3 Mga bagay na kailangan mong malaman upang makabisado ang self-service bi apps

Habang ang maraming ado ay ginawa tungkol sa mga self-service business intelligence (BI) apps at democratizing data sa panahon ng Big Data heyday, hindi marinig ng marami ang tungkol sa anuman sa ngayon. Ito ay tulad ng lahat ng mga bagay na ito ay sobrang gawain at napakalalim na nasusunog sa pang-araw-araw na gumiling gumana na ang karagdagang talakayan ay hindi na kinakailangan. Ang buzz ay lumabo at ang mundo, tila, ay lumipat sa mga masasarap, hindi kapani-paniwala na mga bagay tulad ng pag-aaral ng makina (ML) at malalim na pag-aaral at lahat ng mga bagay na artipisyal na katalinuhan (AI).

Ngunit hindi iyon ang katotohanan para sa mga analyst ng negosyo at mga gumagamit ng linya sa buong hanay ng mga kumpanya sa lahat ng dako ngayon. Habang ang materyal na serbisyo sa self-service ay naging materialized, marami pa rin ang nag-iwan ng mga gumagamit na natigil sa pagitan ng isang statistical rock at isang visualized hard place. Huwag matakot, narito ang tulong!

Mga Cruise Shev Survival Pointers

Kung hindi mo magagawa o hindi magagawa ang matematika na lampas sa pagkalkula ng mga tip bilang isang porsyento ng iyong bill sa hapunan, paghahati ng kuwenta sa pagitan ng maramihang mga kainan, o pagbabalanse ng iyong pagsuri sa account sa sandaling nakauwi ka, walang pagkabahala. Sa katunayan, maraming tao ang hindi, o hindi bababa sa hindi, gawin ang mga bagay nang walang tulong ng isang aplikasyon. Tiyak na hindi ka nag-iisa sa pagiging medyo mystified sa mga bagay-bagay tulad ng mga algorithm, agham ng data, at istatistika. At kahit na hindi ka naiinis ng alinman sa mga bagay na iyon, marahil ay ayaw mo lang gawin ito. Hindi lahat ay isinasaalang-alang na maging masaya at iyon ay perpektong okay din.

Ang mga tala sa kuna para sa mga nakakakita ng mga istatistika na nakasasama o simpleng hindi mailalabanan ay pareho: stick with self-service BI apps na gumana mula sa natural na mga query sa wika o na-automated ang buong proseso ng pagmimina ng data hanggang sa pagpili ng mga visualizations ng data. Kasama sa mga nasabing apps ang IBM Watson Analytics at Salesforce Einstein Analytics, ayon sa pagkakabanggit. At, bakit oo, pareho ang hinihimok ng AI.

Ang mga application tulad ng mga ito ay may kanilang mga limitasyon, at makikita mo ang mga limitasyon na detalyado sa aming mga tool na self-service BI at mga tool sa pagsusuri ng visualization tool. Ngunit kahit na sa kanilang mga disbentaha, ang mga ito ay perpektong tool para sa hinamon sa matematika at sa mga tila alerdyi sa mga istatistika.

Huwag Mag-self-Service BI Apps Gawin ba ang Math?

Bakit, oo, ginagawa nila; na uri ng buong punto sa likod ng mga app na ito. Bahagi silang awtomatikong virtual na katulong sa mga dalubhasa sa tao na nais lamang ang mga katotohanan upang maaari nilang maitim ang ilalim na linya. Kaya, doon! Hindi ka nakakasama, uri ng, marahil. Hindi mo na kailangang magdusa ng mga flashback sa mga horror sa kolehiyo ng linear algebra at mga istatistika dahil mayroong lahat ng mga app na ito.

Sa kasamaang palad, kailangan mo pa ring maunawaan kung paano gumagana ang mga bagay na hindi bababa sa. Kung hindi mo lamang maaaring pilitin ang iyong sarili upang muling bisitahin o i-refresh ang iyong mga kasanayan sa lugar na ito, pagkatapos ay sumangguni sa mga tala sa kuna.

Kung mas gugustuhin mong maging ang pinaka-nais na talento sa iyong larangan, ang pinakamainit na hotshot sa koponan, at ang master ng on-the-job data wizardry sa iyong kumpanya ngunit hindi mo nais na lumabas lahat para sa pamagat ng siyentipiko ng data, pagkatapos ay gumawa ng isang mabilis na kurso sa online upang patalasin ang iyong pag-unawa sa mga istatistika. Ang ilang mga halimbawa ng mga nagbibigay ng edukasyon sa online para sa pangunahing at advanced na mga istatistika ay kasama ang Khan Academy, Statistics.com, at Udemy.

