Rozszerzona analityka: co musisz wiedzieć na 2019 rok
Opublikowany: 2019-02-23W miarę jak firmy rozpoczynają lub kontynuują swoją podróż po transformacji cyfrowej, ilość danych, z którymi mają do czynienia, rośnie pod względem objętości i złożoności.
Tradycyjna analityka — proces przygotowywania i analizowania danych, interpretowania wyników i opowiadania historii za pomocą tych danych — to ręczny, czasochłonny proces. Stanowi też poważne wyzwanie dla firm, które próbują radzić sobie z ciągłym napływem danych.
Aby sprostać terminom gotowości rynku na transformację cyfrową, konieczne stało się zmniejszenie czasochłonności ręcznej analizy.
Aby to zrobić, możemy wzbogacić naukowców zajmujących się danymi ludzkimi o uczenie maszynowe (ML) i sztuczną inteligencję (AI), aby przyspieszyć każdy krok w podróży analitycznej – coś, co nazywa się rozszerzoną analityką.
W ciągu ostatnich 12-18 miesięcy rozszerzona analityka jako dziedzina rozrosła się i coraz więcej przedsiębiorstw zaczyna akceptować ten proces.
Firmy przechodzące transformację cyfrową w wielu branżach, takich jak farmaceutyczna, detaliczna, produkcyjna i nie tylko, zaczynają wykorzystywać rozszerzone analizy.
Wierzę, że w nadchodzącym roku ta rodząca się dziedzina stanie się szerzej wykorzystywana i rozumiana.
Krótkie wprowadzenie do rozszerzonej analityki
W połowie 2000 roku przechowywanie w chmurze i masowo dostępna moc obliczeniowa stały się bardziej powszechne. To spowodowało eksplozję analityki Big Data.
Była to znacząca zmiana, ale proces nadal był w dużym stopniu ręczny – co oznacza, że analitycy nadal musieli pisać tomy kodu.
Przed rewolucją big data firmy musiały przeskanować tysiące przepływów, aby uzyskać sensowny wgląd, ale dzisiaj mówimy o milionach przepływów.
Pojawiło się pytanie: w jaki sposób analityka danych może zapewnić tę samą wartość, jednocześnie znacznie skracając wymagany czas, wiedząc, że szybsza analityka = szybszy czas wprowadzenia na rynek = większy zwrot z inwestycji.
Do tego właśnie służy analityka rozszerzona — przyspieszenie dziedziny analityki danych w celu uzyskania większej wartości
Ponieważ istnieje potrzeba kłótni i zrozumienia rosnących ilości danych, rozszerzona analityka stanowi poważną zmianę w tej dziedzinie badań.
Rozszerzona analityka już teraz powoduje zakłócenia w interpretacji, tworzeniu i udostępnianiu analiz. To z kolei pozwala analitykom danych poświęcać mniej czasu na badanie danych, a więcej na działanie w oparciu o najistotniejsze spostrzeżenia, niż w przypadku tradycyjnych, ręcznych metod.
Takie podejście jest potężnym mechanizmem, który umożliwia firmom większą responsywność i elastyczność – niezbędny aspekt cyfrowej transformacji .
Przyjrzyjmy się najpierw kluczowym zaletom rozszerzonej analityki i temu, jak ta praktyka zmienia tradycyjne modele biznesowe. Rozszerzona analityka:
- przyspiesza proces przygotowania i wyszukiwania danych;
- demokratyzuje analizę danych dla mniej doświadczonych użytkowników biznesowych;
- umożliwia przyjęcie praktycznych spostrzeżeń dla zespołu wykonawczego i całej organizacji.
Znaczenie tych korzyści dla firm cyfrowych jest znaczące
Powszechnie wiadomo, że dla organizacji, które mogą konkurować w erze cyfrowej, dane są kluczem do uzyskania odpowiednich, praktycznych spostrzeżeń.
