-
-
夜袭光棍村 小试身手Lv3
发表于2019-3-22 15:26
楼主
虽然在大数据鼎盛时期对自助商业智能（BI）应用程序和民主化数据做了很多考虑，但现在人们并没有听到太多关于它的信息。就好像所有这些事情都是如此常规而且在日常工作中根深蒂固，以至于不再需要进一步的讨论。嗡嗡声已经消退，似乎世界已经转向了机器学习（ML）和深度学习以及所有人工智能（AI）等更奇妙，更奇妙的事物。
但对于今天各地公司的业务分析师和在线用户而言，这并不是现实。虽然自助式BI应用程序已经实现，但许多仍然让用户陷入统计摇滚和可视化的硬盘之间。永远不要害怕，数据就在这里，希望也在这里！
假设你已经选择了一个AI驱动的应用程序或者更多用户数学导向的自助BI应用程序之一，以下是你需要了解的三件事，以充分利用自助服务BI应用程序。
1.数据素养是您需要拥有的真实内容。我们之前讨论过某些数学技能的价值。但重要的是还要解释什么是数据素养以及可能需要关注的技能来提高他们的总体得分。数据素养被麻省理工学院和艾默生大学定义为阅读，工作，分析和争论数据的能力。
a）阅读数据：涉及了解数据是什么以及它代表的世界的哪些方面。
b）处理数据：涉及创建，获取，清理和管理数据。
c）分析数据：涉及对其进行过滤，排序，聚合，比较和执行其他此类分析操作。
d）争论数据：涉及使用数据来支持旨在向特定受众传达信息的更大叙述。
2.正确的问题就是一切。自助BI应用程序是部分自动化的应用程序助手。这意味着，通常，你是必须考虑问题的人。形成该查询非常重要，因为答案仅与问题一样有用。此规则的一个例外是专业应用程序，例如前面提到的Salesforce Einstein Analytics，它专注于销售和客户关系管理（CRM）数据，因此可以通过爱因斯坦自动预先确定您希望从销售中获得的信息和客户数据。专业BI应用程序的另一个例子是谷歌分析，它专注于网站和移动数据。同样，数据集具有明确定义的类型，并且查询是可预测的并因此是预先设置的。
不确定从哪里开始为更通用的BI应用程序设计查询？通常，你的公司或行业的关键绩效指标（KPI）是一个很好的起点，因为它们定义了已知有用的分析。你可以从那里开始分层或添加相关或新问题。关键绩效指标可以是单一指标，如总收入，也可以是综合指标，如每个活跃用户的收入，因此，BI平台能够使用多个指标非常重要。
不要让这些BI应用程序上的“自助服务”标签阻止您向IT或经验丰富的业务分析师寻求帮助。如果你找不到你正在寻找的指标，请问！它可能不是你BI解决方案首次推出的一部分，分析师可能很乐意为您快速添加它。而且，在制定您将使用的查询时至关重要，因此预测在您提供数据分析结果后可能会出现的问题，因为这可能会促使您进行进一步的分析。
3.数据是整个系统的能源。很大程度上取决于你选择使用的数据。用户选择，加载和清理数据，所以是的，责任主要在于你。古老的格言“垃圾进，垃圾出”仍然适用。理解你的问题会让你回到数据本身，就像知道需要什么数据以及它可能存在的地方一样。毕竟，数据并不能创造洞察力直到你通过分析。
在对应用程序执行任何操作之前，你必须仔细考虑从数据选择到查询形成的过程。否则，你只是钓鱼。并不是说数据探索没有它的位置。但是，如果你需要快速的具体见解，那么你最好确保你在正确的池塘里并且在你施放第一条线之前携带正确的诱饵。请记住，您是主题专家，而不是机器。利用您的才能和经验来确定您需要的数据，并在告诉软件进行分析工作之前将其锤入最佳状态。
传统BI致力于大数据、复杂报有的数据展示分析，具有强大的可视化效果，可以很好地帮助企业构建大型的综合数据分析平台。随着大数据全面普及和市场竞争的日益激烈，除了固定报表展示的需求外，另一类用户的需求也随之显现：越来越多的企业和部门希望能够自己处理和分析数据，减少数据建设到决策分析的时间，自助式BI的出现呼应了这类用户的需求，他无需技术人员参与业务人员即可自主完成数据导入、建模、数据分析等一系列的工作，有效补充了传统BI的使用场景。
WBI能够快速响应业务需求，具有简捷的生命周期，即使业务人员也能轻松驾驭，其价值如下：
1、帮助企业快速构建决策分析平台
简易的部署，敏捷的操作，杜绝沉长的项目生命周期。
2、实时响应各种突发需求
可直接导入文本数据，自动建模，拖拽式数据预处理，让业务人员头痛的前期工作变得超级easy。
3、充分整合数据，发挥数据最大价值
可直接导入多种文本数据，支持与已有数据进行行合并分析，支持跨数据源分析，也可直接连BI@Report进行数据分析。
4、无需学习成本，轻松玩转WBI
业务人员可自行操刀完成自己的看板，不再日日遨游于管理员的海量数据中“难以自拔”。
下图是WBI产品的架构图，整个系统分为数据层、分析引擎层与用户接口层：
开始你的自助式BI之旅，就从现在开始！
