3 Dolog, amit tudnia kell az önkiszolgáló bi alkalmazások elsajátításához

Noha a Big Data korszak ideje alatt nagyon sokat tettek az önkiszolgáló üzleti intelligencia (BI) alkalmazások és az adatok demokratizálódása kapcsán, erről még sokat nem hallunk. Úgy tűnik, hogy ezek a dolgok olyan rutinok és oly mélyen beépültek a napi munkába, hogy a továbbiakban nincs szükség további megbeszélésekre. A zümmögés elhalványult, és úgy tűnik, hogy a világ továbbjutott fantasztikusabb, fantasztikus dolgokra, mint például a gépi tanulás (ML) és a mély tanulás, valamint minden más, a mesterséges intelligencia (AI).

De az üzleti elemzők és a vonalhasználók számára ez a valóság nem mindenütt jelen van a vállalatok körében. Míg az önkiszolgáló BI alkalmazások megvalósultak, sokan továbbra is a felhasználókat ragadják meg a statisztikai szikla és a szemléltetett kemény hely között. Soha ne félj, itt van a segítség!

Gyerekágy adatlap túlélési mutatók

Ha nem tud vagy nem végez matematikát, akkor ha többet számít, ha a vacsora számlájának százalékában kiszámítja a tippeket, felosztja a számlát több étkező között, vagy kiegyenlíti számláját, hazaért hazaér, ne aggódjon. Valójában sok ember nem tudja, vagy legalábbis nem tudja megtenni ezeket a dolgokat egy alkalmazás segítségével. Bizonyára nem vagy egyedül abban, hogy kissé misztikáljon olyan dolgokról, mint az algoritmusok, az adatoktudomány és a statisztika. És még akkor is, ha nem zavarja ezeket a dolgokat, talán csak nem akarja őket csinálni. Nem mindenki tartja ezt szórakoztatónak, és ez szintén rendben van.

Azoknak a kiságy-megjegyzéseknek, akiknek a statisztika szomorúnak vagy egyszerűen áthatolhatatlannak tűnik, ugyanazok vannak: ragaszkodj az önkiszolgáló BI alkalmazásokhoz, amelyek természetes nyelvi lekérdezésekből működnek, vagy amelyek az egész adatbányászási folyamatot automatizálták, egészen az adatok megjelenítéséig. Ilyen alkalmazások például az IBM Watson Analytics és a Salesforce Einstein Analytics. És miért igen, mindkettő AI-vezérelt.

Az ilyen alkalmazásoknak megvannak a korlátai is, és ezeket a korlátozásokat az önkiszolgáló BI eszközökben és az adatmegjelenítő eszközökben találja meg. De hátrányaik ellenére is tökéletes eszközök a matematikailag kihívásokkal küzdő és a statisztikához látszólag allergiás személyek számára.

Nem önkiszolgáló BI-alkalmazások csinálják a matematikát?

Miért, igen, megteszik; ez az egész lényeg ezen alkalmazások mögött. Ők részben automatizált virtuális asszisztensek az emberi szakértők számára, akik csak a tényeket akarják, hogy a lényeg feketéjévé váljanak. Így! Talán az a horogról van szó, egyfajta. Nem kell visszaélnie a lineáris algebrai és a statisztikai főiskolai szörnyűségeket, mert ehhez vannak ezek az alkalmazások.

Sajnos még mindig meg kell értenie, hogy legalább ez a cucc hogyan működik. Ha egyszerűen nem tudja arra kényszeríteni magát, hogy újból megújítsa vagy frissítse ismereteit ezen a területen, akkor olvassa el a fenti kiságy-megjegyzéseket.

Ha inkább a szakterület legkeresettebb tehetsége, a csapat legforróbb pillanatképe és a munkahelyi adatvarázsló mestere a vállalatodban, de nem akarja, hogy mindent megszerezzen az adattudós címe, majd gyors online tanfolyamot készít, hogy jobban megértse a statisztikákat. Néhány példa az online oktatási szolgáltatók számára az alap- és haladó statisztikákhoz: Khan Academy, Statistics.com és Udemy.

