För tio år sedan kunde vi inte ens föreställa oss orden "databas" och "finansanalytiker" i en mening. Databasvärlden fanns bara för stränga utvecklare och administratörer som skrev komplicerade skript i ett konsolfönster.
Men nu använder ett stort antal finansiella företag ständigt DBeaver. Implementeringen av våra produkter för analytikers arbetsflöde åtföljs alltid av många frågor och funderingar. Vi samlar de fem populäraste frågorna och lösningarna för den här artikeln.
Vi måste göra det säkert
I vår bank loggar alla anställda in på de interna systemen med inloggning, lösenord och säkerhetskod på sina telefoner. All data krypteras och sparas i sluten lagring, med endast säkerhetsingenjörer som har tillgång till systemets inställningar. Hur är det möjligt för en analytiker att ansluta till databasen i en sådan miljö och inte bryta mot reglerna?
Alla DBeaver Pro-versioner stöder moderna säkerhetsstandarder för databasanslutning. Alla konstiga förkortningar som SSO (inklusive Okta), SAML, MFA, Kerberos, SSL, SSH och deras kombinationer stöds också.
Databasadministratörer kan ställa in alla säkerhetsinställningar i en speciell konfigurationsfil och installera DBeaver på slutanvändarmaskinen. Det är en win-win-situation för båda sidor:administratörer behöver inte dela begränsad information och analytiker behöver inte utföra en komplicerad anslutningskonfiguration. Allt de behöver är bara att köra DBeaver och börja arbeta.
Vi har att göra med skrymmande databaser
Vi har hundratusentals tabeller i vår databas, och det är nästan omöjligt att manuellt hitta den nödvändiga bland dem. Hur kan jag påskynda och förenkla den här processen och kommer inte att använda en databashanterare överbelasta min dators operativsystem?
DBeaver gör ett bra jobb när det kommer till ett stort antal tabeller. Storleken på en given databas kommer inte att påverka hastigheten eller effektiviteten i en finansanalytikers arbete med den. DBeaver tillåter användare att enkelt filtrera data och bara visa vad de behöver för en viss uppgift.
Dessutom har DBeavers navigationsträd ett enkelt visningsläge som ger ett tydligt gränssnitt för anslutningar. När detta läge är aktiverat visas endast tabeller och vyer i trädet, och all ytterligare metainformation är dold. Tack vare detta blir arbetet med databasen mer intuitivt.
Vi vill inte omskola oss
Vi är vana vid att använda Excel för vårt arbete. Är det möjligt att undvika lång omskolning och fortsätta arbeta på samma sätt som tidigare?
Finansspecialister kan använda DBeaver som ett mycket mer avancerat alternativ till Excel. Den har ett användarvänligt gränssnitt som gör det enkelt att arbeta med stora datamängder. Analytiker kan markera dataceller eller specifika datatyper och använda panelen Gruppering för att beräkna statistik baserat på en tabell med en anpassad SQL-fråga. Med hjälp av den här panelen är det möjligt att gruppera bankkunder efter ålder, bostadsområde eller andra egenskaper, och använda de erhållna uppgifterna för att analysera deras solvens.
Också i DBeaver finns en Calc-panel som är användbar för att få grundläggande statistik över data i flera kolumner och rader. När användaren väljer de rader och kolumner han behöver uppdateras den här panelen dynamiskt för att visa statistik för vald data. Till exempel kan analytiker välja en kolumn med kundskulder på lån i en tabell och hitta medel- och maxvärden med några få klick. Således räddar DBeaver finansanalytiker från komplext och monotont manuellt arbete.
Vi måste generera rapporter baserade på data från flera tabeller
Finansanalytiker i vårt företag är vana vid att arbeta i kontorsapplikationer och de är inte proffs på SQL-skript. Är det möjligt att förenkla processen att skapa frågor och generera rapporter baserat på dem?
DBeaver låter användare enkelt arbeta med SQL-frågor och visualisera data på olika sätt. Med hjälp av Visual Query Builder kan analytiker sammanföra data från olika tabeller, gruppera, filtrera och sortera data, få en resultatuppsättning och generera sammanfattande rapporter. Det här verktyget kommer att vara användbart för specialister som vill skapa en rapport baserad på data från flera tabeller filtrerade efter ett visst datum och tid.
Med hjälp av panelen Gruppering är det möjligt att skapa färgade stapeldiagram för snabb datavisualisering och skapa enkla rapporter. Den här funktionen kan till exempel användas för att bestämma hur kunder eller klienter fördelas över städer i ett land.
Vi vill exportera resultat utan dubbelt arbete
Efter att ha avslutat arbetet med en rapport skulle jag vilja kunna exportera den till ett bekvämt format. Kan jag göra detta utan att behöva redigera filen ytterligare?
DBeaver stöder olika exportformat, inklusive Excel-datablad, som används av de flesta finansspecialister. De kan göra all dataförberedelse på ett bekvämt och intuitivt sätt med vår app. Genom att bara lägga till nödvändig data i rapporten kan DBeaver-användare eliminera behovet av att redigera filer ytterligare.
Dessutom låter vår app dig skicka en rapport via e-post. Du kan ange flera mottagare och ämnet för din post.
Det är inte allt
Idag pratade vi om lösningar på de 5 vanligaste problemen som finansspecialister möter när de arbetar med databaser. Men det är naturligtvis inte allt som analytiker kan göra med DBeaver. Mer avancerade användare kan till exempel automatiskt skapa rapporter, jämföra dem och dela resultaten med kollegor med hjälp av vår app. Vi kommer definitivt att täcka dessa ämnen i följande artiklar.