3 Coses que heu de saber per dominar les aplicacions bi autoservei

Tot i que es va dedicar molt a les aplicacions d’intel·ligència empresarial autoservei (BI) i a la democratització de dades durant l’últim dia del Big Data, ara no se’n sap gaire. És com si totes aquestes coses fossin tan rutinàries i tan arrelades en la feina diària que no es necessita més discussió. El buzz s’ha esvaït i, segons sembla, el món ha passat a coses fantàstiques, fantàstiques com l’aprenentatge automàtic (ML) i l’aprenentatge profund i totes les coses a la intel·ligència artificial (AI).

Però aquesta no és la realitat dels analistes empresarials i els usuaris de les línies a través de les files de les empreses arreu en l'actualitat. Mentre que les aplicacions de BI d’autoservei s’han materialitzat, moltes encara deixen als usuaris enganxats entre un bloc estadístic i un lloc dur visualitzat. No tingueu mai por, l’ajuda és aquí!

Fulls de bressol Punts de supervivència

Si no podeu o no feu matemàtiques més enllà del càlcul de consells com a percentatge de la factura del sopar, dividiu la factura entre diversos comensals o equilibreu el compte corrent un cop arribeu a casa, no hi ha cap problema. De fet, moltes persones no poden, o almenys no ho fan, sense l'ajuda d'una aplicació. De ben segur que no estàs solament en ser una mica mistificat per a coses com algorismes, ciències de dades i estadístiques. I, fins i tot si no us deixa consternar alguna cosa d’aquestes, potser no voleu fer-les. No tothom considera que això és divertit i està bé, també està bé.

Les notes de bressol per a aquells que trobin estadístiques abominents o simplement impenetrables són les mateixes: s'adhereixen a les aplicacions de BI d'autoservei que funcionen a partir de consultes de llenguatge natural o que han automatitzat tot el procés de mineria de dades fins a la selecció de visualitzacions de dades. Aquestes aplicacions inclouen IBM Watson Analytics i Salesforce Einstein Analytics, respectivament. I, per què sí, ambdues són basades en IA.

Aplicacions com aquestes també tenen les seves limitacions i, a continuació, trobareu aquestes limitacions detallades a les nostres eines de BI d’autoservei i a les eines de visualització de dades de revisió de ressenyes. Però, fins i tot amb els seus inconvenients, són eines perfectes per als desafiaments matemàtics i aquells que semblen al·lèrgics a les estadístiques.

No feu les aplicacions de BI-Autoservei: matemàtiques?

Per què, sí, ho fan; aquest és el tema que hi ha darrere d'aquestes aplicacions. Són assistents virtuals en part automatitzats per a experts humans que només volen els fets perquè puguin embrutir el fons. Llavors! Potser estàs fora del ganxo. No heu de patir retrocessos als horrors universitaris de l'àlgebra lineal i les estadístiques, perquè hi ha totes aquestes aplicacions.

Malauradament, encara heu d’entendre com funcionen aquestes coses, com a mínim. Si simplement no us podeu obligar a revisar o actualitzar les vostres habilitats en aquest àmbit, consulteu les notes de bressol anteriors.

Si preferiu ser el talent més desitjat del vostre camp, el més important punt de l'equip i el mestre de l'assistència de dades de feina de la vostra empresa, però no voleu sortir pel títol de científic de dades, a continuació, feu un curs en línia ràpid per aguditzar la comprensió de les estadístiques. Alguns exemples de proveïdors d’educació en línia per a estadístiques bàsiques i avançades inclouen Khan Academy, Statistics.com i Udemy.

No, no cal tenir un títol en estadístiques per utilitzar aplicacions de BI d'autoservei; Només tindrem coneixement del que signifiquen els termes i del que són els conceptes. Per tant, fins i tot alguns podcasts, tals com aquesta sèrie, poden ser suficients per portar-vos al bon camí.

Com més entengueu sobre les estadístiques, us resultarà millor. Si no és res més, entendreu millor quines dades heu d’utilitzar, per què heu de publicar els outliers, quines dades assignar a quin eix quan traça un gràfic i com donar forma a una consulta útil. També tindreu molta més confiança en l’anàlisi si sabeu què heu de buscar. "Heu d'estar segurs que hi ha processos i controls adequats per garantir que les dades siguin exactes", afirma Mike Duensing, cap de tecnologia i vicepresident executiu d'enginyeria de Skuid. "Com a exemple, no voldreu presentar una tendència al vostre equip executiu, que és fresc de la vostra eina de BI més moderna, només per esbrinar més endavant que està completament equivocat."

Les 3 coses que cal saber

Si suposeu que ja heu escollit una de les aplicacions basades en AI o una de les aplicacions de BI d'autoservei autoservei més basades en usuaris, es tracta de tres coses que heu de saber per aprofitar al màxim les aplicacions de BI d'autoservei.

