发帖
雷达卡
有经验的数据科学家具有分析、比较、钻取和查看数据的强大能力，能够以具有洞察力的市场情报的方式进行数据分析。如果没有深入的知识和对业务数据的广泛了解，普通业务用户可能会误读数据并错过关键见解。
因此，尽管自助式商业智能平台现在很容易获得，但可能仍需要经验丰富的数据技术人员来帮助业务用户获取战略情报，然后通过友好的数据可视化工具提供它们。自助式 BI 所涉及的远不止一套易于使用和访问的工具集。
在《自助式商业智能简介》一文中，作者解释普通用户如何在没有任何技术知识的情况下为分析目的“过滤、分组或细分”数据商业智能系统，这在传统 BI 中是必需的。作者还警告说，由于 SSBI 世界中“一刀切”，IT 团队必须在设计自助式商业智能平台之前仔细检查相关用户的需求、期望和技能。小部分超级用户可能仍需要临时工具来进行个性化分析，因此自助式 BI 系统必须足够灵活和可扩展，以支持广泛的用户。
伯纳德·马尔，在为什么我们必须重新考虑自助式 BI、分析和报告中指出，SSBI 的危险在于让新手可以使用高度复杂的工具。虽然从长远来看，过度依赖数据技术团队是不可取的，但必须足够谨慎，以确保一些关键技术人员必须带领各级业务用户对他们的数据提出正确的问题，并使用正确的工具进行数据分析。分析以获得所需的结果。
未经适当培训，不应让用户独自使用高度敏感的数据集或技术工具。这数据多样性®文章 自助式商业智能很大，但它适合所有人吗？探索从传统 BI 环境过渡到自助式 BI 的可能性。
自助式 BI：实现明智的决策
良好的自助式商业智能平台的固有能力是能够从不同的来源收集和编译多结构化数据，然后将这些数据转换为可操作的情报。BI 技术设计的这种趋势表明，从高度控制的、以 IT 为主导的活动逐渐转变为由普通业务用户管理的主流业务活动。
强大的 BI 平台通常具有以下大部分特征：
存在良好的数据准备工具来克服安全和数据治理风险
处理能力大数据用于数据发现
开放访问外部数据以根据需要生成即时报告
用于进行分析和生成报告的简单使用工具
包括简单到复杂分析模型的可扩展性
用于查看结果的强大可视化工具。
文章 Self-Service BI: Empowering Managers to Make Better Decisions讨论了 SSBI 如何在需要时为企业经理提供服务。
传统商业智能与自助式商业智能
虽然传统 BI 的市场价值通常来自其“品牌”，并得到 Oracle、IBM Cognos 或 SAP Business Objects 等行业专家的支持，但自助式 BI 相对于传统 BI 的重大胜利在于，它使数据发现，从而提供了一个快速简便的渠道来解决“数据提取和数据准备的障碍”。有必要了解自助式 BI 中的数据准备工具如何帮助业务用户快速收集、组织、清理和准备来自不同数据源的数据。
借助数据发现，用户可以从组织内的多个来源提取多结构化数据，有时也可以从外部来源提取。帖子 自助式 BI 与传统商业智能对两者进行了有趣的比较。以下是区分传统 BI 与自助式 BI 的其他一些比较特征：
传统 BI 由于其品牌足迹，通常成本更高且更难实施。相比之下，自助式 BI 相对便宜且更易于实施。
自助式 BI 支持多种数据源，而传统 BI 通常依赖于数据仓库.
传统 BI 需要一些编程或 SQL 知识，而许多自助式商业智能用户不知道如何编码。
在传统 BI 中，普通业务用户必须依赖数据分析师进行复杂的分析或高端报告，而在 SSBI 中，最终用户完全能够在没有任何技术帮助的情况下进行分析或生成报告。
传统 BI 曾经是具有财务偿付能力的企业的守卫领域，而 SSBI 则帮助资金不足的小型企业在没有太多财务承诺的情况下实施内部 BI。
进行的状态调查分析采用，Impact Analytix 为嵌入式 BI 供应商 Logi Analytics 进行的调查显示，超过 65% 的受访者已经转向自助分析解决方案。
自助式 BI 和自助式分析能否取代数据科学家？
自助式 BI 的目标是使业务用户能够在没有数据技术专家在场的情况下，通过使用引导分析平台找到自己的可行解决方案。然而，福布斯邮报 为什么自助分析不会取代数据分析专业人员，可能会帮助他们表明，这一特定目标仍然遥遥无期，OLAP 或数据发现等技术只能满足部分用户目标。一方面，用户希望完全摆脱技术专家的束缚，另一方面，他们仍然没有处于先进的自助式 BI 技术和工具的舒适区。
在数据发现的情况下，用户经常表现出对令人眼花缭乱的图形的迷恋，而从数据模式中获得有意义的洞察力的基本要素可能已被破坏。尽管“现代自助式 BI 工具”很容易获得，但大多数业务用户更愿意继续使用一个业务应用程序，而不是不断切换到单独的自助式分析平台。
用户希望能够快速提取和组合来自不同来源的数据，然后探索和查询数据以获得即时业务洞察力，从而实现快速决策管理。大数据和 Hadoop 等技术在一定程度上使之成为可能，但解释组合和复杂数据以检测可操作的见解仍有很长的路要走。
如何启用自助式商业智能
随着不断进步而出现的新技术挑战需要彻底了解由大数据、Hadoop、数据发现、数据可视化和其他相关技术组成的整个数据管理生态系统。
自助式 BI 计划的隐性成本暗示了自助式 BI 专业人员的一个关键操作问题。作为不同数据分析师可能在不同时间独立工作，可能会出现数据集建模的冗余，从而增加 SSBI 的开销成本。具有相同结果的相同数据集的并发执行也会耗尽系统资源。另一方面，针对特定需求或少数受众完成的分析可能会生成难以消化的报告并增加成本。当一个人开发数据模型，而其他人或团队生成报告时，这个问题可能会经常发生。因此，更好的方法可能是在初始阶段清楚地阐明关于数据准备、数据建模和报告的假设。
自助式 BI：数据安全和数据治理问题
考虑实施自助式 BI 的企业必须考虑聘请数据安全和数据治理专家，以确保新的自助式 BI 实施通过实施前和实施后的安全检查。
自助式 BI 平台上的数据安全很重要，原因有很多，包括：防止未经授权访问数据的数字隐私措施、避免数据泄露、防止内部滥用和数据使用中的人为错误。 文章 在整个企业范围内交付受监管的自助式 BI 有助于确保在企业范围内的自助式 BI 中进行适当的治理。这篇文章包括一个数据治理清单。
一些自助式 BI 平台仍然缺乏适当的数据安全性和数据治理控制。设计良好的自助式 BI 平台通常具有数据准备工具，用于存储、管理和提供对源数据、准备好的数据和数据模型的访问，并采用适当的治理措施，而不会妨碍自助式分析流程。
大量自助式商业智能解决方案提供高级数据治理功能，例如数据屏蔽、数据保留、数据沿袭、基于角色的访问和审计。数据质量和数据治理对于自助式 BI 的成功非常重要。即使使用同类最佳的可视化工具，如果数据质量不佳，SSBI 系统也可能无法提供结果。
相关帖子DA内容精选
|
京公网安备 11010802022788号
