Onboarding i glosariusz GraphHub

Przestrzeń pracy dla połączonych danych.

W GraphHub graf jest też tenantem: ma własne schematy, dane Neo4j, zasady dostępu, dashboard, analizy i raporty.

Rzecz albo obiekt w grafie.

Node reprezentują obiekty: osobę, firmę, samochód, dom, miasto, dokument albo transakcję.

Relacja pomiędzy dwoma node.

Edge wyjaśniają, jak node są połączone. Mogą mieć własne pola, ale wiele relacji potrzebuje tylko typu.

Kontrakt dla typu node albo edge.

Schemat definiuje label, pola, pola wymagane, identyfikatory, etykiety wyświetlania i dozwolone końce relacji.

Pole używane do odnalezienia konkretnego rekordu.

Pola identyfikujące są używane przy edycji, usuwaniu i imporcie edge. Powinny być stabilne i unikalne w ramach schematu.

Czytelna nazwa rekordu złożona z jego pól.

Template labelki sprawia, że dropdowny i node na grafie są zrozumiałe. Nie zastępuje prawdziwego identyfikatora.

Granica oddzielająca dane jednego grafu od innych.

GraphHub traktuje każdy graf jako praktyczną granicę tenanta. Mongo przechowuje definicje, a Neo4j dane z zakresem grafu.

Graf, który anonimowi odwiedzający mogą oglądać w trybie read-only.

Grafy publiczne mogą pojawiać się na publicznych profilach i stronach organizacji. Nadal respektują granice danych grafu i udostępniają tylko publiczne ścieżki odczytu.

Graf wymagający jawnie nadanego dostępu.

Grafy prywatne widzą tylko właściciele i członkowie z rolą. Tiery subskrypcji mogą limitować, ile prywatnych grafów może mieć dany właściciel.

Poziom uprawnień nadany bezpośrednio na grafie.

Role grafu decydują, czy użytkownik może oglądać, edytować, zarządzać współpracownikami, zmieniać wymagania MFA albo usunąć graf.

Użytkownik należący do przestrzeni organizacji.

Członkowie organizacji uzyskują dostęp do zasobów organizacji zgodnie ze swoją rolą organizacyjną i regułami na poziomie grafu.

Reguła wymagająca uwierzytelniania wieloskładnikowego przed dostępem.

Graf albo organizacja mogą wymagać MFA. Użytkownik musi włączyć i przejść MFA przed otwarciem chronionych zasobów.

Zapis ważnych zdarzeń dostępu i konfiguracji.

Audit log pomaga śledzić, kto zmienił ustawienia grafu, członkostwo, wymagania bezpieczeństwa albo inny wrażliwy stan.

Tryb importu dla zdenormalizowanych plików CSV.

Advanced import pozwala, aby jeden wiersz arkusza tworzył lub aktualizował wiele node i relacji po zmapowaniu kolumn na pola schematu.

Reużywalna połączona tabela z danych grafowych.

Data View zaczyna się od bazowego typu node i dodaje kolumny z properties, powiązanych node albo agregacji po relacjach.

Reużywalna konfiguracja analizy.

Zapisana analiza przechowuje dataset, filtry, grupowanie, metryki i domyślną prezentację. Nie zapisuje żywych wyników.

Źródło danych użyte przez analizę.

Dataset może oznaczać node, edge albo wzorzec grafowy. Określa, jakie rekordy analizujemy przed filtrami i grupowaniem.

Warunek zawężający rekordy.

Filtr odpowiada na pytanie: które rekordy mają wejść do analizy, zanim cokolwiek policzymy albo pogrupujemy.

Dzielenie wyników na kategorie.

Grupowanie oznacza: policz albo oblicz osobno dla każdej wartości danego pola lub kategorii.

Grupowanie liczb w przedziały.

Bucketing zamienia wiele wartości liczbowych na czytelne zakresy, często do histogramów i podsumowań.

Wartość, którą analiza oblicza.

Metryki są liczbami pokazywanymi w tabelach, wykresach, kartach i komórkach macierzy.

