Pangkalahatang-ideya ng:
Data paglaganap ay ginawa bawat data ng negosyo hinihimok. epekto ay, lahat ng negosyo ay analytics hinimok at lahat ng mga gumagamit ng negosyo ay gumagamit ng analytics. Kaya ang malaking hamon ng modernong negosyo ay kung paano ang balanse ng suporta para sa self-service analytics habang tinitiyak ang seguridad at integridad. Ang layunin ng self-service analytics ay upang bigyang kapangyarihan ang mga gumagamit ng negosyo upang gumana sa kanilang mga may-katuturang data nagsasarili na may kaunting tulong mula sa IT o BI team. Ang proseso ng self-service ay maaari lamang gawin matagumpay sa tulong ng pinakabagong mga kasangkapan BI self-service at imprastraktura, dahil ang mga tradisyunal BI kasangkapan ay hindi akma para sa self-service support.
In this article, susubukan naming galugarin magkabilang panig ng self-service analytics at epekto nito sa negosyo. Magsasagawa rin kami bistahan ang kinabukasan ng trend na ito.
Ang pagtaas ng self-service analytics
Self-service analytics ay maaaring tinukoy bilang isang simpleng form ng negosyo katalinuhan (Bi), kung saan mga gumagamit ng negosyo ay empowered na ang mga kaugnay na data, gumanap query at makabuo ng mga ulat ng kanilang mga sarili sa tulong ng madaling-gamitin na self-service BI tools. Ang buong proseso ng self-service ay pinasimple o naka-scale down para sa mas mahusay na kakayahang magamit.
Ang layunin ng self-service analytics ay upang paganahin ang mga gumagamit ng negosyo upang maisagawa ang kanilang pang-araw-araw na mga gawain analytics sa kanilang sarili at frees up ng BI team (pagkakaroon ng tamang lupa pabalik sa statistical analysis at data agham) upang makakuha ng kasangkot sa mas maraming mga kritikal na data proseso ng pagtatasa.
Ayon sa hula ni Gartner, by 2017, karamihan sa mga gumagamit ng negosyo ay may access sa self-service tool BI. Ngunit sa parehong oras, isa sa labas ng sampung hakbangin ay well-pinamamahalaan na may positibong epekto sa negosyo. And, ang natitira ay may mga isyu sa data-iiba-iba.
Paano natin maaaring pamahalaan ang data ganap na kaguluhan?
Sa modernong edad ng negosyo, organisasyon na kailangan upang maging mas mabilis sa kaso ng bagong mga pinagkukunan ng data at mga pangangailangan sa negosyo. Self-service analytics ay isang hakbang patungo sa layuning ito. And, ang hamon ay kung paano pamahalaan ang data ganap na kaguluhan habang ang mga empleyado ay paggawa self-service analytics.
Mga sumusunod ay ilang mga payo na maaaring makatulong sa amin pamahalaan ang data ganap na kaguluhan.
- Panimula ng mas malakas na self-service BI platform kasama ang mga umiiral na mga kasangkapan BI
- Palawakin ang pag-aampon ng mga modernong BI kasangkapan sa bawat indibidwal na yunit ng negosyo
- Ipatupad mahigpit pamamahala upang matiyak ang data na kalidad at pagkakapare-pareho
- Ipakilala malinaw tungkulin at responsibilidad sa kabila ng organisasyon
Self-service analytics at 'mamamayan data scientist'
Citizen data scientist ay isang kataga malapit na nauugnay sa self-service analytics. Ang ideya ay, sa tulong ng mga advanced BI kasangkapan at mga teknolohiya, mga gumagamit ng negosyo (na hindi magkaroon ng tamang data agham back ground) maaari maisagawa ang mga gawain analytics (self-service analytics). Ang mga hanay ng mga tao ay kilala bilang data mamamayan siyentipiko, bagaman, mga tao ay may ibang-iba opinyon sa term na ito. Tulad ng bawat Gartner hula, ang bilang ng mga mamamayan siyentipiko data ay lalaki ng limang beses sa pamamagitan ng taon 2017.
citizen data scientist
Image1: Ang konsepto ng citizen data scientist
Kalamangan ng self-service analytics
Big data at analytics ay ngayon ng isang mahalagang bahagi ng bawat organisasyon at ang kanilang mga negosyo. Ito ay nagkakalat kaya mabilis, na ang mga organisasyon ay nakakahanap ito mahirap na pamahalaan na may limitadong bilang ng purong data propesyonal agham. Heto na ang pagtaas ng self-service analytics at data mamamayan siyentipiko.
Ang sumusunod ay ilan sa mga pakinabang.
- Demokratisahin Big Data: Demokratisasyon ng malaking data ay lamang na posible kapag ito ay ginamit sa pamamagitan ng karamihan ng mga gumagamit. Self-service analytics ay ang paggawa ng landas patungo sa layuning ito. Ito kumalat ang kamalayan sa mga karaniwang gumagamit na aktibong kasangkot o ay kasangkot sa self-service gawain analytics.
