3 điều bạn cần biết để thành thạo các ứng dụng bi tự phục vụ

Mặc dù nhiều quảng cáo đã được thực hiện về các ứng dụng thông minh kinh doanh tự phục vụ (BI) và dữ liệu dân chủ hóa trong thời hoàng kim của Dữ liệu lớn, nhưng hiện tại người ta không nghe thấy nhiều về bất kỳ điều gì trong số đó. Như thể tất cả những điều này là rất thường xuyên và ăn sâu vào công việc hàng ngày mà không cần phải thảo luận thêm nữa. Sự ồn ào đã phai mờ và thế giới, dường như, đã chuyển sang những thứ huyền ảo, kỳ ảo như học máy (ML) và học sâu và tất cả mọi thứ trí tuệ nhân tạo (AI).

Nhưng đó không phải là thực tế cho các nhà phân tích kinh doanh và người dùng trực tuyến trong hàng ngũ các công ty ở khắp mọi nơi ngày nay. Mặc dù các ứng dụng BI tự phục vụ đã thành hiện thực, nhiều người vẫn khiến người dùng bị mắc kẹt giữa một tảng đá thống kê và một nơi khó hình dung. Không bao giờ sợ hãi, giúp đỡ là ở đây!

Con trỏ sống sót tấm nôi

Nếu bạn không thể hoặc không làm toán ngoài việc tính các mẹo theo tỷ lệ phần trăm của hóa đơn bữa tối của bạn, hãy chia hóa đơn giữa nhiều thực khách hoặc cân bằng tài khoản kiểm tra của bạn khi bạn về nhà, không phải lo lắng. Trên thực tế, nhiều người không thể, hoặc ít nhất là không, làm những việc đó mà không có sự trợ giúp của ứng dụng. Bạn chắc chắn không đơn độc trong việc bị bí ẩn một chút về các thứ như thuật toán, khoa học dữ liệu và thống kê. Và ngay cả khi bạn không bị cản trở bởi bất kỳ điều gì trong số những điều đó, có lẽ bạn chỉ không muốn làm chúng. Không phải ai cũng coi đó là niềm vui và điều đó cũng hoàn toàn ổn.

Các ghi chú cũi cho những người tìm thấy số liệu thống kê gớm ghiếc hoặc đơn giản là không thể xuyên thủng là như nhau: gắn bó với các ứng dụng BI tự phục vụ hoạt động từ các truy vấn ngôn ngữ tự nhiên hoặc đã tự động hóa toàn bộ quá trình khai thác dữ liệu ngay đến việc lựa chọn trực quan hóa dữ liệu. Các ứng dụng như vậy bao gồm IBM Watson Analytics và Salesforce Einstein Analytics, tương ứng. Và, tại sao có, cả hai đều được điều khiển bằng AI.

Các ứng dụng như thế này cũng có những hạn chế của chúng và bạn sẽ tìm thấy những hạn chế đó được nêu chi tiết trong các công cụ BI tự phục vụ và các công cụ trực quan hóa dữ liệu của chúng tôi xem xét các bản hoàn chỉnh. Nhưng ngay cả với nhược điểm của họ, chúng là những công cụ hoàn hảo cho những người thách thức toán học và những người dường như dị ứng với thống kê.

Không tự phục vụ các ứng dụng BI Làm toán?

Tại sao, vâng, họ làm; đó là loại toàn bộ điểm đằng sau các ứng dụng này. Họ là những trợ lý ảo tự động một phần cho các chuyên gia về con người, những người chỉ muốn sự thật để họ có thể bôi đen dòng dưới cùng. Vì vậy, có! Bạn đang rời khỏi loại, có thể. Bạn không phải chịu cảnh hồi tưởng về sự khủng khiếp của đại học về đại số và thống kê tuyến tính bởi vì có tất cả các ứng dụng này cho điều đó.

Thật không may, bạn vẫn cần phải hiểu cách thức hoạt động của công cụ đó ít nhất. Nếu bạn chỉ đơn giản là không thể ép buộc bản thân xem lại hoặc làm mới các kỹ năng của mình trong lĩnh vực này, thì hãy tham khảo các ghi chú cũi ở trên.

Nếu bạn muốn trở thành tài năng được mong muốn nhất trong lĩnh vực của bạn, người nóng bỏng nhất trong nhóm và là bậc thầy về thuật sĩ dữ liệu trong công việc trong công ty của bạn nhưng không muốn tìm kiếm danh hiệu nhà khoa học dữ liệu, sau đó tham gia một khóa học trực tuyến nhanh chóng để nâng cao hiểu biết của bạn về thống kê. Một số ví dụ về các nhà cung cấp giáo dục trực tuyến cho các số liệu thống kê cơ bản và nâng cao bao gồm Khan Academy, Statistics.com và Udemy.

