Доктор Стилианос Кампакис через The Data Scientist
Расширенная аналитика изменит правила игры, поэтому вам нужно начать подготовку прямо сейчас
Дополненная аналитика, возможно, является одной из самых захватывающих новых технологий, существующих в настоящее время. В конце концов, это не только дает смысл данным (т. е. дает вам факты и цифры), но также говорит вам, почему эти данные важны для вашего бизнеса, и действия, которые вы можете предпринять на основе данных для повышения производительности.
Таким образом, если данные говорят вам о снижении продаж в определенной географической области, с расширенной аналитикой вы узнаете причину падения продаж. Конечная цель расширенной аналитики — также дать рекомендации о том, что вам следует с этим делать.
Но подождите — дополненная аналитика — это тренд будущего.
Описанный выше потенциал расширенной аналитики звучит фантастически, не так ли? Проблема в том, что решений для расширенной аналитики в настоящее время не существует.
Вот сводка того, как обстоят дела в настоящее время:
- Данные доступны вашему бизнесу из самых разных источников — да, у вас есть это
- Вы можете легко собирать и сопоставлять эти данные — да, вы тоже можете это делать
- Затем данные можно очистить и представить вам в удобоваримой форме — да, вы можете сделать это вручную, и есть комплексные инструменты, такие как информационные панели данных, которые могут делать это автоматически.
- Вы можете узнать «почему» из данных, т. е. почему данные такие, какие они есть, что произошло и т. д. — в некотором смысле вы можете это сделать, да, но это почти исключительно ручной процесс, требующий специальных навыков обработки данных. . Это также отнимает много времени
- Вы можете получить рекомендации по действиям, которые вы должны предпринять на основе информации из данных — опять же, только вручную с помощью специалиста по данным.
Итак, мы немного далеки от того, чтобы дополненная аналитика стала реальностью.
Начало пути к расширенной аналитике
Тот факт, что полномасштабных решений для расширенной аналитики еще не существует, не означает, что вы должны сидеть сложа руки и ждать, пока они станут доступны.
Во-первых, развитие в этом пространстве идет быстрыми темпами. «По данным Gartner, дополненная аналитика на данный момент является трендом номер один в сфере данных и аналитики.
Есть также несколько компаний, работающих над разработкой решений для расширенной аналитики. Это варьируется от стартапов до давно существующих технологических корпораций, таких как Microsoft, Oracle, IBM, SAP и Salesforce.
Во-вторых, есть вещи, которые вы можете сделать уже сейчас, чтобы ваш бизнес был в наилучшем положении для использования возможностей и преимуществ, которые предоставляет расширенная аналитика.
Ниже приведены четыре практических шага, которые вы можете предпринять прямо сейчас, чтобы убедиться, что вы готовы к расширенной аналитике.
1) Оцените свои данные
Как и все остальное, связанное с данными, расширенная аналитика хороша настолько, насколько хороши данные, с которыми она работает. Если у него есть данные низкого качества, он даст результаты низкого качества. Кроме того, для расширенной аналитики плохое качество результатов является серьезной проблемой.
В конце концов, конечная цель заключается в том, чтобы расширенное аналитическое решение давало основанные на данных рекомендации о том, что следует делать вашему бизнесу, чтобы оставаться конкурентоспособным, повышать прибыль, увеличивать продажи и так далее. Некачественные результаты расширенной аналитики означают неточные и/или неверные рекомендации, которые могут дорого обойтись вашему бизнесу.
Итак, вы должны принять меры сейчас, чтобы обеспечить высокое качество имеющихся у вас данных. Это включает в себя обеспечение получения данных из надежных источников, а также обеспечение их надлежащей очистки.
2) Убедитесь, что у вас есть надзор за данными
Дополненная аналитика не направлена на устранение специалиста по данным, хотя некоторые считают, что это и есть конечная цель. Однако более реалистичный взгляд, по крайней мере в среднесрочной перспективе, заключается в том, что расширенная аналитика позволит специалистам по обработке и анализу данных сосредоточиться на аспектах данных, создающих реальную ценность.
Таким образом, вместо того, чтобы тратить свое время на ручные и часто повторяющиеся процессы, такие как сбор и очистка данных, специалисты по обработке и анализу данных могут тратить свое время на наблюдение за системой и следить за тем, чтобы она приносила максимальную пользу бизнесу.
Вы должны убедиться, что у вас есть этот надзор либо с помощью внутренних ресурсов специалиста по данным, либо с помощью внешнего поставщика.
3) Повысьте грамотность данных в своем бизнесе
Полнофункциональное и эффективное решение для расширенной аналитики проникнет практически во все сферы вашего бизнеса. Другими словами, в этом будут участвовать не только эксперты по данным и лица, принимающие решения.
Другие будут иметь непосредственный контакт с системой и/или будут непосредственно затронуты действиями и рекомендациями, вытекающими из ее внедрения.
Таким образом, расширенная аналитика потребует от всех в вашем бизнесе грамотного обращения с данными. Вы должны начать обучать их прямо сейчас.
4) Ищите возможности раннего внедрения
Наконец, начните искать возможности раннего внедрения у новых поставщиков дополненной аналитики. В частности, определите возможности для участия в песочнице или для запуска бесплатной пробной версии. Это позволит вам увидеть проблемы внедрения, а также то, как расширенная аналитика может дополнить ваши существующие процессы с целью их автоматизации в будущем.
Не ждите, пока расширенная аналитика станет нормой, чтобы обратить на это внимание. Это технология, которая будет очень влиятельной в течение короткого периода времени. Риск остаться позади велик, так что начинайте прямо сейчас.
Даталист
Поскольку я верю в дополненную аналитику, последние несколько лет я работал над созданием лучшего решения для расширенной аналитики, которое может быть: Datalyst. Datalyst сочетает в себе множество различных техник, методов и эвристик, чтобы создавать простые для понимания модели и результаты. Это не инструмент для ученых данных, а скорее инструмент для тех, кто хочет работать с учеными данных или данными.
Некоторые варианты использования этого продукта включают в себя:
- Понимание ценности ваших данных, прежде чем вы наймете команду специалистов по обработке и анализу данных.
- Создавайте модели, которые могут помочь в формировании политики.
- Создавайте продукты данных, не нанимая специалистов по данным.
Не стесняйтесь обращаться ко мне, если у вас есть какие-либо вопросы!
Первоначально опубликовано на https://thedatascientist.com 8 мая 2020 г.
