paint-brush
自定义数据模型如何推动下一代嵌入式分析经过@goqrvey
20,872 讀數
20,872 讀數

自定义数据模型如何推动下一代嵌入式分析

经过 Qrvey6m2024/03/20
Read on Terminal Reader

太長; 讀書

自定义数据模型在嵌入式分析中发挥着至关重要的作用,为 SaaS 提供商和用户提供灵活性和可扩展性。 Qrvey 的云原生平台可解决数据建模挑战,实现编排自动化,并通过定制的分析解决方案增强用户体验。
featured image - 自定义数据模型如何推动下一代嵌入式分析
Qrvey HackerNoon profile picture
0-item


嵌入式分析,即将报告和数据可视化功能集成到现有软件应用程序中,正在成为各行业的要求。它支持下一代数字体验,让用户满意并为 SaaS 公司提供竞争优势,但自定义数据模型是任何强大的嵌入式分析功能集的核心。


然而,在应用程序中提供有影响力的定制分析会带来独特的数据建模挑战,特别是对于拥有不同客户群的软件供应商而言。


这篇博文解释了自定义数据模型在实现灵活而一致的嵌入式分析方面的巨大价值,为提供商及其用户带来众多好处。


什么是自定义数据模型?

自定义数据模型是使用应用程序为每个客户或租户提供服务所需的各种数据结构、关系和语义的抽象逻辑表示。


在多租户软件平台中,自定义数据模型:


  • 反映单个租户实体、属性、指标和洞察需求

  • 将不同的数据源标准化并映射到集成视图中

  • 通过细粒度的安全策略控制用户与数据的交互方式


通过自定义数据模型,租户分析变得真正可定制,而不是一刀切。


一刀切的数据模型的局限性

这些工具配备了现成的通用数据架构,每个客户都需要进行调整以满足他们的需求。虽然由于其简单性和易于实施性,这听起来很有吸引力,但它是有代价的。


例如, TableauQuickSight等以其内部分析功能而闻名的流行解决方案诉诸于采用集中式标准化模式,这些模式在使用户能够定制其分析体验时施加了严格的限制。


当用户尝试合并和集成各种数据源时,这种限制变得明显。由于预定义数据模型的不灵活性,这些用户在此过程中遇到了重大障碍。他们被迫将各种不同的数据类型和用例强行纳入受约束且严格定义的模板或框架中。这种硬塞行为往往会导致低效和不太理想的结果。


由于缺乏灵活性而受到负面影响的另一个领域涉及核心系统本身,特别是与角色和权限相关的功能。分析平台的这些重要组件通常根植于系统代码中。角色定义和权限分配中的这种僵化可能会抑制组织工作流程,而不是简化它们。


传统数据仓库在容纳多租户、可定制数据模型方面的局限性

传统的数据仓库技术构成了软件即服务 (SaaS) 应用程序中嵌入式分析的支柱,但通常存在许多限制。这些系统最初并不是为了处理多租户环境中出现的动态和多样化的需求而设计的,在多租户环境中,每个租户可能具有独特的数据结构和要求。

刚性架构

遗留解决方案的一个关键问题是其固有的僵化架构。这通常会导致数据管理方法脱节且条块分割,数据存储在单独的孤岛中,从而很难实现跨客户或租户的整体视图。因此,当分析嵌入到这些 SaaS 应用程序中时,由于这些仓库解决方案的不灵活性,它们会遇到很大的定制障碍。

维护困难

随着 SaaS 工程团队努力应对日益复杂的定制存储解决方案、ETL(提取、转换、加载)流程和硬件基础设施,以满足产品团队的特定分析要求,障碍不断增加。他们必须在没有太多指导的情况下穿过配置的迷宫,从而导致复杂性和资源投入显着放大。

版本太多

“版本蔓延”问题进一步加剧了这种情况。随着数据仓库提供商更新和改进其平台,使用旧版本的客户发现自己无法享受这些进步。


他们只能处理过时的系统,这些系统不再与新版本提供的不断发展的功能保持一致。缺乏向后兼容性或平滑的迁移路径意味着它们被困在这些过时的平台上,无法利用新技术提供的创新和增强功能。

