סקירה:
התפשטות נתונים עשתה כל נתונים עסקיים מונעים. ההשפעה היא, עסקים בכל Analytics הוא מונע כל אפשרות למשתמשים עסקיים הם משתמשים Analytics. אז האתגר העיקרי של העסק המודרני הוא כיצד לאזן תמיכה וניתוח בשירות עצמי תוך הבטחת ביטחון ושלמות. מטרת ניתוח בשירות עצמי היא מתן אפשרות למשתמשים עסקיים לעבוד עם הנתונים הרלוונטיים שלהם באופן עצמאי עם מעט עזרה ממחלקת ה- IT או צוות BI. התהליך בשירות עצמי יכול להתבצע מוצלח רק בעזרת כלים לשירות עצמי BI האחרונות ותשתיות, משום כלי BI המסורתי אינו מתאים עבור תמיכה בשירות עצמי.
In this article, ננסה לחקור את שני הצדדים של וניתוח בשירות עצמי והשפעתו על העסק. אנו גם להעיף מבט על העתיד של מגמה זו.
עליית Analytics בשירות עצמי
Analytics בשירות עצמי יכול להיות מוגדר כצורה פשוטה של בינה עסקית (BI), היכן משתמשים עסקיים מועצמים לגשת לנתונים רלוונטיים, לבצע שאילתות ולהפיק דוחות עצמם בעזרת כלים נוחים לשימוש בשירות עצמי BI. התהליך בשירות עצמי כולה הוא פשוט או scaled למטה עבור שימושיות יותר.
מטרת ניתוח בשירות עצמי היא לאפשר למשתמשים עסקיים לבצע משימות Analytics היום-יום שלהם עצמם ומשחרר את צוות BI (שיש הקרקע בחזרה ראויה במדע ניתוח ונתונים סטטיסטיים) להסתבך בתהליך ניתוח נתונים קריטיים יותר.
לפי התחזית של גרטנר, by 2017, רוב המשתמשים העסקיים תהיה גישת כלי BI בשירות עצמי. אבל באותו זמן, אחד מתוך עשר יוזמות יהיה היטב נשלט עם השפעה עסקית חיובית. And, והשאר יש בעיות עם חוסר עקביות נתונים.
איך אנחנו יכולים לנהל את הכאוס הנתונים?
בעידן המודרני של העסק, ארגונים צריכים להיות זריז יותר במקרה של מקורות נתונים חדשים ודרישות עסק. Analytics בשירות עצמי הנו צעד לקראת מטרה זו. And, האתגר הוא כיצד לנהל את הכאוס נתונים תוך העובדים עושים וניתוח בשירות עצמי.
להלן כמה עצות אשר יכול לעזור לנו בהתמודדות הכאוס הנתונים.
- מבוא של פלטפורמות BI בשירות עצמי חזק יותר יחד עם כלי BI הקיימים
- להרחיב את האימוץ של כלי BI המודרני בכל יחידות עסקיות נפרדות
- ליישם ממשל קפדן על מנת להבטיח איכות נתונים ועקבי
- הצג תפקידים ברורים ואחריות ברחבי הארגון
Analytics בשירות עצמי ו 'נתוני אזרח מדען'
מדען נתוני אזרח הוא מונח קשור קשר הדוק עם וניתוח בשירות עצמי. הרעיון הוא, בעזרת כלים וטכנולוגיות BI מתקדמים, משתמשים עסקיים (מי אין מדע מידע נאות בחזרה לקרקע) יכול לבצע משימות Analytics (Analytics בשירות עצמי). קבוצה של אנשים אלה ידועים כמו מדעני מידע לאזרח, למרות ש, לאנשים יש דעות שונות עם המונח הזה. על פי תחזית של גרטנר, מספר מדעני נתוני אזרח יגדל פי חמישה עד השינה 2017.
מדען נתוני אזרח
Image1: הרעיון של מדען נתוני אזרח
יתרונותיו של וניתוח בשירות עצמי
נתונים וניתוחים גדולים הם כיום חלק בלתי נפרד של כל ארגון וכל עסקיהם. היא מתפשטת במהירות רבה כל כך, שהארגונים מתקשים לנהל עם מספר מצומצם של אנשי מקצוע מדע נתונים טהורים. הנה בא העלייה וניתוח בשירות עצמי ומדעני נתוני אזרח.
להלן חלק מהיתרונות.
- דמוקרטיזציה Big Data: דמוקרטיזציה של נתונים גדולים אפשרית רק כאשר הוא בשימוש על ידי רוב של המשתמשים. Analytics בשירות עצמי הינה מה שהופך את הדרך להשגת מטרה זו. זה פורש את המודעות בקרב המשתמשים המשותפים אשר מעורבים באופן פעיל או יהיה מעורב משימות וניתוח בשירות עצמי.
