Mitä on laajennettu analytiikka?
Lisätty analytiikka on analytiikkaa, jota on "lisätty" tekoälyteknologioilla.
Lisättyjen analyysien yleisnäkymä
Yksinkertaisin laajennettu analytiikan määritys? Lisätyt analyysit ovat analyysejä, joita ”täydennetään” tekoälyn (AI) tekniikoilla, mukaan lukien koneoppiminen ja luonnollisen kielen käsittely (NLP). Koneoppiminen automatisoi monimutkaisia analyysiprosesseja, kuten tietojen valmistelun ja analytiikan generoinnin. NLP antaa kaikille käyttäjille, jopa kouluttamattomille yrityskäyttäjille, esittää kysymyksiä heidän tiedoistaan ja saada vastauksia helposti ja keskustelevasti.
Gartner kehitti termin ”lisätyt analytiikka” vuonna 2017, ja sen uskotaan nyt olevan liiketoimintatiedon (BI) ja data-analytiikan tulevaisuus – ennustava analytiikka mukaan lukien.
Miksi lisätyt analyysit ovat tärkeitä?
Big Data -mahdollisuuden louhinta
Data on nykytalouden suurin mahdollisuus. Sen avulla yritykset voivat tietää, mitä tuottaa, milloin, kenelle markkinoida, miten kehittyä, ja paljon muuta. Mutta nykypäivän tietojen määrä on liian massiivinen ihmisten tulkittavaksi yksin – tai ilman puolueellisuutta – ja välittömien vastausten vaatimusta on yksinkertaisesti mahdotonta täyttää. Tarvitaan tekoälyn ja koneoppimisen kaltaisia teknologioita, jotta voidaan paljastaa merkityksellisiä oivalluksia Big Datan meressä. Tämä on yksi syy siihen, miksi lisätyt analytiikat ovat niin tärkeitä: ne yhdistävät datatieteen ja tekoälyn auttaakseen yrityksiä analysoimaan massiivisia datajoukkoja reaaliajassa.
Datatieteilijöiden riippuvuuden vähentäminen
Analyysiprosessi on sarja manuaalisia, aikaa vieviä vaiheita, jotka ovat niin monimutkaisia, että yleensä vain datatutkijat voivat suorittaa ne. Näiden ammattimaisten analyytikkojen on:
- Kerää tietoja useista lähteistä
- Valmistele se analyysia varten
- Suorita analyysi
- Etsi merkityksellisiä analyyseja
- Visualisoi löydökset
- Jaa löydökset vakuuttavalla tavalla
- Luo toimintasuunnitelma
Ongelmana on, että datatutkijoista on maailmanlaajuisesti suuri pula – ja heidän palkkaaminen on kallista. Lisätyt analyysit eivät korvaa näitä ammattilaisia, mutta ne voivat vähentää riippuvuuttasi niistä automatisoimalla prosesseja, kuten tietojen keruuta, valmistelua, puhdistusta ja analyyseja.
Sen lisäksi, että data-tutkijoiden aikaa vapautuu tärkeämpiin tehtäviin, kuten tulosten tulkintaan, lisätyt analyysit voivat lisätä näiden analyytikkojen arvoa organisaatiossasi. AI- ja koneenoppimisanalytiikka auttavat heitä luomaan yhteyksiä, joita he muutoin ovat menettäneet – ja löytämään syvempiä oivalluksia lyhyemmässä ajassa. Nämä teknologiat voivat myös antaa työntekijöille mahdollisuuksia muissa analytiikkarooleissa – yritysanalyytikoista kansalaistiedemiehiin – parantaa heidän näkemyksiään ja auttaa heitä tekemään työtä, jota aiemmin tekivät vain asiantuntijadatatutkijat.
Demokratisoiva analytiikka kouluttamattomille käyttäjille
Lisätyn analytiikan merkitys on myös siinä, että se antaa kouluttamattomien ”tiedonetsijöiden” osallistua peliin. Automatisoimalla monimutkaisia analyysiprosesseja ja sallimalla käyttäjien kysellä tietoja yksinkertaisesti kysymällä, työntekijät, joilla ei ole datatieteellisiä taitoja, voivat hyödyntää kehittynyttä analytiikkaa. Koneoppiminen voi ohjata näitä tiedonetsijöitä suosittelemalla, mitä kysymystä heidän pitäisi kysyä seuraavaksi – ja ehdottaa, missä kaivaa syvemmälle.
Lisätyn analytiikan avulla kyselyihin vastataan valmiiden tietojen visualisointien, kuten kaavioiden, kaavioiden ja karttojen muodossa, joten käyttäjien ei tarvitse luoda niitä itse. Näitä visualisointeja voidaan tutkia yksinkertaisilla komennoilla, yhdistää tietokuvauksiin ja jakaa helposti muiden tiimien ja johdon kanssa – tohtorin tutkintoa ei tarvita.
Analytiikan kehitys
Analytiikka ja liiketoimintatiedot ovat kehittyneet viime vuosina pitkälle kehittyneistä data-ja analytiikka-alan ammattilaisille tarkoitetuista työkaluista koneoppimisanalytiikkaan, jota kuka tahansa voi käyttää.
Perinteinen analytiikka
IT:n ohjaama
Rajoitettu käyttäjän itsemääräämisoikeus
Kehittyneet työkalut data- ja analytiikka-alan ammattilaisille
Keskity mittakaavassa tapahtuvaan raportointiin
Itsepalveluanalyysit
Yrityksen ohjaama
Lisää käyttäjän itsenäisyyttä
Käyttäjäystävällinen käyttöliittymä
Keskity käyttäjälähtöisiin analyyseihin
Lisätyt analyysit
Tekoälyn ja koneoppimisen ohjaama
Todellinen käyttäjän itsenäisyys
Tekoälyn työkalut ja ohjatut prosessit
Keskity nopeisiin, syviin, aiemmin piilotettuihin tietoihin
Käyttötapaukset lisätyille analyyseille
Lisätyn analytiikan avulla voidaan mullistaa liiketoimintaprosesseja – mutta miltä tämä näyttää todellisessa maailmassa? Tässä on muutamia esimerkkejä lisätyn analytiikan käyttötapauksista taloushallinnossa, myynnissä ja markkinoinnissa, logistiikassa, henkilöstöresursseissa ja myyntisaamisissa.
Lisätyt analyysit taloushallinnossa Liiketoiminta-analyytikko voi lisätyn analytiikan avulla helposti ennustaa ja hallita matka- ja viihdekuluja eri toimialoilla.
Myyntisaamisten lisätyt analyysit Perintäpäälliköt voivat käyttää koneoppimista lisätyissä analyyseissa ennakoidakseen myöhästyneitä maksuja, määrittääkseen oikean perintästrategian ja pysyäkseen kassavirran tasalla.
Laajennettu analytiikka myynnissä ja markkinoinnissa Myynti- ja markkinointitiimeille annetaan paremmat asiakasprofiilit – sekä risti- ja kalliimman myynnin mahdollisuuksien nopea tunnistaminen – lisätyn analytiikan avulla.
Lisätyt analyysit teollisuudessa Terästeollisuuden analyytikko voi käyttää lisättyä analytiikkaa menojen ennustamiseen, seurantaan ja hallintaan eri tehtaissa eri puolilla Eurooppaa.
Lisätyt analyysit HR:ssä Henkilöstöpäälliköt voivat ennustaa työntekijöiden siirtymisen, ymmärtää syyt ja ryhtyä korjaaviin toimenpiteisiin parhaiden suorittajien säilyttämiseksi – kaikki tekoälyn analytiikan avulla.