ภาพรวม:
การแพร่กระจายข้อมูลที่ได้ทำข้อมูลทางธุรกิจทุกขับเคลื่อน. ผลกระทบคือ, ธุรกิจทั้งหมดจะถูกวิเคราะห์ขับเคลื่อนและผู้ใช้ทางธุรกิจทั้งหมดที่มีผู้ใช้ Analytics. ดังนั้นความท้าทายที่สำคัญของธุรกิจที่ทันสมัยเป็นวิธีการเพื่อความสมดุลของการสนับสนุนสำหรับการวิเคราะห์แบบบริการตัวเองในขณะที่มั่นใจการรักษาความปลอดภัยและความซื่อสัตย์. วัตถุประสงค์ของการวิเคราะห์บริการตนเองคือการช่วยให้ผู้ใช้ทางธุรกิจในการทำงานกับข้อมูลที่เกี่ยวข้องได้อย่างอิสระด้วยความช่วยเหลือเล็ก ๆ น้อย ๆ จากไอทีหรือทีม BI. ขั้นตอนการให้บริการด้วยตนเองเท่านั้นที่สามารถทำให้ประสบความสำเร็จด้วยความช่วยเหลือของเครื่องมือบริการตนเอง BI ล่าสุดและโครงสร้างพื้นฐาน, เพราะเครื่องมือ BI แบบดั้งเดิมจะไม่เหมาะสำหรับการสนับสนุนการบริการตนเอง.
In this article, เราจะพยายามที่จะสำรวจทั้งสองด้านของการวิเคราะห์บริการตนเองและผลกระทบต่อธุรกิจ. นอกจากนี้เรายังจะดูที่อนาคตของแนวโน้มนี้.
การเพิ่มขึ้นของการวิเคราะห์แบบบริการตนเอง
การวิเคราะห์แบบบริการตัวเองสามารถกำหนดเป็นรูปแบบที่เรียบง่ายของระบบธุรกิจอัจฉริยะ (BI), ที่ผู้ใช้ทางธุรกิจเพิ่มขีดความสามารถในการเข้าถึงข้อมูลที่เกี่ยวข้อง, ดำเนินการค้นหาและสร้างรายงานตัวเองด้วยความช่วยเหลือของเครื่องมือที่ง่ายต่อการใช้งานบริการตนเองไบ. ขั้นตอนการให้บริการด้วยตนเองทั้งหมดจะง่ายขึ้นหรือลดขนาดลงสำหรับการใช้งานที่ดีขึ้น.
วัตถุประสงค์ของการวิเคราะห์บริการตนเองที่จะช่วยให้ผู้ใช้ทางธุรกิจในการดำเนินการแบบวันต่อวันงานของพวกเขาวิเคราะห์ตัวเองและอิสระขึ้นทีม BI (มีพื้นหลังที่เหมาะสมในการวิเคราะห์ข้อมูลทางสถิติและวิทยาศาสตร์) เพื่อให้ได้มีส่วนร่วมในกระบวนการสำคัญมากขึ้นในการวิเคราะห์ข้อมูล.
เป็นต่อ การคาดการณ์ของ Gartner, by 2017, ส่วนใหญ่ของผู้ใช้ทางธุรกิจจะมีการเข้าถึงเครื่องมือ BI บริการตนเอง. แต่ในขณะเดียวกัน, one out of ten initiatives will be well-governed with positive business impact. And, the rest will have issues with data inconsistency.
How can we manage the data chaos?
In the modern age of business, organizations need to be more agile in case of new data sources and business requirements. Self-service analytics is a step towards this goal. And, the challenge is how to manage the data chaos while employees are doing self-service analytics.
Following are some pointers which can help us manage the data chaos.
