Aider une société de courtage mondiale avec l'optimisation des performances de Tableau

Client

Une firme de courtage mondiale spécialisée dans le forex, les métaux et le trading CFD mondial, ainsi que les paris sur la différence (spread betting). Le Client est reconnu comme un leader du secteur dans l'identification et le développement de nouvelles technologies de trading.

Défi : Optimisation des performances de Tableau

Le Client utilise une base de données MySQL et Tableau pour créer des rapports et analyser les modèles de négociation des comptes, des prix et d'autres données de marché.

Lorsque le Client s’est tourné vers DataSqueeze il a rencontré des problèmes critiques de performance avec Tableau ; ses analystes de marché devaient passer jusqu'à 30 minutes sur certains rapports.

Dans le monde des données de trading, l'accès à la bonne information au bon moment peut donner aux courtiers un net avantage compétitif. Des rapports qui prennent 30 minutes à générer sont inutiles sur des marchés hautement volatils. Pour cette raison, le Client est allé à la recherche d'une société de conseil qui l'aiderait à améliorer les performances entre Tableau et sa base de données.

Solution : Création d'extraits de données Tableau

Il existe de nombreux défis pour assurer une grande performance entre Tableau et les bases de données MySQL. Ainsi, notre première étape a été d'identifier le problème. Nous avons testé et analysé dix tableaux de bord Tableau fournis par le Client comme exemples des rapports les plus chronophages.

La phase d'investigation a révélé que le Client n'utilisait pas les extraits de données Tableau, un stockage en colonnes natif de Tableau, qui offre des performances accrues lorsque la source de données sous-jacente est trop lente, ou lorsque l'utilisation du SQL personnalisé ralentit son traitement. Les extraits fonctionnent bien pour l'analyse et la découverte de données, nous avons donc proposé au Client d'appliquer l'approche native avec des extraits.

Pour tester l'approche, nous avons créé des extractions à partir d'une base de test (DB) et généré des rapports d'exemple à partir de ces extractions. À l'étape suivante, nous avons étendu le schéma de la DB de test pour prendre en charge les rafraîchissements incrémentiels. Nous avons également créé et mis en place des planificateurs pour les mises à jour incrémentielles et complètes des extractions. Les extractions incrémentielles récupèrent uniquement les nouveaux enregistrements de la source de données, réduisant ainsi le temps nécessaire pour obtenir une extraction à jour.

Enfin, les extraits et rapports ont été publiés sur le serveur Tableau pour mesurer la performance. Les nouveaux indicateurs de performance ont montré que la vitesse était devenue satisfaisante pour le Client.

Après la phase de validation, nous avons appliqué la même approche au système de production. Les extraits ont été publiés dans un projet partagé sur Tableau Server pour être utilisés par différentes équipes au sein de l'entreprise. Désormais, les analystes peuvent utiliser ces extraits pour de nouveaux rapports et sélectionner ces extraits au lieu de MySQL pour les anciens rapports.

Résultat : Le temps de calcul pour les rapports Tableau a diminué de 99%

Grâce à une utilisation adéquate des extraits de données et du serveur de données, DataSqueeze a éliminé la charge indésirable sur la base de données du Client. Le temps de calcul des rapports a diminué de 99 % garantissant une analyse en temps voulu des marchés financiers complexes et en constante évolution.