Suma wartości podzielona przez liczbę wartości.

Średnia jest łatwa do zrozumienia, ale mocno reaguje na bardzo duże albo bardzo małe wartości odstające.

Środkowa wartość po posortowaniu danych.

Mediana bywa lepsza od średniej, gdy wartości odstające psują obraz. Połowa wartości jest poniżej niej, a połowa powyżej.

Wartość, poniżej której znajduje się dany procent rekordów.

Percentyle przydają się, gdy chcemy znać progi w rozkładzie, a nie tylko jedną wartość centralną.

Miara rozrzutu wartości wokół średniej.

Wariancja jest statystycznie przydatna, ale mniej intuicyjna, bo używa jednostek podniesionych do kwadratu.

Czytelniejsza miara rozrzutu niż wariancja.

Odchylenie standardowe to pierwiastek z wariancji. Mówi, jak bardzo wartości typowo różnią się od średniej.

Dwuwymiarowa tabela przecięć.

Macierz porównuje jedną oś z drugą i pokazuje metrykę w każdej komórce.

Przechodzenie po relacjach od wybranego node.

Traversal przydaje się, gdy pytanie zaczyna się od jednego rekordu startowego i dotyczy tego, co jest z nim połączone w kontrolowanej liczbie kroków.

Rekord startowy dla analizy traversal.

Anchor zawęża analizę. Zamiast pokazywać wszystkie pasujące node w grafie, GraphHub zostawia tylko rekordy połączone z tym punktem startowym.

Jeden krok relacją od node.

Limity hopów chronią analizę przed zbyt szerokim rozlaniem się po grafie. Jeden hop oznacza bezpośrednich sąsiadów, dwa hopy także sąsiadów sąsiadów.

Wartość nietypowo oddalona od reszty.

Outliery warto sprawdzać, bo mogą oznaczać prawdziwe anomalie, błąd w danych albo wyjątkowy przypadek, który nie powinien sterować średnią.

To, jak mocno dwie wartości liczbowe zmieniają się razem.

Korelacja pomaga zauważyć zależności pomiędzy miarami, ale nie dowodzi, że jedna wartość powoduje drugą.

Czytelne porównanie kategorii.

Wykres słupkowy jest najbezpieczniejszym wyborem, gdy chcesz porównać liczby, sumy, średnie albo inne metryki pomiędzy nazwanymi grupami.

Suma kategorii rozbita na kolorowe segmenty.

Stacked bary są świetne, gdy ważna jest zarówno całość, jak i skład tej całości. Lepiej ich unikać przy zbyt wielu seriach lub drobnych segmentach.

Trend po uporządkowanych wartościach.

Wykres liniowy najlepiej pasuje do czasu, etapów albo każdej sekwencji, w której ważny jest ruch od lewej do prawej.

Udział części w całości dla małej liczby segmentów.

Wykres kołowy jest dobry do szybkich proporcji, ale staje się mało czytelny przy wielu kategoriach albo podobnych wielkościach segmentów.

Profil kilku porównywalnych wymiarów.

Radar sprawdza się przy porównaniu kilku obiektów po tym samym zestawie metryk. Nie jest idealny do bardzo precyzyjnego odczytu wartości.

Relacja pomiędzy dwiema osiami liczbowymi.

Scatter pokazuje klastry, luki i korelacje. Rozmiar bąbla może dodać trzecią miarę, gdy historia tego wymaga.

Rozkład wartości liczbowych w przedziałach.

Histogram odpowiada na pytanie, jak rozkładają się wartości, gdzie jest większość rekordów i czy rozkład ma długie ogony albo przerwy.

Hierarchia pokazana jako gałęzie rodzic-dziecko.

Tree chart jest dobry, gdy dane mają naturalne poziomy, na przykład strukturę organizacji, łańcuch właścicielski albo hierarchię zależności.

Hierarchiczny widok udziału w całości pokazany prostokątami.

Treemap pokazuje, jak duży udział ma każda gałąź w całości. Sprawdza się, gdy proporcje są ważniejsze niż śledzenie każdej pojedynczej linii relacji.

