бизнес-аналитика

Я часто задаюсь вопросом, как далеко продвинулась наша отрасль в разработке стратегии бизнес-аналитики (BI), и я считаю, что за эти годы многие компании совершили невероятный качественный скачок в управлении данными, сделав их наиболее эффективными и, следовательно, более конкурентоспособными и прибыльными. . Однако, где мы сейчас? Какой будет стратегия на ближайшие несколько лет? Какие тенденции лежат в основе хорошей стратегии BI? Это вопросы, которые важно учитывать в свете скорости изменений.

Начнем с одной уверенности: сегодня есть более доступные технологии, больше человеческого капитала, обученного этим вопросам, и, в целом, больше возможностей для интеграции аналитики в наш репертуар деятельности, к которой раньше было очень трудно получить доступ.

Это что-то, чтобы увидеть количество курсов, специализаций, людей, заинтересованных в том, чтобы войти в мир, который был оценен как важная ниша развития на ближайшие годы. Но это приводит к другому вопросу анализа, который не находится в центре внимания данной заметки.

В этом смысле я хочу сосредоточиться на пользователях данных и на том, как они меняются с той же скоростью, что и технологический прогресс. И заключается она в том, что наличие более совершенных и обильных технологий в этом вопросе напрямую влияет на демократизацию аналитических активов, децентрализацию принятия решений и, кстати, на постоянную грамотность пользователей в вопросах, ранее совершенно неизвестных. и это, казалось бы, исключительно для избранной группы ультраспециализированных профессионалов, таких как машинное обучение, искусственный интеллект, алгоритмы для продуктивной эффективности, среди прочего.

Я уже указывал в других случаях на бум использования данных и на то, как они генерируют услуги, о которых никогда не думали, и многие из них только с помощью мобильного устройства.

И один из центральных вопросов, который я осмеливаюсь поставить перед собой, звучит так: как BI-сервисы движутся в том же направлении, что и технологические и пользовательские трансформации?

Как я указывал ранее, сегодня использование бизнес-аналитики в компаниях становится все более требовательным с каждым днем, где хорошей стратегии визуализации в сочетании с хорошим анализом недостаточно, но также этот опыт содержит элементы, которые сегодня уже являются тенденцией в приложениях. и стартапы.

Например, кто-то помнит, какими были отчеты всего 10 лет назад, потрясающие макросы, появляющееся программное обеспечение для визуализации в небольшом количестве компаний, плохая обработка (без сегодняшнего предложения для облачной разработки) и ограничение доступа к расширенной аналитике, такой как некоторые методы машинного обучения. и модели «черный/белый ящик» в некоторых отраслях.

Сегодня, с развитием технологий, можно структурировать сервис, думая не о долгосрочной перспективе, а о настоящем.

С моей точки зрения, важно подумать о некоторых столпах, которые необходимы при разработке стратегии бизнес-аналитики для разных типов пользователей:

  1. Доступность: то, что ваши аналитические активы могут использоваться кем угодно, является неотъемлемым атрибутом хорошей работы по визуализации, однако не все люди обладают одинаковыми техническими навыками для подготовки отчета. Тогда становится необходимым, чтобы ваши отчеты соответствовали эффективности когнитивных ресурсов пользователей. Это: лучший доступ, удобная визуализация и четкий акцент на пользовательском опыте. Например, уже некоторое время вы можете разрабатывать модули вопросов и ответов с вашими данными (Пример PowerBI Q&A), что значительно облегчает доступ к бизнес-показателям. То же самое с интеллектуальным повествованием: пусть ваши данные будут рассказаны так, как если бы это была история, и все это с помощью механизмов искусственного интеллекта, которые позволяют вам использовать ваши данные менее традиционным способом и больше ориентироваться на нескольких пользователей.
  2. Децентрализовано: не все происходит в одном месте, сегодня возможности взаимодействия с данными могут предоставляться несколькими способами; будь то в официальных отчетах, в автоматизированных электронных письмах, в инфографике, в приложении и т. д.

Кто знает, будет ли завтра голосовой помощник. Давайте на минутку представим возможность того, что голосовой помощник позволяет нам потреблять данные по нашей милости, как при заказе пиццы.

  1. Предсказание: Для многих коллег эта заметка может быть привязана к 10-летней давности, однако поверьте мне, что не все компании имеют политику расширенной аналитики, которая позволяет им выжимать данные за пределы исследовательского описательного анализа. В этом смысле для отрасли крайне важно перейти к стратегии, которая позволит нам использовать данные, чтобы получить от них максимальную отдачу. Я рекомендую внимательно изучить тип данных и проблему, которую вы хотите решить:
  2. Это будет то, что у меня будет возможность сделать временные ряды, учитывая мои базы продаж, запасы, цену среди других переменных. Сегодня есть инструменты, которые позволяют это сделать за пару минут, и это интересно, пока мы развиваем технические возможности для интерпретации этих моделей.
  3. Смогу ли я выполнять регрессионные или классификационные модели: это будет зависеть от зрелости культуры данных в вашей компании, уровня приверженности обработке данных. Давайте вспомним классическое правило, согласно которому процесс расширенной аналитики на 80 % приходится на предварительную обработку и проектирование переменных, а остальные 20 % — на применение самой модели. Я углублюсь в это в другой заметке.

В заключение, мы плаваем в океане возможностей, чтобы быть намного более продуктивными и знать, как максимально использовать наши данные. В этом смысле мы несем ответственность за то, чтобы справиться с этим наилучшим образом.