Nem, önkiszolgáló BI alkalmazások használatához nincs szükség statisztikai fokozatra; elegendő az a tény, ha megismerik a kifejezések jelentését és a fogalmakat. Tehát akár néhány podcast is, talán ilyen, mint ez a sorozat, elegendő lehet ahhoz, hogy a helyes útra lépjen.

Minél jobban megérti a statisztikákat, annál jobb lesz. Ha semmi más, akkor jobban megérti, hogy milyen adatokat kell használni, miért kell dobnia a külsõ értékeket, milyen adatokat kell hozzárendelni egy tengelyhez a diagram ábrázolásakor, és hogyan alakíthat hasznos lekérdezést. Sokkal több bizalommal bír az elemzésben, ha tudja, mit kell keresnie. "Biztosnak kell lennie abban, hogy a helyes folyamatok és ellenőrzések működnek a helyesség biztosítása érdekében" - mondta Mike Duensing, a Skuid műszaki vezérigazgatója és műszaki ügyvezető alelnöke. "Példaként nem akarja bemutatni a vezetői csapatnak egy olyan tendenciát, amely friss a legújabb BI eszköztől, csak hogy később kiderítse, hogy ez teljesen téves."

A 3 dolog, amit tudnod kell

Feltételezve, hogy már kiválasztotta az AI-vezérelt alkalmazások egyikét vagy a több felhasználó matematika-orientált önkiszolgáló BI-alkalmazást, az alábbiakban három dolgot kell tudnia, hogy az önkiszolgáló BI-alkalmazásokat a lehető legjobban kihasználhassa.

1. Az adattudás valódi dolog, amire szüksége van. Igen, ezt már korábban megvitattuk az egyes matematikai készségek értékének megvitatásakor. Fontos azonban azt is megmagyarázni, hogy mi az adattudás és az a képesség, amelyre valószínűleg összpontosítani kell az általános pontszámuk javítása érdekében. "Az adattudást a MIT és az Emerson University úgy határozza meg, hogy képessé teszi az adatokat olvasni, dolgozni, elemezni és az adatokkal érvelni" - mutat rá James Fisher, a Qlik globális termékmarketing-alelnöke. Az alábbiakban elmagyarázza az egyes képességeket:

a) Adatok olvasása: magában foglalja annak megértését, hogy mi az adat és a világ mely aspektusát képviseli.

b) Az adatok kezelése: magában foglalja az adatok létrehozását, megszerzését, tisztítását és kezelését.

c) Adatok elemzése: magában foglalja a szűrést, válogatást, összesítést, összehasonlítást és egyéb analitikus műveletek elvégzését rajta.

d) Az adatok megfogalmazása: magában foglalja az adatok felhasználását egy nagyobb narratívának támogatására, amelynek célja az üzenet egy adott közönség számára történő továbbítása.

"Ha el lehet venni a szervezetekkel és az adatokkal való 15 éves együttműködést, ez az: Az üzleti felhasználók szeretnek történeteket találni az adatokban, és végtelenül szeletelnek és kockáznak, hogy megszerezzék őket" - mondja Adam Nathan, a Brainbox Consulting alapítója és vezérigazgatója, amelyet nemrégiben értékesített a Logic20 / 20-nak. "Ahol küzdenek, az érdekes változata az elérhetővé válik. Ugyanígy, egy baseball játék 50 000 rajongója imádja a Jumbotron játékos statisztikáit. Nagyon kevesen rendelkeznek üzletemberekkel, hogy Moneyballot játsszanak."

2. A helyes kérdések minden. Az önkiszolgáló BI alkalmazások részben automatizált alkalmazássegítők. Ez azt jelenti, hogy általában Önnek kell gondolnia a kérdésre (más néven a lekérdezésre). A lekérdezés megfogalmazása nagyon fontos, mivel a válasz csak annyira hasznos, mint a kérdés. E szabály alól kivételt képeznek a speciális alkalmazások, például a fent említett Salesforce Einstein Analytics, amely az értékesítésre és az ügyfélkapcsolat-kezelésre (CRM) vonatkozó adatokra koncentrál, és így Einstein révén automatikusan meghatározhatja, hogy mit szeretne tudni az értékesítéséből és ügyféladatok. Egy speciális BI alkalmazás másik példája a Google Analytics, amelynek középpontjában a webhelyek és a mobil adatok állnak. Az adatkészlet ismét jól meghatározott típusú, és a lekérdezések kiszámíthatók, tehát előre beállítottak.

