Инструменты фрагментированной аналитики

Забавный факт: сегодня в мире циркулирует примерно столько же различных валют — 180, — сколько продуктов Analytics/BI и Data Science перечислены на платформе Gartner Peer Insights. (здесь и здесь). Разговор о фрагментированном! Бенн Стансил иронично объясняет это:

Есть традиционный BI; есть современный BI; есть безголовый BI; есть BI с открытым исходным кодом; есть BI на основе биткойнов. Существуют блокноты для анализа, блокноты для SQL, блокноты для совместной работы, блокноты для приложений и приложения для блокнотов. Существуют инструменты визуализации данных, визуализации данных для блокнотов и блокнотов для визуализации данных. Существуют редакторы SQL для команд, редакторы SQL для людей, которые не хотят писать SQL, и редакторы SQL для клиентов Snowflake. Существуют совместные рабочие пространства и инструменты, которые объединяют множество вещей вместе. Есть электронные таблицы, от которых мы не можем избавиться, и электронные таблицы, заменяющие электронные таблицы, от которых мы не можем избавиться; есть перестроенные электронные таблицы; есть электронные таблицы, но BI. И больше всего на подходе.

— Бенн Стэнсил, «Бизнес сзади, вечеринка впереди: разобраться в хаосе на уровне потребления», 4 февраля 2022 г.

Проблема с фрагментированными инструментами

Иметь выбор — это хорошо (если только вы не решительны). Но даже после того, как вы решили, какие инструменты использовать, у большинства организаций в наборе остается от 5 до 20 инструментов. В этом есть минусы:

  • Вы должны убедиться, что инструменты могут работать вместе в едином рабочем процессе от данных до анализа и получения информации.
  • В сквозном рабочем процессе есть несколько шагов, которые замедляют общий процесс и затрудняют итерацию.
  • Инструменты, как правило, имеют узкий охват и ориентированы на конкретных пользователей, что разделяет создателей аналитики (аналитиков и экспертов по данным, которые генерируют идеи) и потребителей аналитики (бизнес-пользователей, которые принимают решения на основе идей) в своих собственных инструментах.

Аналитика и наука о данных

Во многих компаниях аналитика и наука о данных существуют отдельно друг от друга.

Средства аналитики, бизнес-аналитики и SQL-запросов в основном используются аналитиками данных и бизнес-группами, которые используют информационные панели и отчеты для отслеживания ключевых показателей эффективности. Наука о данных и машинное обучение — это сфера ученых и экспертов по данным, которые ищут точную настройку моделей для прогнозирования и углубленного анализа. Выводы передаются бизнес-группам путем передачи данных в систему BI. Пользователи по обе стороны прохода часто говорят на разных языках и иногда называют одно и то же по-разному (например, то, что один называет «функцией», может быть «вычисляемым столбцом» для другого).

Эти разрозненные структуры постепенно объединяются, особенно для организаций, создающих новые группы данных, которые занимаются как аналитикой, так и наукой о данных. Но организационный сдвиг — это только отправная точка — почему предприятия должны также хотеть, чтобы разрозненные технологии были разрушены?

Почему бункеры должны раствориться

Правда в том, что компании не заботятся о том, что является простой проблемой запроса, а что требует расширенной сегментации сотен переменных. Им все равно, какая команда аналитиков отвечает на их вопрос. Компании хотят отслеживать высокоуровневые показатели, проводить анализ первопричин, а затем принимать решения на основе данных — и они хотят, чтобы поиск фактов был как можно более плавным. В идеальном мире они могут получить доступ к описательной аналитике, чтобы понять, что происходит в бизнесе, диагностической аналитике, чтобы узнать причины изменений, прогнозному аналитика, чтобы понять, что произойдет в будущем, и предписывающая аналитика, чтобы решить, какие следующие действия лучше предпринять.

Поскольку инструменты аналитики ориентированы на определенный тип анализа, организации в конечном итоге используют несколько инструментов и подходов.

  • Бизнес-пользователи и потребители аналитики используют инструменты бизнес-аналитики и информационные панели для описательной аналитики, чтобы понять, что происходит в бизнесе, и визуализировать показатели производительности.
  • Аналитики пишут SQL-запросы или используют электронные таблицы для разделения данных для диагностической аналитики, чтобы выяснить, почему что-то меняется.
  • Эксперты по данным используют науку о данных и автоматизацию машинного обучения для прогнозной и предписывающей аналитики, чтобы сформулировать рекомендации и следующие оптимальные действия.

Но подождите — аналитика — это командный вид спорта, который требует совместной работы потребителей и создателей аналитики. Поскольку инструменты Analytics/BI и инструменты Data Science/ML отделены друг от друга, традиционные подходы с использованием разрозненных инструментов замедляют принятие решений на основе данных, усугубляют невыполненные аналитические работы и вынуждают лиц, принимающих решения, полагаться на чутье и интуицию.

Но что, если бы аналитика и наука о данных не были разделены?

Две стороны одной медали

В Tellius мы всегда разрабатывали наш продукт, думая, что Analytics/BI и Data Science/ML — это две стороны одной медали, где оба подхода должны использоваться рука об руку для предоставления аналитика принятия решений, необходимая для принятия более эффективных бизнес-решений на основе данных.

Таким образом, аналитика принятия решений касается не только информационных панелей или автоматического машинного обучения, сочетание BI и ИИ создает гораздо более ценную аналитическую валюту:

Аналитика/BI. Помимо информационных панелей и отчетов, каждый может задавать вопросы о данных и быстро изучать терабайты данных ситуативным способом с помощью интерфейса поиска на естественном языке, похожего на Google, и автоматизированных визуализаций.

Наука о данных/машинное обучение. В дополнение к гибкому моделированию машинного обучения (например, AutoML, Point & Click или Python/SQL), автоматическая сегментация, обнаружение сигналов, упреждающий анализ и отсутствие/низкое/полное Возможности кода упрощают получение рекомендаций для принятия решений лицами, принимающими решения.

Единый интерфейс аналитики. Единый пользовательский интерфейс аналитики позволяет создателям и потребителям аналитики легко переключаться между различными режимами аналитики, чтобы отвечать что, почему и как деловые вопросы. Люди с разными ролями могут применять свои технические знания и деловую хватку для совместной работы над созданием и подтверждением прорывных идей.

Интеллектуальная автоматизация. Аналитика на основе ИИ автоматически оценивает каждую комбинацию точек данных, чтобы выявить наиболее важные выводы, предоставляя автоматический анализ ключевых факторов, когортное сравнение и анализ основных причин, сопровождаемые сводками NLG, чтобы значительно сократить на время анализа данных.

Архитектура. Компания Tellius разработала уникальный механизм двойной аналитики, который позволяет молниеносно проводить специальные исследования в сочетании с надежным механизмом распределенных вычислений для обработки машинного обучения, чтобы поддерживать рабочие нагрузки бизнес-аналитики и искусственного интеллекта в одном продукте.

Головы, вы выиграли; Тейлз, ты выиграл

Организации используют Tellius, чтобы совершить прорыв в своих возможностях аналитики и бизнес-аналитики и сделать аналитические данные на основе ИИ доступными для большего числа людей. В этих двух недавних отчетах об исследованиях Gartner показано, как наши клиенты используют единую платформу, чтобы получить лучшее из обоих миров, независимо от того, подходят ли они к решению проблем с точки зрения аналитики или с точки зрения науки о данных.

Два рынка. Один специализированный продукт. Теллий.