التحليلات المعززة: ما تحتاج إلى معرفته لعام 2019
نشرت: 2019-02-23عندما تبدأ الشركات أو تستمر في رحلة التحول الرقمي الخاصة بها ، يزداد حجم البيانات التي تتعامل معها من حيث الحجم والتعقيد.
التحليلات التقليدية - عملية إعداد البيانات وتحليلها ، وتفسير النتائج ورواية القصص باستخدام تلك البيانات - هي عملية يدوية تستغرق وقتًا طويلاً. ويشكل تحديات كبيرة للشركات التي تحاول التعامل مع التدفق المستمر للبيانات.
من أجل تلبية الجداول الزمنية لاستعداد السوق للتحول الرقمي ، أصبح من الضروري تقليل الوقت الذي تستغرقه التحليلات اليدوية.
للقيام بذلك ، يمكننا زيادة علماء البيانات البشرية بالتعلم الآلي (ML) والذكاء الاصطناعي (AI) لتسريع كل خطوة في رحلة التحليلات - وهو ما يسمى التحليلات المعززة.
خلال الـ 12-18 شهرًا الماضية ، نمت التحليلات المعززة كمجال وبدأ المزيد من المؤسسات في قبول هذه العملية.
بدأت الشركات التي تشهد تحولًا رقميًا عبر العديد من الصناعات مثل الأدوية وتجارة التجزئة والتصنيع والمزيد في استخدام التحليلات المعززة.
أعتقد أنه في العام المقبل سيصبح هذا المجال الناشئ مستخدَمًا ومفهومًا على نطاق واسع.
خلفية موجزة عن التحليلات المعززة
في منتصف العقد الأول من القرن الحادي والعشرين ، أصبح التخزين السحابي وقوة الحوسبة المتاحة على نطاق واسع أكثر انتشارًا. تسبب هذا في انفجار تحليلات البيانات الضخمة.
كان هذا تغييرًا كبيرًا ، لكن العملية كانت لا تزال يدوية إلى حد كبير - مما يعني أنه لا يزال يتعين على متخصصي التحليلات كتابة كميات كبيرة من التعليمات البرمجية.
قبل ثورة البيانات الضخمة ، ربما احتاجت الشركات إلى مسح آلاف التدفقات للحصول على رؤى ذات مغزى ، لكننا اليوم نتحدث عن ملايين التدفقات.
أصبح السؤال: كيف يمكن أن تقدم تحليلات البيانات نفس القيمة مع تقليل الوقت المطلوب بشكل كبير ، مع العلم أن التحليلات الأسرع = وقت أسرع للتسويق = عائد استثمار أقوى.
هذا هو الغرض من التحليلات المعززة - تسريع مجال تحليلات البيانات للحصول على قيمة أكبر
نظرًا لوجود حاجة للجدل وفهم الأحجام المتزايدة من البيانات ، فإن التحليلات المعززة تمثل تحولًا كبيرًا في مجال الدراسة هذا.
تتسبب التحليلات المعززة بالفعل في تعطيل تفسير وإنشاء ومشاركة التحليلات. وهذا بدوره يتيح لعلماء البيانات قضاء وقت أقل في استكشاف البيانات ومزيد من الوقت في العمل على الرؤى الأكثر صلة مقارنة بالطرق اليدوية التقليدية.
هذا النهج هو آلية قوية تمكن الشركات من أن تكون أكثر استجابة ومرونة - وهو جانب ضروري للتحول الرقمي .
دعونا أولاً نلقي نظرة على الفوائد الرئيسية للتحليلات المعززة وكيف تعمل هذه الممارسة على تغيير نماذج الأعمال التقليدية. التحليلات المعززة:
- يسرع عملية إعداد البيانات واكتشافها ؛
- دمقرطة تحليلات البيانات للمستخدمين الأقل ذكاءً في مجال الأعمال ؛
- تمكن من اعتماد رؤى قابلة للتنفيذ للفريق التنفيذي وعبر المنظمة بأكملها.
أهمية هذه الفوائد للأعمال الرقمية كبيرة
من المفهوم جيدًا أنه لكي تتنافس المؤسسات في العصر الرقمي ، تعد البيانات أساسية لاكتساب رؤى ذات صلة وقابلة للتنفيذ.
ومع ذلك ، فإن التعقيدات الكامنة الكامنة في عمليات التحليلات اليدوية تخلق العديد من العقبات.
