Visão global:
proliferação de dados fez com que todos os dados de negócios impulsionados. O impacto é, todos os negócios é analytics conduzido e todos os usuários de negócios são usuários do Google Analytics. Assim, o grande desafio da empresa moderna é como equilibrar o suporte para análise de auto-atendimento, garantindo simultaneamente a segurança e integridade. O objectivo da análise de auto-atendimento é capacitar os usuários de negócios para trabalhar com seus dados relevantes de forma independente com pouca ajuda de TI ou equipe de BI. O processo de auto-serviço só pode ser feita com sucesso com a ajuda das mais recentes ferramentas de self-service BI e infra-estrutura, porque as ferramentas de BI tradicionais não estão aptos para suporte self-service.
In this article, vamos tentar explorar ambos os lados da análise de auto-atendimento e seu impacto nos negócios. Também vamos ter um olhar para o futuro desta tendência.
A ascensão da análise de auto-atendimento
análise de auto-atendimento pode ser definida como uma forma simples de inteligência de negócios (BI), onde os usuários de negócios têm o poder de aceder aos dados relevantes, executar consultas e gerar relatórios próprios com a ajuda de ferramentas de BI fácil de usar de auto-atendimento. Todo o processo de self-service é simplificada ou reduzida para uma melhor usabilidade.
O objectivo da análise de auto-serviço é permitir que os usuários de negócios a realizar-se as suas tarefas do dia-a-dia de análise e libera a equipe de BI (ter de volta à terra adequada na análise e dados estatísticos ciência) a envolver-se em processo de análise de dados mais críticos.
Conforme previsão do Gartner, by 2017, a maioria dos usuários de negócios terá acesso a ferramentas de BI self-service. Mas ao mesmo tempo, um em cada dez iniciativas serão bem governado com um impacto positivo de negócios. And, o resto vai ter problemas com a inconsistência de dados.
Como podemos gerenciar o caos de dados?
Na idade moderna dos negócios, as organizações precisam ser mais ágeis em caso de novas fontes de dados e requisitos de negócios. analytics auto-serviço é um passo para atingir esse objectivo. And, o desafio é como gerenciar o caos de dados, enquanto os empregados estão fazendo análises de auto-atendimento.
A seguir estão algumas dicas que podem ajudar-nos a gerir o caos de dados.
- Introdução de auto-atendimento mais poderoso plataformas de BI, juntamente com as ferramentas de BI existentes
- Expandir a adoção de ferramentas de BI modernas em cada uma das unidades de negócios individuais
- Implementar uma governação rigorosa para garantir a qualidade e consistência dos dados
- Introduzir papéis e responsabilidades claras em toda a organização
análise de auto-atendimento e 'dados dos cidadãos cientista "
cientista de dados cidadão é um termo intimamente associada com a análise de auto-atendimento. A idéia é, com a ajuda de ferramentas de BI e tecnologias avançadas, usuários de negócios (que não tem ciência de dados adequada back ground) pode executar tarefas de análise (análise de auto-atendimento). Esse conjunto de pessoas são conhecidas como os cientistas de dados de cidadãos, Apesar, as pessoas têm opiniões diferentes com este termo. De acordo com a previsão do Gartner, o número de cientistas de dados de cidadãos vai crescer cinco vezes por ano 2017.
dados cientista cidadão
Image1: O conceito de cientista de dados cidadão
Vantagens da análise de auto-atendimento
Grandes dados e analytics é agora uma parte integrante de cada organização e seus negócios. Ele está se espalhando tão rapidamente, que as organizações estão descobrindo que é difícil de gerir com número limitado de profissionais da ciência de dados pura. Aí vem o surgimento de análise de auto-atendimento e cientistas de dados cidadão.
A seguir estão algumas das vantagens.
- Democratizar Big Data: Democratização do big data só é possível quando ele é usado pela maioria dos usuários. análise de self-service está fazendo o caminho para atingir esse objectivo. Ele se espalha a consciência entre os usuários comuns que estão ativamente envolvidos ou estarão envolvidos em tarefas de análise de auto-atendimento.