1. Cal que l’alfabetització de dades sigui real. Sí, ho vam tocar anteriorment en la discussió sobre el valor de certes habilitats matemàtiques. Però és important explicar també en què consisteix l’alfabetització de dades i les habilitats en les que cal centrar-se. "L'alfabetització de dades és definida pel MIT i la Universitat Emerson com la capacitat de llegir, treballar, analitzar i discutir amb dades", assenyala James Fisher, vicepresident de Màrqueting Global de Productes de Qlik. A continuació explica cada habilitat:

a) Lectura de dades: implica comprendre quines dades són i quins aspectes del món representen.

b) Treballar amb dades: implica crear, adquirir, netejar i gestionar-les.

c) Analitzar dades: consisteix en filtrar, ordenar, agregar, comparar i realitzar altres operacions analítiques.

d) Argumentar amb dades: consisteix en utilitzar dades per donar suport a una narració més gran destinada a comunicar un missatge a una determinada audiència.

"Si es treballa amb 15 anys de treball amb organitzacions i dades, això és: als usuaris de negocis els agrada trobar històries a les seves dades, i retallaran infinitat per obtenir-les", afirma Adam Nathan, fundador i conseller delegat de Brainbox Consulting, que recentment va vendre a Logic20 / 20. "On lluiten és traduir el que és interessant en allò que pot ser accionable. De la mateixa manera, 50.000 aficionats a un partit de beisbol encanten de mirar les estadístiques dels jugadors al Jumbotron; molt pocs tenen els talls de negoci per jugar a Moneyball".

2. Les preguntes correctes ho són tot. Les aplicacions d'autoservei BI són assistents d'aplicacions parcialment automatitzades. Això vol dir que, normalment, ets qui ha de pensar en la pregunta (aka, la consulta). Formar aquesta consulta és molt important perquè la resposta només és tan útil com la pregunta. Una excepció a aquesta regla són les aplicacions especials com el mencionat Salesforce Einstein Analytics, que es centra en les dades de gestió de relacions de vendes i clients (CRM) i, per tant, automàticament, mitjançant Einstein, poden determinar el que voldreu saber de les vostres vendes i dades del client. Un altre exemple d’aplicació especialitzada de BI és Google Analytics amb un enfocament especial en el lloc web i les dades mòbils. De nou, el conjunt de dades és d’un tipus ben definit i les consultes són previsibles i, per tant, es poden configurar prèviament.

No esteu segur d’on començar a configurar la consulta per a una aplicació BI d’ús més general? Normalment, els principals indicadors de rendiment de la vostra empresa o indústria (KPI) són un bon punt de partida, ja que defineixen l’anàlisi que ja és útil. A partir d’aquí, podeu començar a aparcar o afegir preguntes relacionades o noves. "Els indicadors d'interès general poden ser mètriques úniques, com els ingressos totals, o mètriques compostes, com els ingressos per usuari actiu", afirma Ariel Michaeli, cofundador i conseller delegat d'Appfigures. "Així que és important que la plataforma de BI tingui la possibilitat d'utilitzar diverses mètriques."

No deixeu que l'etiqueta "autoservei" d'aquestes aplicacions de BI impedeixi sol·licitar ajuda a TI o a un analista empresarial amb experiència. "Si no trobeu una mètrica que busqueu, pregunteu-la. És possible que no formés part del llançament inicial de la vostra solució de BI", va dir Doug Bordonaro, Evangelista en cap de dades de ThoughtSpot. "Un analista pot estar encantat d'afegir-lo ràpidament."

I, tot i que heu de dissenyar la consulta que fareu servir, també us haureu d’esperar a les preguntes que pugueu presentar després de presentar els resultats de l’anàlisi de dades, ja que això us pot implicar fer més anàlisis. "Assegureu-vos que pugueu respondre a les sis preguntes que és més probable que us formulin les persones perquè faran ", aconsella Lucio Daza, director de Màrqueting Tècnic de Productes d'AtScale.

3. Les dades són l’alfa i l’omega de tot l’exercici. Molt depèn de les dades que trieu. És l’usuari qui tria, carrega i neteja les dades, de manera que sí, l’ONUS té la seva majoria. Encara s'aplica l'antic llenguatge "escombraries, escombraries". Com ho diu Olivia Duane Adams, directora de clients i sòcia fundadora d’Alteryx: "Comprendre la vostra pregunta us tornarà a les dades en si, com saber quines dades es necessiten i on podrien viure. Al cap i a la fi, les dades no creen coneixement. fins que ho poseu mitjançant l'anàlisi ".

Abans de fer res amb l'aplicació, heu de pensar en el procés, des de la selecció de dades fins a la formació de consultes. En cas contrari, només estàs pescant. No és que l’exploració de dades no tingui el seu lloc. Tanmateix, si necessiteu informació ràpida sobre aspectes específics, millor que us assegureu que esteu a l’estany adequat i porteu l’esquerre correcte abans de llançar la primera línia. Recordeu que sou els experts en matèria (PIME) i no la màquina. Utilitzeu el vostre talent i experiència per conèixer quines dades necessiteu i combinar-les de forma òptima abans de demanar al programari que faci el treball analític.

Aleshores, què feu si penseu totalment com a pime però també sou un novici completament perdut a l’hora de seleccionar dades i d’utilitzar una aplicació BI d’autoservei? "Conegui el teu usuari elèctric local", afirma Bordonaro de ThoughtSpot. "El més probable és que hi ha algú assegut molt a prop teu, que et pugui mostrar com començar, ja que la barrera per aprendre és molt inferior als productes tradicionals de BI".