Расширенная аналитика: что нужно знать на 2019 год

Опубликовано: 2019-02-23

По мере того как компании начинают или продолжают свой путь цифровой трансформации, объем данных, с которыми они имеют дело, растет в объеме и сложности.

Традиционная аналитика - процесс подготовки и анализа данных, интерпретации результатов и рассказывания историй на основе этих данных - это ручной и трудоемкий процесс. И это создает серьезные проблемы для компаний, которые пытаются справиться с непрерывным потоком данных.

Чтобы уложиться в сроки готовности рынка к цифровой трансформации, настоятельно необходимо сократить трудоемкость ручной аналитики.

Для этого мы можем дополнить специалистов по человеческим данным с помощью машинного обучения (ML) и искусственного интеллекта (AI), чтобы ускорить каждый шаг в пути к аналитике - так называемая расширенная аналитика.

За последние 12-18 месяцев расширенная аналитика расширилась, и все больше предприятий начали принимать этот процесс.

Компании, переживающие цифровую трансформацию во многих отраслях, таких как фармацевтика, розничная торговля, производство и другие, начинают использовать расширенную аналитику.

Я верю, что в наступающем году эта развивающаяся область станет более широко используемой и понятной.

Краткая справка о расширенной аналитике

В середине 2000-х годов облачное хранилище и массово доступные вычислительные мощности стали более распространенными. Это вызвало бурный рост аналитики больших данных.

Это было существенное изменение, но процесс по-прежнему выполнялся вручную, а это значит, что специалистам-аналитикам по-прежнему приходилось писать большие объемы кода.

До революции больших данных компаниям, возможно, приходилось сканировать тысячи потоков, чтобы получить осмысленную информацию, но сегодня мы говорим о миллионах потоков.

Возникает вопрос: как аналитика данных может принести такую ​​же ценность, в то же время значительно сокращая необходимое время, зная, что более быстрая аналитика = более быстрое время выхода на рынок = более высокая рентабельность инвестиций.

Это то, для чего предназначена расширенная аналитика - ускорение области анализа данных для получения большей ценности.

Поскольку существует необходимость разбираться в растущих объемах данных и понимать их, расширенная аналитика представляет собой серьезный сдвиг в этой области исследования.

Расширенная аналитика уже мешает интерпретации, созданию и обмену аналитическими данными. В свою очередь, это позволяет специалистам по обработке данных тратить меньше времени на изучение данных и больше времени на поиск наиболее актуальных идей, чем при использовании традиционных ручных методов.

Такой подход - мощный механизм, который позволяет компаниям быть более гибкими и гибкими, что является необходимым аспектом цифровой трансформации .

Давайте сначала рассмотрим ключевые преимущества расширенной аналитики и то, как эта практика меняет традиционные бизнес-модели. Расширенная аналитика:

  • ускоряет процесс подготовки и обнаружения данных;
  • демократизирует аналитику данных для менее опытных пользователей;
  • позволяет принять полезные идеи для исполнительной команды и во всей организации.

Эти преимущества имеют большое значение для цифрового бизнеса.

Хорошо известно, что для организаций, способных конкурировать в эпоху цифровых технологий, данные являются ключом к получению актуальных и действенных идей.

Тем не менее, основные сложности, присущие процессам ручной аналитики, создают множество препятствий.

Во-первых, специалисты по обработке данных, которые имеют опыт работы в области науки о данных, а также обладают глубоким пониманием бизнес-моделей и операций, встречаются редко.

Кроме того, время специалиста по обработке данных ценно, но большая часть этого времени тратится на ручную подготовку данных путем очистки и маркировки. Эта нехватка времени и емкости означает, что большая часть аналитики данных выполняется на небольшой части данных, в то время как большая часть активов данных не добывается.

Давайте рассмотрим перечисленные выше преимущества, чтобы увидеть, насколько по-настоящему разрушительна расширенная аналитика.

Три основных преимущества расширенной аналитики

1. Ускоряет подготовку и обнаружение данных.

При выполнении вручную подготовка данных представляет собой обременительную и сложную работу.

Когда у специалистов по обработке данных есть миллионы записей, которые нужно прочесать, предположительно простая задача по поиску всех клиентов из определенного региона, например, может занять буквально месяцы.

Возьмем, к примеру, крупного розничного продавца специализированной бумажной продукции. В рамках своего цифрового пути им нужно было лучше понимать клиентов, но данные, поступающие из устаревших систем, были низкого качества.

Необходимо было изучить не только огромные объемы данных, но и несоответствия в различных областях, и согласовать их в одном едином формате было непросто.

Необходимо было оценить 26 миллионов записей в 1200 различных форматах файлов XML.

Чтобы очистить данные вручную, потребовалось бы от шести до 12 месяцев. Используя методы подготовки данных расширенной аналитики и алгоритмы машинного обучения, розничный продавец смог очистить данные примерно за три недели.