缺乏对语义模型的关注

传统仓库技术的另一个关键缺点是它忽视了语义建模。语义层允许向原始数据添加业务上下文,使用户能够以更直观、更有意义的方式与其进行交互。


然而,大多数遗留数据仓库不包括对语义层功能的本机支持,这对于实现细粒度访问控制、确保数据治理和有效管理元数据至关重要。


对于多租户软件来说,这些方面对于维护每个租户数据环境的个性和安全性至关重要,缺乏这些功能是一个相当大的缺陷。


因此,由于这些遗留系统的缺点,SaaS 提供商及其需要嵌入式分析的客户面临着相当大的挑战。


自定义数据建模势在必行

如果没有自定义数据模型,即使是最先进的分析也无法提供价值,从而导致用户放弃平台。


幸运的是,克服遗留限制的专用解决方案已经出现,结合了:


  • 云弹性和可扩展性

  • 共享元数据目录

  • 租户级和用户级数据安全控制

  • 综合治理护栏

  • 自动化简化访问

  • 灵活的部署模式


这些功能共同支持根据任何规模的客户需求进行定制分析。


Qrvey:唯一完整的嵌入式分析解决方案

Qrvey 通过综合平台的集成组件,为 SaaS 提供商和租户提供自助式自定义数据建模。


在 Qrvey,我们知道如果不首先投资数据层,就不可能拥有强大的分析功能。这是客户选择 Qrvey而不是竞争对手的主要原因之一。


多租户数据湖

Qrvey 将不同的数据整合到一个高性能的多租户数据湖中。它可以处理大量的结构化、半结构化和非结构化数据,包括任意数量的流式数据和批处理数据。


Qrvey 的平台包括租户、用户和行/列级别的安全功能,以确保该平台支持 SaaS 平台实现的任何安全框架。


租户通过隔离的角色安全地访问共享数据。当 Qrvey 部署到 AWS VPC 等云环境中时,实时可见性和直接互连性无需移动即可保持数据完整性。

云原生架构

无服务器软件开发、基于消耗的部署在无限扩展的同时优化成本。直观的云服务减少了运营开销。


在设置服务器的旧方式中,即使没有人使用他们的应用程序,开发人员最终也会在系统上花钱。这可能会浪费金钱,尤其是当使用该应用程序的人数大幅波动时。但使用无服务器,开发人员只需为应用程序功能实际运行的时间付费。


传统的 BI 软件供应商采用这种基于服务器的模型,将严格的数据模型与昂贵且浪费的托管成本结合在一起。

编排自动化

Qrvey 可自动协调自定义模型、数据集成、转换和生命周期管理。 Qrvey 利用 ML 在摄取时进行自动数据分析,以简化理解数据的过程。


此外,Qrvey 还包括嵌入式分析软件提供商中最全面的工作流程自动化解决方案。作为可嵌入组件,SaaS 用户可以使用用于分析和报告的相同自定义数据模型来创建特定于其需求的客户自动化。

嵌入式数据管理

公司以不同的方式使用自定义数据模型,但许多 Qrvey 客户在 SaaS 平台上的每个租户内提供自定义数据集创建。作为可嵌入的小部件或使用平台 API,产品领导者可以允许用户选择他们想要的特定数据点,并动态创建自定义数据集以与特定报告一起使用。


借助 Qrvey,SaaS 提供商可以轻松增加经常性分析收入,同时通过根据用户需求量身定制的模型来满足用户的需求……无需基础设施或建模复杂性。

推动成功的核心能力

传统解决方案无法提供自定义数据建模功能,从而削弱了多租户分析。 Qrvey 通过云敏捷性、自动化和专用功能克服了这些限制,这些功能还透彻了解 SaaS 平台开发的挑战。


随着嵌入式洞察渗透到各个行业的工作流程中,自定义数据模型的灵活性为提供商和用户通过支持分析的应用程序寻求差异化价值释放了巨大的潜力。


通过可访问、安全且可扩展的自定义建模,Qrvey 开创了具有无限潜力的多租户嵌入式分析新时代。

开始使用为 SaaS 构建的嵌入式分析

亲自了解 Qrvey 如何提供以前平台所错过的嵌入式分析自定义数据建模功能。


请求根据您的多租户分析需求量身定制的演示


也发布在这里