Visió de conjunt:
la proliferació de dades ha fet que totes les dades de negoci incorregut. L'impacte és, tots els negocis és impulsat analítiques i tots els usuaris de negocis són usuaris d'anàlisi. Pel que el principal repte dels negocis moderns és com equilibrar el suport per a l'anàlisi d'autoservei alhora que garanteix la seguretat i integritat. El propòsit de l'anàlisi d'autoservei és capacitar els usuaris de negoci per treballar amb les seves dades rellevants de forma independent amb poca ajuda de TI o l'equip de BI. El procés d'auto-servei només pot fer-se amb èxit amb l'ajuda de les últimes eines d'autoservei de BI i infraestructura, ja que les eines tradicionals de BI no són aptes per al suport d'autoservei.
In this article, tractarem d'explorar banda i banda de l'analítica d'autoservei i el seu impacte en els negocis. També anem a fer una ullada al futur d'aquesta tendència.
L'augment de l'analítica d'autoservei
anàlisi d'autoservei poden definir-se com una forma simple d'intel·ligència de negoci (BI), on els usuaris de negoci tenen la facultat d'accedir a les dades rellevants, realitzar consultes i generar informes a si mateixos amb l'ajuda d'autoservei fàcil d'utilitzar eines de BI. Tot el procés d'auto-servei es simplifica o escalar cap avall per a una millor usabilitat.
El propòsit de l'anàlisi d'auto-servei és permetre als usuaris de negocis per dur a terme les seves dia a dia les tasques d'anàlisi a si mateixos i allibera a l'equip de BI (tenir de nou terreny adequat en l'anàlisi de dades estadístiques i la ciència) a involucrar-se en el procés d'anàlisi de dades més crítics.
segons La predicció de Gartner, by 2017, la majoria dels usuaris de l'empresa tindran accés a les eines de BI d'autoservei. Però al mateix temps, un de cada deu iniciatives seran ben governades amb un impacte positiu de negocis. And, la resta haurà problemes amb la incoherència de dades.
Com podem gestionar el caos de dades?
En l'era moderna dels negocis, les organitzacions necessiten ser més àgils en cas de noves fonts de dades i els requisits de negoci. anàlisi d'auto-servei és un pas cap a aquest objectiu. And, el repte és com gestionar el caos de dades, mentre que els empleats estan fent anàlisi d'autoservei.
Els següents són alguns consells que poden ajudar a gestionar el caos de dades.
- Introducció de més poderosa d'autoservei plataformes de BI juntament amb les eines de BI existents
- Ampliar l'adopció d'eines de BI modernes en cada un de les unitats de negoci
- Aplicar una gestió estricta per garantir la qualitat i consistència de les dades
- Introduir funcions i responsabilitats clares en tota l'organització
anàlisi d'autoservei i dades dels ciutadans 'científic'
científic de dades dels ciutadans és un terme estretament associada amb l'analítica d'autoservei. La idea és, amb l'ajuda d'eines i tecnologies avançades de BI, els usuaris de negocis (que no té la ciència de dades adequada de nou sòl) pot realitzar tasques d'anàlisi (anàlisi d'autoservei). Aquest conjunt de persones que es coneixen com els científics dades dels ciutadans, encara que, les persones tenen diferents opinions amb aquest terme. Segons la predicció de Gartner, el nombre de científics de dades de ciutadans creixerà cinc vegades l'any 2017.
científic de dades dels ciutadans
Image1: El concepte científic de dades dels ciutadans
Avantatges de l'analítica d'autoservei
Grans volums de dades i d'anàlisi és ara una part integral de cada organització i el seu negoci. S'està estenent tan ràpidament, que les organitzacions tenen dificultats per gestionar amb nombre limitat de professionals de les ciències de dades pura. Aquí ve la pujada de l'analítica d'autoservei i científics de dades dels ciutadans.
Les següents són alguns dels avantatges.
- Democratitzar Big Data: Democratització de grans volums de dades només és possible quan s'utilitza per la majoria dels usuaris. anàlisi d'autoservei està fent el camí cap a aquest objectiu. Es propaga la consciència entre els usuaris comuns que participen activament o estaran involucrats en l'auto-servei d'anàlisi de tasques.
