/
alessandro-pellicciari-digital-analytics-data-aggregation-sql-nosql-e-pandas.json
34 lines (34 loc) · 2.55 KB
/
alessandro-pellicciari-digital-analytics-data-aggregation-sql-nosql-e-pandas.json
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
{
"description": "I clienti enterprise si trovano sempre pi\u00f9 spesso ad avere difficolt\u00e0\nnel recuperare informazioni essenziali per capire nel complesso dove il\nbrand sta funzionando e dove invece serve un intervento tempestivo,\nperch\u00e8 sono inondati di dati di dettaglio che spesso non sono facilmente\naggregabili e visualizzabili insieme con frequenza giornaliera.\n\nPer rispondere a questa esigenza, in azienda, nel nostro reparto R&D,\nabbiamo sviluppato una dashboard che permette a clienti con diversi\nbrand e properties (siti) di aggregare i principali KPI da monitorare\n(sia KPI standard che KPI personalizzati). I KPI sono i key performance\nindicators, ovvero metriche che aiutano a valutare le performance).\n\nMa i dati da visualizzare e aggregare, provenienti da diverse fonti\n(Google Analytics, Adobe Analytics, tools SEO), hanno strutture diverse\ne non \u00e8 possibile a priori prevedere quali sono le strutture\ndisponibili.\n\nPerci\u00f2, in questo talk vedremo insieme come abbiamo gestito questo caso\nreale attraverso un mix di tecnologie SQL (MySQL attraverso Django) e\nNoSQL (MongoDb), utilizzando i dataframe di Pandas come layer intermedio\nattraverso il quale lavorare il dato velocemente.\n\nLa soluzione realizzata ci ha permesso di integrare rapidamente nuove\nfonti e nuovi KPI, e di gestire volumi elevati di dati (attualmente 200+\nsiti contemporaneamente) con ottime performance.\n\nVedremo poi (se rimane tempo) come questi dati vengono forniti\nattraverso API Rest (grazie a Django Rest Framework) e consumati\nattraverso AngularJS sul client.\n\nVorremmo infine coinvolgervi chiedendovi come avreste gestito questa\ndifficolt\u00e0 - non \u00e8 assolutamente detto che la nostra soluzione sia per\nforza quella ottimale!\n",
"duration": 3765,
"language": "ita",
"recorded": "2017-04-08",
"related_urls": [
{
"label": "slides",
"url": "https://www.pycon.it/media/conference/slides/digital-analytics-data-aggregation-un-case-study-dal-mondo-reale-utilizzando-sql-nosql-e-pandas.pdf"
}
],
"speakers": [
"Alessandro Pelliciari"
],
"tags": [
"django-rest-framework",
"mongodb",
"django",
"API Design",
"web-development",
"angularjs",
"mysql",
"google-analytics",
"pandas"
],
"thumbnail_url": "https://i.ytimg.com/vi/CqvnO55Xy2Y/hqdefault.jpg",
"title": "Digital Analytics Data Aggregation: un case study dal mondo reale utilizzando SQL, NoSQL e Pandas",
"videos": [
{
"type": "youtube",
"url": "https://www.youtube.com/watch?v=CqvnO55Xy2Y"
}
]
}