Nem biztos benne, hogy miként kezdje el lekérdezésének formázását egy általánosabb BI alkalmazás számára? Általában a vállalat vagy az ipar kulcsfontosságú teljesítménymutatói (KPI) jó kiindulópont, mivel meghatározzák a már ismert hasznos elemzést. Innentől kezdődhet a rétegezés, illetve a kapcsolódó vagy új kérdések felvétele. "A KPI-k lehetnek egyetlen mutató, mint például a teljes bevétel, vagy összetett mutatók, mint például az aktív felhasználónkénti bevétel" - mondja Ariel Michaeli, az Appfigures egyik alapítója és vezérigazgatója. "Tehát fontos, hogy a BI platform képes legyen több mutató használatára."

Ne hagyja, hogy ezekben a BI alkalmazásokban az "önkiszolgáló" címke akadályozza meg az IT-től vagy egy tapasztalt üzleti elemző segítségét. "Ha nem talál olyan mutatót, amelyet keres, kérdezd! Lehetséges, hogy ez nem része a BI-megoldás kezdeti bevezetésének" - mondta Doug Bordonaro, a ThoughtSpot fő adat Evangelistája. "Egy elemző örömmel adhatja hozzá neked gyorsan."

És bár a használt lekérdezés kidolgozása elengedhetetlen, ezért fel kell várni azokra a kérdésekre, amelyek valószínűleg az adatanalízis eredményeinek bemutatása után merülnek fel, mivel ezek további elemzést tehetnek szükségessé. "Ügyeljen arra, hogy megválaszolja azokat a hat kérdést, amelyeket az emberek legvalószínűbben feltenek, mert felteszik majd " - tanácsolja Lucio Daza, az AtScale műszaki termékmarketing-igazgatója.

3. Az adatok a teljes test alfa- és omega-értékei. Nagyon sok az adatoktól függ, amelyet kiválasztott. A felhasználó választja ki, tölti be és törli az adatokat, tehát igen, a felelősség többnyire rajtad múlik. A "szemetet be, szemetet ki" régi mondás továbbra is érvényes. Ahogyan Olivia Duane Adams, az Alteryx ügyfélszolgálati munkatársa és alapító partnere állítja: "A kérdés megértése visszahozza Önt az adatokhoz, például annak megismeréséhez, hogy milyen adatokra van szükség és hol élhetnek. Végül is, az adatok nem teremtenek betekintést amíg el nem végezte az elemzésen."

Mielőtt bármit megtenne az alkalmazással, át kell gondolni a folyamatot, az adatkiválasztástól a lekérdezés kialakításáig. Egyébként csak horgászol. Nem mintha az adatkutatásnak nincs helye. De ha gyorsan szüksége van konkrét betekintésre, akkor jobb, ha az első sor dobása előtt győződjön meg arról, hogy a megfelelő tóban van és a megfelelő csaliot hordozza-e. Ne feledje, hogy Ön a tárgyszakértő (KKV), nem pedig a gép. Használja tehetségét és tapasztalatait, hogy kiderítse, milyen adatokra van szüksége, és alakítsa át őket alapvető formájába, mielőtt elmondja a szoftvernek, hogy végezze az elemző munkát.

Tehát mit csinálsz, ha teljesen kisvállazol, mint kkv, de teljesen elveszett újonc vagy az adatok kiválasztásakor és az önkiszolgáló BI alkalmazás használatakor? "Ismerje meg a helyi energiafelhasználót" - mondja a ThoughtSpot Bordonaro. "Valószínű, hogy van valaki, aki nagyon közeli ül, és megmutathatja, hogyan kezdje el, mivel a tanulás akadálya sokkal alacsonyabb, mint a hagyományos BI termékeknél."