Panoramica:
la proliferazione dei dati ha fatto tutti i dati aziendali guidati. L'impatto è, tutte le attività è di analisi guidato e tutti gli utenti aziendali sono utenti Analytics. Quindi la grande sfida del business moderno è come bilanciare il supporto per l'analisi self-service, garantendo nel contempo la sicurezza e l'integrità. Lo scopo di analisi self-service è quello di consentire agli utenti aziendali di lavorare con i propri dati rilevanti in maniera indipendente con piccolo aiuto da IT o team di BI. Il processo di self-service può essere fatta solo di successo con l'ausilio dei più recenti strumenti di BI self-service e le infrastrutture, perché gli strumenti di BI tradizionali non sono adatti per il supporto self-service.
In this article, cercheremo di esplorare entrambi i lati di analisi self-service e il suo impatto sulle attività. Ci sarà anche dare un'occhiata al futuro di questa tendenza.
L'ascesa di analisi self-service
analisi self-service possono essere definiti come una semplice forma di business intelligence (BI), in cui gli utenti aziendali sono autorizzati ad accedere ai dati rilevanti, eseguire query e generare report se stessi con l'aiuto di self-service facile da usare strumenti di BI. L'intero processo di self-service è semplificata o ridotta per una migliore usabilità.
Lo scopo di analisi self-service è quello di consentire agli utenti aziendali di svolgere i loro compiti giorno per giorno le analisi stesse e libera la squadra BI (avere adeguata terra posteriore in analisi e dati statistici di scienza) di essere coinvolti in più critico processo di analisi dei dati.
come per la previsione di Gartner, by 2017, la maggior parte degli utenti aziendali avranno accesso a self-service strumenti di BI. Ma allo stesso tempo, uno su dieci iniziative saranno ben governati con un impatto positivo degli affari. And, il resto avrà problemi con l'incoerenza dei dati.
Come possiamo gestire il caos di dati?
In età moderna di affari, le organizzazioni hanno bisogno di essere più agile in caso di nuove fonti di dati e requisiti di business. Self-service di analisi è un passo verso tale obiettivo. And, la sfida è come gestire il caos dei dati mentre i dipendenti stanno facendo analisi self-service.
A seguito di alcune indicazioni che possono aiutare a gestire il caos di dati.
- Introduzione del più potente self-service piattaforme di BI con gli strumenti di BI esistenti
- Espandere l'adozione di moderni strumenti di BI in ogni singola unità di business
- Implementare la governance rigorosa per garantire la qualità e la coerenza dei dati
- Introdurre ruoli e responsabilità chiare in tutta l'organizzazione
analisi self-service e 'dei dati dei cittadini Scientist'
scienziato dati Citizen è un termine strettamente associato con analisi self-service. L'idea è, con l'ausilio di strumenti di BI e tecnologie avanzate, gli utenti business (che non ha la scienza di dati back ground) in grado di eseguire compiti di analisi (analisi self-service). Questi insieme di persone sono noti come gli scienziati di dati di cittadini, sebbene, le persone hanno opinioni diverse con questo termine. Secondo Gartner previsione, il numero di scienziati di dati cittadino crescerà di cinque volte entro l'anno 2017.
scienziato dati cittadino
Image1: Il concetto di scienziato dati cittadino
I vantaggi di analisi self-service
Grandi dati e analisi è ora parte integrante di ogni organizzazione e la loro attività. Si sta diffondendo così rapidamente, che le organizzazioni hanno difficoltà a gestire con numero limitato di professionisti Science Data puro. Ecco che arriva l'ascesa di analisi self-service e scienziati di dati cittadino.
Di seguito sono riportati alcuni dei vantaggi.
- Democratizzare Big Data: Democratizzazione della grande dati è possibile solo quando viene utilizzato dalla maggior parte degli utenti. analisi self-service sta facendo il percorso verso questo obiettivo. Si diffonde la consapevolezza tra gli utenti comuni che sono attivamente coinvolti o saranno coinvolti in attività di analisi self-service.