لسبب واحد ، نادرًا ما يكون علماء البيانات الماهرون في ممارسة علم البيانات والذين يمتلكون أيضًا فهمًا شديدًا لنماذج الأعمال والعمليات.
بالإضافة إلى ذلك ، يعد وقت عالم البيانات ثمينًا - ومع ذلك يتم قضاء نسبة كبيرة من هذا الوقت في إعداد البيانات يدويًا من خلال التنظيف ووضع العلامات. يعني هذا النقص في الوقت والسعة أن معظم تحليلات البيانات يتم إجراؤها على جزء صغير من البيانات ، بينما لا يتم تعدين جزء كبير من أصول البيانات.
دعنا نستكشف الفوائد المذكورة أعلاه لنرى كيف تكون التحليلات المعززة مدمرة حقًا.
ثلاث فوائد رئيسية للتحليلات المعززة
1. يسرع إعداد البيانات واكتشافها
عند إجراؤه يدويًا ، يعد إعداد البيانات جهدًا مرهقًا ومعقدًا.
عندما يكون لدى علماء البيانات ملايين السجلات ليتم استعراضها ، فإن المهمة التي يفترض أنها بسيطة للعثور على جميع العملاء من منطقة معينة ، على سبيل المثال ، قد تستغرق شهورًا حرفيًا.
خذ على سبيل المثال بائع تجزئة كبير للمنتجات الورقية المتخصصة. كجزء من رحلتهم الرقمية ، كانوا بحاجة إلى فهم العملاء بشكل أفضل ، لكن البيانات الواردة من الأنظمة القديمة كانت ذات جودة رديئة.
لم يكن هناك كميات هائلة من البيانات لفحصها فحسب ، بل كانت هناك تناقضات في مختلف المجالات ، وكان التوفيق بينها في تنسيق واحد موحد أمرًا شاقًا.
كان هناك 26 مليون سجل للتقييم ، في 1200 تنسيق مختلف لملفات XML.
قد يستغرق تنظيف البيانات باستخدام العمليات اليدوية من ستة إلى 12 شهرًا. من خلال استخدام تقنيات إعداد بيانات التحليلات المعززة وخوارزميات ML ، تمكن بائع التجزئة من تنظيف البيانات في حوالي ثلاثة أسابيع.
من خلال أتمتة هذه الخطوات التكرارية ، يمكن تقصير وقت إعداد البيانات واكتشافها بالكامل بنسبة 50-80٪.
تخيل مدى إنتاجية وكفاءة فريق تحليلات البيانات لديك إذا كان هذا هو الحال!
2. دمقرطة تحليلات البيانات
بعد إعداد البيانات ، تكتشف التحليلات المعززة الإشارات التي تؤثر على نماذج الأعمال التي قد لا يكون علماء البيانات الأقل ذكاءً في الأعمال بارعين في العثور عليها.
باستخدام التحليلات المعززة ، لا يتعين على علماء البيانات تحديد الخوارزمية المناسبة لاستخدام أو كتابة التعليمات البرمجية للحصول على النتائج.
ستعمل مجموعة أدوات التحليلات المعززة من ثمانية إلى 10 خوارزميات على البيانات وتناسبها في تنسيق مشترك لاكتشاف الأنماط والقيم المتطرفة.
على سبيل المثال ، قد ترغب مؤسسة كبيرة في الحصول على رؤى حول الفواتير من مورديها لتحديد ما إذا كان هناك أي قيم متطرفة تتطلب المزيد من التحقيق.
مع العمليات والموظفين في جميع أنحاء العالم ، يمكن أن يساوي هذا الفواتير الواردة من آلاف أو مئات الآلاف من البائعين كل شهر.
استنادًا إلى البيانات الأساسية ، ستبدأ التحليلات المعززة في اكتشاف الأنماط وإنشاء تحليل خارجي تلقائيًا لاكتشاف متى يرسل بائع معين ، الذي يصدر فاتورة ثابتة للشركة 50000 دولار شهريًا ، فاتورة بمبلغ 500000 دولار.
على الرغم من أنه لن يتم وضع علامة على هذا تلقائيًا على أنه نشاط احتيالي ، إلا أنه سيتم وضع علامة على المبلغ الأكبر من المعتاد كشيء يحتاج إليه متخصص تحليل البيانات لإجراء مزيد من التحقيق ، ويزيل عبء كتابة الخوارزمية أولاً لإجراء هذا الاكتشاف.
