GoodData Analytics

Metriklerin bir kez tanımlandığı ve panolar, gömülü uygulamalar ve yapay zeka asistanları tarafından yeniden kullanıldığı analitik platformu.

Demo talep edin Özellikleri inceleyin
metrics/downtime_hours.yamlTanım
type: metric
id: downtime_hours
maql: SELECT SUM({fact/downtime_minutes}) / 60

Aynı tanım, üç yüzey

Pano
Uygulamanıza gömülü
Yapay zeka asistanı

Açıklayıcı örnek

Kategori
Headless BI, gömülü analitik, yapay zeka
Dağıtım
GoodData Cloud veya kendi altyapınızda (Kubernetes)
Veri kaynakları
Snowflake, Databricks, BigQuery, Redshift, PostgreSQL ve daha fazlası
Geliştirici araçları
React SDK, Python SDK, REST API, Git

Her ekibin kendi “arıza süresi” sayısı var

GoodData, verinizin zaten bulunduğu veri ambarına veya veritabanına bağlanır ve iş araçlarında çoğu zaman eksik olan katmanı ekler: yönetilen bir anlamsal (semantik) model. Panolar, kendi ürününüze gömülü analitik ve yapay zeka asistanları aynı tanımları okur; bir sayı her yerde aynı anlama gelir. Modeller, metrikler ve panolar kod olarak tanımlanıp Git’te de tutulabilir.

Arıza süresi, OEE ya da fire oranı her panoda ayrı bir sorguyla hesaplandığında sayılar birbirinden ayrışır ve güven aşınır. Yönetim toplantısında asıl tartışma verinin kendisi değil, hangi sayının doğru olduğu olur.

Anlamsal katman varlıkları ve metrikleri bir kez tanımlar. Her grafik, rapor ve yapay zeka yanıtı bu tanımlardan üretilir; değişiklik tek yerde yapılır ve her yere yansır.

Anlamsal katman olmadan

  • Her pano kendi SQL’ini ve filtresini taşır
  • Aynı metrik farklı yerlerde farklı sonuç verir
  • Yapay zeka asistanı tablo ve sütun adlarını tahmin eder
  • Her müşteri veya tesis için panolar elle kopyalanır

GoodData ile

  • Metrikler mantıksal veri modelinde bir kez tanımlanır
  • Tüm panolar ve raporlar aynı tanımı kullanır
  • Asistanlar yönetilen metrikler ve bağlam üzerinden yanıt verir
  • Çalışma alanı hiyerarşisi modeli alt çalışma alanlarına devreder

Nasıl çalışır

Beş adımda ham kaynaktan kullanıma hazır veriye.

  1. Bağlan

    Verinizin bulunduğu kaynağa bağlanın: Snowflake, Databricks, BigQuery, Redshift, PostgreSQL ve diğerleri. Özel kaynaklar için FlexConnect ile kendi bağlantınızı yazabilirsiniz.

  2. Modelle

    Mantıksal veri modelinde tabloları veri kümelerine, sütunları öznitelik ve olgulara (fact) dönüştürün, ilişkileri tanımlayın. Birleştirmeler (join) bu modelden çözülür.

  3. Metrik tanımla

    “Arıza süresi”, “verim”, “birim maliyet” gibi iş metriklerini bir kez tanımlayın. Metrikler yönetilir, yeniden kullanılır ve her tüketici için aynı sonucu verir.

  4. Oluştur ve paylaş

    Etkileşimli panolar, filtreler ve detaya inme ile içgörüler oluşturun. İsterseniz her şeyi YAML veya JSON olarak yazıp Git’te sürümleyin.

  5. Göm ve sor

    Analitiği React SDK ve API’lerle uygulamanıza gömün, çalışma alanı hiyerarşisiyle her kiracıya ayrı görünüm verin ve yapay zeka asistanlarının aynı metrikler üzerinden yanıt vermesini sağlayın.

Veri kaynakları

  • Veri ambarı
  • Veri gölü
  • Veritabanları
  • Özel kaynaklar (FlexConnect)

GoodData

  • Mantıksal veri modeli
  • Metrikler (anlamsal katman)
  • Panolar ve kod olarak analitik

Tüketiciler

  • Uygulamanız (SDK)
  • Yapay zeka asistanı
  • API ve BI araçları
  • Kiracı çalışma alanları

Neler sunar

Yetenek grupları; ayrıntıları özellikler sayfasında.

  • Mevcut verinize bağlanın

    GoodData sorguları verinizin bulunduğu yerde çalıştırır; veriyi başka bir ürüne taşımanız gerekmez.

  • Anlamsal katman

    Mantıksal veri modeli ve metrikler, panoların, raporların ve yapay zeka yanıtlarının ortak kaynağıdır.

  • Etkileşimli panolar ve keşif

    İş kullanıcıları SQL yazmadan filtreleyebilir, detaya inebilir ve kendi görünümlerini oluşturabilir.

  • Kod olarak analitik

    Modelleri, metrikleri ve panoları kod olarak tanımlayın; analitiğe yazılımdaki disiplini getirin.

  • Gömülü analitik ve headless BI

    Analitiği kullanıcıların zaten çalıştığı uygulamaya taşıyın ya da anlamsal katmanı herhangi bir araçtan API ile kullanın.

