Oversikt:
Data spredning har gjort hver forretningsdatadrevet. Virkningen er, all virksomhet analytics drevet og alle forretningsbrukere er analytics brukere. Så stor utfordring for moderne virksomhet er hvordan man skal balansere støtte for selvbetjenings analytics samtidig sikre sikkerhet og integritet. Hensikten med selvbetjening analytics er å styrke forretningsbrukere å arbeide med sine relevante data selvstendig med litt hjelp fra IT eller BI-teamet. Den selvbetjente prosessen kan bare gjøres vellykket med hjelp av nyeste BI selvbetjenings verktøy og infrastruktur, fordi de tradisjonelle BI-verktøy ikke er skikket for selvbetjening støtte.
In this article, Vi vil prøve å utforske begge sider av selvbetjenings analyse og dens innvirkning på virksomheten. Vi vil også ta en titt på fremtiden for denne trenden.
Fremveksten av selvbetjenings analytics
Selvbetjenings analytics kan defineres som en enkel form for business intelligence (BI), hvor forretningsbrukere er bemyndiget til å få tilgang til relevant data, utføre spørringer og generere rapporter seg ved hjelp av lett-å-bruke selvbetjenings BI-verktøy. Hele selvbetjening prosessen er forenklet eller skalert ned for bedre brukervennlighet.
Hensikten med selvbetjening analytics er å gjøre det mulig bedrifter til å utføre sine dag-til-dag analyseoppgaver selv og frigjør BI-teamet (har skikkelig tilbake bakken i statistisk analyse og datavitenskap) til å engasjere seg i mer kritiske dataanalyse prosess.
pr Gartners prognose, by 2017, de fleste av business-brukere vil ha tilgang til selvbetjenings BI-verktøy. Men på samme tid, ett av ti tiltak vil være godt styrt med positivt løft. And, resten vil ha problemer med data inkonsekvens.
Hvordan kan vi behandle dataene kaos?
I moderne tid av virksomheten, organisasjoner må være mer fleksibelt i tilfelle nye datakilder og forretningsmessige krav. Selvbetjening analytics er et skritt på veien mot dette målet. And, utfordringen er hvordan man skal behandle dataene kaos mens ansatte gjør selvbetjenings analytics.
Følgende er noen tips som kan hjelpe oss med å behandle data kaos.
- Innføring av kraftigere selvbetjenings BI plattformer sammen med de eksisterende BI-verktøy
- Utvid vedtakelsen av moderne BI-verktøy i den enkelte forretningsenheter
- Implementere streng styring for å sikre datakvalitet og konsistens
- Innføre klare roller og ansvar på tvers av organisasjonen
Self-service analyse og 'borger data vitenskapsmann'
Citizen data forskeren er et begrep nært knyttet til selvbetjenings analytics. Ideen er, ved hjelp av avanserte BI-verktøy og teknologier, forretningsbrukere (som ikke har riktig datavitenskap tilbake bakken) kan utføre analyseoppgaver (selvbetjenings analytics). Disse sett av mennesker er kjent som borger dataforskere, selv om, folk har forskjellige meninger med dette begrepet. Pr Gartner prediksjon, antall borger dataforskere vil vokse fem ganger av året 2017.
borger data vitenskaps
Image1: Begrepet borger data vitenskaps
Fordeler med selvbetjenings analytics
Big data og analyser er nå en integrert del av enhver organisasjon og deres virksomhet. Det sprer seg så raskt, at organisasjonene finner det vanskelig å klare seg med begrenset antall rene datafaglige fagfolk. Her kommer økningen av selvbetjenings analyse og borger dataforskere.
Følgende er noen av fordelene.
- Demokrat Big Data: Demokratisering av big data er bare mulig når den brukes av de fleste av brukerne. Selvbetjenings analytics er å gjøre veien mot dette målet. Det sprer bevisstheten blant vanlige brukere som er aktivt involvert eller vil bli involvert i selvbetjeningsanalyseoppgaver.
