此内容是基本指南的一部分: 增强分析工具:业务用途、好处和障碍
开始 让你自己跟上我们的介绍内容。

为什么数据素养技能仍然重要的增强分析

民主化的数据分析使每个人都可以访问工具和信息,但仍然需要数据素养来分析数据并提供成功的结果。

增强分析有望将BI带给更多的商业用户。早期的实现对于回答简单的问题很有用,比如一个组织应该准备多少库存。然而,对于更复杂的分析类型,仍然需要更高水平的数据读写技能。

例如,当Gartner邀请供应商应用他们的增强分析工具与2016年BI Bake Off上的一个样本数据集相比,只有一个——Salesforce Einstein——允许业务用户准确识别根驱动程序。在这种情况下,研究人员向研究工具提供了一组与大学生相关的数据,以了解是什么因素导致了更高的长期收入。大多数工具只是加强了不准确的偏见当主要司机是父母的收入时,收益与常春藤联盟学院相关。

增强分析大大减少了对数据素养为了获取见解,但并不排除学习分析如何具有误导性的需要。

“我们将始终需要专家数据科学家来指导和验证由增强分析应用的逻辑,以确保使用它们的系统是表现良好的,”Chorus.ai的研发联合创始人和R&D负责人表示会话分析在旧金山的服务。这适用于做出可靠的逻辑推理,并确保在现实世界中的应用符合人们的价值观,他们的能力被设计用来增强。

TIBCO Software的分析总经理Mark Palmer认为,提高用户的数据读写能力可能需要时间,但与此同时,增强分析技术将减轻主题专家理解用于在图表上显示趋势线的数据模型的负担。这些专家只需要使用他们的领域专业知识来解释这些线的意思。从这个意义上说,增强分析可以使用可视化和嵌入式AI模型来消除复杂数据和业务洞察力之间的障碍。

不同类型的素养

我们将始终需要专家数据科学家来指导和验证由增强分析应用应用的逻辑,以确保使用它们的系统是良好的。
Micha Breakstone.联合创始人,Chorus.ai

谷歌首席决定科学家Cassie Kozyrkov建议企业可以从思考中受益九种不同的角色他们的数据科学团队拥有不同的数据素养技能。基本的读写能力包括学习如何使用工具的技术特性来画漂亮的图形。增强分析工具有助于减少生成基本图表的技术诀窍。

更复杂的类型的数据素养涉及了解如何以数据科学解决可以解决的方式建立业务问题。在Cupertino,Cupertino,Cupertino,Cupertino,Cafertino,Cafertino,Cafertino,Cafertino(Cupertino),加利福尼亚州(Cupertino),加利福尼亚州(Cupertino)的数据科学自动平台,Cavertino(Cafertino),加利福尼亚州的数据科学自动平台。

组织可以探索一种混合的方法业务分析师和数据分析师处理不同的任务,分析师和BI工程师构建数据模型,数据科学家进行审查。藤崎说,这将使数据科学家腾出更多时间,将他们的数据素养技能应用于该组织的高价值用例。

确保透明度

为了降低数据识字要求,分析管理人员应寻找方法以确保增强分析工具产生的结果的可解释性和透明度。许多进程在增强的分析工具中自动化,因此生成商业用户可以轻松理解,验证和采取行动至关重要。

这种透明度和可解释性可以帮助员工具有不同的数据素养技能水平,了解结果并采用它们来实现最大的业务结果。有增强的分析,商业和数据科学将越来越近, 和以商业为导向的数据科学家Fujimaki解释说,将变得越来越重要,以及“传统”数据科学家。

一个有希望的想法是在企业数据和分析平台之间创建一个坐在的语义抽象层。

“为了确保见解是可信的,机器学习必须连接并了解企业数据结构,数据质量,集成和商业语义,”全球产品营销副总裁NIC Smith表示云分析这种方法将使具有更多数据素养的商业专家和数据科学家更容易更有效地合作。

深入了解商业智能数据挖掘

搜索数据管理
搜索AWS.
搜索内容管理
搜索甲骨文
搜索树液
搜索SQL.服务器
关闭