Visión de conjunto:
la proliferación de datos ha hecho que todos los datos de negocio incurrido. El impacto es, todos los negocios es impulsado analíticas y todos los usuarios de negocios son usuarios de análisis. Por lo que el principal reto de los negocios modernos es cómo equilibrar el apoyo para el análisis de autoservicio al tiempo que garantiza la seguridad e integridad. El propósito del análisis de autoservicio es capacitar a los usuarios de negocio para trabajar con sus datos relevantes de forma independiente con poca ayuda de TI o el equipo de BI. El proceso de auto-servicio sólo puede hacerse con éxito con la ayuda de las últimas herramientas de autoservicio de BI e infraestructura, ya que las herramientas tradicionales de BI no son aptos para el apoyo de autoservicio.
En este articulo, vamos a tratar de explorar ambos lados de la analítica de autoservicio y su impacto en los negocios. También vamos a echar un vistazo al futuro de esta tendencia.
El aumento de la analítica de autoservicio
análisis de autoservicio pueden definirse como una forma simple de la inteligencia empresarial (BI), donde los usuarios de negocio tienen la facultad de acceder a los datos relevantes, realizar consultas y generar informes a sí mismos con la ayuda de autoservicio fácil de usar herramientas de BI. Todo el proceso de auto-servicio se simplifica o escalar hacia abajo para una mejor usabilidad.
El propósito del análisis de auto-servicio es permitir a los usuarios de negocios para llevar a cabo sus día a día las tareas de análisis a sí mismos y libera al equipo de BI (tener de nuevo terreno adecuado en el análisis de datos estadísticos y la ciencia) a involucrarse en el proceso de análisis de datos más críticos.
según La predicción de Gartner, by 2017, la mayoría de los usuarios de la empresa tendrán acceso a las herramientas de BI de autoservicio. Pero al mismo tiempo, uno de cada diez iniciativas serán bien gobernadas con un impacto positivo de negocios. And, el resto tendrá problemas con la incoherencia de datos.
¿Cómo podemos manejar el caos de datos?
En la era moderna de los negocios, las organizaciones necesitan ser más ágiles en caso de nuevas fuentes de datos y los requisitos de negocio. análisis de auto-servicio es un paso hacia este objetivo. And, el reto es cómo manejar el caos de datos, mientras que los empleados están haciendo análisis de autoservicio.
Los siguientes son algunos consejos que pueden ayudar a manejar el caos de datos.
- Introducción de más poderosa de autoservicio plataformas de BI junto con las herramientas de BI existentes
- Ampliar la adopción de herramientas de BI modernas en cada uno de las unidades de negocio
- Aplicar una gestión estricta para garantizar la calidad y consistencia de los datos
- Introducir funciones y responsabilidades claras en toda la organización
análisis de autoservicio y datos de los ciudadanos 'científico'
científico de datos de los ciudadanos es un término estrechamente asociada con la analítica de autoservicio. La idea es, con la ayuda de herramientas y tecnologías avanzadas de BI, los usuarios de negocios (que no tiene la ciencia de datos adecuada de nuevo suelo) puede realizar tareas de análisis (análisis de autoservicio). Este conjunto de personas que se conocen como los científicos datos de los ciudadanos, a pesar de que, las personas tienen diferentes opiniones con este término. Según la predicción de Gartner, el número de científicos de datos de ciudadanos crecerá cinco veces en el año 2017.
científico de datos de los ciudadanos
Image1: El concepto científico de datos de los ciudadanos
Ventajas de la analítica de autoservicio
Grandes volúmenes de datos y de análisis es ahora una parte integral de cada organización y su negocio. Se está extendiendo tan rápidamente, que las organizaciones tienen dificultades para gestionar con número limitado de profesionales de las ciencias de datos pura. Aquí viene la subida de la analítica de autoservicio y científicos de datos de los ciudadanos.
Las siguientes son algunas de las ventajas.
- Democratizar Big Data: Democratización de grandes volúmenes de datos sólo es posible cuando se utiliza por la mayoría de los usuarios. análisis de autoservicio está haciendo el camino hacia este objetivo. Se propaga la conciencia entre los usuarios comunes que participan activamente o estarán involucrados en la auto-servicio de análisis de tareas.
