Analisis tambahan: Apa yang perlu Anda ketahui untuk 2019

Saat perusahaan memulai atau melanjutkan perjalanan transformasi digital mereka, jumlah data yang mereka tangani tumbuh dalam volume dan kompleksitas.

Analitik tradisional — proses menyiapkan dan menganalisis data, menafsirkan hasil, dan menceritakan kisah dengan data itu — adalah proses manual yang memakan waktu. Dan itu menimbulkan tantangan signifikan bagi perusahaan yang mencoba menghadapi ledakan data yang terus menerus.

Untuk memenuhi garis waktu kesiapan pasar transformasi digital, sangat penting untuk mengurangi intensitas waktu analitik manual.

Untuk melakukan ini, kami dapat menambah ilmuwan data manusia dengan pembelajaran mesin (ML) dan kecerdasan buatan (AI) untuk mempercepat setiap langkah dalam perjalanan analitik – sesuatu yang disebut analitik tambahan.

Selama 12-18 bulan terakhir, analitik tambahan sebagai bidang telah berkembang dan lebih banyak perusahaan mulai menerima proses ini.

Perusahaan yang menjalani transformasi digital di banyak industri seperti farmasi, ritel, manufaktur, dan lainnya mulai menggunakan analitik tambahan.

Saya percaya bahwa di tahun mendatang bidang yang sedang berkembang ini akan digunakan dan dipahami secara lebih luas.

Latar belakang singkat tentang analitik tambahan

Pada pertengahan 2000-an, penyimpanan cloud dan daya komputasi yang tersedia secara besar-besaran menjadi lebih umum. Ini menyebabkan analitik data besar meledak.

Ini adalah perubahan yang signifikan, tetapi prosesnya masih sangat manual – artinya profesional analitik masih harus menulis banyak kode.

Sebelum revolusi data besar, perusahaan mungkin perlu memindai ribuan aliran untuk mendapatkan wawasan yang berarti, tetapi hari ini kita berbicara tentang jutaan aliran.

Pertanyaannya menjadi: bagaimana analitik data dapat memberikan nilai yang sama sekaligus sangat mengurangi waktu yang dibutuhkan, mengetahui bahwa analitik yang lebih cepat = waktu yang lebih cepat ke pasar = ROI yang lebih kuat.

Inilah yang dimaksudkan untuk analitik tambahan — mempercepat bidang analitik data untuk mendapatkan lebih banyak nilai

Karena kebutuhan untuk berdebat dan memahami volume data yang terus meningkat, analitik tambahan mewakili perubahan besar dalam bidang studi ini.

Augmented analytics telah menyebabkan gangguan pada interpretasi, pembuatan, dan pembagian analitik. Pada gilirannya, ini memungkinkan para ilmuwan data untuk menghabiskan lebih sedikit waktu untuk menjelajahi data, dan lebih banyak waktu untuk bertindak berdasarkan wawasan yang paling relevan dibandingkan dengan metode manual tradisional.

Pendekatan ini merupakan mekanisme kuat yang memungkinkan perusahaan menjadi lebih responsif dan gesit – aspek penting dari transformasi digital .

Pertama-tama mari kita lihat manfaat utama dari augmented analytics dan bagaimana praktik ini mengubah model bisnis tradisional. Analisis tambahan:

• mempercepat proses penyiapan dan penemuan data;
• mendemokratisasikan analitik data untuk pengguna yang kurang paham bisnis;
• memungkinkan adopsi wawasan yang dapat ditindaklanjuti untuk tim eksekutif dan di seluruh organisasi.

Pentingnya manfaat ini bagi bisnis digital adalah signifikan

Sudah dipahami dengan baik bahwa bagi organisasi untuk bersaing di Era Digital, data adalah kunci untuk mendapatkan wawasan yang relevan dan dapat ditindaklanjuti.

Namun kompleksitas mendasar yang melekat dalam proses analitik manual menciptakan banyak hambatan.