بعبارة أخرى ، تعمل التحليلات المعززة على إضفاء الطابع الديمقراطي على الرؤى ، مما يسهل على مستخدمي الأعمال استخلاص رؤى معقدة وتوفير وقت كبير في القيام بذلك.
3. يتيح اعتماد رؤى قابلة للتنفيذ للمديرين التنفيذيين وعبر المؤسسة
بمجرد تحديد الإشارات والأنماط ، يجب توصيل النتائج مع المديرين التنفيذيين.
تضع الطرق التقليدية للقيام بذلك ، مثل إنشاء تقرير أو لوحة معلومات ، أعباء إضافية على المديرين التنفيذيين الذين لا يملكون عادةً الوقت لتسجيل الدخول إلى النظام الأساسي والقيام بتفسير البيانات الخاصة بهم.
من خلال التحليلات المعززة ، ستقرأ الأداة الرسم البياني أو التقرير وترجم المعلومات إلى عبارات بلغة طبيعية مثل "مبيعاتك تتناقص في المنطقة X ، وهو اتجاه ظل مستمرًا على مدار الأشهر الماضية". أو ، "أنت تخسر حصتك في السوق لصالح المنافس Y."
يمكن لقادة الفريق الحصول على إجابات لأسئلة مثل "زادت المبيعات بنسبة 10٪ على مستوى واسع ، ولكن كيف هي الهوامش على كل مستوى إقليمي؟" يتيح توفير هذا المستوى من الرؤى القابلة للتنفيذ اتخاذ القرارات التي تعتمد على البيانات ويزيد من التبني عبر المؤسسة بأكملها.
توفر أنظمة التحليلات المتطورة إمكانات معالجة الصوت واللغة الطبيعية ، وهي مدمجة في واجهات بحث المؤسسة ومنصات ذكاء الأعمال.
تخيل هذا: يمكن لعلماء البيانات التفاعل مع منصات التحليلات المعززة باستخدام لغة طبيعية ببساطة عن طريق طرح سؤال ، مثل: "كيف تقارن جهود مبيعاتنا مع منافسينا؟"
تتناول التحليلات المعززة التعقيدات التي تحدث خلف الكواليس مما يجعل عملية تحليل البيانات بسيطة لمستخدمي الأعمال وعلماء البيانات المواطنين على حدٍ سواء.
كيف يمكنك المضي قدمًا في التحليلات المعززة؟
مع الفوائد الموضحة أعلاه والتقنيات المتاحة التي تمكّن هذا الاضطراب الكبير ، فإن السؤال ليس ما إذا كان يجب عليك اعتماد التحليلات المعززة. السؤال هو متى تبدأ ، وكيف.
في حين أن هناك عدة أنواع من الأدوات للخطوات المختلفة التي تمت مناقشتها أعلاه ، لا توجد أداة واحدة تؤدي جميع الوظائف أو تناسب جميع المؤسسات.
أفضل طريقة للشركات للمضي قدمًا هي العمل مع شريك استشاري لديه خبرة واسعة في التحليلات وفي مجموعات أدوات ومنهجيات التحليلات المعززة الناشئة لإنشاء خارطة طريق مخصصة. لإنشاء مسار ناجح للمضي قدمًا ، يجب أن تتضافر المجموعة الصحيحة من الأشخاص والعمليات والتكنولوجيا.
التحليلات المعززة لا تزال مجالًا متطورًا. اليوم ، لا تتبنى معظم الشركات التحليلات المعززة للعملية الشاملة بالكامل ولكنها تبدأ بقطعة واحدة صغيرة - وهي طريقة جيدة للانطلاق.
في السنوات القليلة المقبلة ، أتوقع أن يتغير ذلك ، وستستخدم المؤسسات التحليلات المعززة لدورة حياة تحليلات البيانات بأكملها.
في عام 2019 ، تعد الفوائد المهمة التي توفرها التحليلات المعززة هي المجالات الرئيسية التي يجب مراعاتها: السرعة والتحول الديمقراطي والاعتماد الواسع.
من خلال هذه القدرات ، تكون المؤسسات مجهزة تجهيزًا جيدًا لفهم وتوقع احتياجات العملاء ، وتعديل العمليات التجارية وتحسينها ووضع نفسها لتحقيق النجاح في - اليوم ، وفي المستقبل.