- Capacitar a los usuarios de negocio: En esta era de la explosión de datos, si las tareas de análisis se limitan a un grupo limitado de personas, entonces la organización no será capaz de aprovechar el poder de la analítica. análisis de autoservicio capacita a los usuarios de negocios para hacer sus tareas a sí mismos.
- equipo científico de datos puede concentrarse en las tareas de análisis de núcleo: Mediante el uso de análisis de autoservicio, los usuarios pueden realizar tareas menos exigentes como la exploración de datos, verificación, visualización y presentación de informes sobre su propia. As a result, el equipo científico datos básicos puede concentrarse en tareas más críticas y complejas. Y le da una gran cantidad de agregación de valor a la organización y de negocios.
- Trabajar juntos para mejorar la productividad: Auto-servicio de análisis de los usuarios y los datos básicos del equipo científico puede trabajar en conjunto para el mejor resultado. Los usuarios de negocio pueden ayudarse a sí mismos con autoservicio, equipo de ciencia y datos básicos puede obtener información de autoservicio equipo de análisis para otros análisis avanzados o tareas complejas. Así son las cosas juntos como un solo equipo para lograr un objetivo común.
Los riesgos de la analítica de autoservicio
Cada nuevo concepto tiene sus propios riesgos, y análisis de auto-servicio no es diferente. Vamos a tratar de analizar algunos de los factores de riesgo asociados a ella.
- La falta de una formación adecuada: Para implementar el autoservicio, el primer paso es seleccionar un conjunto adecuado de las personas y entrenar con rigor en las herramientas de BI de autoservicio. La falta de una formación adecuada puede conducir a una decisión equivocada.
- Limitaciones de los usuarios de negocios: Los usuarios de negocios también tienen sus propias limitaciones en términos de habilidades, conocimiento, cualificación tierra de nuevo, etc.. So, una organización tiene que juzgar correctamente quién puede hacer qué. Y después de eso, entrenamientos específicos deben proporcionarse. Otherwise, estas limitaciones pueden dar resultados negativos.
- Riesgo de herramientas de autoservicio: No se puede confiar plenamente en autoservicio herramientas de BI ya que estas herramientas también pueden tener errores. Por lo que puede ser arriesgado, Si los resultados de estas herramientas no son comprobados y verificados correctamente.
- incoherencia de datos: Las organizaciones tienen que garantizar la coherencia de los datos antes de la implementación de autoservicio en diferentes capas de negocio. Cualquier inconsistencia en los datos puede conducir a una salida inconsistente y errónea.
- La falta de una gestión adecuada: Incluso después de asegurar todos los puntos anteriores, riesgo no se elimina completamente a menos gobierno apropiado se implementa en todo el proceso de. Todos los orificios de bucle en el proceso de gobierno pueden hacer que sea un desastre.
¿Cuál es el futuro?
grandes datos va creciendo día a día y por lo tanto, los análisis de gobernará el mundo de los negocios. Así que el futuro tiene que ver con grandes volúmenes de datos y análisis en diferentes formas. Ahora es el momento, cuando las organizaciones están tratando de difundir las tareas de análisis simples para los usuarios de negocios y aprovechar la capacidad de la base de datos del equipo científico en áreas más específicas. Así la empresa, TI y el equipo científico de datos básicos trabajará en colaboración para alcanzar los objetivos comunes de éxito del negocio.
Summary: análisis de autoservicio está aquí para quedarse y se extendió gradualmente en todas las capas de negocio. El término "científico de datos de los ciudadanos’ está ligado con la analítica de autoservicio, y significa que los usuarios de autoservicio. Tal vez, el término se puede cambiar para que sea más específica y significativa, ya que hay gran cantidad de debates en torno a ella. Sin embargo, la intención principal es identificar los beneficios y riesgos de la analítica de autoservicio y su futuro. And, es claramente visible que la cultura de la analítica de autoservicio ayudará a todas las organizaciones, si se cuida bien de la gestión.