Warstwowa hierarchia pokazana jako ułożone pasy.

Icicle ułatwia skanowanie dekompozycji od poziomu nadrzędnego do podrzędnego. Dobrze pasuje do ownership, kosztów, ryzyka i zależności.

Radialna hierarchia do eksploracji udziałów w całości.

Sunburst pokazuje hierarchię jako koncentryczne pierścienie. Jest efektowny w dashboardach i raportach, ale przy wielu małych segmentach etykiety mogą robić się gęste.

Macierz, w której intensywność koloru niesie znaczenie.

Heatmapa ułatwia skanowanie gęstych wyników krzyżowych. Mocniejszy kolor kieruje uwagę na wysokie liczby, ryzyka albo koncentracje.

Jedna ważna liczba pokazana bardzo wyraźnie.

Karty metryk dobrze działają na dashboardach, gdy użytkownik potrzebuje szybkiego statusu przed wejściem w wykresy albo tabele.

Ustrukturyzowane wiersze, gdy liczą się dokładne wartości.

Tabela jest najlepsza, gdy użytkownik musi sprawdzić detale, sortować rekordy, porównać konkretne liczby albo użyć wyniku jako załącznika raportu.

Interaktywny widok sieci node i edge.

Workspace jest idealny do eksploracji, debugowania połączeń i zrozumienia lokalnego kontekstu wokół wybranych rekordów. Nie zastępuje agregowanych analiz.

Żywe podsumowanie z zapisanych analiz.

Dashboard jest dobry do codziennego monitorowania. Odświeża dane z aktualnego stanu grafu.

Zamrożony raport wygenerowany w konkretnym momencie.

Snapshot zapisuje wynik raportu, nie tylko szablon. Eksport PDF powinien zawsze bazować na snapshocie.

Reguła automatycznego generowania snapshotów raportu.

Harmonogram przechowuje dni tygodnia, lokalną godzinę, strefę czasową i status włączenia. GraphHub wylicza następne uruchomienie i tworzy snapshot, gdy nadejdzie jego czas.

Snapshot raportu utworzony przez harmonogram zamiast ręcznie przez użytkownika.

Snapshoty zaplanowane używają aktualnego szablonu raportu i danych live z grafu w chwili uruchomienia. Po wygenerowaniu są przechowywane tak jak snapshoty ręczne.

Dokument do pobrania renderowany z zapisanego snapshotu.

Eksport PDF powinien bazować na snapshocie, a nie bezpośrednio na danych live. Dzięki temu plik odpowiada dokładnie wynikowi wygenerowanemu w danym czasie.

Proponowany model pakietowania możliwości i limitów.

Publiczne docsy opisują tiery Free, Pro, Team i Enterprise jako proposal. Celowo pokazują możliwości i restrykcje bez kwot.

Użytkownik albo organizacja, których plan jest sprawdzany.

GraphHub sprawdza limity względem właściciela grafu lub zasobu. Graf osobisty używa właściciela typu użytkownik, a graf organizacji właściciela typu organizacja.

Decyzja, czy plan pozwala wykonać daną akcję.

Entitlements sprawdzają status planu, flagi funkcji, aktualne użycie i tryb egzekwowania przed akcjami takimi jak tworzenie grafów, eksport PDF albo zapraszanie członków.

Decyduje, czy odmowy billingowe blokują akcje.

Tryb monitor sprawdza limity, ale przepuszcza akcje. Tryb enforce zwraca błąd limitu planu, gdy plan jest nieaktywny albo limit został osiągnięty.

Liczba użyć w okresie, stosowana do limitów miesięcznych.

Liczniki użycia przechowują wartości według właściciela, klucza licznika i okresu YYYY-MM. Eksporty PDF używają tego mechanizmu do limitów miesięcznych.

Maksymalna możliwość dostępna w tierze subskrypcji.

Limity obejmują liczbę grafów, grafy prywatne, node na graf, relacje na graf, Data Views, raporty, raporty cykliczne, członków i eksporty PDF.