Analisi aumentata: cosa devi sapere per il 2019

Man mano che le aziende iniziano o continuano il loro percorso di trasformazione digitale, la quantità di dati con cui trattano cresce in volume e complessità.

L'analisi tradizionale, il processo di preparazione e analisi dei dati, interpretazione dei risultati e racconto di storie con quei dati, è un processo manuale che richiede molto tempo. E pone sfide significative per le aziende che stanno cercando di affrontare la continua raffica di dati.

Al fine di soddisfare le tempistiche di preparazione del mercato per la trasformazione digitale, è diventato imperativo ridurre l'intensità di tempo dell'analisi manuale.

Per fare ciò, possiamo aumentare gli scienziati dei dati umani con l'apprendimento automatico (ML) e l'intelligenza artificiale (AI) per accelerare ogni fase del percorso di analisi, qualcosa chiamato analisi aumentata.

Negli ultimi 12-18 mesi, l'analisi aumentata come campo è cresciuta e sempre più aziende stanno iniziando ad accettare questo processo.

Le aziende in fase di trasformazione digitale in molti settori come quello farmaceutico, al dettaglio, manifatturiero e altri stanno iniziando a utilizzare l'analisi aumentata.

Credo che nel prossimo anno questo campo emergente sarà più ampiamente utilizzato e compreso.

Breve background sull'analisi aumentata

A metà degli anni 2000, l'archiviazione su cloud e la potenza di calcolo ampiamente disponibile sono diventati più diffusi. Ciò ha causato l'esplosione dell'analisi dei big data.

Questo è stato un cambiamento significativo, ma il processo era ancora altamente manuale, il che significa che i professionisti dell'analisi dovevano ancora scrivere volumi di codice.

Prima della rivoluzione dei big data, le aziende avrebbero dovuto scansionare migliaia di flussi per ottenere informazioni significative, ma oggi parliamo di milioni di flussi.

La domanda è diventata: come può l'analisi dei dati fornire lo stesso valore riducendo enormemente il tempo richiesto, sapendo che analisi più rapide = time to market più rapido = ROI più forte.

Questo è lo scopo dell'analisi aumentata: accelerare il campo dell'analisi dei dati per ottenere più valore

Poiché esiste la necessità di discutere e comprendere volumi crescenti di dati, l'analisi aumentata rappresenta un importante cambiamento in questo campo di studio.

L'analitica aumentata sta già causando interruzioni nell'interpretazione, creazione e condivisione di analisi. A sua volta, ciò consente ai data scientist di dedicare meno tempo all'esplorazione dei dati e più tempo ad agire sulle informazioni più rilevanti rispetto ai metodi manuali tradizionali.

Questo approccio è un potente meccanismo che consente alle aziende di essere più reattive e agili, un aspetto necessario della trasformazione digitale .

Diamo prima un'occhiata ai principali vantaggi dell'analisi aumentata e al modo in cui questa pratica sta cambiando i modelli di business tradizionali. Analisi aumentata:

• accelera il processo di preparazione e scoperta dei dati;
• democratizza l'analisi dei dati per gli utenti meno esperti di business;
• consente l' adozione di informazioni utili per il team esecutivo e per l'intera organizzazione.

L'importanza di questi vantaggi per le imprese digitali è significativa

È risaputo che per le organizzazioni per competere nell'era digitale, i dati sono la chiave per ottenere informazioni pertinenti e fruibili.

Tuttavia, le complessità sottostanti inerenti ai processi di analisi manuale creano molti ostacoli.

Per prima cosa, gli scienziati dei dati che sono esperti nella pratica della scienza dei dati e che possiedono anche una profonda conoscenza dei modelli e delle operazioni di business sono rari.

Inoltre, il tempo di un data scientist è prezioso, ma una grande percentuale di questo tempo viene spesa manualmente per la preparazione dei dati attraverso la pulizia e l'etichettatura. Questa mancanza di tempo e capacità significa che la maggior parte delle analisi dei dati viene eseguita su una piccola parte dei dati, mentre una grande parte delle risorse di dati non viene estratta.

Esploriamo i vantaggi sopra elencati per vedere quanto siano davvero dirompenti le analisi aumentate.

Tre vantaggi principali dell'analitica aumentata

1. Accelera la preparazione e la scoperta dei dati

Se eseguita manualmente, la preparazione dei dati è uno sforzo ingombrante e complesso.

Quando i data scientist hanno milioni di record da esaminare, un compito presumibilmente semplice di trovare tutti i clienti di una particolare regione, ad esempio, può richiedere letteralmente mesi.

Prendiamo l'esempio di un grande rivenditore di prodotti di carta speciale. Come parte del loro viaggio digitale, avevano bisogno di comprendere meglio i clienti, ma i dati provenienti dai sistemi legacy erano di scarsa qualità.

Non solo c'erano enormi volumi di dati da esaminare, ma c'erano incongruenze in vari campi e riconciliarli in un formato unificato era scoraggiante.

C'erano 26 milioni di record da valutare, in 1200 diversi formati di file XML.

Per pulire i dati con processi manuali ci sarebbero voluti dai sei ai 12 mesi. Utilizzando tecniche di preparazione dei dati di analisi aumentata e algoritmi ML, il rivenditore è stato in grado di pulire i dati in circa tre settimane.

