Toisaalta mitä uutta tässä on. Varmasti se, että älykkäitä laitteita on enemmän, ne kommunikoivat paremmin keskenään ja monipuolistuvat, tuottavat enemmän dataa kuin 5-10 vuotta sitten ja että idea on nyt puristettu IoT käsitteen alle.

Ok, ensimmäinen taso kurkistettu.

IoT tuottama data ei varmastikaan ole kaikilta osin suoraan syömäkelpoista Data Discovery tuotteille. Dataa voidaan joutua prosessoida tai käsitellä analytiikalle suotuisaan muotoon, mutta uskon, että suurelta osin se on luettavissa tiedon latausmekanismin läpi joko tietovarastoon tai suoraan analytiikka työvälineeseen. Tiedon välitys on kahdensuuntaista kuten yllä kuvassa karkeasti koitan esittää.  

Ok, toinen taso - tiedon jalostus ja lataus on tunnistettu

Koneen komponentilla on kaiketi parametrit (id, parametriarvo, status, aikaleimat jne.) Komponentin parametrien arvoja voidaan seurata läpi sen elinkaaren. Esitystapana voi olla, että ilmoitetaan poikkeamat tai muutokset esim. tietyin korostetuin värikoodein taulukossa.

Miten löydän näiden asioiden väliset riippuvuudet?

QlikSensen indeksointi moottori perustuu muistinvaraiseen teknologiaan ja mahdollistaa assosiatiivsen analysoinnin. Se näyttää datan riippuvuudet toisiinsa eri värikoodeilla (vihreä tehty tai tehdyt valinnat, valkoinen kertoo mitkä asiat liittyvät asiaan ja harmaa kertoo mitkä eivät liity suoraan tai lainkaan).

Kuva QlikSensen valinnat ikkunasta.

Valinnat QlikSense.JPG


Kun pohditaan tätä tapaa esittää dataa, niin se mahdollistaa loistavasti jatko kysymysten esittämisen datasta. Jos pohditaan edellä mainittua koneen komponentin parametriarvo esimerkkiä, niin valitsemalla komponentin yksilöivän ID numeron löydät valkoisella värikoodilla esitettynä myös muut kyseisen parametrin tapahtumat ja tiedot jotka liittyvät tähän valintaan.

QlikSensessä tiedon etsiminen suurestakin datamassasta on helppoa ja nopeaa. Syötä esim koneen komponentin id numero hakukentässä ja tee valinta alle olevasta listasta. Data muuttuu valinnan mukaan koko sovelluksessa.

Kuva esimerkki QlikSense haku toiminnallisuudesta

haku.JPG


Tiedon visualisointi ja esitystavat QlikSensessä ovat erittäin monipuoliset ja uusia mahdollisuuksia kehitetään koko ajan.

Tässä kuvassa muutama esimerkki eri esitystavoista, joilla esim IoT:n tuottamaa dataa voisi esittää:


Sense esitystavat.jpg

Ok, kolmas taso visualisoi tiedon käyttäjälähtöisesti


Laitteiden välinen kommunikaatio muuttuu siis älykkäämmäksi. Eri toiminnan vaiheista syntyy tarkempaa dataa mm. pilvi tai fyysisiin tietovarastoihin. Digitaalisuus ja IoT luovat mahdollisuuksia, hienoa. Samalla tämän strukturoidun ja ei-strukturoidun datan pöyhimiseen syntyy uusia rooleja kuten Data Scientistit.

Yhtälailla kehitetään uusia tapoja, menetelmiä ja laitteita muokkaamaan ja varastoida dataa analysoitavaksi.

Hallittu ja yhtenäinen tietokokonaisuus luovat loppukäyttäjille hyvän analytiikan pohjan. Oma mielenkiintoinen analytiikan osa-alue on ennakoiva analytiikka ja sen mahdollisuudet kertoa datasta vielä enemmän. Kaiken lisäksi Data Discovery tuotteiden self service ominaisuudet luovat joustavan ja monipuolisen informaationhallinnan työväline salkun.


“Technology that learns from experience (data) to predict the future behavior of individuals in order to drive better decisions.” - Eric Siegel

line3.jpg

QlikSense vinkit:
Nopea katsaus miten luoda QlikSense sovellus:

Miten esität informaatio tarinasi (Data Storytelling):