Không, bạn không cần bằng cấp về thống kê để sử dụng các ứng dụng BI tự phục vụ; chỉ cần có kiến ​​thức làm việc về các thuật ngữ có nghĩa là gì và các khái niệm là gì sẽ đủ. Vì vậy, ngay cả một vài podcast, có lẽ như loạt bài này, có thể đủ để đưa bạn đi đúng hướng.

Bạn càng hiểu về thống kê, bạn sẽ càng có lợi. Nếu không có gì khác, bạn sẽ hiểu rõ hơn về dữ liệu nào bạn cần sử dụng, tại sao bạn cần phải đưa ra các ngoại lệ, dữ liệu nào sẽ được gán cho trục nào khi vẽ biểu đồ và cách định hình một truy vấn hữu ích. Bạn cũng sẽ tự tin hơn nhiều trong phân tích nếu bạn biết phải tìm gì. "Bạn cần phải tự tin rằng các quy trình và kiểm soát phù hợp được đưa ra để đảm bảo dữ liệu là chính xác", Mike Duensing, Giám đốc Công nghệ và Phó Chủ tịch Điều hành Kỹ thuật tại Skuid nói. "Ví dụ, bạn không muốn đưa ra một xu hướng cho nhóm điều hành mới từ công cụ BI hiện đại của bạn, chỉ để tìm hiểu sau đó là hoàn toàn sai."

3 điều bạn cần biết

Giả sử bạn đã chọn một trong những ứng dụng do AI điều khiển hoặc một trong những ứng dụng BI tự phục vụ theo hướng toán học hơn, sau đây là ba điều bạn cần biết để sử dụng tốt nhất các ứng dụng BI tự phục vụ.

1. Kiến thức dữ liệu là một điều thực tế bạn cần phải có. Vâng, chúng tôi đã chạm vào điều đó sớm hơn trong cuộc thảo luận về giá trị của các kỹ năng toán học nhất định. Nhưng điều quan trọng là cũng phải giải thích kiến ​​thức dữ liệu là gì và các kỹ năng mà một người có thể cần tập trung vào để cải thiện điểm số tổng thể của họ. "Kiến thức dữ liệu được MIT và Đại học Emerson định nghĩa là khả năng đọc, làm việc, phân tích và tranh luận với dữ liệu", James Fisher, Phó Chủ tịch Tiếp thị Sản phẩm Toàn cầu tại Qlik. Dưới đây, ông giải thích từng khả năng:

a) Đọc dữ liệu: liên quan đến việc hiểu dữ liệu là gì và các khía cạnh của thế giới mà nó đại diện.

b) Làm việc với dữ liệu: liên quan đến việc tạo, thu nhận, làm sạch và quản lý nó.

c) Phân tích dữ liệu: liên quan đến việc lọc, sắp xếp, tổng hợp, so sánh và thực hiện các hoạt động phân tích khác như vậy trên đó.

d) Tranh luận với dữ liệu: liên quan đến việc sử dụng dữ liệu để hỗ trợ một tường thuật lớn hơn nhằm truyền đạt một thông điệp đến một đối tượng cụ thể.

"Nếu có một sự khởi đầu từ 15 năm làm việc với các tổ chức và dữ liệu, thì đó là: Người dùng doanh nghiệp thích tìm kiếm câu chuyện trong dữ liệu của họ, và sẽ cắt và xúc xắc không ngừng để có được chúng", Adam Nathan, người sáng lập và CEO của Brainbox Consulting, nói. mà gần đây đã bán cho Logic20 / 20. "Nơi họ đấu tranh đang chuyển những gì thú vị thành những gì có thể hành động được. Cũng như vậy, 50.000 người hâm mộ tại một trận bóng chày thích nhìn vào số liệu thống kê của người chơi trên Jumbotron; rất ít trong số họ có các trò chơi kinh doanh để chơi Moneyball."

2. Câu hỏi đúng là tất cả . Các ứng dụng BI tự phục vụ là các trợ lý ứng dụng tự động một phần. Điều này có nghĩa là, thông thường, bạn là người phải nghĩ về câu hỏi (hay còn gọi là truy vấn). Hình thành truy vấn đó rất quan trọng vì câu trả lời chỉ hữu ích như câu hỏi. Một ngoại lệ cho quy tắc này là các ứng dụng đặc biệt như Salesforce Einstein Analytics đã nói ở trên, tập trung vào dữ liệu quản lý quan hệ khách hàng và bán hàng (CRM) và do đó có thể tự động, thông qua Einstein, xác định trước những gì bạn sẽ muốn biết từ bán hàng của mình và dữ liệu khách hàng. Một ví dụ khác về ứng dụng BI đặc biệt là Google Analytics tập trung vào trang web và dữ liệu di động. Một lần nữa, tập dữ liệu thuộc loại được xác định rõ và các truy vấn có thể dự đoán được và do đó được đặt trước.

