Optimizely Warehouse-Native Analytics produkt- og atferdsanalyse på Snowflake®.

I dag har vi gleden av å kunngjøre den generelle tilgjengeligheten av Warehouse-Native Analytics Product & Behavioral Analytics på ^Snowflake®. Warehouse-Native Analytics på Snowflake gjør det mulig for kundene å utføre avanserte produktanalyser direkte på Snowflake-dataplattformen, uten å flytte data. Warehouse-Native Analytics innleder neste generasjon produktanalyse som er tilpasset den moderne datastakken, sentrert rundt et sentralt datalager for alle data.

Første generasjons produktanalyse

Tradisjonelle verktøy for produktanalyse har spesialbygde punktløsninger med proprietær, tett koblet instrumentering, spesialiserte datasystemer og lukkede datalagre. Dette skyldes begrensningene i datavarehus og BI-verktøy (Business Intelligence), som ikke var utviklet for å uttrykke eller effektivt beregne arbeidsmengder for produktanalyse som involverer hendelsesstrømmer, tidsserier, hendelsessekvenser/-strømmer og spesialiserte visualiseringer.

Førstegenerasjons produktanalyseverktøy løste et viktig behov, særlig når det gjaldt produktinstrumentering og å hjelpe kundene med å få et førstehåndsbilde av hvordan brukerne brukte produktet deres. De byr imidlertid på flere utfordringer:

• Analysene er begrenset til forhåndsplanlagte rapporteringsmaler uten muligheten til ad hoc-analyser i BI-stil. Resultatet er at produkt- og vekstansvarlige ikke er i stand til å svare på de neste spørsmålene de har om produktbruk og brukeratferd. De må da overlate til datateknikk- og BI-teamene sine å utføre det neste analysenivået - noe som kan ta flere uker, og som nå er frakoblet fra produktanalyseverktøyet de bruker.
• Datateknikk- og BI-teamene må bygge spesialiserte engangsrapporter i SQL/BI-verktøy for å betjene konstante ad hoc-forespørsler fra produkt- og vekstteamene. De må eksportere data fra produktanalyseverktøyene og inn i lageret - en ETL-belastning som de må håndtere. De sliter med SQL som er vanskelig å skrive for å uttrykke spesialiserte trakt- og banespørringer og generere rapporter i BI-verktøy som ikke er utviklet for slike analyser. Dette resulterer i høye kostnader og mindre tid til å jobbe med problemer av høyere verdi.
• Analysene begrenser seg til produktinstrumentering og kan ikke utnytte den rike forretningskonteksten som er tilgjengelig i bedriftens datavarehus. Selv om "omvendt ETL"-produkter hjelper litt med å eksportere enkle egenskaper ut av lageret, gir de ikke mulighet til å arbeide med hele forretningsmodellen i produktanalyseverktøyet. De resulterer også i kopier av data i flere systemer, for ikke å snakke om kostnadene ved å administrere enda et ETL-verktøy/jobb. Resultatet er at analysene først og fremst begrenser seg til grunnleggende produktmålinger og ikke kan relateres til bredere forretningsmessige beregninger.
• Produktinstrumentasjonsdata forlater de sikre bedriftsmiljøene og legges inn i leverandørstyrte eksterne blackbox-lagre. Med dagens økte fokus på personvern, sikkerhet og styring er dette svært uønsket for mange bedrifter.

Neste generasjons produktanalyse i den moderne datastakken

Neste generasjon verktøy for produktanalyse, som er spesialutviklet for den moderne datastakken, er i ferd med å overvinne disse utfordringene.

Warehouse-Native Analytics er banebrytende for denne endringen. Med Warehouse-Native Analytics får du enkelheten i forhåndsbygde visualiseringsmoduler for produktanalyse, kraften i BI-lignende dataoppdagelse og -utforskning, og du jobber direkte på dataplattformen og utnytter alle bedriftsdataene dine for rikere analyser. Dette kan ha stor innvirkning på virksomheten din.

Warehouse-Native Analytics Product & Behavioral Analytics på Snowflake er i tråd med kjerneprinsippene i den moderne datastakken:

• Alle bedriftsdata ligger i én sentral dataplattform. Ingen datasiloer. Ingen dataflytting til eksterne lagre utenfor kontrollen til virksomhetens data- og sikkerhetsteam.
• Produktinstrumentering er frikoblet fra analyse. Uavhengige instrumenteringssystemer som Snowplow, Segment og RudderStack gjør det mulig å lande produktinstrumenteringsdata på dataplattformen i et åpent format som kan brukes av alle analyseverktøy. Ingen låsing til én enkelt analyseleverandør.
• Upartisk instrumentering som ikke tvinger deg inn i en leverandørdiktert datamodell. Virksomheter må ha fleksibilitet til å modellere sin unike virksomhet for å få effektive analyser.
• Alle analyseverktøyene fungerer direkte fra den sentrale dataplattformen. Ingen datakopier.

Ta produktanalysen til neste nivå

Med Warehouse-Native Analytics Product & Behavioral Analytics på Snowflake kan du ta produktanalysen til neste nivå, noe som kan være banebrytende.

• Dra nytte av de enkle visualiseringsmodulene for produktanalyse, som gjør det enkelt å lage trakter, stier osv. for å svare på det første nivået av spørsmål.
• Svar enkelt på neste nivå av spørsmål med selvbetjent ad hoc-visuell utforskning i BI-stil. Du trenger ikke å ringe datateknikk- eller BI-teamet. Spar flere uker med ventetid på rapporter.
• Gå sømløst frem og tilbake mellom forhåndsplanlagte produktanalyserapporter og ad-hoc-undersøkelser for dypere innsikt. Aldri bli begrenset av manglende evne til å stille og besvare spørsmål om produktbruk eller brukeratferd.
• Kombiner produktinstrumentasjonsdata med andre forretningskontekstdata i Snowflake for å få bredere innsikt som kan påvirke forretningsresultatene dine. Ikke vær begrenset til den nærsynte innsikten fra produktinstrumenteringsdata.
• Du har fleksibiliteten til å distribuere i din Virtual Private Cloud (VPC) eller bruke en hostet SaaS-tjeneste.

Warehouse-Native Analytics-fordelen

Warehouse-Native Analytics' innovative "Relational Event Streams"-teknologi gjør det mulig å dra nytte av moderne dataplattformer som Snowflake for produktanalysearbeid. NetScript-språket gjør det enkelt å uttrykke komplekse hendelsesstrømanalyser. Warehouse-Native Analytics' motor genererer spørringer til Snowflake som er optimalisert for effektive hendelsesorienterte beregninger. Warehouse-Native Analytics' integrerte hendelses- og tilstandsorienterte modell muliggjør ad hoc-dimensjonal analyse av tidsserier og hendelsesflytmønstre i BI-stil.

Warehouse-Native Analytics er banebrytende og utfordrer tradisjonell tenkning rundt hvordan produktanalysesystemer bygges opp. Det visker ut det unødvendige skillet som i dag eksisterer mellom produktanalyse og business intelligence-verktøy.