hackathon 2020 featured image 2
Event Spotlight | 5 min read

Sisense Hackathon 2020: Make Something Awesome With AWS

Sisense Hackathon 2020 continues our annual tradition of pushing the envelope for innovation, creativity, and collaboration, company-wide.

Jack Cieslak avatar image Jack Cieslak
Manufacturing Data
ビジネスの展望 | 7 min read

How Can Manufacturing Data Help Your Organization?

Manufacturing constantly seeks ways to increase efficiency, reduce costs, and unlock productivity and profitability. Data is a critical tool for identifying where and how that can be done in any manufacturing process.

Adam Murray avatar image Adam Murray
Periscope-Data-Is-Now-Sisense-Amir-Blog-feature
Sisense News | 3 min read

Periscope Data Is now Sisense for Cloud Data Teams

Periscope Data is now Sisense for Cloud Data Teams. We're committed to empowering cloud data teams and celebrating the vital role they play in their organizations.

Amir Orad avatar image Amir Orad
SQL Order of Operations
技術者の話 | 3 min read

SQL Query Order of Execution

The SQL order of execution defines the order in which the clauses of a query are evaluated. Understanding query order can help you optimize your queries.

Sean Cook avatar image Sean Cook

Subscribe to our blog

Sign up to get the latest news and developments in business analytics, data analysis and Sisense.

By submitting this form, I agree to Sisense's
privacy policy and terms of service.

Answered-Questions-About-Sisense-for-Data-Teams
Sisense News | 4 min read

Answers to Common Questions About Sisense for Cloud Data Teams

Periscope Data is now Sisense for Cloud Data Teams, offering these vital experts enhanced tools for advanced data analysis.

Scott Castle avatar image Scott Castle
4 Ways to Join the First Row
技術者の話 | 3 min read

4 Ways to Join Only The First Row in SQL

Joining the First Row is an oft-used technique and a vital tool in the analyst's repertoire. Learn four different ways to pull off this essential move.

Sisense Data Team avatar image Sisense Data Team
 data-srcset
Sisense News | 4 min read

Sisense for Cloud Data Teams: a Step Forward for Builders Everywhere

Periscope Data is now Sisense for Cloud Data Teams. Explore the story of our culture, values, and what we're building next!

Harry Glaser avatar image Harry Glaser
 data-srcset

Blending Art and Science: Using Data to Forecast and Manage Your Sales Pipeline

Nowadays, sales is both science and art. Best practice blends the application of advanced data models with the experience,...

Sisense Data Team avatar image Sisense Data Team
Top-Blogs-2019_Feature
カテゴリーなし | 5 min read

Top Data and Analytics Posts of 2019

We’ve collected the biggest posts of 2019 to give you a look at where the industry has been and where it’s going to give you the can’t-miss perspectives and how-to’s you need to start 2020 off strong.

Jack Cieslak avatar image Jack Cieslak
How-to-Design-Better-Dashboards-a-Visual-Guide-featured

How to Design Better Dashboards: a Visual Guide

This infographic post shows you how to craft well-constructed and organized dashboards that will empower users to make better data-driven decisions.

Christine Quan avatar image Christine Quan
 data-srcset
ビジネスの展望 | 5 min read

How to Calculate Year-Over-Year Growth

Year-over-year growth is a vital metric for businesses of all kinds. Explore why this is, how to do it, and things to keep in mind when calculating YoY growth!

Jack Cieslak avatar image Jack Cieslak
 data-srcset
Growing Up with AI | 4 min read

Deriving Value from Data Lakes with AI

Artificial Intelligence is the only way to derive value from large datasets. Is your company ready for the coming AI apocalypse?

Inna Tokarev Sela avatar image Inna Tokarev Sela
 data-srcset
技術者の話 | 1 min read

SQL チェックシート:SQL サーバーの列情報の収集

sys.tables についてsys.columns についてsys.types について SQL サーバーでは、sys.tables や sys.columns、sys.types などのシステムテーブルを加えることによって、特定のテーブルの列の詳細(列名、列 ID、列)を収集できます。 クエリ 1:テーブルと object_id のフェッチ sys.tables について sys.tables は、システムテーブルで、データベース内のテーブルに関する情報を維持するのに使用されます。データベースに追加されたすべてのテーブルに対して、sys.tables テーブルにレコードが作成されます。各テーブルにあるレコードは1つのみで、テーブル名、テーブルのオブジェクト...