- מתן אפשרות למשתמשים עסקיים: בעידן זה של התפוצצות מידע, אם משימות Analytics מתוחמים בתוך קבוצה מצומצמת של אנשים, ואז הארגון לא יוכלו למנף את העוצמה של ניתוח. שירות עצמי Analytics מסמיך את למשתמשים עסקיים ממלאים משימות עצמם.
- צוות מדעני נתונים יכול להתרכז במשימות Analytics הליבה: באמצעות ניתוח בשירות עצמי, משתמשים עסקיים יכולים לבצע משימות אינטנסיביות פחות כמו חקר נתונים, אימות, להדמיה ודיווח בכוחות עצמם. As a result, צוות מדעני נתוני ליבה יכול להתרכז במשימות מורכבות יותר קריטיות. וזה נותן הרבה בנוסף ערך לארגון ועסקים.
- לעבוד יחד עבור תפוקה טובה יותר: משתמשי Analytics בשירות עצמי צוות מדעני נתוני ליבה יכול לעבוד יחד את התוצאה הטובה ביותר. משתמשים עסקיים יכולים לעזור לעצמם עם שירות עצמי, וצוות מדע נתוני ליבה יכול לקחת קלט מצוות Analytics בשירות עצמי עבור ניתוחים מתקדמים יותר או משימות מורכבות. אז זה הולך ביחד כצוות אחד בודד על מנת להשיג מטרה משותפת.
סיכונים של וניתוח בשירות עצמי
כל הקונספט החדש יש סיכונים משלה, וניתוח בשירות עצמי אינו שונה. הבה ננסה לנתח כמה גורמי סיכון הקשורים אליו.
- חוסר הכשרה מתאימה: כדי ליישם בשירות עצמי, הצעד הראשון הוא לבחור סט זכותם של אנשים ולהכשירם בקפדנות על כלי BI בשירות עצמי. חוסר הכשרה מתאימה יכול להוביל החלטה שגויה.
- מגבלות של משתמשים עסקיים: משתמשים עסקיים יש גם מגבלות משלהם מבחינת כישורים, יֶדַע, הסמכת קרקע בחזרה וכו. So, ארגון יש לשפוט את זה כמו שצריך שיכול לעשות מה. ולאחר ש, הדרכות ספציפיות צריכות להינתן. אחרת, מגבלות אלו יכולות להניב תוצאות שליליות.
- סיכונים של כלים לשירות עצמי: אתה לא יכול להסתמך באופן מלא על כלי BI בשירות עצמי ככלים אלה יכולים להיות גם טעויות. אז זה יכול להיות מסוכן, אם התוצאות של כלים אלה אינם נבדקים ומאומת כראוי.
- חוסר עקביות נתונים: ארגונים חייבים להבטיח עקביות הנתונים לפני בשירות עצמי יישום בשכבות עסקיים שונים. כל חוסר עקביות נתונים יכול להוביל פלט עקבי ושגוי.
- חוסר מנהל תקין: גם לאחר הבטחת כל הנקודות הנ"ל, הסיכון אינו נעלם לחלוטין אלא אם מנהל תקין מיושם בתהליך כולו. כל חורי לולאה בתהליך הממשל יכולים לעשות את זה בלגן.
מהו העתיד?
הנתונים ביג הולכים לגדול מיום ליום ומכאן Analytics ישלוט בעולם העסקים. אז בעתיד מכיל על נתונים גדולים וניתוחים בצורות שונות. עכשיו זה הזמן, כאשר הארגונים מנסים להפיץ את משימות ניתוח פשוט אל המשתמשים העסקיים למנף את תחום הליבה של צוות מדעני נתונים בתחומים ספציפיים יותר. אז העסק, IT ואת צוות מדעני נתוני ליבה יעבדו בשיתוף פעולה על מנת להשיג את המטרות המשותפות של הצלחה עסקית.
Summary: Analytics בשירות עצמי הוא כאן כדי להישאר והולכים ומתפשטים בכל שכבות עסקים. מדען נתוני אזרח המונח '’ קשור עם וניתוח בשירות עצמי, וזה פירושו משתמש בשירות עצמי. אולי, ניתן לשנות את המונח כדי לעשות את זה יותר ספציפי ומשמעותי, שכן ישנם הרבה ויכוחים סביבו. אבל הכוונה העיקרית היא לזהות את היתרונות והסיכונים של ניתוח בשירות עצמי ועתידה. And, זה נראה בבירור כי התרבות וניתוח בשירות עצמי תעזור כל הארגונים, אם טיפול נאות הוא נלקח מההנהלה.