- Gi forretningsbrukere: I denne alderen av data eksplosjon, hvis analytics oppgaver er begrenset innenfor et begrenset sett av mennesker, da organisasjonen vil ikke være i stand til å utnytte kraften i analytics. Selvbetjenings analytics utdanner profesjonelle brukere til å gjøre sine oppgaver selv.
- Data vitenskap laget kan konsentrere seg om kjerneanalyseoppgaver: Ved å bruke selvbetjenings analytics, forretningsbrukere kan utføre mindre intensive oppgaver som data leting, bekreftelse, visualisering og rapportering på egen hånd. As a result, den kjernedata vitenskap laget kan konsentrere seg om mer kritiske og komplekse oppgaver. Og det gir mye verdi tillegg til organisasjonen og virksomheten.
- Arbeide sammen for bedre produktivitet: Self-service analyse brukere og kjernedata vitenskap teamet kan arbeide sammen for best resultat. Business-brukere kan hjelpe seg selv med selvbetjening, og kjernedata vitenskap laget kan ta innspill fra selvbetjening analyseteamet for ytterligere avanserte analyser eller komplekse oppgaver. Så det går sammen som ett team for å oppnå et felles mål.
Risiko for selvbetjenings analytics
Hver nye konseptet har sin egen risiko, og selvbetjening analytics er ikke annerledes. La oss prøve å analysere noen av risikofaktorer knyttet til det.
- Mangel på riktig trening: Å implementere selvbetjening, det første trinnet er å velge riktig sett med mennesker og trene dem strengt på selvbetjenings BI-verktøy. Mangel på skikkelig trening kan føre til en feil beslutning.
- Begrensninger av forretningsbrukere: Business-brukere har også sine egne begrensninger når det gjelder ferdigheter, kunnskap, tilbake bakken kvalifisering etc. So, en organisasjon har til å dømme den riktig hvem som kan gjøre hva. Og etter det, spesifikke treninger bør gis. Noe annet, disse begrensningene kan gi negative resultater.
- Fare for selvbetjente verktøy: Du kan ikke helt stole på selvbetjenings BI-verktøy som disse verktøyene kan også ha feil. Så det kan være risikabelt, dersom resultatene fra disse verktøyene ikke er kontrollert og verifisert riktig.
- data inkonsekvens: Organisasjoner må sikre data konsistens før implementering selvbetjening i ulike forretnings lag. Enhver inkonsekvens i data kan føre til en inkonsekvent og feilaktig utgang.
- Mangel på skikkelig styring: Selv etter å sikre alle de ovennevnte punktene, Risikoen er ikke helt fjernet uten tilstrekkelig styring er implementert i hele prosessen. Eventuelle loop hull i styringsprosessen kan gjøre det et rot.
Hva er fremtiden?
Big data kommer til å vokse dag for dag og derav analytics skal herske næringslivet. Så fremtiden handler om store data og analyser i ulike former. Nå er tiden inne, når organisasjonene prøver å spre de enkle analyseoppgaver til forretningsbrukere og utnytte kjernekompetanse av data science team i mer spesifikke områder. Slik at bedriften, IT og kjernedata vitenskapsteamet vil samarbeide for å nå felles mål av suksess.
Summary: Selvbetjenings analytics er kommet for å bli og spre gradvis i alle forretnings lagene. Begrepet 'borger data vitenskaps’ er bundet med selvbetjenings analytics, og det betyr at selvbetjenings brukere. Kan være, begrepet kan endres for å gjøre den mer spesifikke og meningsfylt, som det er mange debatter rundt det. Men hovedhensikten er å identifisere fordeler og risiko ved selvbetjenings analyse og dens fremtid. And, det er tydelig at kulturen i selvbetjenings analytics vil hjelpe alle organisasjonene, hvis riktig omsorg er tatt fra ledelsen.
