Pārskats:
Datu izplatīšanu ir veikti ik biznesa datus virza. Ietekme ir, viss bizness analytics virza un visi biznesa lietotāji ir analytics lietotājiem. Tātad galvenais izaicinājums mūsdienu bizness ir kā līdzsvarot atbalstu pašapkalpošanās analytics, vienlaikus nodrošinot drošību un integritāti. Par pašapkalpošanās analytics mērķis ir dot iespēju biznesa lietotājiem strādāt ar saviem attiecīgajiem datiem, neatkarīgi ar nelielu palīdzību no IT vai BI komandā. Pašapkalpošanās process var veikt tikai veiksmīgi izmantojot jaunākās BI pašapkalpošanās rīku un infrastruktūras, jo tradicionālo BI rīki nav piemēroti pašapkalpošanās atbalstu.
In this article, mēs centīsimies izpētīt abus pašapkalpošanās analytics malas un tās ietekmi uz uzņēmējdarbību. Mēs veiksim arī apskatīt nākotnē šī tendence.
Pieaugums pašapkalpošanās analytics
Pašapkalpošanās analytics var definēt kā vienkāršu formu biznesa informācijas (BI), kur biznesa lietotājiem ir tiesības piekļūt attiecīgo informāciju, veikt vaicājumus un ģenerēt atskaites sevi ar palīdzību viegli lietojamu pašapkalpošanās BI rīkus. Visa pašapkalpošanās process ir vienkāršots vai samazināts labāku lietojamību.
Par pašapkalpošanās analytics mērķis ir dot iespēju biznesa lietotājiem veikt savu dienu ikdienas analītikas darbs pašām un atbrīvo BI komandu (kam pareizu atpakaļ zemi statistiskā analīze un datu zinātni) iesaistīties vairāk kritisko datu analīzes process.
kā vienu Gartner prognozes, by 2017, lielākā daļa no biznesa lietotājiem būs pieejami pašapkalpošanās BI rīkus. Bet tajā pašā laikā, viens no desmit iniciatīvām būs labi regulē ar pozitīvu biznesa ietekmi. And, pārējais būs problēmas ar datu neatbilstības.
Kā mēs varam pārvaldīt datu haosu?
Mūsdienu laikmetā biznesa, organizācijām ir vairāk elastīgs saistībā ar jaunu datu avotu un biznesa prasībām. Pašapkalpošanās analytics ir solis ceļā uz šo mērķi. And, problēma ir, kā pārvaldīt datu haosu, bet darbinieki dara pašapkalpošanās analytics.
Pēc ir dažas norādes, kas var palīdzēt mums pārvaldīt datu haosu.
- Ieviešana jaudīgāku pašapkalpošanās BI platformām kopā ar esošajiem BI rīkus
- Paplašināt pieņemšanu mūsdienu BI rīkus katru atsevišķu uzņēmējdarbības vienību
- Īstenot stingru pārvaldību, lai nodrošinātu datu kvalitāti un konsekvenci
- Ieviest skaidrus uzdevumus un pienākumus visā organizācijā
Pašapkalpošanās analytics un "pilsoņu dati Scientist"
Citizen dati zinātnieks ir apzīmējums, kas cieši saistīts ar pašapkalpošanās analytics. Ideja ir, ar palīdzību uzlabotas BI rīkus un tehnoloģijas, biznesa lietotājiem (kam nav pienācīgu datu zinātni atpakaļ uz zemes) var veikt analytics uzdevumus (pašapkalpošanās analytics). Šie cilvēki kopumu sauc par pilsoņu datu zinātniekiem, lai gan, cilvēki ir dažādi viedokļi ar šo terminu dažādus. Kā vienu Gartner prognozes, skaits pilsoņu datu zinātnieku pieaugs piecas reizes pēc gada 2017.
pilsonis dati zinātnieks
Image1: Jēdziens pilsoņu datu zinātnieka
Priekšrocības pašapkalpošanās analytics
Big dati un analytics tagad ir neatņemama sastāvdaļa katrā organizācijā un savu biznesu. Tas izplatās tik strauji, ka organizācijas ir atrast ir grūti pārvaldīt ar ierobežotu skaitu tīrs datu zinātnes profesionāļiem. Šeit nāk pieaugums pašapkalpošanās analītikas un pilsonis datu zinātniekiem.
Pēc ir daži no priekšrocībām.
- Demokratizēt lielie dati: Demokratizācija lielu datu ir iespējams tikai tad, ja tas, ko vairākums lietotāju lieto. Pašapkalpošanās analytics ir padarīt ceļu uz šo mērķi. Tā izplatās izpratni starp kopējo lietotājiem, kuri ir aktīvi iesaistīti vai tiks iesaistīti pašapkalpošanās analytics uzdevumiem.