Automatizzando questi passaggi iterativi, l'intero tempo di preparazione e rilevamento dei dati può essere ridotto del 50-80%.

Immagina quanto potrebbe essere più produttivo ed efficiente il tuo team di analisi dei dati se così fosse!

2. Democratizza l'analisi dei dati

Dopo che i dati sono stati preparati, l'analisi aumentata rileva i segnali che influiscono sui modelli di business che i data scientist meno esperti potrebbero non essere abili a trovare.

Con l'analisi aumentata, i data scientist non devono determinare l'algoritmo appropriato da utilizzare o scrivere codice per ottenere risultati.

Un set di strumenti di analisi aumentata eseguirà da otto a 10 algoritmi sui dati e li adatterà in un formato comune per rilevare modelli e valori anomali.

Ad esempio, una grande azienda potrebbe richiedere informazioni dettagliate sulla fatturazione dai propri fornitori per determinare se ci sono valori anomali che meritano ulteriori indagini.

Con operazioni e dipendenti in tutto il mondo, questo può equivalere a fatture provenienti da migliaia o centinaia di migliaia di fornitori ogni mese.

Sulla base dei dati sottostanti, l'analisi aumentata inizierà a rilevare i modelli e creerà automaticamente un'analisi anomala per rilevare quando un particolare fornitore, che fattura costantemente alla società $ 50.000 al mese, invia una fattura per $ 500.000.

Anche se questa non verrebbe automaticamente contrassegnata come attività fraudolenta, l'importo maggiore del solito verrebbe contrassegnato come qualcosa che il professionista dell'analisi dei dati dovrà indagare ulteriormente e rimuoverà l'onere di scrivere prima l'algoritmo per effettuare questa scoperta.

In altre parole, l'analisi aumentata democratizza gli insight, facilitando agli utenti aziendali l'estrazione di insight complessi e facendo risparmiare loro tempo significativo.

3. Consente l'adozione di informazioni strategiche per i dirigenti e all'interno di un'organizzazione

Una volta determinati segnali e modelli, i risultati devono essere comunicati ai dirigenti.

I metodi tradizionali per eseguire questa operazione, come la creazione di un report o di un dashboard, comportano ulteriori oneri per i dirigenti che in genere non hanno il tempo di accedere a una piattaforma ed eseguire la propria interpretazione dei dati.

Con l'analisi aumentata, lo strumento leggerà il grafico o il rapporto e tradurrà le informazioni in dichiarazioni in linguaggio naturale come "Le tue vendite stanno diminuendo nella regione X, una tendenza che è in corso negli ultimi mesi". Oppure, "Stai perdendo quote di mercato a favore del concorrente Y".

I team leader possono ottenere risposte a domande come "le vendite sono aumentate del 10% a livello generale, ma come sono i margini a ogni livello regionale?" Fornire questo livello di informazioni fruibili consente il processo decisionale basato sui dati e aumenta l'adozione in tutta l'organizzazione.

I sofisticati sistemi di analisi offrono capacità di elaborazione vocale e del linguaggio naturale e sono incorporati nelle interfacce di ricerca aziendali e nelle piattaforme di BI.

Immagina questo: i data scientist possono interagire con le piattaforme di analisi aumentata utilizzando il linguaggio naturale semplicemente ponendo una domanda, ad esempio: "come si confrontano i nostri sforzi di vendita con i nostri concorrenti?"

L'analitica aumentata affronta le complessità dietro le quinte rendendo il processo di analisi dei dati semplice sia per gli utenti aziendali che per i data scientist dei cittadini.

Come puoi andare avanti con l'analisi aumentata?

Con i vantaggi sopra descritti e le tecnologie disponibili che consentono questa grande interruzione, la domanda non è se sia necessario adottare l'analisi aumentata. La domanda è quando iniziare e come.

Sebbene esistano diversi tipi di strumenti per i diversi passaggi discussi sopra, non esiste uno strumento che svolga tutte le funzioni o si adatti a tutte le organizzazioni.

Il modo migliore per le aziende di procedere è lavorare con un partner di consulenza che abbia una vasta esperienza nell'analisi e nei set di strumenti e metodologie di analisi aumentata emergenti per creare una roadmap personalizzata. Per creare un percorso di successo, è necessario che la giusta combinazione di persone, processi e tecnologia si unisca.

L'analitica aumentata è ancora un campo in evoluzione. Oggi, la maggior parte delle aziende non adotta l'analisi aumentata per l'intero processo end-to-end, ma inizia con un piccolo pezzo, il che è un buon modo per procedere.

Nei prossimi anni, mi aspetto che questo cambierà e le organizzazioni utilizzeranno l'analisi aumentata per l'intero ciclo di vita dell'analisi dei dati.

Nel 2019, i vantaggi significativi offerti dall'analisi aumentata sono le aree chiave da considerare: velocità, democratizzazione e ampia adozione.

Con queste capacità, le organizzazioni sono ben attrezzate per comprendere e anticipare le esigenze dei clienti, adeguare e migliorare i processi aziendali e posizionarsi per il successo – oggi e anche in futuro.