  • Çok kiracılı yapı

    Bir model, birçok müşteri ya da tesis: çalışma alanı hiyerarşisi tanımı üst çalışma alanından alt çalışma alanlarına aktarır.

  • Yapay zeka ve ajanlar

    Yapay zeka deneyimleri aynı yönetilen metrikler ve bağlam üzerinde çalışır; hangi veriye ve kurala dayandıkları izlenebilir.

  • Güvenlik ve dağıtım

    Üretici tarafından işletilen bulut ya da aynı kod tabanıyla kendi altyapınızda.

Tüm özellikler

Endüstriyel veriyle birlikte

HighByte ile besleyin

Intelligence Hub şartlandırılmış, modellenmiş OT verisini Snowflake veya Databricks’e iletir; GoodData bu veriden OEE ve arıza süresi gibi metrikleri üretir.

Tesis ve hat görünümü

Çalışma alanı hiyerarşisiyle bir tesis modeli her tesis için aynı panoları, tesise özgü veri filtreleriyle sunar.

Müşterinize analitik sunun

Makine üreticileri ve hizmet sağlayıcılar, her müşteriye yalnızca kendi verisini gösteren gömülü analitik sunar.

Nerede işe yarar

Tipik durumlar; tümü kullanım senaryoları sayfasında.

Tesisten yönetim kuruluna KPI’lar

OEE, arıza süresi ve fire üretim, bakım ve finans ekiplerinde farklı hesaplanıyor.

Giren veri
MES ve historian verisi (veri ambarında)
Sonuç
Toplantıda tartışma sayının doğruluğu değil, ne yapılacağı üzerine olur.

Çok tesisli karşılaştırma

Birden çok tesis aynı ürünü üretiyor ama her birinin raporu ayrı hazırlanıyor.

Giren veri
Tesis başına veri
Sonuç
Yeni bir tesis eklemek, bir alt çalışma alanı eklemek kadar basittir.

Ürününüze gömülü analitik

Makine üreticisi, müşterilerine makine performansını kendi portalında göstermek istiyor.

Giren veri
Makine verisi (bulutta)
Sonuç
Müşteriler uygulamadan ayrılmadan kendi verilerini görür.

Tüm kullanım senaryoları

ASP Dijital nasıl teslim eder

Ürünü satmakla kalmaz, kurar ve ekibinize devrederiz.

  1. Keşif

    Atölyede mevcut durumu, kaynakları, hedefleri ve kısıtları netleştirir, ilk kullanım senaryosunu birlikte seçeriz.

  2. Pilot

    GoodData pilotunu sınırlı kapsamda, yazılı başarı ölçütleriyle kurarız; sonuç bu ölçütlere göre değerlendirilir.

  3. Yaygınlaştırma

    Pilottan çıkan modelleri, politikaları ve şablonları standartlaştırır, çevre sistemlerle entegre eder ve güvenlik incelemesinden geçiririz.

  4. Eğitim ve destek

    Ekibinize eğitim ve dokümantasyon sağlar, devreye alma sonrasında destek veririz.

Sık sorulan sorular

Anlamsal katman nedir ve neden gerekli?

Anlamsal katman, verinin iş anlamını (varlıklar, ilişkiler ve metrikler) tek bir yerde tanımlar. Böylece her pano ve yapay zeka yanıtı aynı tanımdan beslenir ve sayılar tutarlı kalır. Ayrıntı için “Semantik Katman Nedir?” makalemize bakın.

Verimi GoodData’ya taşımam gerekir mi?

Hayır, GoodData verinizin bulunduğu kaynağa bağlanır ve sorguları orada çalıştırır. Tesis verisi için tipik yol, HighByte ile şartlandırılmış veriyi bir veri ambarına ya da gölüne indirmek ve GoodData’yı buna bağlamaktır.

GoodData Cloud mu, kendi altyapım mı?

İkisi de mümkün. GoodData Cloud üretici tarafından işletilen SaaS’tır; kendi kendine barındırma aynı kod tabanını Helm, Docker ve Kubernetes ile sizin altyapınızda çalıştırır. Veri yerleşimi veya mevzuat gereksinimleriniz seçimi belirler.

Çok müşterili ya da çok tesisli kurulumu destekler mi?

Evet. Çalışma alanı hiyerarşisinde alt çalışma alanları üst çalışma alanının modelini ve veri kaynaklarını miras alır; çalışma alanı veri filtreleri her birinin göreceği veriyi sınırlar. Kullanıcılar kendi içgörülerini ekleyebilir ve bu diğerlerini etkilemez.

Analitiği Git’te tutabilir miyim?

Evet. Kod olarak analitik, modelleri, metrikleri ve panoları JSON veya YAML olarak tanımlamanıza ve Git’te sürümlemenize izin verir; CLI ya da API ile uygulanır.

Tüm sorular

GoodData için ilk adımı birlikte atalım

Mevcut durumunuzu ve hedefinizi anlatın; size uygun kapsamı ve pilot planını çıkaralım. Ekibimiz 24 saat içinde dönüş yapar.

Demo talep edin Bilgi isteyin