Hoppa till innehållet

Byggde egen analys inuti PostgreSQL

Byggde egen produktanalys i PostgreSQL — 47 funktioner över partitionerade händelsetabeller som rensar sig själva — pseudonymiserad bakom ett roterande salt och villkorad av besökarens samtycke.

47 analysfunktioner, pseudonymiserade och villkorade av samtycke

Situation. Produktbeslut behöver siffror, och det vanliga sättet att få dem är att sätta en tagg från tredje part på varje sida och låta någon annans servrar iaktta användarna. Det går snabbt, det är gratis vid små volymer, och det innebär att besökarnas beteende på en professionell nätverksplattform — vem som tittade på vilket företag, vem som sökte efter vad — blir en tillgång som ägs av ett reklamföretag. För en plattform vars användare är identifierbara yrkesverksamma inom sjöfarten är det en dålig affär.

Uppgift. Produktteamet behövde trattar, retention och händelsedata, insamlade på ett sätt som plattformen kunde stå för och som en användare kunde tacka nej till.

Handling. Analysen byggdes in i PostgreSQL, i ett schema med 7 tabeller och 47 funktioner. Händelsetabellerna är partitionerade — 22 partitionsdefinitioner — och rensar sig själva enligt en tidsplan, eftersom kostnaden för förstapartsanalys inte ligger i att samla in händelserna utan i att behålla dem för alltid. Identiteten pseudonymiseras bakom ett salt som roteras, så att en besökare inte kan följas över rotationsgränsen ens inifrån databasen; det är ett medvetet tak för vad datan kan besvara. Klienten tar hänsyn till samtycke och skickar ingenting innan samtycke har getts, i stället för att skicka och filtrera i efterhand. Konverteringstrattar beräknas i databasen, intill datan, i stället för att exporteras någon annanstans för att sedan kopplas ihop igen.

Resultat. Frågor om hur produkten används besvaras ur plattformens egna tabeller, utan att något lämnar plattformen och utan någon tagg på sidan. Begränsningarna är den ärliga delen: att rotera saltet kostar kohortanalys över lång tid, och inget av detta kommer med de dashboards som ett hostat verktyg ger dig gratis. Båda accepterades medvetet.

  • Hav, natur, strand
    Foto: Pexels / Pixabay
  • Timglas
    Foto: fernandozhiminaicela / Pixabay

Använd erfarenheten i ert projekt

Använd ”Byggde egen analys inuti PostgreSQL” som utgångspunkt för en liknande utmaning i er organisation. Tjänsterna bakom arbetet finns tillgängliga för ert projekt. En struktur som speglar hur verksamheten faktiskt fungerar, så att de frågor du behöver svar på senare fortfarande går att ställa.

Se våra tjänster Hör av er

Se bakom resultatet

Läs om situationen, besluten och resultatet i exemplet. Vi kan diskutera vad som passar era förutsättningar och vad som kräver ett annat angreppssätt. Byggde egen analys inuti PostgreSQL — 47 analysfunktioner, pseudonymiserade och villkorade av samtycke

Se våra tjänster Hör av er

En del av en längre historik — och den finns i sin helhet här.

Varje post är skriven på samma sätt: situationen, uppgiften, vad vi gjorde och vad som förändrades.

Se hela historiken

Definiera förbättringen ni behöver

Ta med ett representativt dataset, frågorna det ska besvara och dagens flaskhals. Vi kan avtala mått på kvalitet, genomströmning och återställning.

Se vad det kostar Hör av er

Vill du ha analys utan att lämna ifrån dig dina data?

Fråga om besluten bakom ”Byggde egen analys inuti PostgreSQL”. Ni talar med personer som kan förklara arbetet och bedöma ert eget projekt.

Se våra tjänster
welcome@engineer.company +45 50 10 61 84 Köpenhamn, Danmark
QR-kod för Byggde egen produktanalys i PostgreSQL — 47 funktioner över partitionerade händelsetabeller som rensar sig själva — pseudonymiserad bakom ett roterande salt och villkorad av besökarens samtycke.
Ta med dig den här sidanhttps://data.engineer.company/sv/portfolio/built-first-party-analytics-inside-postgresql/