Untuk satu hal, ilmuwan data yang ahli dalam praktik ilmu data dan yang juga memiliki pemahaman yang tajam tentang model bisnis dan operasi jarang terjadi.

Selain itu, waktu seorang ilmuwan data sangat berharga — namun sebagian besar waktu ini dihabiskan untuk menyiapkan data secara manual melalui pembersihan dan pelabelan. Kekurangan waktu dan kapasitas ini berarti bahwa sebagian besar analitik data dilakukan pada sebagian kecil data, sementara sebagian besar aset data tidak ditambang.

Mari kita jelajahi manfaat yang tercantum di atas untuk melihat seberapa besar augmented analytics yang benar-benar mengganggu.

Tiga manfaat utama dari analitik tambahan

1. Mempercepat persiapan dan penemuan data

Jika dilakukan secara manual, persiapan data merupakan upaya yang rumit dan rumit.

Ketika para ilmuwan data memiliki jutaan catatan untuk dijelajahi, tugas yang mungkin sederhana untuk menemukan semua pelanggan dari wilayah tertentu, misalnya, dapat memakan waktu berbulan-bulan.

Ambil contoh pengecer besar produk kertas khusus. Sebagai bagian dari perjalanan digital mereka, mereka perlu memahami pelanggan dengan lebih baik, tetapi data yang berasal dari sistem lama memiliki kualitas yang buruk.

Tidak hanya ada sejumlah besar data untuk diperiksa, tetapi juga ada ketidakkonsistenan di berbagai bidang, dan menyatukannya ke dalam satu format terpadu adalah hal yang menakutkan.

Ada 26 juta catatan untuk dinilai, dalam 1200 format file XML yang berbeda.

Untuk membersihkan data dengan proses manual akan memakan waktu enam sampai 12 bulan. Dengan memanfaatkan teknik persiapan data analitik tambahan dan algoritme ML, pengecer dapat membersihkan data dalam waktu sekitar tiga minggu.

Dengan mengotomatiskan langkah-langkah berulang ini, seluruh persiapan data dan waktu penemuan dapat dipersingkat hingga 50-80%.

Bayangkan betapa jauh lebih produktif dan efisiennya tim analitik data Anda jika ini masalahnya!

2. Mendemokratisasikan analitik data

Setelah data disiapkan, augmented analytics mendeteksi sinyal yang memengaruhi model bisnis yang mungkin tidak dapat ditemukan oleh ilmuwan data yang kurang paham bisnis.

Dengan augmented analytics, ilmuwan data tidak perlu menentukan algoritme yang tepat untuk menggunakan atau menulis kode untuk mendapatkan hasil.

Perangkat analitik tambahan akan menjalankan delapan hingga 10 algoritme pada data dan memasukkannya ke dalam format umum untuk mendeteksi pola dan outlier.

Misalnya, perusahaan besar mungkin menginginkan wawasan tentang faktur dari vendor mereka untuk menentukan apakah ada outlier yang memerlukan penyelidikan lebih lanjut.

Dengan operasi dan karyawan di seluruh dunia, ini dapat menyamai tagihan yang masuk dari ribuan atau ratusan ribu vendor setiap bulan.

Berdasarkan data yang mendasarinya, augmented analytics akan mulai mendeteksi pola dan secara otomatis membuat analisis outlier untuk mendeteksi ketika vendor tertentu, yang secara konsisten menagih perusahaan sebesar $50.000 per bulan, mengirimkan faktur sebesar $500.000.

Meskipun ini tidak akan secara otomatis ditandai sebagai aktivitas penipuan, jumlah yang lebih besar dari biasanya akan ditandai sebagai sesuatu untuk diselidiki lebih lanjut oleh profesional analisis data, dan menghilangkan beban penulisan algoritme terlebih dahulu untuk membuat penemuan ini.

