3 דברים שעליכם לדעת בכדי לשלוט באפליקציות bi בשירות עצמי

אמנם הרבה מאוד נעשו על יישומי בינה עסקית (BI) בשירות עצמי ועל דמוקרטיזציה של נתונים במהלך תקופת הזוהר של ביג דאטה, אך לא שומעים הרבה על כך. זה כאילו כל הדברים האלה כל כך שגרתיים ומוטבעים עמוק כל כך בעבודה היומיומית, עד שכבר לא נדרש דיון נוסף. הבאז דעך והעולם, כך נראה, עבר לדברים מפוארים ופנטסטיים כמו למידת מכונות (ML) ולמידה עמוקה וכל הדברים הבינה המלאכותית (AI).

אבל זו לא המציאות עבור אנליסטים עסקיים ומשתמשי קו בכל שורות החברות בכל מקום כיום. בעוד שאפליקציות BI בשירות עצמי התממשו, רבים עדיין משאירים משתמשים תקועים בין סלע סטטיסטי למקום קשה ויזואלי. לעולם אל תפחד, עזרה כאן!

מצביעי הישרדות גיליון עריסה

אם אינך יכול או לא תעשה מתמטיקה מעבר לחישוב טיפים כאחוז מחשבון ארוחת הערב שלך, חלוקת החשבון בין מספר סועדים או איזון חשבון הבדיקה שלך ברגע שתגיע הביתה, אל תדאג. לאמיתו של דבר, אנשים רבים אינם יכולים לעשות דברים אלה ללא עזרה של אפליקציה, או לפחות לא. אתה בוודאי לא לבד בכך שאתה קצת מופתע על דברים כמו אלגוריתמים, מדעי נתונים וסטטיסטיקה. וגם אם אתה לא מתבלבל מאף אחד מהדברים האלה, אולי אתה פשוט לא רוצה לעשות אותם. לא כולם רואים שזה כיף וזה בסדר גם.

תווי העריסה עבור אלה שמגלים סטטיסטיקה מתועבת או פשוט בלתי חדירה זהים: הימנע עם אפליקציות BI בשירות עצמי שפועלים משאילתות בשפה טבעית או שמאמצים את כל תהליך כריית הנתונים עד לבחירת הדמיות הנתונים. יישומים כאלה כוללים IBM Watson Analytics ו- Salesforce Einstein Analytics, בהתאמה. ולמה כן, שניהם מונעי AI.

גם לאפליקציות כמו אלה יש את המגבלות שלהם, ותמצא את המגבלות המפורטות בכלי ה- BI בשירות עצמי וכלי הדמיית הנתונים שלנו. אבל אפילו עם החסרונות שלהם, הם כלים מושלמים למתמודדים מתמטיים ואלה כביכול אלרגיים לסטטיסטיקה.

אין יישומי BI בשירות עצמי מבצעים את המתמטיקה?

מדוע, כן, הם כן; זה סוג של כל הנקודה שמאחורי היישומים האלה. הם חלקם עוזרים וירטואליים אוטומטיים למומחים אנושיים שרוצים רק את העובדות כדי שיוכלו להשחיר את השורה התחתונה. אז הנה! אתה לא מסוגל, סוג של, אולי. אתה לא צריך לסבול פלאשבקים מהזוועות המכללות של אלגברה לינארית וסטטיסטיקה מכיוון שיש את כל האפליקציות האלה לזה.

למרבה הצער, אתה עדיין צריך להבין איך הדברים האלה עובדים לפחות. אם אינך יכול להכריח את עצמך לבקר מחדש או לרענן את כישוריך בתחום זה, עיין בתווי העריסה שלמעלה.

אם אתה מעדיף להיות הכישרון המבוקש ביותר בתחום שלך, ה- hotshot החם ביותר בצוות, ואדון אשף הנתונים במקום העבודה בחברה שלך, אבל לא רוצה לצאת לכל הכותרות על מדען הנתונים, אז קח קורס מהיר באינטרנט כדי לחדד את הבנתך בסטטיסטיקה. כמה דוגמאות לספקיות חינוך מקוון לסטטיסטיקה בסיסית ומתקדמת כוללות את האקדמיה לחאן, Statistics.com ו- Udemy.

