Optimizely Warehouse-Native Analytics produkt- och beteendeanalys på Snowflake®

Idag är vi glada att kunna meddela att Warehouse-Native Analytics Product & Behavioral Analytics på Snowflake® nu är allmänt tillgängligt^. Warehouse-Native Analytics på Snowflake gör det möjligt för kunder att göra avancerad produktanalys direkt ovanpå Snowflakes dataplattform, utan någon dataförflyttning. Warehouse-Native Analytics inleder nästa generation av produktanalys som är anpassad till den moderna datastacken, centrerad kring ett centralt datalager för all data.

Första generationens produktanalys

Traditionella verktyg för produktanalys är specialbyggda punktlösningar med egenutvecklade, tätt sammankopplade instrument, specialiserade beräkningssystem och slutna datalager. Detta berodde på begränsningarna i datalager och BI-verktyg (Business Intelligence) som inte var utformade för att uttrycka eller effektivt beräkna arbetsbelastningar för produktanalys som involverar händelseströmmar, tidsserier, händelsesekvenser/flöden och specialiserade visualiseringar.

Den första generationens verktyg för produktanalys löste ett viktigt behov, särskilt när det gällde produktinstrumentering och att hjälpa kunderna att få en första inblick i hur användarna använde deras produkter. De medförde dock flera utmaningar:

• Analyserna är begränsade till förplanerad rapportering enligt mallar, utan möjlighet till explorativ ad hoc-analys i BI-stil. Som ett resultat kan Product Manager och Growth Manager inte svara på nästa nivå av frågor de har om produktanvändning och användarbeteende. De måste förlita sig på att deras datateknik- och BI-team gör nästa analysnivå - det kan ta veckor och är nu bortkopplat från det produktanalysverktyg de använder.
• Datateknik- och BI-team belastas med att behöva bygga specialiserade engångsrapporter i SQL/BI-verktyg för att tillgodose ständiga ad hoc-förfrågningar från produkt- och tillväxtteam. De måste exportera data från produktanalysverktygen till lagret - en ETL-omkostnad som de måste hantera. De kämpar med svårförfattad SQL för att uttrycka specialiserade frågor av typen trattar/vägar och generera rapporter i BI-verktyg som inte är utformade för sådan analys. Detta resulterar i höga kostnader och mindre tid för att arbeta med problem med högre värde.
• Analysen är begränsad till produktinstrumentationsflödet och kan inte utnyttja det rika affärskontext som finns i företagets datalager. Även om "omvänd ETL"-produkter hjälper till lite med att exportera enkla egenskaper från lagret, gör de det inte möjligt att arbeta med hela affärsdatamodellen i verktyget för produktanalys; de resulterar också i kopior av data i flera olika system, för att inte tala om omkostnaderna för att hantera ännu ett ETL-verktyg/jobb. Resultatet blir att analysen i första hand begränsas till grundläggande produktmått och inte kan relateras till bredare affärsmått.
• Data från produktinstrumentering lämnar de säkra företagsmiljöerna och hamnar i leverantörshanterade externa blackbox-lager. Med dagens ökade fokus på integritet, säkerhet och styrning är detta mycket oönskat för många företag.

Nästa generations produktanalys i den moderna datastacken

Nästa generations verktyg för produktanalys, som är specialbyggda för den moderna datastacken, övervinner dessa utmaningar.

Warehouse-native analytics går i bräschen för denna förändring. Med Warehouse-Native Analytics får du enkelheten i förbyggda visualiseringsmoduler för produktanalys, kraften i BI-liknande datautforskning och utforskning, som arbetar direkt på dataplattformen och utnyttjar all din företagsdata för rikare analyser. Detta kan ha en djupgående inverkan på din verksamhet.

Warehouse-native analytics Produkt- och beteendedata på Snowflake är i linje med grundprinciperna för den moderna datastacken:

• Alla företagsdata finns i en enda central dataplattform för företag. Inga åtskilda datalager. Ingen dataförflyttning till externa butiker utanför kontrollen av företagets data- och säkerhetsteam.
• Produktinstrumentering är frikopplad från analys. Oberoende instrumenteringssystem som Snowplow, Segmentering och RudderStack gör det möjligt att landa produktinstrumenteringsdata i dataplattformen i ett öppet format som kan användas av alla analysverktyg. Ingen inlåsning till en enda analysleverantör.
• Instrumentering som inte tvingar in dig i en leverantörsdikterad datamodell. Företag måste ha flexibiliteten att modellera sin unika verksamhet för att kunna göra effektiva analyser.
• Alla analysverktyg arbetar direkt från den centrala dataplattformen. Inga datakopior.

Ta din produktanalys till nästa nivå

Warehouse-native analytics Product & Behavioral Analytics on Snowflake låter dig ta sofistikerad produktanalys till nästa nivå som kan förändra spelplanen.

• Njut av enkelheten i visualiseringsmodulerna för produktanalys för att enkelt skapa trattar, stigar etc. för att besvara den första nivån av frågor.
• Besvara nästa nivå av frågor enkelt med självbetjäning i BI-stil för visuell ad hoc-utforskning. Du behöver inte ringa ditt datateknik- eller BI-team. Spara veckor av tid på att vänta på rapporter.
• Gå sömlöst fram och tillbaka mellan förplanerade mallar för produktanalysrapporter och ad hoc-undersökningar för djupare insikter. Låt dig aldrig begränsas av att du inte kan ställa och besvara frågor om produktanvändning eller användarbeteende.
• Kombinera produktinstrumentationsdata med andra affärskontextdata i Snowflake för att få bredare insikter som kan påverka dina affärsresultat. Låt dig inte begränsas till de närsynta insikterna från produktinstrumentationsdata.
• Du har flexibiliteten att distribuera i ditt Virtual Private Cloud (VPC) eller använda en driftad SaaS-tjänst.

Fördelen med Warehouse-native analytics

Warehouse-Native Analytics innovativa teknik "Relational Event Streams" gör det möjligt att dra nytta av moderna dataplattformar som Snowflake för produktanalys. Dess "NetScript"-språk gör det enkelt att uttrycka komplexa händelseflödesanalyser. Warehouse-Native Analytics motor genererar frågor till Snowflake som är optimerade för effektiva händelseorienterade beräkningar. Warehouse-Native Analytics implementerade händelse- och tillståndsorienterade modell möjliggör ad hoc-dimensionell slice-and-dice-analys i BI-stil över tidsserier och händelseflödesmönster.

Warehouse-Native Analytics bryter ny mark genom att utmana det traditionella tänkandet kring hur produktanalyssystem byggs upp. Det suddar ut den onödiga distinktion som idag finns mellan produktanalys och business intelligence-verktyg.