发帖
雷达卡
自助式商业智能是神话吗？
目前，许多分析和商业智能任务由半自动化或全自动分析平台处理，尤其是由机器学习 (ML) 工具提供支持的平台。数据挖掘是由人类数据科学家主导的领域，直到最近支持 ML 的高级工具接管了许多任务。
在Gartner的调查在来自世界各地的 3,000 多名首席信息官中，受访者单方面同意自助式 BI 已被采用，以使先进技术在日常业务中的使用民主化。多年来由人类专家严密保护的数据挖掘技术现在突然被先进的机器学习工具所取代。这些工具可以检测数据中的模式，建立关联，并在普通业务用户需要时提取所需的洞察力。
自助式 BI 并非神话，因为当前各种规模的企业都在常规使用打包的机器学习算法来制定有利可图的决策。算法经济将继续存在。使用打包算法进行业务分析有两个明显的优势：成本和即时可用性。
Gartner 曾预测，“具有自助服务能力的商业用户的分析输出将超过专业数据科学家的分析输出。”
现在在自助式商业智能世界中可以看到两个明显的趋势：对单击按钮分析而非编码分析功能的深深迷恋，以及对虚拟数据存储库的关注。
数据科学家在自助服务世界中的作用
在“数据文化”迅速传播的同时，数据科学家正在通过利用技术为所有类型的用户提供更快、更准确的解决方案来为业务增值。
自助式 BI 革命将数据科学家带到了商业走廊，在那里他们与其他员工讨论复杂的分析问题。2018 年将是企业自助服务数据科学年与 Gartner 报告的观点相呼应，指出公民数据科学家和机器学习工具的巨大增长将导致自助式分析和自助式 BI 的兴起。今年，企业可能会看到公民数据科学家和训练有素的数据科学家团队共同努力实现盈利目标。
DATAVERSITY ®文章自助式商业智能的基础知识描述了自助式 BI 业务实践的真实旅程。它指出，只有数据科学家才有资格弥合从智能平台提取的“原始情报”与通过仪表板闪现的决策友好见解之间的差距。普通业务用户可能完成的不仅仅是在自助服务世界中过滤和分组数据，但无法完成高级可视化任务。
数据准备和数据提取仍然是自动化 BI 平台的重要挑战，以及许多相关技术（如 Hadoop、大数据，数据发现和其他技术将对自助服务世界中的技术访问、使用和理解构成障碍。“辅助 BI”可能是描述自助式商业智能未来的更好术语。此外，数据安全和数据治理将成为自助式 BI 世界中的严重问题，企业必须为此聘请经验丰富的数据专业人员。
公民数据科学家的崛起
为什么每个公司都应该使用自助式商业智能工具建议普通业务用户需要自助服务平台来快速轻松地完成工作。这种转型业务向自助式 BI 转变的最主要原因是缺乏熟练的数据科学家，以及麦肯锡几年前预测的 IT 行业即将出现的人才缺口。
企业必须找到解决这一人力缺口的解决方案，其中之一是采购、构建和部署自助服务分析和 BI 平台，以满足他们的内部需求。当然，融合技术，如云、物联网和大数据从长远来看也增强了自助服务平台的“生存能力”。在这样一个自我驱动的分析世界中，公民数据科学家可以作为训练有素的数据科学家的合作伙伴和合作者。
数据科学家如何为自我思考的 BI 平台增加价值？
自助式商业智能很大，但它适合所有人吗？表示自助式商业智能解决方案目前正在迎合两个截然不同的消费者群体：普通商业用户和专业 IT 团队。虽然业务用户对在日常分析或 BI 任务中自给自足感到兴奋，但 IT 团队成员也热衷于通过使用自动化或半自动化 BI 工具来提取深刻的见解。
文章引用了市场研究公司 Impact Analytics 进行的 2017 年关于用户采用自助分析的调查。调查对象是代表各自公司中央 IT 设施的 IT 专业人员。Impact Analytics 显示，近三分之二（超过 65%）的受访者表示他们已经或即将向其业务用户提供自助分析。受访者报告说，超过一半的业务用户可以直接访问自助分析平台。这篇文章含蓄地表明，数据科学家仍然是自助服务世界的重要组成部分。
预测分析世界质疑是否随着公民数据科学家的突然崛起，人类数据科学家将从企业中消失。其结论是，尽管高级工具可以使业务用户接近第一手分析或 BI 体验，但数据科学家的角色永远不会被抹杀。正如作者所说的普通业务用户，“Data Dabblers”永远无法获得真正数据科学家的知识深度。
一位英国的行业观察家，IT 专业人士，讨论当前的人才缺口。这表明欧盟委员会已经做出了认真的承诺，以填补整个欧洲的数据科学人才缺口。SAS Institute 等许多著名公司都开设了研究生学位课程，以解决商业数据科学领域的人才缺口。
到 2020 年，每家公司都将招聘 8 个职位表明在两年内，企业将感到数据分析人才的巨大空缺，他们可以弥合普通企业用户与自动分析或 BI 工具倾泻而出的以数据为中心的大量洞察力和智能之间的差距。根据世界经济论坛的说法，尽管最近的技术中断正在威胁世界各地的白领工作，但数据分析师将需要帮助自助式商业智能平台。
自助式 BI 或辅助式 BI：在企业中哪个更容易实现？
算法经济正在推动商业社区从简单的信息中获得“洞察力”。然而，提供业务洞察力的核心活动是分析，如果没有高级分析或 BI 工具，企业将在未来的全球竞争世界中走向失败。这就是嵌入式分析的用武之地，并且嵌入式分析终极指南：产品选择和实施的关键提供了辅助 BI 的概述。它指出，在嵌入式分析项目中，从定义项目的初始步骤到启动应用程序的最后一步，需要特定的分析知识和熟练的人力。在竞争日益激烈的商业世界中，将需要辅助分析以及自助服务。
自助分析和自给自足的错觉解释了为什么自助分析在企业中如此受欢迎。它将新平台称为“双刃剑”。尽管自助式 BI 的易用性和强大功能不可否认，但这些平台在数据安全、数据治理和数据溢出方面的长期可维护性构成了巨大挑战。这意味着需要高技能的 IT 团队来维护这些系统。
自助式 BI 的风险和收益
自助分析和 BI 平台的最大好处是它使普通业务用户成为公民数据科学家. 在严格的时间限制内执行日常功能的同时，业务用户肯定会发现自助服务平台方便且易于使用，可以轻松完成工作。
自助服务平台的最大缺点或“风险”是用户可能无法从可用数据中获得洞察力、误解结果或误用洞察力。虽然人类数据专家知道如何在出现问题时与机器交谈，但普通业务用户没有这样的技能。在许多情况下，公民数据科学家将被迫向真正的数据科学家寻求帮助和支持。
数据爆炸，增加数据类型、新兴技术和云将增加自助分析的挑战，尽管有数据准备和数据访问工具。自助分析平台中的数据安全和数据治理当然需要处理一些重要问题，而充分关注安全和治理问题的“分布式 BI 框架”也有充分的理由。
| 相关帖子DA内容精选 |
京公网安备 11010802022788号
