Wizualizacja danych - sukcesem analizy. Redash

Wstępem

W dzisiejszych czasach dynamiczny rozwój technologii i rosnące wymagania rynkowe sprawiają, że efektywne zarządzanie produkcją jest kluczowe dla sukcesu firm. Systemy takie jak Omnimes oferują zaawansowane narzędzia do optymalizacji procesów, w tym wizualizację danych, która wspomaga analizę i podejmowanie decyzji.

Wizualizacja danych przekształca surowe dane w wartościowe informacje, łatwe do interpretacji na różnych poziomach organizacji. Dzięki narzędziom takim jak REdash, użytkownicy Omnimes mogą tworzyć interaktywne dashboardy prezentujące kluczowe wskaźniki wydajności (KPI), monitorować postęp produkcji i identyfikować obszary do poprawy.

W artykule omówimy, jak integracja Omnimes z Redash wspiera produkcję poprzez efektywną wizualizację danych. Przedstawimy konkretne przykłady zastosowań, pokazujące korzyści takie jak optymalizacja produkcji, lepsza komunikacja w zespole, szybsze reagowanie na problemy i bardziej świadome podejmowanie decyzji.

Czym jest Redash

W dynamicznie rozwijającej się technologii, efektywne zarządzanie produkcją jest kluczowe. System Omnimes, zintegrowany z platformą REdash, oferuje zaawansowane narzędzia do optymalizacji procesów, w tym wizualizację danych, która wspomaga analizę i podejmowanie decyzji.

REdash to samoobsługowa platforma open source do tworzenia zapytań i wizualizacji danych. Szybka w konfiguracji, współpracuje z wieloma źródłami danych jak Redshift, Google BigQuery, MongoDB, Google Sheets, PostgreSQL, MySQL i ElasticSearch.

Główne cechy Redash:

Przeglądarka i API REST: działa w pełni w przeglądarce, z udostępnianymi URL i dobrze zdefiniowanym interfejsem API.
Edytor zapytań: tworzenie zapytań SQL i NoSQL z przeglądarką schematów i autouzupełnianiem. Możliwość tworzenia i ponownego użycia fragmentów w celu przedstawienia danych na wykresach.
Wizualizacja i dashboardy: Tworzenie wizualizacji metodą przeciągnij i upuść. Grupowanie wizualizacji w pulpity nawigacyjne, automatycznie aktualizowane.
Alerty: Definiowanie warunków wyzwalania i natychmiastowe powiadomienia w przypadku zmiany danych, np. przekroczenia ustalonego ciśnienia lub temperatury.

Platforma Redash wspiera różnorodne produkty, co czyni ją wszechstronnym narzędziem do wizualizacji danych w systemie Omnimes.

Po więcej informacji na temat Redash oraz jego konfiguracji i wdrażania do własnego projektu odsyłam pod adres: redash.io

Po tym krótkim opisie narzędzia Redash przedstawię nowe możliwości w systemie Omnimes po jego zaimplementowaniu.

Redash w Omnimes

Po uruchomieniu Redash mamy do wykonania trzy kroki, aby stworzyć dashboard z danymi, mianowicie:

stworzenie zapytanie - czyli pobranie danych z bazy danych
na podstawie pobranych danych, stworzenie wykresu
umieszczenie wykresu na dashbordzie

Warto zwrócić uwagę na dwie praktyczne możliwości takiego dashboardu:

Udostępnianie bez potrzeby tworzenia konta: Taki dashboard można udostępnić każdemu bez konieczności tworzenia konta użytkownika w systemie Omnimes. Przykładowo, może być używany do podglądu na hali produkcyjnej przez kierowników zarządzania ruchem lub osoby na wyższych szczeblach, a także w celu mobilizacji pracowników.
Częste odświeżanie danych: Udostępniony dashboard można ustawić na minimalny czas odświeżania co minutę, co pozwala na ciągłe, aktualne podsumowanie tego, co dzieje się na parku maszynowym.

Dla ułatwienia, w systemie Omnimes wprowadziliśmy własny edytor tworzenia zapytań, jak pokazano poniżej:

Po stworzeniu interesujących nas zapytań przechodzimy do do samego Redash do listy z utworzonymi zapytaniami o dane.

Następnie wchodzimy w dane zapytanie i je edytujemy oraz jeśli jesteśmy prawidłowo podłączeni do źródła danych otrzymujemy wyniki:

Następnie przechodzimy do zakładki "Chart", gdzie tworzymy wizualizacje, określając sposób przedstawienia danych. Możliwości jest wiele, zarówno pod względem typów wykresów, jak i sposobów ich prezentacji. Poniżej znajduje się przykład wykresu typu "bar", który zestawia maszyny pod kątem występowania najczęstszych błędów.

Po stworzeniu interesujących nas wykresów z danymi, przechodzimy do zakładki "Dashboard", gdzie decydujemy, które z wykresów mają się na nim znaleźć.

W tym miejscu możemy włączyć publiczne udostępnianie dashboardu oraz ustawić, co jaki czas dane mają się odświeżać.

W systemie Omnimes mamy możliwość zdecydowania, który z dashboardów ma znaleźć się na stronie głównej systemu. Nie ogranicza to tworzenia kolejnych dashboardów, które można udostępniać innym działom lub osobom.

W rezultacie otrzymujemy gotowy dashboard jak poniżej:

Tak przygotowane dane możemy wykorzystać dalej jak do chociażby do analizy poprzez AI - tak jak to się dzieje w przypadku systemu Omnimes.

Wykorzystania danych z Redash w anlizie AI

I uzyskać pełne podsumowanie jak np. to:

Podsumowanie

W dynamicznie rozwijającym się świecie technologii, efektywne zarządzanie produkcją jest kluczowe dla sukcesu firm. Systemy takie jak Omnimes, zintegrowane z narzędziami do wizualizacji danych, takimi jak Redash, oferują zaawansowane możliwości optymalizacji procesów produkcyjnych.

Redash to wszechstronna platforma open source do tworzenia zapytań i wizualizacji danych, współpracująca z wieloma źródłami danych, jak Redshift, Google BigQuery czy PostgreSQL.

Integracja Redash z Omnimes pozwala na tworzenie interaktywnych dashboardów, które można udostępniać publicznie bez potrzeby tworzenia konta, oraz ustawiać częste odświeżanie danych, co zapewnia aktualne informacje na temat produkcji. W systemie Omnimes użytkownicy mogą także decydować, które dashboardy mają być widoczne na stronie głównej, oraz tworzyć dodatkowe dashboardy do użytku wewnętrznego.

Przedstawione przykłady pokazują, jak takie narzędzia mogą wspierać efektywne zarządzanie produkcją, lepszą komunikację w zespole oraz szybsze reagowanie na problemy.

Dzięki temu firmy mogą podejmować bardziej świadome decyzje, optymalizować procesy produkcyjne i poprawiać jakość swoich produktów.

W rezultacie, zastosowanie Redash w systemie Omnimes prowadzi do stworzenia zaawansowanych dashboardów, które można wykorzystać do dalszej analizy danych, na przykład z użyciem sztucznej inteligencji, co umożliwia uzyskanie pełnego podsumowania i lepsze zarządzanie produkcją.

← Powrót do bloga