[ad_1]

تأمین کنندگان به طور مداوم ویژگی های جدیدی را به محصولات خود اضافه می کنند ، اما برخی موارد اساسی وجود دارد که کسب و کارها باید قبل از دیدن مزایای آنها ، درست آنها را انجام دهند.

تصویر: tippapatt - stock.adobe.com

تصویر: tippapatt – stock.adobe.com

ارائه دهندگان سیستم های هوش و تجارب تجاری اکنون قابلیت های پیشرفته تجزیه و تحلیل را فراهم می کنند که دانشمندان داده شهروند را قادر می سازند. به طور خاص ، آنها از قابلیت درک زبان طبیعی برای جستجوی زبان طبیعی و ارائه نتایج با استفاده از تولید زبان طبیعی استفاده می کنند. نتیجه یک “مکالمه” بین کاربر و سیستم است. ابزارهای پیشرفته تجزیه و تحلیل همچنین با مدل های یادگیری ماشین از پیش ساخته شده در دسترس هستند تا هر کاربر را قادر به پیش بینی های یک کلیک ، شناسایی روندها و معکوس کردن ، ناهنجاری ها ، شرایط اضطراری – وظایفی که در گذشته مشارکت لازم داشته اند ، کنید. توسط دانشمندان حرفه ای داده به طور خلاصه ، فرصت های زیادی وجود دارد ، اما بسیاری از مشاغل مجبورند راه خود را پیش از آنکه واقعاً “با بصیرت” کارشان مدیریت شود ، طی کنند.

طبق وبلاگ اخیر Forrester VP و تحلیلگر ارشد بوریس اوللسون ، “فقط 7٪ از شرکتها بهترین روشها را بر اساس بینش گزارش می دهند … کمتر از 20٪ از کل داده های تجاری و عملیاتی خام آن را به پایگاه داده ها و برنامه های تجزیه و تحلیل تبدیل می کند و فقط 20٪ از کارمندان دانش شرکت ها که می توانند از برنامه های تجزیه و تحلیل کلاس سازمانی بهره مند شوند ، این کار را می کنند. “

اگرچه ارائه دهندگان تجزیه و تحلیل پیشرفته دائماً ویژگی های جدیدی را به محصولات خود اضافه می کنند ، اما برخی از موارد مهم وجود دارد که مشاغل باید آنها را به درستی انجام دهند.

چرا شرکت ها در تلاش هستند

ارائه دهندگان BI و تجزیه و تحلیل بسیار رقابتی هستند ، تا حدی که Evelson تفاوت کمی بین آنها می بیند. به محض اینکه یک ارائه دهنده ویژگی جدیدی را معرفی می کند ، بقیه نسخه خود را در نسخه بعدی قرار می دهند.

بوریس ایولسون ، فارستر

بوریس ایولسون ، فارستر

دلایلی که شرکت ها به اهداف تحلیلی خود نمی رسند ، ارتباط کمتری با فناوری و بیشتر با فرایندها و افراد دارد.

ایولسون گفت: “فناوری تنها بخش كمی از معادله كلی برای موفقیت است. این افراد ، فرایندها ، داده ها ، استراتژی و تعداد بسیاری از مدیران مایل به سرمایه گذاری در آن هستند.” “دلیل اینکه شرکتها هنوز از تمام مزایایی که تجزیه و تحلیل پیشرفته می تواند ارائه دهد بهره کافی نگرفته اند ، به هیچ وجه تقصیر فناوری نیست.”

با این حال ، فناوری نیز نقش دارد. به عنوان مثال ، اگرچه پایگاه های داده رابطه ای و چند بعدی می توانند به بسیاری از سوالات پاسخ دهند ، اما برای درک روابط به پایگاه داده های گرافیکی نیاز است.

ایولسون گفت: “وقتی به سه یا چهار درجه جدایی رسیدید ، تحلیل سنتی خیلی خوب کار نمی کند ، بنابراین شما باید چیزی مانند تجزیه و تحلیل گرافیکی داشته باشید.”

وی همچنین گفت که برای ساختن یک لایه معنایی بر روی تجزیه و تحلیل ، هنوز کارهای زیادی باید انجام شود.

علاوه بر این ، تجزیه و تحلیل نسل قبلی به معضل “من نمی دانم چه نمی دانم” (ناشناخته های ناشناخته) پاسخ نمی دهد.

“چرا ما نمی توانیم سیستمی داشته باشیم که در پس زمینه اجرا شود و بتواند چیز جالبی مانند ناهنجاری ، انحراف ، استثنا یا تغییر روند پیدا کند بدون اینکه بخواهیم آن را بخواهیم؟ ما این را به عنوان آینده تجزیه و تحلیل پیشرفته می بینیم.” گفت اولسون. “ما تجزیه و تحلیل پیشرفته را به عنوان یک نوع فشار تحلیلی در نظر می گیریم [in the past,] من مجبور شدم اطلاعات را بارگیری کنم ، از او بپرسید. “این نوع فن آوری ها در حال ظهور هستند. فارستر این زیر بخش بازار را” تشخیص ناهنجاری “می نامد ، اما خیلی زود است.

آنچه تأمین کنندگان انجام می دهند

BI با پانل های کنترل به گزارش ها و تجزیه و تحلیل ها متصل می شود. با این حال ، ارائه دهندگان BI و تجزیه و تحلیل ، گزارش ها و داشبوردها را ارائه می دهند. اخیراً ، آنها قابلیت های تجزیه و تحلیل پیشرفته را اضافه کرده اند.