Sisense avatar image Sisense
 data-srcset
技術者の話 | 1 min read

(製造データベースのための) SQL クエリを微調整する 8 つの方法

データウェアハウスなしで活動している、またはレポーティングのための分析データベースを分けている組織において、最新のデータの唯一のソースは、ライブ製造データベースにあるかもしれません。製造データベースにクエリを行う場合、最適化が重要です。非効率的なクエリは製造データベースのリソースに負担を増やし、クエリにエラーが含まれていれば、その他のユーザーに対して、パフォーマンスの低下やサービスの損失を生じる可能性があります。従って、データベースのパフォーマンスへの影響を最小限にするには、クエリを最適化することが重要です。 1.開始する前にビジネス要件を定義する 前の記事では、BI のためのビジネス要件を定義するためのベストプラクティスを取り扱いました。SQL クエリを最適化する際、次の作業を適用する必要があります。 関連する利害関係者の特定 すべての関係者をクエリを開発するための議論に関係させるようにしてください。製造データベースにクエリを行う場合は、DBA チームを含めてください。ビジネスの結果に重点を置きます。 クエリには確実で一意の目的が必要です。調査または重複報告書のために製造データベースに重い負担をかけることは不要な作業です。適切な要件のために議論の骨組みを作ります。 その対象の読者を特定することによって、報告書の機能と範囲を定義します。これはクエリの焦点を正しいレベルの詳細があるテーブルに合わせます。重要な質問をすることで、適切な要件を策定します。 この質問は通常、5つのWに従います – 誰 (Who)何 (What)どこ (Where)いつ (When)なぜ (Why)具体的な要件を書き、利害関係者と確認します。 製造データベースのパフォーマンスはあまりにも重要なため、不明確または曖昧な要件を含むことはできません。要件はできる限り具体的にし、クエリを実行する前にすべての利害関係者と確認します。...

Shelby Blitz avatar image Shelby Blitz
 data-srcset
ビジネスの展望 | 1 min read

データサイエンスとデータアナリティクスの違い

データサイエンスデータアナリティクス違い 企業が集めうる実行可能なインサイトや結果のために、ビッグデータは今日、技術の世界においては大きな要素になっています。しかし、このような大きいデータセットの作成にはまた、適切な情報を見つけるために、それらを通じて構文解析するための適切なツールを理解し、手元に置くことが必要です。ビッグデータをよりよく理解するには、データサイエンスやアナリティクスの分野は大部分が学究的環境に移り、代わりにビジネスインテリジェンスやビッグデータのアナリティクスツールの不可欠な要素になりつつあります。 しかし、データアナリティクスとデータサイエンスを区別するのは混乱を招くかもしれません。この2つは相互につながっているにもかかわらず、異なる結果を提供し、異なる手法を求めます。ビジネスが生むデータを研究する必要がある場合、何を提供するか、それぞれがどのように固有かを理解することが重要です。ビッグデータアナリティクスを最適化する支援をするため、弊社は両方のカテゴリーを分解し、その違いを調べ、提供する価値を明らかにします。 データサイエンス データサイエンスは、大きい未加工および非構造化データから実行可能なインサイトを発見することに焦点を当てた学際的分野です。この分野は、主に弊社が知らないことへの回答を発見することに集中しています。データサイエンスの専門家は、まだ考えられたことのない問題への解決策を確立するため大量のデータセットを構文解析するため、コンピューターサイエンスや予測アナリティクス、統計、機械学習を取り入れて、回答を得るために様々な手法を利用します。 データサイエンティスト の主な目標は、特定の質問へは関心を示さず、すべき適切な質問を発見することを強調して、質問をし、潜在的な研究手段を特定することです。専門家は、潜在的な傾向を予測し、異種の分断されたデータソースを探索し、情報を分析するより適切な手段を見つけることでこれを達成します。 データアナリティクス データアナリティクスは、既存のデータセットでの統計分析の処理および実施に焦点を置いています。アナリストは、現在の問題に対して実行可能なインサイトを発見するためにデータを獲得、処理および整理する方法を作成し、このデータを提示する最善の方法を確立することに専念します。分かりやすく言えば、データアナリティクスの分野は、知っている質問や回答がわからない質問に対する問題を解決することに向けられています。さらに重要なことに、これは、即時改善につながりうる結果を生むことに基づいています。 データアナリティクスはまた、結果を簡素化する一方で様々なデータソースの結合に役立ち、つながりを特定するより広い統計および分析のいくつかの異なる分岐も含みます。 Sisense アナリティクスを見てみる : 違い 多くの人が同じ意味でこの用語を使用していますが、データサイエンスやビッグデータアナリティクスは固有の分野で、両者の主な違いはその範囲です。データアナリティクスは、大きいデータセットを発掘するのに使用される分野のグループに対する包括的な用語です。データアナリティクスは、よりこのことに焦点を当てており、より大きいプロセスの一部とも考えられます。アナリティクスは、既存の問い合わせに基づいて直ちに適用できる実行可能なインサイトを実現することに専念しています。 これら 2 つの分野間のもう 1...

Dana Liberty avatar image Dana Liberty
Announcing-the-Sisense-Adobe-XD-Plugin-20191113-featured
Sisense News | 5 min read

Create Custom Embedded Analytic Visuals with the Sisense Adobe XD Plugin

The Adobe XD plugin for Sisense BloX helps designers create beautiful functional imagery for their analytic apps.

Lio Fleishman avatar image Lio Fleishman

Meet our Contributors

Amir Orad avatar image

Amir Orad

CEO @amirorad View articles
Guy Levy-Yurista, PhD avatar image

Guy Levy-Yurista, PhD

Chief Strategy Officer @Guy Levy-Yurista, PhD View articles
PeggySue Werthessen avatar image

PeggySue Werthessen

VP Product Go-to-Market Strategy @PeggySue View articles
See all contributors