Hoe houdt u een live metricsdashboard actueel zonder het opnieuw te bouwen?
Een AI werknemer voor dashboards, verbonden met uw datawarehouse en de App Store van uw workspace. Hij bouwt het live metricsdashboard één keer, en houdt de app zelf vervolgens actueel naarmate de vragen en de onderliggende tabellen veranderen, waarbij elke update in uw App Store wordt gepubliceerd zodat een aangewezen persoon kan goedkeuren.
×Een metricsdashboard is makkelijk te bouwen en moeilijk te onderhouden. De eerste versie wordt in een middag uitgeleverd en iedereen is er blij mee. Dan wordt een tabel in het datawarehouse hernoemd, verandert de definitie van een metric, wordt een nieuwe dimensie degene waar iedereen naar vraagt, en raakt het dashboard stilletjes verouderd. Het laadt nog steeds, en dat is het gevaarlijke deel: mensen blijven een getal vertrouwen dat niet meer betekent wat ze denken. Het actueel houden is echt engineeringwerk dat concurreert met al het andere. Dus vervallen dashboards, wordt er een nieuw dashboard naast het oude gebouwd, en houdt het team meerdere half vertrouwde weergaven van dezelfde cijfers over. Wat ontbreekt, is niet het vermogen om een dashboard te bouwen. Het is iemand wiens vaste taak het is om de app te laten aansluiten op het datawarehouse waaruit hij leest.
De AI werknemer voor het live dashboard bouwt één keer een app voor een metricsdashboard, vermeld in de App Store van uw workspace, en draait vervolgens volgens een schema om het actueel te houden. Elke run leest het datawarehouse om te controleren of de tabellen, kolommen en metricdefinities achter het dashboard nog kloppen, werkt de app bij waar die zijn veranderd, en dient de nieuwe versie in bij uw App Store. Een aangewezen persoon controleert en keurt goed voordat het bijgewerkte dashboard het live dashboard vervangt. Hij onderhoudt de app, maar publiceert nooit zelf.
Zie precies hoe het werk wordt gedaan.
Bouwt de dashboardapp één keer
Op basis van de metrics die u wilt, zet hij een kleine dashboardapp op in uw workspace, vermeld in uw App Store, die rechtstreeks uit uw datawarehouse leest.
Draait volgens een schema
Volgens het schema dat u instelt, start een geïsoleerde run binnen uw eigen omgeving met de datawarehouserechten die u ervoor hebt afgebakend, zonder handmatige start en zonder permanente toegang tussen runs.
Maakt verbinding met het datawarehouse, met rechten die u instelt
Hij leest het schema en de queries achter elke tegel om te bevestigen dat de tabellen, kolommen en metricdefinities waarvan het dashboard afhankelijk is nog bestaan en nog hetzelfde betekenen. Inloggegevens blijven in het geheugen en worden nooit aan het model getoond.
Werkt de app bij waar de bron is verschoven
Wanneer een tabel wordt hernoemd, een kolom wordt verwijderd, of een metric opnieuw wordt gedefinieerd, past hij de dashboardapp aan om te passen, waarbij hij queries en tegels bijwerkt in plaats van helemaal opnieuw te bouwen.
Publiceert de nieuwe versie ter beoordeling
Het bijgewerkte dashboard gaat naar uw App Store als een versie die op goedkeuring wacht, met een notitie over wat er in het datawarehouse is veranderd en wat hij in reactie daarop heeft aangepast.
Een aangewezen persoon keurt goed voordat het live gaat
Een aangewezen persoon controleert de diff en keurt deze goed voordat de nieuwe versie de versie vervangt die mensen gebruiken.
Draait in uw eigen omgeving
Elke run is geïsoleerd binnen uw eigen infrastructuur en reikt alleen tot het datawarehouse en de vermelding in de App Store waartoe hij is afgebakend. Uw data verlaat uw omgeving nooit.
Lezen op het datawarehouse, afgebakende schrijfacties
Hij leest het schema en de queries achter het dashboard; zijn enige schrijfactie is de bijgewerkte versie van de dashboardapp die hij indient.
Publiceren met goedkeuring van een aangewezen persoon
Hij onderhoudt de app maar vervangt nooit zelf het live dashboard. Een aangewezen persoon keurt elke nieuwe versie goed voordat deze live gaat.
Inloggegevens blijven in het geheugen
Inloggegevens voor het datawarehouse leven alleen in het geheugen van de run, worden nooit naar schijf geschreven en worden nooit aan het model getoond.
Elke regel is van u
De metricdefinities, het schema en de goedkeuringsstap zijn van u, met versiebeheer en gewijzigd op uw voorwaarden, niet in het dashboard van een leverancier.
Het dashboard dat vroeger stilletjes verouderde, heeft nu een vaste eigenaar die de app laat aansluiten op het datawarehouse en elke update ter goedkeuring voorstelt. Mensen bouwen niet langer een nieuw dashboard naast het verouderde en gaan het dashboard vertrouwen dat actueel wordt gehouden.
Eén keer gebouwd
De dashboardapp wordt onderhouden, niet elk kwartaal opnieuw gebouwd
Volgens een schema
Gecontroleerd aan de hand van het datawarehouse en bijgewerkt wanneer de bron verschuift
Publicatie met goedkeuring
Een aangewezen persoon keurt goed voordat een nieuwe versie live gaat
Onze gratis AI-audit laat zien waar AI kansen biedt voor uw bedrijf, welke risico's daarbij komen kijken, en zet meteen uw eerste AI werknemer aan het werk.
Hoe houden AI werknemers uw documentatie synchroon met de code?
Doorloopt dagelijks de samengevoegde code, herschrijft de documentatie die door die wijzigingen is geraakt, en opent één beoordeelbare pull request. Publiceren wacht op een merge door een mens.
×
Hoe testen AI werknemers elke pull request voordat een mens deze beoordeelt?
Checkt elke pull request uit, draait de suite, beproeft de wijziging via de edge op een testdeploy, en plaatst het resultaat. Blijft weg van productie en laat de merge aan een persoon over.
×Hoe krijgt u een postmortem opgesteld op het moment dat een incident is opgelost?
Reconstrueert de incidenttijdlijn, zet die af tegen deploys en logpieken en opent een gestructureerde postmortem als een document PR. De AI werknemer stelt op, het team maakt af.
×