- Magbigay ng kapangyarihan ang mga gumagamit ng negosyo: Sa ganitong edad ng data pagsabog, kung analytics gawain ay nakakulong sa loob ng isang limitadong hanay ng mga tao, pagkatapos ay ang organisasyon ay hindi magagawang upang magamit ang lakas ng analytics. Self-service analytics empowers ang mga gumagamit ng negosyo na gawin ang kanilang mga gawain sa kanilang sarili.
- Data agham koponan ay maaaring tumutok sa mga gawain core analytics: Sa pamamagitan ng paggamit self-service analytics, mga gumagamit ng negosyo ay maaaring gumanap ng mas intensive mga gawain tulad ng paggalugad data, beripikasyon, visualization at pag-uulat sa kanilang sariling. As a result, ang core data agham koponan ay maaaring tumutok sa mas kritikal at kumplikadong mga gawain. At nagbibigay ito ng isang pulutong ng mga halaga karagdagan sa mga organisasyon at negosyo.
- Magtulungan para sa mas mahusay na produktibo: gumagamit ng self-service analytics at core data science team ay maaaring magtulungan para sa pinakamahusay na resulta. Negosyo ng mga gumagamit ay maaaring makatulong sa kanilang mga sarili na may mga self-service, at core data agham koponan ay maaaring tumagal ng input mula sa koponan self-service analytics para sa karagdagang mga advanced analytics o kumplikadong mga gawain. Gayon ang nangyayari na magkakapisang parang isang solong koponan upang makamit ang isang karaniwang layunin.
Mga panganib ng self-service analytics
Ang bawat bagong konsepto ay may sarili nitong mga panganib, at self-service analytics ay hindi naiiba. Ipaalam sa amin subukan upang pag-aralan ang ilan sa mga kadahilanan na panganib na kaugnay nito.
- Kakulangan ng tamang pagsasanay: Upang ipatupad self-service, ang unang hakbang ay upang piliin ang karapatan na hanay ng mga tao at sanayin ang mga ito rigorously sa self-service tool BI. Kakulangan ng tamang pagsasanay ay maaaring humantong sa isang maling desisyon.
- Limitasyon ng mga gumagamit ng negosyo: Negosyo ng mga gumagamit ay mayroon din ng kanilang sariling mga limitasyon sa mga tuntunin ng mga kasanayan, kaalaman, back ground qualification etc. So, isang organisasyon ay may sa hukom ito ng maayos kung sino ang maaaring gawin kung ano ang. At pagkatapos noon, tiyak na trainings ay dapat na ibinigay. Otherwise, ang mga limitasyong ito ay maaaring magbunga ng negatibong resulta.
- Panganib ng mga tool self-service: hindi ganap na ka maaaring umasa sa self-service BI tools bilang mga kasangkapan na ito ay maaari ring magkaroon ng mga error. Kaya maaari itong maging mapanganib, kung ang mga resulta mula sa mga kasangkapan na ito ay hindi naka-check at na-verify ng maayos.
- data-iiba-iba: Mga organisasyon ay may upang matiyak data consistency bago pagpapatupad self-service sa iba't ibang mga layer ng negosyo. Anumang hindi pagkakatugma sa data ay maaaring humantong sa hindi pantay-pantay at maling output.
- Kakulangan ng tamang pamamahala: Kahit pagkatapos na tinitiyak ang lahat ng mga puntos sa itaas, panganib ay hindi ganap na inalis maliban tamang pamamahala ay ipinatupad sa buong proseso. Anumang loop butas sa proseso pamamahala ay maaaring gawin itong isang gulo.
Ano ang hinaharap?
Big data ay pagpunta sa lumago araw-araw at samakatuwid ay ibinigay ang analytics ay tuntunin sa mundo ng negosyo. Kaya sa hinaharap ay ang lahat ng tungkol sa malaking data at analytics sa iba't ibang anyo. Ngayon na ang oras, kapag ang mga organisasyon ay sinusubukan upang maikalat ang mga simpleng gawain analytics sa mga gumagamit ng negosyo at pagkilos ang core competency ng koponan data science sa mas tiyak na mga lugar. Kaya ang negosyo, IT at ang core data agham koponan ay gagana collaboratively upang makamit ang karaniwang mga layunin ng negosyo tagumpay.
Summary: Self-service analytics ay dito upang manatili at kumalat dahan-dahan sa lahat ng mga layer business. Ang katagang 'data citizen scientist’ ay nakatali na may mga self-service analytics, at ito ay nangangahulugan na ang mga user self-service. ay maaaring, ang termino ay maaaring mabago upang gawin itong mas tiyak at makahulugang, tulad ng may mga pulutong ng mga debates sa paligid nito. Ngunit ang pangunahing layunin ay upang makilala ang mga benepisyo at mga panganib ng self-service analytics at ang kanyang hinaharap. And, ito ay malinaw na nakikita na ang kultura ng self-service analytics ay makakatulong sa lahat ng mga organisasyon, kung tamang pag-aalaga ay kinuha mula sa pamamahala.
