Index 2016 - 100 Artigos ✔ VBA Brazil Specialist®

Index 2016 - 100 Artigos ✔ VBA Brazil Specialist®

Visual Basic for Application

Microsoft Excel, Access, Outlook, Powerpoint, Word, SQL, etc...

Acesse + de 1.000 Artigos

VBA, Gauges, Dashboards, Visual Basic, Access, SQL, Outlook, DAO, Powerpoint, Reports, Data, Business Intelligence, Big Data, Donut Project, Sandwich Project, e-Mails, Infográficos, Quick Reference Card, SQL Server, Shell . . .

Download do PDF em ordem Alfabética

Envie seus comentários e sugestões e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com

            

Usando Dashboards Executivos para Gestão Hospitalar

Usando Dashboards Executivos para Gestão Hospitalar - Irmandade da Santa Casa da Misericórdia de Santos

Analise 4 Modelos de Dashboards com KPIs (Indicadores Chave de Desempenho) para a Gestão Hospitalar.

Aqueles de nós que têm desenvolvido projetos com Dashboards em várias indústrias, sabem que o passo primordial para irmos bem, envolve entender quais são as regras do negócio, os fluxos de trabalho e as medidas de desempenho verticais que devem ser acompanhadas.

No último final de semana, estive no hospital SCMS - Irmandade da Santa Casa da Misericórdia de Santos. Ali tive contato com um Dashboard altamente funcional que me fez escrever este artigo refletindo no modo como temos operacionalizados nossos Dashboards nas empresas.

Leia aqui.

#VBADashboardsSpecialist #Dashboard #SCMS #ERP #SAP

Envie seus comentários e sugestões e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com

            

VBA Access - Documentando Objetos da Aplicação MS Access - Code Documenter

VBA Access - Documentando Objetos da Aplicação MS Access - Code Documenter

ACESSE  CÓDIGO ATUALIZADO PARA TODAS AS VERSÕES AQUI.

Envie seus comentários e sugestões e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com

            

Ranking: DB-Engines - Classificação dos Sistemas de Gerenciamento de Banco de Dados

Ranking: DB-Engines - Classificação dos Sistemas de Gerenciamento de Banco de Dados

O DB-Engines Ranking classifica os sistemas de gerenciamento de banco de dados de acordo com a sua popularidade.

Método de Cálculo

O DB-Engines Ranking é uma lista de sistemas de gerenciamento de banco de dados classificados por sua atual popularidade. Medimos a popularidade de um sistema usando os seguintes parâmetros:

O número de menções do sistema em sites, foi medido como número de resultados em consultas dos motores de busca. No momento, usou-se o Google, Bing e Yandex para esta medição. Para contar apenas resultados relevantes, procurou-se <nome do sistema> em conjunto com o banco de dados, por exemplo, "Oracle" e "base de dados".

Interesse geral no sistema. Para esta medição, usamos a frequência de buscas em Google Trends.

Frequência de discussões técnicas sobre o sistema. Usou-se o número de questões, e o número de usuários TI interessados nos bem-conhecidos site de relacionados Q&A Stack Overflow e DBA.

Número de ofertas de emprego, em que o sistema é mencionado. Usou-se também o número de ofertas sobre os principais motores de busca de emprego.

Número de perfis em redes profissionais, em que o sistema é mencionado. Usamos a mais popular e internacionalmente profissionais redes LinkedIn e Upwork.

Relevância em redes sociais. Contou-se o número de tweets no Twitter quando o sistema foi mencionado.

Calculou-se o valor a popularidade de um sistema por meio da padronização, calculando a média dos parâmetros individuais. Estas transformações matemáticas são feitas de uma forma tal que a distância dos sistemas individuais é preservada. Isso significa que, quando o sistema A tem o dobro do tamanho de um valor nos DB-Engines Ranking como o sistema B, então é duas vezes mais popular quando calculados sobre os critérios de avaliação individuais.