- Possibilità per gli utenti aziendali: In questa epoca di esplosione dei dati, se le attività di analisi sono confinati all'interno di un insieme limitato di persone, quindi l'organizzazione non sarà in grado di sfruttare la potenza di analisi. analisi self-service autorizza gli utenti aziendali a fare i loro compiti stessi.
- team scientifico dei dati può concentrarsi sui compiti di analisi di base: Utilizzando analisi self-service, gli utenti aziendali possono eseguire operazioni meno intensive come l'esplorazione dei dati, verifica, visualizzazione e reporting in proprio. As a result, il team scientifico di dati fondamentali può concentrarsi su attività più critiche e complesse. E dà un sacco di valore aggiunto all'organizzazione e struttura.
- Lavorare insieme per una migliore produttività: gli utenti di analisi self-service e dati fondamentali team scientifico in grado di lavorare insieme per il miglior risultato. Gli utenti aziendali potranno aiutare con self-service, e team scientifico dei dati di base può prendere input da self-service team di analisi per ulteriori analisi avanzate o compiti complessi. Così va la vita insieme come una sola squadra per raggiungere un obiettivo comune.
Rischi di analisi self-service
Ogni nuovo concetto ha i propri rischi, e di auto-servizio di analisi non è diverso. Cerchiamo di analizzare alcuni dei fattori di rischio ad esso associati.
- La mancanza di una formazione adeguata: Per implementare il self-service, il primo passo è quello di selezionare giusto insieme di persone e la loro formazione rigorosamente on self-service strumenti di BI. La mancanza di una formazione adeguata può portare ad una decisione sbagliata.
- Limitazioni di utenti aziendali: Gli utenti business hanno anche i loro limiti in termini di competenze, conoscenza, qualificazione torna a terra, ecc. So, un'organizzazione deve giudicare in modo corretto chi può fare cosa. Dopodiché, corsi di formazione specifici devono essere forniti. Altrimenti, Queste limitazioni possono portare a risultati negativi.
- Rischio di strumenti self-service: Non si può completamente fare affidamento su self-service strumenti di BI come questi strumenti possono anche avere errori. Così può essere rischioso, se i risultati di questi strumenti non vengono controllati e verificati correttamente.
- incoerenza dei dati: Le aziende devono garantire la coerenza dei dati prima della loro attuazione self-service in diversi strati di business. Qualsiasi incongruenza nei dati può portare ad una uscita incoerente ed erronea.
- La mancanza di buon governo: Anche dopo aver verificato tutti i punti di cui sopra, rischio non viene completamente rimosso a meno che una corretta gestione è implementato in tutto il processo. Tutti i fori ciclo nel processo di governance in grado di rendere un pasticcio.
Qual è il futuro?
Big Data è destinato a crescere di giorno in giorno e, quindi, le analisi governerà il mondo degli affari. Quindi il futuro è tutto di grandi dati e analisi in forme diverse. Ora è il momento, quando le organizzazioni stanno cercando di diffondere i compiti di analisi semplici per gli utenti business e sfruttare la competenza di base del team scientifico dei dati in settori più specifici. Così il business, IT e il team scientifico dei dati di base sarà lavorare in collaborazione per raggiungere gli obiettivi comuni di successo aziendale.
Summary: analisi self-service è qui per rimanere e diffondere gradualmente in tutti gli strati di business. Il termine 'scienziato dati cittadino’ è legato con analisi self-service, e significa gli utenti self-service. Può essere, il termine può essere modificata per renderla più specifica e significativa, come ci sono molti dibattiti intorno ad esso. Ma l'intento principale è quello di identificare i benefici ei rischi di analisi self-service e il suo futuro. And, è chiaramente visibile che la cultura di analisi self-service aiuterà tutte le organizzazioni, se ci si prenda cura dalla gestione.
