Przegląd:
rozprzestrzenianie danych dołożył wszelkich danych biznesowych napędzane. Wpływ ten jest, wszystkie firmy jest napędzany analityki i wszyscy użytkownicy biznesowi są analityki użytkowników. Zatem głównym wyzwaniem współczesnego biznesu jest jak zrównoważyć wsparcie dla analityki samoobsługowych przy jednoczesnym zapewnieniu bezpieczeństwa i integralności. Celem analityki samoobsługowych jest umożliwienie użytkownikom biznesowym pracować z właściwymi danymi niezależnie niewielką pomocą IT lub zespołu BI. Proces samoobsługowe mogą być dokonywane tylko sukces z pomocą najnowszych narzędzi BI samoobsługowych i infrastruktury, ponieważ tradycyjne narzędzia BI nie nadają się do wsparcia samoobsługowego.
In this article, postaramy się zbadać obie strony analityki samoobsługowych i jego wpływ na działalność. Będziemy także spojrzeć na przyszłość tego trendu.
Powstanie analityki samoobsługowych
Analityka samoobsługowe mogą być zdefiniowane jako prosta forma inteligencji biznesowej (BI), gdzie użytkownicy biznesowi są uprawnione do dostępu do istotnych danych, wykonywanie zapytań i generować raporty się za pomocą łatwych w użyciu samoobsługowych narzędzi BI. Cały proces samoobsługa jest uproszczone lub zmniejszony dla lepszej użyteczności.
Celem analityki samoobsługowych jest umożliwienie użytkownikom biznesowym wykonują swoje Analytics zadaniom dnia na dzień się i zwalnia BI zespół (konieczności właściwego tlo w analizie statystycznej danych i nauki) angażować się w danych bardziej krytycznego procesu analizy.
zgodnie przewidywania Gartnera, by 2017, większość użytkowników biznesowych, będzie miał dostęp do narzędzi BI samoobsługowych. Ale w tym samym czasie, jeden z dziesięciu inicjatyw będzie dobrze rządzone z pozytywnego wpływu biznesu. And, reszta będzie miała problemy z niespójności danych.
W jaki sposób możemy zarządzać chaos danych?
We współczesnym wieku biznesu, Organizacje muszą być bardziej zwinny w przypadku nowych źródeł danych i wymagań biznesowych. Analityka samoobsługa jest krokiem w tym kierunku. And, Wyzwaniem jest jak zarządzać chaos danych podczas pracownicy robią analityki samoobsługowych.
Oto kilka wskazówek, które mogą pomóc nam zarządzać chaos danych.
- Wprowadzenie mocniejszy samoobsługowych platform BI wraz z istniejących narzędzi BI
- Rozwiń przyjęcie nowoczesnych narzędzi BI w każdym z poszczególnych jednostek biznesowych
- Wdrożenie rygorystycznego zarządzania, aby zapewnić jakość i spójność danych
- Wprowadzenie jasnych ról i odpowiedzialności w całej organizacji
Analityka samoobsługowe oraz "Dane citizen Scientist"
Naukowiec danych Citizen to termin ściśle związane z analityką samoobsługowych. Chodzi o to,, z pomocą zaawansowanych narzędzi i technologii BI, użytkownicy biznesowi (którzy nie mają odpowiedniego data scientist tlo) może wykonywać zadania analityczne (Analityka samoobsługowe). To zestaw ludzi zwanych naukowców danych citizen, mimo że, ludzie mają różne opinie o tym terminem. Według przewidywań Gartnera, liczba naukowców danych obywateli wzrośnie pięciokrotnie przez rok 2017.
Obywatel danych naukowiec
Image1: Pojęcie obywatela danych naukowca
Zalety analityki samoobsługowych
Big Data Analytics jest obecnie integralną częścią każdej organizacji i ich działalności. Jest ona rozprzestrzenia się tak szybko, że organizacje mają trudności w zarządzaniu z ograniczoną liczbą Pure Data specjalistów nauk. Nadchodzi powstanie analityki samoobsługowych i naukowców danych obywatel.
Oto niektóre z zalet.
- Demokratyzacji Big Data: Demokratyzację dużym danych jest możliwy tylko, gdy jest ona wykorzystywana przez większość użytkowników. Analityka samoobsługowe czyni drogę w tym kierunku. Rozprzestrzenia świadomości wśród zwykłych użytkowników, którzy są aktywnie zaangażowane lub będą zaangażowane w samoobsługowych analiz zadań.