- Capacitar els usuaris de negoci: En aquesta era de l'explosió de dades, si les tasques d'anàlisi es limiten a un grup limitat de persones, llavors l'organització no serà capaç d'aprofitar el poder de l'analítica. anàlisi d'autoservei capacita els usuaris de negocis per fer les seves tasques a si mateixos.
- equip científic de dades pot concentrar-se en les tasques d'anàlisi de nucli: Mitjançant l'ús d'anàlisi d'autoservei, els usuaris poden realitzar tasques menys exigents com l'exploració de dades, verificació, visualització i presentació d'informes sobre la seva pròpia. Com a resultat, l'equip científic dades bàsiques pot concentrar-se en tasques més crítiques i complexes. I li dóna una gran quantitat d'agregació de valor a l'organització i de negocis.
- Treballar junts per millorar la productivitat: Auto-servei d'anàlisi dels usuaris i les dades bàsiques de l'equip científic pot treballar en conjunt per al millor resultat. Els usuaris de negoci poden ajudar-se a si mateixos amb autoservei, equip de ciència i dades bàsiques pot obtenir informació d'autoservei equip d'anàlisi per altres anàlisis avançats o tasques complexes. Així són les coses junts com un sol equip per aconseguir un objectiu comú.
Els riscos de l'analítica d'autoservei
Cada nou concepte té els seus propis riscos, i anàlisi d'auto-servei no és diferent. Tractarem d'analitzar alguns dels factors de risc associats a ella.
- La manca d'una formació adequada: Per implementar l'autoservei, el primer pas és seleccionar un conjunt adequat de les persones i entrenar amb rigor en les eines de BI d'autoservei. La manca d'una formació adequada pot conduir a una decisió equivocada.
- Limitacions dels usuaris de negocis: Els usuaris de negocis també tenen les seves pròpies limitacions en termes d'habilitats, coneixement, qualificació terra de nou, etc.. So, una organització ha de jutjar correctament qui pot fer què. I després d'això, entrenaments específics s'han de proporcionar. D'una altra manera, aquestes limitacions poden donar resultats negatius.
- Risc d'eines d'autoservei: No es pot confiar plenament en autoservei eines de BI ja que aquestes eines també poden tenir errors. Pel que pot ser arriscat, Si els resultats d'aquestes eines no són comprovats i verificats correctament.
- incoherència de dades: Les organitzacions han de garantir la coherència de les dades abans de la implementació d'autoservei en diferents capes de negoci. Qualsevol inconsistència en les dades pot conduir a una sortida inconsistent i errònia.
- La manca d'una gestió adequada: Fins i tot després d'assegurar tots els punts anteriors, risc no s'elimina completament a menys govern apropiat s'implementa en tot el procés de. Tots els orificis de bucle en el procés de govern poden fer que sigui un desastre.
Quin és el futur?
grans dades va creixent dia a dia i per tant, les anàlisis de governarà el món dels negocis. Així que el futur té a veure amb grans volums de dades i anàlisi en diferents formes. Ara és el moment, quan les organitzacions estan tractant de difondre les tasques d'anàlisi simples per als usuaris de negocis i aprofitar la capacitat de la base de dades de l'equip científic en àrees més específiques. Així l'empresa, TI i l'equip científic de dades bàsiques treballarà en col·laboració per assolir els objectius comuns d'èxit del negoci.
Summary: anàlisi d'autoservei està aquí per quedar-se i es va estendre gradualment a totes les capes de negoci. El terme "científic de dades dels ciutadans’ està lligat amb l'analítica d'autoservei, i significa que els usuaris d'autoservei. Pot ser, el terme es pot canviar perquè sigui més específica i significativa, ja que hi ha gran quantitat de debats entorn d'ella. No obstant això, la intenció principal és identificar els beneficis i riscos de l'analítica d'autoservei i el seu futur. And, és clarament visible que la cultura de l'analítica d'autoservei ajudarà a totes les organitzacions, si es cuida bé de la gestió.
