Jak zacząć pracę w Alteryx

Szanowni Państwo, Droga Publiczności!

Mam niecodzienną okazję rozpocząć wpis na blogu Astrafox słowami konferansjera, ponieważ temat dzisiejszego artykułu jest bardzo silnie związany z imprezą Party With Data, którą organizowaliśmy 21 czerwca w restauracji The Place w Warsaw Spire. Była to kolejna edycja tej imprezy, podczas której odbył się finał konkursu Data Champion Competition, który w tym roku zorganizowaliśmy przy współpracy z firmą LifeTube.

Marka ta jest największą jednonarodową siecią YouTube w Europie, która zrzesza najpopularniejszych youtuberów w kraju. Jest to również bardzo szybko rozwijająca się firma, która przekonuje coraz więcej marek o wartości dodanej wynikającej z współpracy z  influencerami, ale przede wszystkim, jest to zespół wspaniałych ludzi, którzy o YouTube wiedzą wszystko.

Dlatego też zdecydowaliśmy się, by zaprosić LifeTube do współpracy przy organizacji konkursu. Poprosiliśmy o udostępnienie części danych z kanałów, którymi się na co dzień opiekują. Na odpowiedź nie musieliśmy długo czekać, ponieważ okazało się, że analiza danych z YouTube stanowi pewne wyzwanie, które przy wykorzystaniu technologii proponowanych przez Astrafox może odbywać się dużo szybciej i sprawniej.

Ostatnim etapem współpracy, którego mieliście Państwo okazję być świadkami podczas finału Data Champion Competition, była wizualizacja w Tableau. Dzisiaj natomiast zajrzymy za kulisy, czyli tam, gdzie pierwsze skrzypce grał Alteryx. Szybko się bowiem okazało, że stworzenie jednego, prostego data set’u będzie wymagało nieco pracy, ponieważ LifeTube współpracuje z ponad 400 kanałami, a dane z każdego z nich YouTube udostępnia w postaci oddzielnego pliku *.xlsx. Tabele zawierają bardzo dużo zmiennych, a wśród nich te, które chcemy i możemy udostępnić. Dataset należy uzupełnić o dodatkowe dane, istotne w analizie z punktu widzenia LifeTube. Pikanterii całej sytuacji dodaje fakt, że LifeTube bazuje na innych niż YouTube kategoriach kanałów, które jak nietrudno się domyślić, stanowiły oddzielne pliki.

W tym miejscu pojawia się nasz główny bohater – Alteryx.

Wykorzystanie Alteryx do stworzenia tego prostego modelu było dla mnie oczywiste. O ile w codziennej pracy budujemy dużo bardziej skomplikowane projekty, to lider rankingu Data Science wg Garnera pomógł przede wszystkim w zapanowaniu nad danymi z wielu źródeł jak i w tym, że po stworzeniu modelu mogliśmy dalej dyskutować nad finalną zawartością udostępnianego źródła. Ewentualne zmiany wiązały się z kliknięciem w odpowiednie check-boxy w narzędziu ‘Select’, a co za tym idzie, mógł je wprowadzać każdy, a nie tylko osoba, która cały proces okodowała i zna jego strukturę.

Ponieważ budowę całego Workflow omówiłem podczas webinaru, który zamieszczamy na dole artykułu, to tutaj skupię się na poszczególnych narzędziach, które zostały użyte w tym projekcie i pokażę jak w prosty sposób je wykorzystać.

Zacznijmy od tego, że jest to narzędzie, które w Alteryx występuje jako oddzielny element lub bywa osadzone w innych narzędziach, np. ‘Join’. Select jest genialnym w swojej prostocie narzędziem, które pozwala na wybranie przy pomocy chceck boxów kolumn z których chcemy korzystać w dalszej części procesu. Dodatkowo możemy dowolnie sortować dane. Część z Was z pewnością pomyśli, że to nic wielkiego, po prostu graficzna interpretacja SQL’oweg SELECT, AS, ORDER BY, ASC/DESC itd. Nie sposób się z tym nie zgodzić, natomiast przejrzystość i szybkość pracy jakie zyskujemy dzięki temu narzędziu są nieocenione. Najlepszym przykładem, który pokazuje jego wartość jest załączony do niniejszego tekstu zapis webinaru, na którym zobaczysz, że na etapie omawiania narzędzia ‘Formula’ okazało się, że w danych brakuje jednej istotnej kolumny. Powrót do wcześniejszego etapu i naprawienie błędu zajęło kilka sekund, co przy wertowaniu tradycyjnego SQL’a byłoby znacznie trudniejsze i z pewnością byłoby bardziej czasochłonne. Podsumowując – bardzo przydatne narzędzie, warto o nim pamiętać i wypróbować na własnych przykładach.

Na rysunku powyżej możesz zauważyć, że Join ma dwa sloty ‘In’ i trzy sloty ‘Out’. To, że do ‘In’ podłączamy dane wejściowe z pewnością nie wymaga komentarza, natomiast szczególnie dla tych z Was, którzy budowali model danych w Tableau warto wspomnieć o tym, co jest produktem Join’a w Alteryx. W Tableau, po wyborze metody połączenia tabel w cross-database join naszym modelem danych jest jedna tabela, wynikowa połączenia, na której pracujemy tworząc widoki i dashboardy. W Alteryx na wyjściu narzędzia Join mamy 3 kotwice: Left, Join i Right. Każda z nich wypuszcza oddzielną tabelę, która może służyć do budowania oddzielnej ścieżki naszego procesu.Wyjście oznaczone ‘L’ wystawi nam tabele z tymi rekordami z lewej tabeli, które nie znalazły dopasowania w prawej, odpowiednio wyjście ‘R’ to niedopasowane rekordy z prawego wejścia, a środkowe wyjście, ‘J’, to tabela ze wszystkimi dopasowanymi, połączonymi elementami z obu tabel wejściowych.

Narzędzie konfigurujemy w zakresie kolumn, które mają stanowić klucz połączenia wejściowych tabel. Na uwagę zasługuje również osadzone narzędzie ‘Select’, które w stosunku do wcześniejszego opisu różni się tym, że zawiera informację o źródle kolumny.