针对InterSystems开发者社区的分析。使用InterSystems IRIS BI (DeepSee)、Power BI和Logi Report Designer制作的项目，可视化并分析InterSystems 开发者社区上的成员、文章、问题、答案、观点和其他内容和活动。

你可以看到自己的活动、文章和问题。跟踪你的贡献如何改变开发者社区。

使用IRIS BI、Adaptive Analytics、InterSystems Reports、Tableau和Power BI分析关于你和你朋友的统计数据。

该项目包含预配置的IRIS和Atscale在Docker容器中的部署以及BI系统的项目文件。

更多细节信息请见相应应用的README。

这个项目也支持在线部署，你可以在这里查看。

比较不同的商业智能技术是非常有趣的。我很好奇它们在功能、开发工具、速度和可用性方面有什么不同。

在这个应用程序中，我选择了一个有欧洲各国水状况的数据集。这是一个开源的数据集，包含1991年到2017年的观测数据。

团队和我决定使用IRIS BI、Tableau、PowerBI和InterSystems Reports（由Logi Reports驱动）在这个BI数据集的基础上制作一个模型

对于前端，我们通过Embedded Python在PythonFlask中制作了一个网页界面。

顺便说一下，其结果可以在这个网页上看到：http://atscale.teccod.com:8080/
你可以看看demo stand (演示台)，因为从资源库部署一个容器可能需要多至20分钟的时间。大量的python包，后面会有更多的原因。

主页面

数据

事实上，数据似乎很小，期间只有17年 :)

因此，在现有的基础上，我想延续数据集，为此使用了一个神经网络。使用同样的嵌入式Python，使用了Tensorflow，这个包下载后占据了511MB，不要惊讶

实际上，这也是容器部署时间长的原因--为神经网络下载了很多包，相当多的相关包，安装时间很长。不过会有一篇关于神经网络和Integrated ML（一体化机器学习）的单独文章，我很快会发表。

我还要说的是，预测的结果被输入到同一个数据库，所以你可以通过BI工具看到数据集。

同事们，大家好

在这篇文章中，我将告诉你我们如何将报告生成时间从28分钟减少到1分钟。让我告诉你我们是如何实现这一目标的

我希望，如果有必要，你将能够为自己重现同样的结果。这篇文章里有一些有用的链接，所以要读到最后。

让我们开始吧。

报告

我们使用Adaptive Analytics和InterSystems Reports Server为一家公司做报告。以前，这个报告是以DeepSee的屏幕截图形式生成的。总的来说，这并不坏，但它花费了大量的时间，而且看起来不是很可读。该报告本身由12页组成，为PDF格式。

一般来说，数据不是太大，不会使报告的生成花费很多时间

源数据

然而，在撰写本文时，有一个表包含11,330,263行。不是那么关键，但它造成了延迟。即使是计算行数的查询也需要近30秒

最初，系统的交互方案是这样的：

Atscale创建了自己的数据缓存，这导致了性能的提高。

Logi使用自己的数据缓存，这稍微加快了报告的开发速度。

但总的来说，这仍然导致了报告在28分钟内形成的事实。

鉴于报告只有12页，这个速度还是很慢的。

我们甚至故意添加了新的标签，并将报告中的小部件复制到那里，以便在开发或调试时不需要生成整个报告。也许这就是在Logi上开发时的一种日常技巧，或者说是一种正常的开发方法。

    我经常发现自己与现存客户和潜在客户就他们在访问数据方面的挫败感进行对话。他们最常见的话题是围绕对“速度的需求”展开的——可以理解，这是非常正确的。