- Introduction of more powerful self-service BI platforms along with the existing BI tools
- Expand the adoption of modern BI tools in each individual business units
- Implement strict governance to ensure data quality and consistency
- Introduce clear roles and responsibilities across the organization
Self-service analytics and ‘citizen data scientist’
Citizen data scientist is a term closely associated with self-service analytics. The idea is, with the help of advanced BI tools and technologies, business users (who does not have proper data science back ground) can perform analytics tasks (self-service analytics). These set of people are known as citizen data scientists, although, people have different opinions with this term. As per Gartner prediction, the number of citizen data scientists will grow five times by the year 2017.
citizen data scientist
ภาพที่ 1: The concept of citizen data scientist
Advantages of self-service analytics
Big data and analytics is now an integral part of every organization and their business. It is spreading so rapidly, ที่องค์กรจะพบว่ามันยากที่จะจัดการกับจำนวน จำกัด ผู้เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูลบริสุทธิ์. ที่นี่มาเพิ่มขึ้นของการวิเคราะห์แบบบริการตนเองและนักวิทยาศาสตร์ข้อมูลประชาชน.
ต่อไปนี้เป็นบางส่วนของข้อดี.
- ประชาธิปไตยข้อมูลขนาดใหญ่: ประชาธิปไตยของข้อมูลขนาดใหญ่จะเป็นไปได้เมื่อมันถูกนำมาใช้โดยส่วนใหญ่ของผู้ใช้. การวิเคราะห์แบบบริการตัวเองจะทำให้เส้นทางไปสู่เป้าหมายนี้. มันจะกระจายการรับรู้ในหมู่ผู้ใช้ทั่วไปที่มีส่วนร่วมอย่างแข็งขันหรือจะมีส่วนร่วมในงานการวิเคราะห์แบบบริการตนเอง.
- ช่วยให้ผู้ใช้ทางธุรกิจ: ในยุคของการระเบิดข้อมูลนี้, ถ้างานวิเคราะห์จะถูกคุมขังอยู่ภายในชุด จำกัด ของผู้คน, แล้วองค์กรจะไม่สามารถที่จะใช้ประโยชน์จากพลังของการวิเคราะห์. การวิเคราะห์แบบบริการตัวเองจะช่วยให้ผู้ใช้ทางธุรกิจในการทำงานของพวกเขาตัวเอง.
- ทีมนักวิทยาศาสตร์ข้อมูลที่สามารถมีสมาธิในการวิเคราะห์งานหลัก: โดยใช้การวิเคราะห์แบบบริการตนเอง, business users can perform less intensive tasks like data exploration, verification, visualization and reporting on their own. As a result, the core data science team can concentrate on more critical and complex tasks. And it gives a lot of value addition to the organization and business.
- Work together for better productivity: Self-service analytics users and core data science team can work together for the best result. Business users can help themselves with self-service, and core data science team can take input from self-service analytics team for further advanced analytics or complex tasks. So it goes together as one single team to achieve a common goal.
Risks of self-service analytics
Every new concept has its own risks, and self-service analytics is not different. Let us try to analyze some of risk factors associated with it.
- Lack of proper training: To implement self-service, the first step is to select right set of people and train them rigorously on self-service BI tools. Lack of proper training can lead to a wrong decision.
- Limitations of business users: Business users also have their own limitations in terms of skills, knowledge, back ground qualification etc. So, an organization has to judge it properly who can do what. And after that, specific trainings should be provided. Otherwise, these limitations can yield negative results.
- Risk of self-service tools: You cannot completely rely on self-service BI tools as these tools can also have errors. So it can be risky, if the results from these tools are not checked and verified properly.
- Data inconsistency: Organizations have to ensure data consistency before implementation self-service in different business layers. Any inconsistency in data can lead to an inconsistent and erroneous output.
- Lack of proper governance: Even after ensuring all the above points, risk is not completely removed unless proper governance is implemented in the entire process. Any loop holes in the governance process can make it a mess.
What is the future?
Big data is going to grow day by day and hence the analytics will rule the business world. So the future is all about big data and analytics in different forms. Now is the time, when the organizations are trying to spread the simple analytics tasks to the business users and leverage the core competency of data science team in more specific areas. So the business, IT and the core data science team will work collaboratively to achieve the common goals of business success.
Summary: Self-service analytics is here to stay and spread gradually in all the business layers. The term ‘citizen data scientist’ is tied with self-service analytics, and it means the self-service users. May be, the term can be changed to make it more specific and meaningful, as there are lot of debates around it. But the main intention is to identify the benefits and risks of self-service analytics and its future. And, it is clearly visible that the culture of self-service analytics will help all the organizations, ถ้าการดูแลที่เหมาะสมจะนำมาจากการบริหารจัดการ.
