Oversigt:
Data, spredning har gjort hver virksomhedsdata drevet. Virkningen er, alle virksomheder er analytics drevet, og alle erhvervskunder er analytics brugere. Så den store udfordring for moderne virksomhed er, hvordan at balancere støtte til selvbetjening analytics samtidig sikre sikkerhed og integritet. Formålet med selvbetjening analytics er at give erhvervsbrugere til at arbejde med deres relevante data uafhængigt med lidt hjælp fra IT eller BI teamet. Den selvbetjening proces kan kun foretages en succes ved hjælp af nyeste BI selvbetjening værktøjer og infrastruktur, fordi de traditionelle BI-værktøjer ikke er egnet til selvbetjening support.
In this article, Vi vil forsøge at udforske begge sider af selvbetjening analytics og dens indvirkning på erhvervslivet. Vi vil også tage et kig på fremtiden for denne tendens.
Fremkomsten af selvbetjening analytics
analytics Selvbetjening kan defineres som en simpel form for business intelligence (BI), hvor erhvervsbrugere er bemyndiget til at få adgang til relevante data, udføre forespørgsler og selv generere rapporter ved hjælp af let at bruge selvbetjening BI-værktøjer. Hele selvbetjening proces forenkles eller skaleret ned for bedre brugervenlighed.
Formålet med selvbetjening analytics er at sætte erhvervsbrugere til at udføre deres dag-til-dag analytics opgaver selv og frigør BI teamet (have ordentlig tilbage jorden i statistisk analyse og data videnskab) at blive involveret i mere kritisk dataanalyse proces.
pr Gartners forudsigelse, by 2017, de fleste af de professionelle brugere vil have adgang til selvbetjening BI-værktøjer. Men samtidig, én ud af ti initiativer vil blive godt styret med positiv effekt på forretningen. And, resten vil have problemer med data inkonsistens.
Hvordan kan vi håndtere data kaos?
I den moderne tidsalder business, organisationer skal være mere agil i tilfælde af nye datakilder og forretningsmæssige krav. Selvbetjening analytics er et skridt i retning af dette mål. And, udfordringen er, hvordan man håndtere data kaos, mens medarbejderne laver selvbetjening analytics.
Følgende er nogle pejlemærker, som kan hjælpe os med at styre de data kaos.
- Indførelse af mere kraftfulde selvbetjeningsløsninger BI platforme sammen med de eksisterende BI-værktøjer
- Udvid vedtagelsen af moderne BI-værktøjer i hver enkelte forretningsenheder
- Gennemføre en streng styring for at sikre datakvaliteten og konsistens
- Indføre klare roller og ansvar på tværs af organisationen
Selvbetjening analytics og 'borger-data videnskabsmand'
Citizen data videnskabsmand er et begreb tæt forbundet med selvbetjening analytics. Ideen er, med hjælp af avancerede BI-værktøjer og teknologier, erhvervsbrugere (der ikke har en ordentlig data videnskab tilbage jorden) kan udføre analytics opgaver (selvbetjeningsløsninger analytics). Disse sæt af mennesker er kendt som borger data forskere, Selvom, mennesker har forskellige meninger med dette udtryk. Pr Gartner forudsigelse, antallet af borgerens data forskere vil vokse fem gange i år 2017.
borger data videnskabsmand
Image1: Begrebet borger data videnskabsmand
Fordele ved selvbetjening analytics
Store data og analyser er nu en integreret del af enhver organisation og deres forretning. Det breder sig så hurtigt, at organisationerne finder det vanskeligt at administrere med begrænset antal rene data science fagfolk. Her kommer den stigende selvbetjening analytics og borger data forskere.
Følgende er nogle af fordelene.
- Demokratisere Big data: Demokratisering af big data kun er mulig, når det anvendes af flertallet af brugerne. Selvbetjening analytics gør vejen mod dette mål. Det spreder bevidsthed blandt de almindelige brugere, der er aktivt involveret eller vil blive involveret i selvbetjening analytics opgaver.