Hindi, hindi mo na kailangan ang isang degree sa mga istatistika upang magamit ang mga self-service BI apps; ang pagkakaroon lamang ng isang nagtatrabaho na kaalaman sa kung ano ang ibig sabihin ng mga term at kung ano ang mga konsepto ay sapat. Kaya, kahit na ilang mga podcast, marahil tulad ng seryeng ito, ay maaaring sapat upang makuha ka sa tamang track.

Ang mas nauunawaan mo tungkol sa mga istatistika, mas mahusay na ikaw ay. Kung wala pa, mas mahusay mong maunawaan kung ano ang data na kailangan mong gamitin, bakit kailangan mong ibulos ang mga outlier, kung ano ang data na itatalaga sa kung aling axis kapag nagplano ng tsart, at kung paano mahuhubog ang isang kapaki-pakinabang na query. Magkakaroon ka rin ng higit na kumpiyansa sa pagsusuri kung alam mo kung ano ang hahanapin. "Kailangan mong maging kumpiyansa na ang mga tamang proseso at kontrol ay nasa lugar upang matiyak na tumpak ang data, " sabi ni Mike Duensing, Chief Technology Officer at Executive Vice president of Engineering sa Skuid. "Bilang isang halimbawa, hindi mo nais na ipakita ang isang kalakaran sa iyong pangkat ng ehekutibo na sariwa mula sa iyong tool na pang-sining na BI, lamang upang malaman kung sa ibang pagkakataon ito ay ganap na mali."

Ang 3 Mga bagay na Kailangan mong Malaman

Sa pag-aakala na napili mo na ang isa sa mga AI-driven na apps o isa sa higit pang mga gumagamit na naka-orient na self-service na mga serbisyong BI na gumagamit ng matematika, ang mga sumusunod ay tatlong mga bagay na kailangan mong malaman upang gawin ang pinakamahusay na paggamit ng mga application na self-service BI.

1. Ang data literacy ay isang tunay na bagay na kailangan mong magkaroon. Oo, hinawakan namin iyon nang mas maaga sa talakayan tungkol sa halaga ng ilang mga kasanayan sa matematika. Ngunit mahalaga na ipaliwanag din kung ano ang data sa pagbasa at ang mga kasanayan na maaaring isa na dapat na ituon upang mapagbuti ang kanilang pangkalahatang iskor. "Ang literacy ng data ay tinukoy ng MIT at Emerson University bilang ang kakayahang magbasa, magtrabaho, magsuri, at magtaltalan ng data, " ang sabi ni James Fisher, Bise Presidente ng Global Product Marketing sa Qlik. Sa ibaba ipinaliwanag niya ang bawat kakayahan:

a) Ang data ng pagbasa: nagsasangkot ng pag-unawa sa kung ano ang data at kung anong mga aspeto ng mundo na kinakatawan nito.

b) Ang pagtatrabaho sa data: nagsasangkot ng paglikha, pagkuha, paglilinis, at pamamahala nito.

c) Pag-aaral ng data: nagsasangkot ng pag-filter, pag-uuri, pag-iipon, paghahambing, at pagsasagawa ng iba pang mga tulad na operasyon sa analitiko.

d) Ang pakikipagtalo sa data: nagsasangkot ng paggamit ng data upang suportahan ang isang mas malaking salaysay na inilaan upang makipag-usap ng isang mensahe sa isang partikular na madla.

"Kung mayroong isang pag-alis mula sa 15 taon ng pakikipagtulungan sa mga organisasyon at data, ito ay: Ang mga gumagamit ng negosyo ay nagnanais na makahanap ng mga kwento sa kanilang data, at maghiwa-hiwalay at mag-dice ng walang katapusang makuha ang mga ito, " sabi ni Adam Nathan, tagapagtatag at CEO ng Brainbox Consulting, na binebenta kamakailan sa Logic20 / 20. "Kung saan nagpupumiglas sila ay isinalin kung ano ang kawili-wili sa kung ano ang maaaring kumilos. Sa parehong paraan, 50, 000 mga tagahanga sa isang baseball game na pag-ibig na tumingin sa mga istatistika ng manlalaro sa Jumbotron; kakaunti sa kanila ang may mga chops sa negosyo upang maglaro ng Moneyball."