- Capacitar os usuários de negócios: Nesta época de explosão de dados, se as tarefas de análise estão confinados dentro de um conjunto limitado de pessoas, então a organização não vai ser capaz de alavancar o poder da análise. analytics self-service capacita os usuários de negócios a fazer-se as suas tarefas.
- equipe de ciência de dados pode se concentrar nas tarefas de análise do núcleo: Usando análises de auto-atendimento, os usuários podem executar tarefas menos intensivo, como a exploração de dados, verificação, visualização e relatórios sobre o seu próprio. As a result, a equipe de ciência de dados núcleo pode se concentrar em tarefas mais críticas e complexas. E dá um monte de adição de valor para a organização e negócios.
- Trabalhar em conjunto para uma melhor produtividade: Auto-serviço de análise usuários e dados básicos equipe científica podem trabalhar juntos para o melhor resultado. Os utilizadores empresariais podem ajudar a si mesmos com self-service, e equipe de ciência de dados núcleo pode pegar as informações de auto-atendimento da equipe de análise para novas análises avançadas ou tarefas complexas. Assim vai em conjunto como uma única equipe para alcançar um objetivo comum.
Riscos de análise de auto-atendimento
Cada novo conceito tem seus próprios riscos, e análise de auto-serviço não é diferente. Vamos tentar analisar alguns dos fatores de risco associados.
- Falta de treinamento adequado: Para implementar self-service, o primeiro passo é selecionar conjunto certo de pessoas e treiná-los rigorosamente em ferramentas de BI self-service. Falta de treinamento adequado pode levar a uma decisão errada.
- Limitações de usuários de negócios: Os usuários de negócios também têm as suas próprias limitações em termos de competências, conhecimento, qualificação terreno de volta etc. So, uma organização tem para julgar corretamente quem pode fazer o que. E depois disso, treinamentos específicos devem ser fornecidas. De outra forma, essas limitações pode produzir resultados negativos.
- Risco de ferramentas de auto-atendimento: Você não pode confiar inteiramente em ferramentas de BI self-service como essas ferramentas também pode ter erros. Por isso, pode ser arriscado, se os resultados destas ferramentas não são controladas e verificadas adequadamente.
- inconsistência de dados: As organizações têm de garantir a consistência dos dados antes de self-service aplicação em diferentes camadas de negócios. Qualquer inconsistência nos dados podem levar a uma saída inconsistentes e erradas.
- A falta de uma governança adequada: Mesmo depois de garantir todos os pontos acima, risco não é completamente removido, a menos que uma governança adequada é implementado em todo o processo. Quaisquer brechas no processo de governança pode torná-lo uma bagunça.
Qual é o futuro?
Big data vai crescer de dia para dia e, portanto, as análises irá governar o mundo dos negócios. Assim, o futuro é tudo sobre grandes dados e análises em diferentes formas. Agora é a hora, quando as organizações estão tentando espalhar as tarefas de análise simples para os usuários de negócios e alavancar a principal competência da equipe de ciência de dados em áreas mais específicas. Assim, a empresa, TI e a equipe de ciência de dados núcleo vai trabalhar em colaboração para atingir os objectivos comuns de sucesso do negócio.
Summary: análise de auto-atendimento está aqui para ficar e se espalhou gradualmente em todas as camadas de negócios. O termo "cientista de dados cidadão’ está ligada com a análise de auto-atendimento, e isso significa que os usuários de auto-atendimento. Talvez, o termo pode ser alterada para tornar mais específica e significativa, como existem muitos debates em torno dele. Mas a intenção principal é identificar os benefícios e riscos da análise de auto-atendimento e seu futuro. And, é claramente visível que a cultura de análise de auto-atendimento vai ajudar todas as organizações, se é bom tomar cuidado a partir da gestão.