Dengan kata lain, augmented analytics mendemokratisasikan wawasan, memudahkan pengguna bisnis untuk mengekstrak wawasan kompleks dan menghemat waktu mereka secara signifikan dalam melakukannya.

3. Memungkinkan adopsi wawasan yang dapat ditindaklanjuti untuk eksekutif dan di seluruh organisasi

Setelah sinyal dan pola ditentukan, hasilnya perlu dikomunikasikan dengan eksekutif.

Cara tradisional untuk melakukan ini, seperti membuat laporan atau dasbor, memberikan beban tambahan pada eksekutif yang biasanya tidak punya waktu untuk masuk ke platform dan melakukan interpretasi data mereka sendiri.

Dengan analitik tambahan, alat ini akan membaca bagan atau laporan dan menerjemahkan informasi ke dalam pernyataan bahasa alami seperti “Penjualan Anda menurun di wilayah X, sebuah tren yang telah berlangsung selama beberapa bulan terakhir.” Atau, “Anda kehilangan pangsa pasar karena pesaing Y.”

Pemimpin tim bisa mendapatkan jawaban atas pertanyaan seperti “penjualan telah meningkat 10% pada tingkat yang luas, tetapi bagaimana margin di setiap tingkat regional?” Memberikan tingkat wawasan yang dapat ditindaklanjuti ini memungkinkan pengambilan keputusan berdasarkan data dan meningkatkan adopsi di seluruh organisasi.

Sistem analitik yang canggih menawarkan kemampuan pemrosesan suara dan bahasa alami, dan disematkan ke antarmuka pencarian perusahaan dan platform BI.

Bayangkan ini: ilmuwan data dapat berinteraksi dengan platform analitik tambahan menggunakan bahasa alami hanya dengan mengajukan pertanyaan, seperti: “bagaimana upaya penjualan kami dibandingkan dengan pesaing kami?”

Augmented analytics mengatasi kompleksitas di balik layar yang membuat proses analitik data menjadi sederhana bagi pengguna bisnis dan ilmuwan data warga.

Bagaimana Anda bisa maju dengan analitik tambahan?

Dengan manfaat yang diuraikan di atas dan teknologi yang tersedia yang memungkinkan gangguan besar ini, pertanyaannya bukanlah apakah Anda harus mengadopsi analitik tambahan. Pertanyaannya adalah kapan memulainya, dan bagaimana caranya.

Meskipun ada beberapa jenis alat untuk berbagai langkah yang dibahas di atas, tidak ada satu alat pun yang menjalankan semua fungsi atau cocok untuk semua organisasi.

Cara terbaik bagi perusahaan untuk melanjutkan adalah bekerja dengan mitra konsultan yang memiliki pengalaman luas dalam analitik dan dalam perangkat dan metodologi analitik tambahan yang muncul untuk membuat peta jalan kustom. Untuk menciptakan jalan yang sukses ke depan, kombinasi yang tepat dari orang, proses, dan teknologi perlu disatukan.

Augmented analytics masih merupakan bidang yang terus berkembang. Saat ini, sebagian besar perusahaan tidak mengadopsi analitik tambahan untuk seluruh proses ujung ke ujung tetapi memulai dengan satu bagian kecil – yang merupakan cara yang baik untuk dilakukan.

Dalam beberapa tahun ke depan, saya berharap itu akan berubah, dan organisasi akan menggunakan analitik tambahan untuk seluruh siklus hidup analitik data.

Pada tahun 2019, manfaat signifikan yang diberikan augmented analytics adalah area utama yang perlu dipertimbangkan: kecepatan, demokratisasi, dan adopsi yang luas.

Dengan kemampuan ini, organisasi diperlengkapi dengan baik untuk memahami dan mengantisipasi kebutuhan pelanggan, menyesuaikan dan meningkatkan proses bisnis dan memposisikan diri untuk sukses di – hari ini, dan di masa depan.