torstai 20. elokuuta 2015

Mustetta käyttöliittymässä

Mustetta käyttöliittymässä

Historiassa voidaan tunnistaa värien, muotojen ja eri esitystapojen merkitys asioiden kommunikoinnissa. Asioista ilmaistiin brutaalisti vaan ne mitkä olivat elämiselle ne kaikkein tärkeimmät. Kaukaisessa historiassa esimerkiksi saaliit saatettiin kuvata luolien seinillä symboloimaan menestystä, yhteisön hierarkiat ja statukset kuvattiin kenties tietyin merkein ja visuaalisin keinoin. Näiden asioiden kommunikointi oli eräänlainen tilannekuva pienemmän yhteisön elämän tilanteesta.
Tänä päivänä analytiikassa mustetta upotetaan käyttöliittymään kertomaan hyvin monia eri asioita. Tiedon avoimuus ja laajuus sekä tiedon käyttäjäkunnan hurja kasvu luovat sekä haasteita esittämiseen, että mahdollisuuksia rikkoa rajoja.
"Tietynlainen anarkia tiedon visualisoinnissa on välttämättömyys. Toisaalta parhaat käytännöt luovat selkeän etenemistavan".
Lähdin pohtimaan tätä muste tasapainoa seuraavien asiakokonaisuuksien kautta ja mausteena ripaus assosiaatioita Qlik teknologiaan.
Mielestäni hyvä lähtökohta sovelluskehityksessä tiedon visualisoinnille sisältää alla listattujen kokonaisuuksien huomioonottamisen. Tiedän, lista ei ole täydellinen, mutta jos pohdit näitä niin olet oikealla suunnalla.
- tarkoitus
- numerot ja niiden esittäminen
- esitystavat ja tekniikat
- käyttöliittymän visuaalisuus
- ohjeet ja opastus

1. Analytiikka sovelluksen tai sovellus kokonaisuuden tarkoitus.

Sovelluskehityksen alkuvaiheessa anna itsellesi aikaa määrittää tarkoitus eli miksi olette tekemässä juuri tätä kokonaisuutta. Olen varma, että säästät aikaa ja rahaa ja pääset parempaan lopputulokseen.  Tarkoituksen selkeytyminen tehostaa myös vaatimusten määrittelyä. Kun taas vaatimusten hahmottuminen antaa perspektiiviä visuaaliseen ja käytettävyyden suunnitteluun.
Tässä muutama kohta mitä voi pohtia:
 - mihin kysymyksiin sovelluksen tulee vastata
- peilaako nämä informaatio tarpeet yrityksen strategian tärkeisiin kulmakiviin
- kenelle me tätä teemme (sisäinen, ulkoinen tai julkinen) 
- onko jotain informaatiota mitä joudumme rajoittamaan (avoimuus) ja miksi
- millä tavalla tämä sovellus luo lisäarvoa vs muu mahdollinen analytiikka ja raportointi
- onko kyse pidemmän vai lyhyemmän ajan informaatiotarpeesta.

“Tilannekuvan tulee kertoa oikeat asiat, oikeille henkilöille oikealla tavalla tuotettuna ja jaettuna".
 Olen käyttänyt jonkin aikaa urheilukelloa tai “älykelloa” kuten jossain mainitaan. Hämmästyin kuinka paljon informaatiota ne voivat tuottaa päivässä. Dataa kertyy tarvittaessa eri urheilulajeissa kuten golf, juoksu, pyöräily ja uinti. Kello kertoo sään, unen eri tasot, askel mittauksen, voi soittaa musiikkia ja saat notifikaatiot puhelimen viesteistä. Informaation jakelu tapahtuu esim. puhelimen kautta tilannekuva portaalissa.
Itselleni tämä antaa hyvää informaatiota harrastuksissa ja lisää motivaatiota parantaa terveyttä ja toivottavasti kasvattaa kuntoa. Tarkoitus löytyi ja samalla valmis mittaristo informaation tarkasteluun.

2. Numeroiden esittäminen

Numeroiden esittäminen analytiikka käyttöliittymässä on taidetta hyödyntäen perusperiaatteita. Ilman selkeää tapaa toimia muste leviää ja vie fokuksen. Numeroiden esittäminen sisältää monia eri asioita ja otan tässä esille vain muutamia kohtia.
Numeroiden muoto, esimerkiksi desimaali tarkkuus voi olla merkitsevä asia. Numeroiden koolla voidaan korostaa esim nykyhetkeä. Informaation esittäminen eri väreillä nostaa esiin eri perspektiivejä samoista asioista.
Stephen Few puhuu kahdesta yleisestä käytännöstä lähtökohdaksi:
Vapaasti tulkittuna ne ovat 1) Korosta sinulle tärkeää tieto  ja 2) organisoitarvittava tieto niin, että se kertoo viestin niin selkeästi kuin mahdollista.
Kuva QlikSense sovelluksesta:






Kuvassa pääasialliset mittarit on ryhmitelty ja korostettu tilannekuvan vasemmalla reunalla. Asioiden välistä suhdetta kertovat “pie chart” ja “ line chart” ovat myös ryhmitelty selkeästi vastaavin informaatio kokonaisuuksin. Asiayhteys löytyy, eikös !
Vinkki:
Qlikin Patrik Lundblad blogi “First Pillar of Mapping Data to Visualizations: Data Attributes” on mielenkiintoista luettavaa asiaan liittyen.

http://www.qlik.com/us/blog/posts/patrik-lundblad/mapping-data-to-visualizations-data-attributes