- Pilnvarot biznesa lietotājiem: Šajā vecuma datu sprādziena, ja analytics uzdevumi ir saistīti tikai ar ierobežotu skaitu cilvēku, tad organizācija nevarēs sviras varu analytics. Pašapkalpošanās analytics pilnvaro biznesa lietotājiem veikt savus uzdevumus sevi.
- Datu zinātne komanda var koncentrēties uz galveno analytics uzdevumiem: Izmantojot pašapkalpošanās analytics, biznesa lietotāji var veikt mazāk intensīvas uzdevumus, piemēram, datu izpēti, pārbaude, vizualizācija un ziņošana par to pašu. Rezultātā, pamatdatus zinātne komanda var koncentrēties uz kritiskām un sarežģītiem uzdevumiem. Un tas dod daudz vērtības Turklāt organizācijai un bizness.
- Strādāt kopā labāku produktivitāti: Self-pakalpojumu analīzes lietotājiem un pamatdati zinātne komanda var strādāt kopā, par labāko rezultātu. Biznesa lietotāji var palīdzēt sevi ar pašapkalpošanos, un pamata datu zinātne komanda var veikt ieguldījumu no pašapkalpošanās analītikas komandā turpmākām uzlabotas analytics vai sarežģītu uzdevumu. Tā tas notiek kopā kā viena komanda, lai sasniegtu kopīgu mērķi.
Risks pašapkalpošanās analytics
Katra jauna koncepcija ir savi riski, un pašapkalpošanās analytics neatšķiras. Mēģināsim analizēt kādu no riska faktoriem, kas saistīti ar to.
- Trūkst atbilstošu apmācību: Lai īstenotu pašapkalpošanās, pirmais solis ir izvēlēties pareizo kopumu cilvēkiem un apmācīt viņus stingri uz pašapkalpošanās BI rīkus. Trūkst pienācīgu apmācību, var novest pie nepareiza lēmuma.
- Ierobežojumi biznesa lietotājiem: Biznesa lietotājiem ir arī savi ierobežojumi attiecībā uz prasmju, zināšanas, atpakaļ zemes kvalifikācija utt. So, organizācija ir spriest pareizi, kas var darīt to, ko. Un pēc tam, īpašas apmācības būtu jāsniedz. citādi, šie ierobežojumi var dot negatīvu rezultātu.
- Risks pašapkalpošanās rīkus: Jūs nevarat pilnībā paļauties uz pašapkalpošanās BI rīkus, jo šie līdzekļi var būt arī kļūdas. Līdz ar to var būt riskanta, ja rezultāti no šiem rīkiem nav pārbaudīti un pareizi.
- Datu nekonsekvence: Organizācijām ir, lai nodrošinātu datu konsekvenci pirms īstenošanas pašapkalpošanos dažādās biznesa slāņos. Jebkura nekonsekvence datus var izraisīt nekonsekventi un kļūdainas produkciju.
- Trūkst pienācīgas pārvaldības: Pat pēc nodrošinot visus iepriekšminētos punktus, risks nav pilnībā noņemt, ja pienācīga pārvaldība tiek īstenota visā procesā. Jebkuras cilpa caurumi pārvaldības procesā var padarīt haoss.
Kāda ir nākotne?
Big dati gatavojas augt ar katru dienu, un līdz ar to analytics valdīs biznesa pasauli. Tāpēc nākotnē ir par lieliem datu un analītikas dažādās formās. Tagad ir laiks, kad organizācijas cenšas izplatīt vienkāršus analytics uzdevumus biznesa lietotājiem un panākt galveno kompetenci datu zinātnes komanda, kas vairāk konkrētās jomās. Tātad uzņēmējdarbības, IT un pamatdati zinātne komanda strādāt kopīgi, lai sasniegtu kopīgos mērķus biznesa panākumus.
Summary: Pašapkalpošanās analytics ir šeit palikt, un izplatīties pakāpeniski visās biznesa slāņiem. Termins "pilsonis dati zinātnieks’ ir saistīts ar pašapkalpošanās analytics, un tas nozīmē self-pakalpojumu lietotājiem. Var būt, terminu var mainīt, lai padarītu to īpašu un jēgpilnu, jo ir no debatēm ap to daudz. Bet galvenais nolūks ir noteikt ieguvumus un riskus pašapkalpošanās analītiku un tās nākotni. And, tas ir skaidri redzams, ka kultūra pašapkalpošanās analytics palīdzēs visas organizācijas, ja pareizi uzmanība, no vadības.