Jednak leżące u podstaw złożoności nieodłącznie związane z ręcznymi procesami analitycznymi tworzą wiele przeszkód.
Po pierwsze, naukowcy zajmujący się danymi, którzy są wykwalifikowani w praktyce nauki o danych, a także dobrze rozumieją modele biznesowe i operacje, są rzadkością.
Co więcej, czas badacza danych jest cenny — jednak duża część tego czasu jest poświęcana na ręczne przygotowywanie danych poprzez czyszczenie i etykietowanie. Ten niedobór czasu i pojemności oznacza, że większość analiz danych jest wykonywana na małej części danych, podczas gdy duża część zasobów danych nie jest wydobywana.
Przyjrzyjmy się wymienionym powyżej korzyściom, aby zobaczyć, jak naprawdę destrukcyjna jest rozszerzona analityka.
Trzy główne zalety rozszerzonej analityki
1. Przyspiesza przygotowywanie i odkrywanie danych
W przypadku ręcznego przygotowania danych przygotowanie danych jest uciążliwym, złożonym wysiłkiem.
Kiedy analitycy danych mają do przeszukania miliony rekordów, prawdopodobnie proste zadanie znalezienia wszystkich klientów z określonego regionu może zająć dosłownie miesiące.
Weźmy za przykład dużego sprzedawcę specjalistycznych produktów papierniczych. W ramach swojej cyfrowej podróży musieli lepiej zrozumieć klientów, ale dane pochodzące ze starszych systemów były słabej jakości.

Do zbadania były nie tylko ogromne ilości danych, ale także niespójności w różnych dziedzinach, a pogodzenie ich w jeden ujednolicony format było zniechęcające.
Do oceny było 26 milionów rekordów w 1200 różnych formatach plików XML.
Czyszczenie danych za pomocą procesów ręcznych zajęłoby od sześciu do 12 miesięcy. Dzięki wykorzystaniu technik rozszerzonego przygotowania danych analitycznych i algorytmów ML sprzedawca był w stanie wyczyścić dane w około trzy tygodnie.
Dzięki zautomatyzowaniu tych iteracyjnych kroków cały czas przygotowania i wyszukiwania danych można skrócić o 50-80%.
Wyobraź sobie, o ile bardziej produktywny i wydajny mógłby być Twój zespół analityki danych, gdyby tak było!
2. Demokratyzuje analitykę danych
Po przygotowaniu danych rozszerzona analityka wykrywa sygnały, które mają wpływ na modele biznesowe, których znalezienie mniej doświadczonym analitykom danych może nie być biegłe.
Dzięki rozszerzonej analityce analitycy danych nie muszą określać odpowiedniego algorytmu do użycia ani pisania kodu w celu uzyskania wyników.
Rozszerzony zestaw narzędzi analitycznych uruchomi od ośmiu do dziesięciu algorytmów na danych i dopasuje je do wspólnego formatu w celu wykrywania wzorców i wartości odstających.
Na przykład duże przedsiębiorstwo może chcieć uzyskać wgląd w fakturowanie od swoich dostawców, aby określić, czy istnieją odstające dane, które wymagają dokładniejszego zbadania.
W przypadku operacji i pracowników na całym świecie może to równać się rachunkom pochodzącym od tysięcy lub setek tysięcy dostawców każdego miesiąca.
Na podstawie danych bazowych rozszerzona analityka zacznie wykrywać wzorce i automatycznie tworzy analizę wartości odstających, aby wykryć, kiedy konkretny dostawca, który konsekwentnie wystawia firmie 50 000 USD miesięcznie, wysyła fakturę na 500 000 USD.
Chociaż nie byłoby to automatycznie oznaczane jako nieuczciwe działanie, większa niż zwykle kwota zostałaby oznaczona jako coś, co specjalista ds. analityki danych może dalej zbadać i zdejmuje ciężar pierwszego napisania algorytmu w celu dokonania tego odkrycia.