За счет автоматизации этих итерационных шагов все время подготовки и обнаружения данных можно сократить на 50-80%.

Представьте, насколько продуктивнее и эффективнее была бы ваша команда по анализу данных, если бы это было так!

2. Демократизация аналитики данных.

После подготовки данных расширенная аналитика обнаруживает сигналы, влияющие на бизнес-модели, которые менее опытные специалисты по данным, возможно, не смогут найти.

С помощью расширенной аналитики специалистам по данным не нужно определять подходящий алгоритм для использования или писать код для получения результатов.

Набор инструментов расширенной аналитики будет запускать от восьми до 10 алгоритмов для данных и подгонять их в общий формат для обнаружения закономерностей и выбросов.

Например, крупному предприятию может потребоваться информация о выставлении счетов от своих поставщиков, чтобы определить, есть ли какие-либо выбросы, требующие дополнительного расследования.

С операциями и сотрудниками по всему миру это может равняться счетам, приходящим от тысяч или сотен тысяч поставщиков каждый месяц.

На основе базовых данных расширенная аналитика начнет обнаруживать закономерности и автоматически создавать анализ выбросов, чтобы определить, когда конкретный поставщик, который постоянно выставляет компании счета на сумму 50 000 долларов в месяц, отправляет счет на 500 000 долларов.

Хотя это не будет автоматически помечено как мошенническая деятельность, сумма, превышающая обычную, будет помечена как нечто, что специалист по анализу данных должен изучить дальше, и снимает бремя первоначального написания алгоритма, чтобы сделать это открытие.

Другими словами, расширенная аналитика демократизирует понимание, позволяя бизнес-пользователям легко извлекать сложные идеи и экономя при этом значительное время.

3. Позволяет принять полезные идеи для руководителей и в рамках всей организации.

После определения сигналов и закономерностей результаты необходимо сообщить руководству.

Традиционные способы сделать это, например, создать отчет или информационную панель, ложатся дополнительным бременем на руководителей, у которых обычно нет времени для входа на платформу и выполнения собственной интерпретации данных.

С помощью расширенной аналитики инструмент будет читать диаграмму или отчет и переводить информацию на естественный язык, например, «Ваши продажи снижаются в регионе X, и эта тенденция сохраняется в течение последних нескольких месяцев». Или: «Вы теряете долю рынка в пользу конкурента Y».

Руководители групп могут получить ответы на такие вопросы, как «продажи выросли на 10% в целом, но какова маржа на каждом региональном уровне?» Предоставление такого уровня полезной аналитической информации позволяет принимать решения на основе данных и увеличивает их принятие во всей организации.

Сложные аналитические системы предлагают возможности обработки голоса и естественного языка и встроены в поисковые интерфейсы предприятия и платформы бизнес-аналитики.

Представьте себе: специалисты по обработке данных могут взаимодействовать с платформами расширенной аналитики, используя естественный язык, просто задав вопрос, например: «Как наши продажи сравниваются с нашими конкурентами?»

Расширенная аналитика устраняет скрытые сложности, делая процесс анализа данных простым как для бизнес-пользователей, так и для гражданских специалистов по данным.

Как вы можете двигаться дальше с помощью расширенной аналитики?

С учетом преимуществ, описанных выше, и доступных технологий, обеспечивающих этот серьезный прорыв, вопрос не в том, следует ли вам использовать расширенную аналитику. Вопрос в том, когда и как начинать.

Хотя существует несколько типов инструментов для различных шагов, описанных выше, не существует одного инструмента, который выполнял бы все функции или подходил для всех организаций.

Для компаний лучший способ продолжить работу - это работать с партнером-консультантом, имеющим большой опыт в области аналитики и разработки новых наборов инструментов и методологий расширенной аналитики для создания индивидуальной дорожной карты. Чтобы создать успешный путь вперед, необходимо объединить правильное сочетание людей, процессов и технологий.

Дополненная аналитика - все еще развивающаяся область. Сегодня большинство компаний не внедряют расширенную аналитику для всего непрерывного процесса, а начинают с одного небольшого фрагмента, и это хороший способ.

Я ожидаю, что в ближайшие несколько лет это изменится, и организации будут использовать расширенную аналитику на протяжении всего жизненного цикла аналитики данных.

В 2019 году основные преимущества, которые дает расширенная аналитика, следует учитывать: скорость, демократизация и широкое внедрение.

Эти возможности позволяют организациям понимать и предвидеть потребности клиентов, настраивать и улучшать бизнес-процессы и позиционировать себя для достижения успеха - сегодня и в будущем.

Нареш Агарвал - руководитель отдела данных и аналитики в Brillio, а также член Консультативного совета Университета Рутгерса. Его можно найти в Twitter @ naresh2204.