A fim de eliminar efeitos causados ​​por uma mudança na quantidade das fontes de dados elas mesmas, a pontuação popularidade é sempre um valor relativo, que deve ser interpretado, em comparação com apenas outros sistemas.

O DB-Engines Ranking não mede o número de instalações dos sistemas, nem a sua utilização no âmbito dos sistemas de TI. Pode-se esperar, que o aumento da popularidade de um sistema (por exemplo, em debates ou ofertas de emprego) precede uma ampla utilização correspondente do sistema por um determinado fator tempo. Devido a isso, os DB-Engines Ranking podem atuar como um indicador precoce. 

Este ranking é atualizado mensalmente. Leia mais sobre o método de cálculo das pontuações.

Envie seus comentários e sugestões e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com

            

LinkedIn - SenseiDB

LinkedIn - SenseiDB

O grupo de Engenharia do LinkedIn lançou e tornou open source o SenseiDB, um banco de dados distribuído e semiestruturado. O SenseiDB é a tecnologia que está por trás da infraestrutura de pesquisas do LinkedIn e dá sustentação à sua página principal, ao LinkedIn Signals e a outros recursos de pesquisa do portal, como as buscas de pessoas e empresas. O SenseiDB foi desenvolvido internamente para atender a necessidades da empresa, e agora teve seu código aberto, passando a integrar ao projeto "guarda-chuva" LinkedIn SNA, focado em buscas, rede de contatos e análise.

O SenseiDB é um banco de dados NoSQL, focado em altas taxas de atualização e consultas semiestruturadas complexas. Os usuários já familiarizados com o Lucene e o Solr da Apache reconhecerão vários dos conceitos subjacentes ao SenseiDB. O SenseiDB é implantado em clusters de vários nós (nodes), sendo que cada nó pode conter N fragmentos de dados. Os nós são gerenciados através do Apache Zookeeper, que mantém a configuração existente e transmite alterações (por exemplo, modificações de topologia) para todo o grupo de nós. Cada cluster do SenseiDB também requer um esquema para definir o modelo de dados que será usado.

A obtenção de dados para alimentar um cluster SenseiDB é feita apenas através de gateways (não há um método "INSERT"); cada cluster é ligado a um único gateway. Este é um dos pontos críticos de entendimento desta tecnologia, já que o SenseiDB não trata a atomicidade e o isolamento. Estas características são garantidas externamente, no nível do gateway, que deve garantir que o fluxo de dados se comporta da maneira esperada. Os gateways já integrados são:

• A partir de um arquivo;
• Originados de uma fila Java Message Service (JMS);
• Via JDBC;
• Vindo do Apache Kafka.

Os desenvolvedores também podem implementar gateways personalizados. Para exemplificar esta implementação, é fornecido um gateway de exemplo que obtém seus dados a partir de atualizações feitas no Twitter.

Tendo o fluxo de dados de entrada em funcionamento e já alimentando os dados do cluster, o SenseiDB permite que sejam realizadas consultas "fragmentadas" (faceted), de acordo com o esquema definido. Para esta finalidade, é oferecida uma API REST, inspirada na DSL de consultas do ElasticSearch, que pode ser acessada por qualquer cliente HTTP. O SenseiDB vem acompanhado de componentes em Java e Python, que encapsulam essa API. Em breve também será disponibilizada uma versão dos componentes em Ruby.

O SenseiDB oferece ainda a BQL (Linguagem de Consulta e Navegação) como um método alternativo de consulta. A BQL é uma linguagem similar ao SQL (contendo apenas instruções SELECT), que facilita a consulta a um banco SenseiDB. Um console gráfico para web é fornecido como parte da instalação do cluster, permitindo inspecionar e depurar consultas BQL.

Para informações mais detalhadas sobre o SenseiDB, consulte a documentação geral, os Javadocs e o Wiki do projeto. O código-fonte está hospedado no GitHub.

Envie seus comentários e sugestões e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com