לא, אינך צריך תואר בסטטיסטיקה כדי להשתמש באפליקציות BI בשירות עצמי; רק ידיעה עובדתית של משמעות המונחים ומה המושגים זה יספיק. אז, אפילו כמה פודקאסטים, אולי כמו הסדרה הזו, עשויים להספיק בכדי לגרום לך למסלול הנכון.

ככל שתבינו יותר על נתונים סטטיסטיים, כך תוכלו להיות טובים יותר. אם אין דבר אחר, תוכל להבין טוב יותר באילו נתונים אתה צריך להשתמש, מדוע אתה צריך לזרוק מחלקים, אילו נתונים להקצות לאיזה ציר בעת תכנון תרשים ואיך לעצב שאילתה שימושית. תהיה לך גם הרבה יותר אמון בניתוח אם אתה יודע מה לחפש. "אתה צריך להיות בטוח כי התהליכים והבקרות הנכונים קיימים בכדי להבטיח שהנתונים יהיו מדויקים, " אומר מייק דינסינג, סמנכ"ל טכנולוגיה וסמנכ"ל ההנדסה ב- Skuid. "כדוגמה, אתה לא רוצה להציג מגמה לצוות המנהל שלך שהוא טרי מכלי ה- BI המשוכלל שלך, רק כדי לגלות מאוחר יותר זה לגמרי לא בסדר."

שלושת הדברים שאתה צריך לדעת

בהנחה שכבר בחרתם באחת מהאפליקציות המונעות על ידי AI או באחת מהאפליקציות ה- BI עם השירות המועמד יותר בשירות עצמי המתמטי במתמטיקה, להלן שלושה דברים שעליכם לדעת בכדי לנצל את היישומים הטובים ביותר ביישומי BI בשירות עצמי.

1. אוריינות נתונים זה דבר אמיתי שאתה צריך. כן, נגענו בזה מוקדם יותר בדיון בערך כישורי מתמטיקה מסוימים. אך חשוב גם להסביר מהי אוריינות הנתונים והכישורים עליהם כנראה צריך להתמקד כדי לשפר את הציון הכולל שלהם. "אוריינות הנתונים מוגדרת על ידי MIT ואוניברסיטת אמרסון כיכולת לקרוא, לעבוד, לנתח ולהתווכח עם נתונים", מציין ג'יימס פישר, סגן נשיא שיווק מוצרים גלובלי ב- Qlik. להלן הוא מסביר כל יכולת:

א) קריאת נתונים: כוללת הבנה של נתונים ואילו היבטי העולם הם מייצגים.

ב) עבודה עם נתונים: כרוכה ביצירה, רכישה, ניקיון וניהולם.

ג) ניתוח נתונים: כרוך בסינון, מיון, צבירה, השוואה וביצוע פעולות אנליטיות כאלה.

ד) התווכחות עם נתונים: כרוך בשימוש בנתונים לתמיכה בנרטיב גדול יותר שנועד להעביר הודעה לקהל מסוים.

אדם נתן, מייסד ומנכ"ל חברת הייעוץ Brainbox, אומר: "אם יש שילוב של 15 שנה של עבודה עם ארגונים ונתונים, זה משתמשי. עסקיים מאוד אוהבים למצוא סיפורים בנתונים שלהם. שמכר לאחרונה ל- Logic20 / 20. "במקום בו הם נאבקים הוא לתרגם את מה שמעניין למה שאפשר לעשות. באותו אופן, 50, 000 אוהדים במשחק בייסבול אוהבים להסתכל על סטטיסטיקות שחקנים בג'ומבוטרון; מעט מאוד מהם מחזיקים בצ'ופרים העסקיים לשחק Moneyball."

2. השאלות הנכונות הן הכל. אפליקציות BI בשירות עצמי הן עוזרות אפליקציות אוטומטיות חלקיות. משמעות הדבר היא שבדרך כלל אתה זה שצריך לחשוב על השאלה (aka, השאילתה). יצירת השאילתה הזו חשובה מאוד מכיוון שהתשובה שימושית באותה מידה כמו השאלה. חריג אחד לכלל זה הם אפליקציות ייעודיות כגון Salesforce איינשטיין אנליטיקס הנ"ל, המתמקד בנתוני מכירות וניהול קשרי לקוחות (CRM) וכך יכול באופן אוטומטי באמצעות איינשטיין לקבוע מראש את מה שאתה רוצה לדעת מהמכירות שלך ו נתוני לקוחות. דוגמא נוספת ליישום BI ייחודי היא גוגל אנליטיקס עם ההתמקדות שלה בנתוני אתרים וניידים. שוב, מערך הנתונים הוא מסוג מוגדר היטב והשאילתות ניתנות לחיזוי ולכן מוגדרות מראש.