Không chắc chắn bắt đầu từ đâu trong việc định hình truy vấn của bạn cho một ứng dụng BI có mục đích chung hơn? Thông thường các chỉ số hiệu suất chính của công ty hoặc ngành (KPI) của bạn là điểm khởi đầu tốt khi chúng xác định phân tích đã được biết là hữu ích. Bạn có thể bắt đầu xếp lớp hoặc thêm các câu hỏi liên quan hoặc mới từ đó. "KPI có thể là các số liệu đơn lẻ, như tổng doanh thu hoặc số liệu tổng hợp, như doanh thu trên mỗi người dùng hoạt động", Ariel Michaeli, đồng sáng lập và CEO của Appfometry nói. "Vì vậy, điều quan trọng là nền tảng BI có khả năng sử dụng nhiều số liệu."

Đừng để nhãn "tự phục vụ" trên các ứng dụng BI này ngăn bạn hỏi IT hoặc nhà phân tích kinh doanh có kinh nghiệm để được giúp đỡ. "Nếu bạn không thể tìm thấy một số liệu mà bạn đang tìm kiếm, hãy hỏi! Có thể đó không phải là một phần của buổi giới thiệu ban đầu về giải pháp BI của bạn", Doug Bordonaro, Trưởng nhóm truyền giáo dữ liệu tại Th thinkSpot nói. "Một nhà phân tích có thể rất vui khi thêm nó nhanh chóng cho bạn."

Và, trong khi tạo truy vấn bạn sẽ sử dụng là rất quan trọng, do đó, việc dự đoán các câu hỏi có thể sẽ đến sau khi bạn trình bày kết quả phân tích dữ liệu vì điều đó có thể khiến bạn phải phân tích thêm. "Hãy chắc chắn rằng bạn có thể trả lời sáu câu hỏi mà mọi người thường hỏi nhất vì họ sẽ hỏi", Lucio Daza, Giám đốc Tiếp thị Sản phẩm Kỹ thuật tại AtScale khuyên.

3. Dữ liệu là alpha và omega của toàn bộ bài tập. Một thỏa thuận tuyệt vời phụ thuộc vào dữ liệu bạn chọn sử dụng. Đó là người dùng chọn, tải và xóa dữ liệu, vì vậy, vâng, chủ yếu là ở bạn. Câu ngạn ngữ cũ "rác vào, rác ra" vẫn được áp dụng. Như Olivia Duane Adams, Giám đốc khách hàng và đối tác sáng lập của Alterx, nói: "Hiểu câu hỏi của bạn sẽ đưa bạn trở lại chính dữ liệu, như biết dữ liệu nào là cần thiết và nơi nó có thể sống. Sau tất cả, dữ liệu không tạo ra cái nhìn sâu sắc cho đến khi bạn đưa nó qua phân tích. "

Bạn phải suy nghĩ thông qua quá trình, từ lựa chọn dữ liệu đến hình thành truy vấn, trước khi bạn làm bất cứ điều gì với ứng dụng. Nếu không, bạn chỉ đang câu cá. Không phải là thăm dò dữ liệu không có vị trí của nó. Nhưng, nếu bạn cần những hiểu biết cụ thể nhanh chóng, thì tốt hơn bạn nên đảm bảo rằng bạn đang ở đúng ao và mang đúng mồi trước khi bạn ném dòng đầu tiên. Hãy nhớ rằng bạn là chuyên gia về vấn đề (SME), không phải máy móc. Sử dụng tài năng và kinh nghiệm của bạn để tìm ra dữ liệu nào bạn cần và biến nó thành hình dạng chính trước khi bảo phần mềm thực hiện công việc phân tích.

Vậy, bạn sẽ làm gì nếu bạn hoàn toàn đá như một doanh nghiệp vừa và nhỏ nhưng cũng là một người mới hoàn toàn bị mất việc chọn dữ liệu và sử dụng ứng dụng BI tự phục vụ? "Làm quen với người sử dụng năng lượng tại địa phương của bạn", Bordonaro của Th thinkSpot nói. "Rất có thể, có ai đó ngồi rất gần bạn, người có thể chỉ cho bạn cách bắt đầu vì rào cản học tập thấp hơn nhiều so với các sản phẩm BI truyền thống."