داشبوردهای Analytics راهی برای نظارت بر KPI ها ارائه می دهند. آنها همچنین ویژگی های تعاملی مانند فیلتر کردن ، مرتب سازی و چرخش را فراهم می کنند تا کاربران بتوانند داده ها را به روش های مختلف مشاهده کنند.

ریتا سلام ، گارتنر

ریتا سلام ، گارتنر

“چالش با این کار دستی بودن آن است. [It’s also difficult] برای کسی که یک تحلیلگر باتجربه نیست ، “گفت ریتا سلام ، معاون برجسته رئیس جمهور و گارتنر.” ما تجزیه و تحلیل گسترده را به عنوان ادامه این الگوی داشبورد می دانیم. “

به جای شناسایی آمار با تعامل با داشبورد ، تجزیه و تحلیل پیشرفته به طور خودکار آماری را براساس درخواست های زبان طبیعی کاربران ایجاد می کند. نمودارها شامل متن توصیفی است که معنی نمودار را توضیح می دهد. زبان و قابلیت های جستجوی داستان طبیعی ، استفاده از ابزارهای پیشرفته تجزیه و تحلیل را برای استفاده “دانشمندان داده شهروند” که کاربران باتجربه هستند ، آسان تر و کاربردی تر می کند.

آموزش مهم است

اگرچه ابزارهای تجزیه و تحلیل پیشرفته پیچیدگی تحلیل را تجزیه می کنند ، اما سادگی حاصل جایگزین تفکر تحلیلی نمی شود. با این حال ، بیشتر افراد در مشاغل آموزش رسمی در زمینه تجزیه و تحلیل داده ها ندارند.

سلام گفت: “هرچه بیشتر خودکار شوید ، بیشتر باید افراد را آموزش دهید.” “در گذشته ، ما به مردم نحوه استفاده از این ابزار را یاد می دادیم. حال باید به مردم بیاموزیم كه چگونه انتقادی بیندیشند ، از داده ها در متن آنها استفاده كنند و بفهمند چه چیزی معتبر یا نامعتبر است ، بنابراین آنها می توانند درباره بینش خودكار قضاوت كنند. که در حال حاضر هستند [presented] به آنها.”

یک سوال گسترده تر این است که آیا تجزیه و تحلیل که به روشی منطبق با اهداف تجاری انجام می شود یا خیر ، زیرا بینش ها در صورت وجود ارزش کمی دارند ، در صورتی که مقدم بر آنچه شرکت در تلاش برای دستیابی به آن است ، باشند.

نکته مهم دیگر این است که دانشمندان داده جانشین دانشمندان داده نیستند. این دو باید با هم کار کنند. برای انجام این کار ، دانشمندان داده شهروندان باید دارای اطلاعات کافی باشند.

سلام گفت: “شما نمی توانید فقط یک تحلیلگر یا حتی یک کاربر را به استفاده از ایده هایی که آزمایش و اعتبارسنجی نشده اند ، جلب کنید.” “همکاری بین کارشناسان داده و این شهروندان داده در حال ظهور بسیار مهم است.”

رائو آناند ، PwC

رائو آناند ، PwC

آناند رائو ، رئیس جهانی هوش مصنوعی در شبکه خدمات حرفه ای چند ملیتی PwC ، گفت همه افراد شرکت او در زمینه فن آوری های دیجیتال آموزش دیده اند که شامل تجزیه و تحلیل داده ها و اتوماسیون هوشمند است زیرا آنها دست به دست هم می دهند.

“ما انتظار نداریم که آنها محقق داده ، توسعه دهنده پایتون یا توسعه دهنده نرم افزار شوند ، اما ما می خواهیم آنها بدانند که سیستم چه کاری انجام می دهد ، چرا این کار را انجام می دهد. [it]، چگونه می توان سوالات صحیح را مطرح کرد و همچنین خطرات کلیدی را که باید هنگام توصیه سیستم به آنها فکر کرد ، درک کنید. برای اینکه همه چیز را مسلم نپذیریم بلکه بتوانیم ثابت کنیم و ببینیم چه زمانی [a recommendation] مغایر با شهود شماست. من فکر می کنم این نوع آموزش به طور کلی بسیار ضروری است. “

ردیف پایین

ابزارهای پیشرفته تجزیه و تحلیل به سازمانها کمک می کند تا مسیر بهتری داشته باشند ، اما این ابزار فقط یک ابزار است. مشاغل باید با قرار دادن حصارهای محافظتی لازم در اطراف خود مانند مدیریت و امنیت و آموزش تجزیه و تحلیل پیشرفته ، شرایط سختی را برای دستیابی به داده ها انجام دهند. که آنها می توانند ارزش تجاری بینش ها را مدیریت کنند.

برای تجزیه و تحلیل پیشرفته این مقالات را دنبال کنید:

تجزیه و تحلیل پیشرفته برای تسهیل AI و BI در سال 2021 در حال پیشرفت است.

10 روند تسریع کننده حاشیه محاسبات

تجزیه و تحلیل پیشرفته موج بعدی هوش مصنوعی ، یادگیری ماشین ، BI را هدایت می کند

لیزا مورگان یک نویسنده مستقل است که داده های بزرگ و BI را برای InformationWeek پوشش می دهد. وی در مقالات ، گزارش ها و انواع دیگر مطالب در نشریات و سایت های مختلف شرکت کرده است ، از SD Times گرفته تا واحد هوشمند اکونومیست. مناطق مشترک پوشش شامل … بیوگرافی کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم [contact us directly] با س questionsالات در مورد سایت.

بینش بیشتر



[ad_2]

منبع: tasiveh-news.ir