- Umożliwienie użytkownikom biznesowym: W tym wieku wybuchu danych, jeśli analityki zadania ograniczają się do ograniczonej liczby osób, Następnie organizacja nie będzie w stanie wykorzystać moc analityki. Analityka samoobsługowe upoważnia użytkowników biznesowych zrobić sobie swoje zadania.
- data scientist zespół może skoncentrować się na swoich podstawowych zadaniach analitycznych: Dzięki wykorzystaniu analityki samoobsługowych, użytkownicy biznesowi mogą wykonywać zadania, takie jak mniej intensywny eksploracji danych, weryfikacja, wizualizacji i raportowania na własną rękę. As a result, Zespół nauki podstawowe dane mogą skoncentrować się na zadaniach bardziej krytycznych i złożonych. I to daje dużo oprócz wartości organizacji i biznesu.
- Pracować razem dla lepszej wydajności: Samoobsługowych Analytics użytkowników i Core danych naukowych zespół może pracować razem dla najlepszego wyniku. Użytkownicy biznesowi mogą pomóc sobie z samoobsługą, i nauki podstawowe dane zespół może pobierać dane z samoobsługowego zespołu analitycznego dalszych zaawansowanej analityki i złożonych zadań. Więc to idzie razem jako jeden zespół, aby osiągnąć wspólny cel.
Ryzyko analityki samoobsługowych
Każda nowa koncepcja ma swoje własne ryzyko, i analityka samoobsługa nie różni. Spróbujmy przeanalizować niektóre z czynników ryzyka związanych z nim.
- Brak odpowiedniego szkolenia: Aby wdrożyć samoobsługę, Pierwszym krokiem jest, aby wybrać odpowiedni zestaw ludzi i szkolenie ich rygorystycznie na narzędziach BI samoobsługowych. Brak odpowiedniego szkolenia może prowadzić do błędnej decyzji.
- Ograniczenia użytkowników biznesowych: Użytkownicy biznesowi mają też swoje ograniczenia w zakresie umiejętności, znajomość, tlo kwalifikacje itp. So, organizacja musi go ocenić właściwie, kto może zrobić to, co. I potem, specjalne szkolenia powinny być dostarczone. W innym wypadku, Ograniczenia te mogą przynieść negatywne rezultaty.
- Ryzyko narzędzi samoobsługowych: Nie można całkowicie polegać na samoobsługowych narzędzi BI jako narzędzia te mogą mieć również błędy. Więc może to być ryzykowne, jeżeli wyniki tych narzędzi nie są sprawdzane i prawidłowo zweryfikowana.
- niespójność danych: Organizacje mają na celu zapewnienie spójności danych przed wdrożeniem samoobsługi w różnych warstwach biznesowych. Wszelkie niespójności w danych może prowadzić do wyjścia niespójnym i błędnym.
- Brak odpowiedniego zarządzania: Nawet po upewnieniu się wszystkie powyższe punkty, Ryzyko nie jest całkowicie usunięte, chyba że właściwe zarządzanie jest realizowane w całym procesie. Wszelkie otwory pętli w procesie zarządzania może to bałagan.
Jaka jest przyszłość?
Big Data będzie rosnąć z dnia na dzień, a co za tym idzie Analytics będą rządzić światem biznesu. Tak więc przyszłość jest o dużych danych i analiz w różnych formach. Teraz jest czas, gdy organizacje starają się szerzyć proste zadania analityczne dla użytkowników biznesowych oraz wykorzystać kompetencje rdzenia science danych zespole w bardziej konkretnych obszarach. Więc biznesie, IT oraz zespół naukowy podstawowe dane pracować wspólnie w celu osiągnięcia wspólnych celów sukcesu.
Summary: Analityka samoobsługowe jest tu zatrzymać i rozprzestrzeniają się stopniowo we wszystkich warstwach biznesowych. Termin "naukowiec danych obywatel’ jest związany z analityki samoobsługowych, a to oznacza użytkownikom samoobsługowych. Może, termin ten może zostać zmieniony, aby uczynić go bardziej konkretne i sensowne, gdyż istnieje wiele debat wokół niego. Ale głównym celem jest określenie korzyści i zagrożeń związanych z analityką samoobsługowych i jej przyszłości. And, wyraźnie widać, że kultura analityki samoobsługowych pomogą wszystkie organizacje, jeśli odpowiedniej opieki pochodzi z zarządzaniem.
