Données, infrastructure et analyse
Retrouvez la publication originale de cet article sur notre blog
La donnée est aujourd’hui un moteur de croissance pour beaucoup d’entreprises.
Si collecter de la donnée est devenu quelque chose de naturel, des problématiques se posent au moment d’effectuer un traitement pertinent sur celles-ci.
Quel workflow adopter ? Quels outils ? Comment imbriquer cela à une architecture existante ? Comment les agréger ?
Ces questions peuvent sembler généralistes, mais la réalité démontre que chaque projet a sa spécificité et qu’il n’existe pas une réponse « toute faite » à mettre en place, même si les apparences peuvent le laisser croire.
Chez Poool, l’analyse de la donnée est une priorité car elle est au cœur de notre savoir-faire et de notre métier.
Savoir détecter les comportements et proposer la meilleure solution pour engager et monétiser un visiteur sur un site média passe par un workflow pertinent et scalable. Trouver des solutions adéquates a été une préoccupation importante ainsi qu’un sujet à approfondir pour ne pas laisser cet aspect au hasard. Le but est in fine de gagner en pertinence et en performance.
L’objectif de cet article n’est pas de dire qu’une solution est meilleure qu’une autre, mais plutôt de partager un retour d’experience.
« On utilise Redash ? »
Chose à retenir : Redash fonctionne bien et est simple à installer avec Docker.
Le soft permet d’exploiter des données qui proviennent de plusieurs sources différentes et d’en faire des dashboards en trois clics.
Mauvais côté : il s’agit de requêtes MongoDB (dans notre cas) et selon le volume à traiter, les performances peuvent largement diminuer.
Nous nous en servons temporairement pour des requêtes basiques, car nous sommes passés d’une architecture standard à une architecture en shards, et il n’est plus possible d’utiliser des aggregations.
« Bon, ben on fait des requêtes avec Python et Pymongo, non ? »
Retrouvez la publication complète de cet article sur notre blog