Innymi słowy, rozszerzona analityka demokratyzuje spostrzeżenia, ułatwiając użytkownikom biznesowym wydobywanie złożonych spostrzeżeń i oszczędzając im dużo czasu.
3. Umożliwia przyjęcie praktycznych spostrzeżeń dla kadry kierowniczej i całej organizacji
Po ustaleniu sygnałów i wzorców wyniki należy przekazać kierownictwu.
Tradycyjne sposoby robienia tego, takie jak tworzenie raportu lub pulpitu nawigacyjnego, nakładają dodatkowe obciążenia na kierowników, którzy zazwyczaj nie mają czasu na zalogowanie się do platformy i wykonanie własnej interpretacji danych.
Dzięki rozszerzonej analityce narzędzie odczyta wykres lub raport i przetłumaczy informacje na stwierdzenia w języku naturalnym, takie jak „Twoja sprzedaż spada w regionie X, co trwało od kilku miesięcy”. Lub „Tracisz udział w rynku na rzecz konkurenta Y”.
Liderzy zespołów mogą uzyskać odpowiedzi na pytania, takie jak „sprzedaż wzrosła o 10% na ogólnym poziomie, ale jak są marże na każdym poziomie regionalnym?” Zapewnienie takiego poziomu praktycznych wglądów umożliwia podejmowanie decyzji w oparciu o dane i zwiększa wdrożenie w całej organizacji.
Zaawansowane systemy analityczne oferują możliwości przetwarzania głosu i języka naturalnego oraz są osadzone w interfejsach wyszukiwania korporacyjnego i platformach BI.
Wyobraź sobie: analitycy danych mogą wchodzić w interakcję z platformami rozszerzonej analizy za pomocą języka naturalnego, po prostu zadając pytanie, takie jak: „jak nasze wysiłki sprzedażowe wypada w porównaniu z naszymi konkurentami?”
Rozszerzona analityka rozwiązuje zakulisowe zawiłości, ułatwiając proces analizy danych zarówno użytkownikom biznesowym, jak i badaczom danych obywatelskich.
Jak możesz iść naprzód z rozszerzoną analityką?
Biorąc pod uwagę korzyści opisane powyżej i dostępne technologie, które umożliwiają to poważne zakłócenie, pytanie nie brzmi, czy powinieneś zastosować rozszerzoną analitykę. Pytanie brzmi, kiedy i jak zacząć.
Chociaż istnieje kilka rodzajów narzędzi do różnych kroków omówionych powyżej, nie ma jednego narzędzia, które spełnia wszystkie funkcje lub pasuje do wszystkich organizacji.
Najlepszym sposobem postępowania dla firm jest współpraca z partnerem konsultingowym, który ma szerokie doświadczenie w analityce oraz w powstawaniu rozszerzonych zestawów narzędzi analitycznych i metodologii w celu stworzenia niestandardowej mapy drogowej. Aby stworzyć udaną drogę naprzód, należy połączyć odpowiednią kombinację ludzi, procesów i technologii.
Rozszerzona analityka to wciąż rozwijająca się dziedzina. Obecnie większość firm nie stosuje rozszerzonej analityki dla całego procesu end-to-end, ale zaczyna od jednego małego elementu – co jest dobrą drogą.
Oczekuję, że w ciągu najbliższych kilku lat to się zmieni, a organizacje będą korzystać z rozszerzonej analityki przez cały cykl życia analityki danych.
W 2019 roku istotne korzyści, jakie zapewnia rozszerzona analityka, to kluczowe obszary do rozważenia: szybkość, demokratyzacja i szerokie zastosowanie.
Dzięki tym możliwościom organizacje są dobrze przygotowane do rozumienia i przewidywania potrzeb klientów, dostosowywania i ulepszania procesów biznesowych oraz pozycjonowania się na sukces – dziś i daleko w przyszłości.