3. Esitystavat

Lisätään mustetta analytiikka sovelluksen käyttöliittymään ja pohditaan muutamia asioita informaation esitystapoihin liittyen.
"The effectiveness of information visualisation hinges on two things: its ability to clearly and accurately represent information and our ability to interact with it to figure out what information means". - Stephen Few
Informaation visualisoinnilla on tärkeää herättää kiinnostusta selkeästi ja jäsennellysti sekä luoda datan tulkitseminen mahdollisimman helpoksi. Muistetaan kuitenkin, että muidenkin tulee ymmärtää mitä me kullakin datan esitystavalla kerrotaan.
Yksinkertaistaminen on helpoin tapa selkeyttää esitettävää tietoa. Yksinkertaistaminen on jopa välttämättömyys, kun mietitään esim. analytiikan esittämistä esim. mobiililaitteissa. Priorisoidaan tärkeimmät asiat ensisijaisesti esille, luodaan linkkejä tarvittaessa tarkempiin tietoihin.
Informaatio pitää tuoda esille siis ymmärrettävästi. Esim. numerot tarvitsevat selitteen. Nimike joka kuvaa asiaa tulee olla selkeä, jotta käyttäjä ymmärtää tarkoituksen.
Data esitettynä eri väreillä, kuten alla, kertoo vain asioiden suhteita, tietämättä tarkemmin mistä on kyse.



Hyvä - neutraali - huono
Numeroiden tai arvojen korostaminen tai esittäminen eri väreillä on myös selkeä, ellei jopa psykologisesti perusteltava tapa esittää asioita. Esimerkiksi punainen viittaa negatiiviseen arvoon, vihreä kertoo suunnan oleva oikea ja keltainen herättää huomion ja viittaa raja-arvon olevan lähellä.
Kun lisätään väreille raja-arvojen selitteet, niin tiedetään hieman enemmän asioiden suhteuttamisesta.




Nimikkeen lisääminen raja-arvojen lisäksi on askel lähemmäs ymmärrettävämpää esitystapaa.





Lisätään kuvaus asiasta, niin asia selkenee melkoisesti.







Esimerkit on otettu Qlikin QlikSense demosta. Tutustu siihen lisää täällä:
Asian esitystapa on siis oleellinen.  Alla on sama data ja valinnat esitettynä pie chartina ja bar chartina.
Kummassa sinun mielestä asioiden väliset suhteet tulee tarkemmin esiin?











Asioiden esitystavat on myös merkityksellisiä jos BI tuote ei responsiivisesti skaalaudu eri laitteille esim pc ja tabletit. QlikSensen teknologia mahdollistaa saman sovelluksen käytön eri laitteilla.
Vinkki:
Qlikin Patrik Lundblad blogi “Second Pillar of Mapping Data to Visualizations: Visual Encoding” nostaa esiin mm. edellä mainittuja asioita.

4. Käyttöliittymän visuaalisuus
Käyttöliittymän visualisointi on osaksi yllämainittuja numeroiden ja esitystapojen oikeaa esittämistä.
Usein analytiikka sovellus sisältää kokonaisuudet kuten tilannekuva, analyysit ja raportit. Näiden visualisoinnissa korostuu eri asioita. Tilannekuva tuo tärkeimmät asiat esiin, analyysi välilehdessä korostuu syyt ja suhteet ja raportti kokonaisuudessa poraudutaan pienempiin tarkempiin asiakokonaisuuksiin ja monesti yksittäisiin tapahtumiin asti.
Stephen Few mainitsee kirjassaan "Information Dashboard Design" kolmetoista virhettä tilannekuva (dashboard) suunnittelussa. Esimerkiksi, että datan asiayhteydet esitetään epätarkasti ja informaatio ryhmitellään huonosti. Ei siis ole sama miten muste levitetään käyttöliittymään. 
Mielestäni on myös tärkeää miettiä kenelle tilannekuva rakennetaan. Esimerkiksi julkiseen käyttöön tuleva analytiikka sovellus tulee olla selkeä, käytettävyyden todella hyvää tasoa sekä sisältää tarvittavat ohjeistukset.
Hyvä käyttöliittymä visualisointi helpottaa analysointia ja parantaa käytettävyyttä.
Alla olevassa esimerkki kuvassa dashboardiin on kerätty tärkeimmät mittarit ja ne on ryhmitelty selkeästi. Lisäksi filtteröinti on pidetty yksinkertaisena ja selkeänä.
Vinkki:
Qlikin Patrik Lundblad blogi “Third Pillar Of Mapping Data To Visualizations: Usage” viittaa mm. tähän asiaan loistavin esimerkein.


5. Ohjeet ja opastus

Ohjeet ja selitteet asioille on merkittävä osa analytiikkaa sovelluksen kokonaisuutta. Ne mm. auttavat navigoimaan, ymmärtämään asiayhteydet sekä KPI mittareiden tarkoituksen.
Kuvassa Qlik demosivujen Qlikview sovelluksen aloitussivulle on tehty kuvaus sovelluksesta. 

Selitteet ja ohjeet ovat joko esillä sovelluksen käyttöliittymässä tai ne saa esille dynaamisesti vaikka tehtyä info painiketta painamalla.



Näen, että näiden asioiden osaaminen ja pohtiminen on hyvin tärkeä osa analytiikka sovelluskehityksen osaamista.