- Styrk erhvervsbrugere: I denne alder af data eksplosion, hvis analytics opgaver findes inden for en begrænset sæt af mennesker, så organisationen vil ikke være i stand til at udnytte kraften i analytics. Selvbetjening analytics giver erhvervsbrugere til at gøre deres opgaver selv.
- Data, videnskab hold kan koncentrere sig om de centrale analytics opgaver: Ved at bruge selvbetjening analytics, erhvervsbrugere kan udføre mindre intensive opgaver som udforskning af data, verifikation, visualisering og rapportering på deres egne. Som resultat, den centrale data science team kan koncentrere sig om mere kritiske og komplekse opgaver. Og det giver en masse værdi ud over organisationen og erhvervslivet.
- Arbejde sammen for en bedre produktivitet: Selvbetjening analytics brugere og centrale data science team kan arbejde sammen for det bedste resultat. Business-brugere kan hjælpe sig selv med selvbetjening, og kernedata science team kan tage input fra selvbetjening analytics team for yderligere avancerede analyser eller komplekse opgaver. Så det går sammen som én enkelt hold til at nå et fælles mål.
Risiko for selvbetjening analytics
Hver ny koncept har sine egne risici, og selvbetjening analytics er ikke anderledes. Lad os prøve at analysere nogle af risikofaktorer forbundet med det.
- Mangel på ordentlig uddannelse: At gennemføre selvbetjening, det første skridt er at vælge rigtige kombination af mennesker og uddanne dem strengt på selvbetjening BI-værktøjer. Mangel på ordentlig uddannelse kan føre til en forkert beslutning.
- Begrænsninger af erhvervsbrugere: Forretningsservice brugere har også deres egne begrænsninger i form af færdigheder, viden, baggrunden kvalifikation osv. So, en organisation har til at dømme det ordentligt, hvem der kan gøre hvad. Og efter at, specifikke kurser bør gives. Ellers, disse begrænsninger kan give negative resultater.
- Risiko for selvbetjeningsredskaber: Du kan ikke helt stole på selvbetjening BI-værktøjer, da disse værktøjer også kan have fejl. Så det kan være risikabelt, hvis resultaterne fra disse værktøjer ikke kontrolleres og verificeres korrekt.
- data uoverensstemmelse: Organisationer skal sikre data konsistens inden gennemførelsen selvbetjening i forskellige forretningsområder lag. Enhver uoverensstemmelse i data kan føre til en usammenhængende og fejlagtig output.
- Mangel på ordentlig regeringsførelse: Selv efter at sikre alle de ovennævnte punkter, risiko er ikke helt fjernet, medmindre ordentlig styring er implementeret i hele processen. Eventuelle loop huller i styringen proces kan gøre det til en rod.
Hvad er fremtiden?
Big data vil vokse dag for dag, og dermed analytics vil herske erhvervslivet. Så fremtiden handler om store data og analyser i forskellige former. Nu er det tid, når organisationerne forsøger at sprede de enkle analytics opgaver til erhvervsbrugere og udnytte kernekompetence af data science team i mere specifikke områder. Så virksomheden, IT og nøgledata science team vil arbejde sammen for at nå de fælles mål for virksomhedens succes.
Summary: Selvbetjening analytics er kommet for at blive og sprede gradvist i alle de forretningsmæssige lag. Den "borger-data videnskabsmand sigt’ er bundet med selvbetjening analytics, og det betyder, at self-service-brugere. Kan være, udtrykket kan ændres for at gøre den mere specifik og meningsfuld, da der er masser af debatter omkring det. Men den primære hensigt er at identificere de fordele og risici ved selvbetjening analytics og dens fremtid. And, Det er tydeligt, at kulturen i selvbetjening analytics vil hjælpe alle de organisationer, hvis ordentlig pleje er taget fra ledelsen.