2. Ang mga tamang katanungan ay ang lahat . Ang mga self-service BI apps ay bahagyang awtomatikong mga katulong ng app. Nangangahulugan ito na, karaniwang, ikaw ang dapat mag-isip ng tanong (aka, ang query). Napakahalaga ng pagbuo ng query na iyon sapagkat ang sagot ay kapaki-pakinabang lamang sa tanong. Ang isang pagbubukod sa panuntunang ito ay ang mga espesyal na apps tulad ng nabanggit na Salesforce Einstein Analytics, na nakatuon sa data ng mga benta at pamamahala ng relasyon sa customer (CRM) at sa gayon ay maaaring awtomatikong, sa pamamagitan ng Einstein, matukoy kung ano ang iyong nais na malaman mula sa iyong mga benta at datos ng mga kliente. Ang isa pang halimbawa ng isang espesyalista app ng BI ay ang Google Analytics na may pagtuon sa website at mobile data. Muli, ang set ng data ay isang mahusay na tinukoy na uri at ang mga query ay mahuhulaan at sa gayon ay pre-set.

Hindi sigurado kung saan magsisimula sa paghubog ng iyong query para sa isang mas pangkalahatang-layunin na BI app? Karaniwan ang mga pangunahing tagapagpahiwatig ng pagganap ng iyong kumpanya o industriya (KPIs) ay isang mahusay na panimula habang tinukoy nila ang pagsusuri na kilala na maging kapaki-pakinabang. Maaari mong simulan ang paglalagay ng layering o pagdaragdag ng mga nauugnay o bagong mga katanungan mula doon. "Ang mga KPI ay maaaring maging isang sukatan, tulad ng kabuuang kita, o pinagsama-samang mga sukatan, tulad ng kita sa bawat aktibong gumagamit, " sabi ni Ariel Michaeli, co-founder at CEO ng Appfigures. "Kaya mahalaga na ang BI platform ay may kakayahang gumamit ng maraming sukatan."

Huwag hayaan ang label na "self-service" sa mga BI apps na huminto sa iyo na humingi ng tulong sa IT o isang nakaranasang analyst ng negosyo. "Kung hindi ka makakahanap ng isang sukatan na hinahanap mo, tanungin! Posible na hindi ito bahagi ng paunang pag-rollout ng iyong solusyon sa BI, " sabi ni Doug Bordonaro, Chief Data Evangelist sa ThoughtSpot. "Maaaring masisiyahan ang isang analyst na idagdag ito nang mabilis para sa iyo."

At, habang ang paggawa ng query na iyong gagamitin ay mahalaga, kaya't inaasahan ang mga katanungan na malamang na darating pagkatapos mong ipakita ang mga resulta ng pagsusuri ng data dahil maaaring mag-udyok sa iyo na gumawa ng karagdagang pagsusuri. "Tiyaking masasagot mo ang anim na mga katanungan na pinaka-tinatanong ng mga tao dahil magtatanong sila, " payo ni Lucio Daza, Direktor ng Teknikal na Produkto sa Marketing sa AtScale.

3. Ang data ay ang alpha at ang omega ng buong ehersisyo. Ang isang mahusay na deal ay nakasalalay sa data na pinili mong gamitin. Ito ang gumagamit na pumili, naglo-load, at naglilinis ng data, kaya oo, ang onus ay karamihan sa iyo. Ang lumang adage na "basura sa, basura out" nalalapat pa rin. Tulad ng inilalagay ito ni Olivia Duane Adams, Chief Customer Officer at founding partner ng Alteryx: "Ang pag-unawa sa iyong katanungan ay ibabalik sa iyo ang data mismo, tulad ng pag-alam kung ano ang kinakailangan ng data at kung saan maaaring mabuhay. Matapos ang lahat, ang data ay hindi lumikha ng pananaw hanggang sa mailagay mo ito sa pamamagitan ng pagsusuri. "

Dapat mong isipin sa pamamagitan ng proseso, mula sa pagpili ng data hanggang sa pagbuo ng query, bago ka gumawa ng anumang bagay sa app. Kung hindi, pangingisda ka lang. Hindi ang paggalugad ng data ay walang lugar nito. Ngunit, kung kailangan mo ng mga tukoy na pananaw nang mabilis, pagkatapos mas mahusay mong tiyakin na nasa tamang lawa at dalhin ang tamang pain bago mo itapon ang unang linya. Tandaan na ikaw ang paksa ng paksa (SME), hindi ang makina. Gamitin ang iyong talento at karanasan upang malaman kung ano ang data na kailangan mo at i-martilyo ito sa pangunahing hugis bago sabihin sa software na gawin ang analytical na gawain.

Kaya, ano ang gagawin mo kung lubusang mabato ka bilang isang SME ngunit isa ring ganap na nawala na baguhan sa pagpili ng data at paggamit ng isang self-service BI app? "Kilalanin ang iyong lokal na gumagamit ng kuryente, " sabi ng Bordonaro ng ThoughtSpot. "Pagkakataon, mayroong isang taong nakaupo malapit sa iyo na maaaring magpakita sa iyo kung paano makapagsimula dahil ang hadlang sa pag-aaral ay mas mababa kaysa sa tradisyonal na mga produktong BI."