אינך בטוח איפה להתחיל בעיצוב השאילתה שלך עבור אפליקציית BI לשימוש כללי יותר? בדרך כלל מדדי הביצועים העיקריים של החברה או התעשייה הם נקודת פתיחה טובה מכיוון שהם מגדירים ניתוח שכבר ידוע כמועיל. אתה יכול להתחיל בשכבות או להוסיף שאלות קשורות או חדשות משם. אריאל מיכאלי, מייסד-שותף ומנכ"ל Appfigures, אומר: "KPIs יכולים להיות מדדים יחידים, כמו הכנסות כוללות, או מדדים מורכבים, כמו הכנסות לכל משתמש פעיל. "לכן חשוב שלפלטפורמת ה- BI תהיה את היכולת להשתמש בערכים מרובים."

אל תתנו לתווית "שירות עצמי" ביישומי BI אלה לעצור אותך מלבקש IT או אנליסט עסקי מנוסה לעזרה. "אם אינך מצליח למצוא מדד שאתה מחפש, שאל! יכול להיות שזה לא היה חלק מההפעלה הראשונית של פיתרון ה- BI שלך, " אמר דאג בורדונארו, מפקד הנתונים הראשי ב- ThoughtSpot. "אנליסט אולי ישמח להוסיף אותו במהירות בשבילך."

ולמרות שעיצוב השאילתה שתשתמש בה הוא קריטי, לכן ציפייה לשאלות שעשויות להגיע לאחר שתציג את תוצאות ניתוח הנתונים מכיוון שזה עשוי לבקש ממך לבצע ניתוח נוסף. "וודא שאתה יכול לענות על שש השאלות שאנשים סביר להניח ישאלו מכיוון שהם ישאלו", מייעץ לוסיו דאזה, מנהל שיווק מוצרים טכניים ב- AtScale.

3. נתונים הם האלפא והאומגה של כל התרגיל. מידה רבה תלויה בנתונים שבהם בחרת להשתמש. המשתמש הוא זה שבוחר, טוען ומנקה את הנתונים, אז כן, האונוס הוא בעיקר בך. האמרה הישנה "זבל פנימה, אשפה החוצה" עדיין חלה. כפי שאומר אוליביה דואן אדמס, קצין לקוחות ראשי ושותף מייסד של אלטריקס: "הבנת השאלה שלך תחזיר אותך לנתונים עצמם, כמו לדעת אילו נתונים נחוצים ואיפה הם עשויים לגור. אחרי הכל, נתונים לא יוצרים תובנה עד שתעבור את זה לניתוח."

עליכם לחשוב על התהליך, החל בבחירת נתונים וכלה בהקמת שאילתה, לפני שתעשו משהו עם האפליקציה. אחרת, אתה פשוט לדוג. לא שלחקירת נתונים אין את מקומה. אבל, אם אתה זקוק לתובנות ספציפיות במהירות, כדאי שתוודא שאתה נמצא ליד הבריכה הנכונה ונושא את הפיתיון הנכון לפני שתטיל את הקו הראשון. זכור שאתה המומחה בנושא (SME) ולא המכונה. השתמש בכישרונך ובניסיונך כדי להבין אילו נתונים אתה זקוק וכדי לפטיש אותם בצורה מעולה לפני שאתה אומר לתוכנה לבצע את עבודת האנליזה.

אז מה אתה עושה אם אתה מתנדנד לחלוטין כ- SME אבל גם טירון אבוד לחלוטין בבחירת נתונים ושימוש באפליקציית BI בשירות עצמי? "הכר את משתמש הכוח המקומי שלך", אומר בורדונרו של ThoughtSpot. "רוב הסיכויים שיש מישהו שיושב קרוב אליך מאוד שיוכל להראות לך איך להתחיל, מכיוון שמחסום הלמידה כל כך נמוך ממוצרי BI מסורתיים."