Mi az a kibővített analitika?
A kibővített analitika olyan analitika, amelyet mesterséges intelligencia technológiákkal „bővítettek”.
Kiterjesztett elemzések áttekintése
A legegyszerűbb kibővített analitikai definíció? A kibővített analitika olyan analitika, amelyet mesterséges intelligencia (AI) technológiákkal „bővítenek”, beleértve a gépi tanulást és a természetes nyelvi feldolgozást (NLP). A gépi tanulás automatizálja a komplex elemzési folyamatokat – például az adat-előkészítést és az elemzések generálását. És az NLP lehetővé teszi, hogy bármely felhasználó, még a képzetlen üzleti felhasználók is, kérdéseket tegyenek fel az adataikról, és egyszerű, társalgási módon kapjanak válaszokat.
A „kibővített analitika” kifejezést a Gartner alkotta meg 2017-ben, és ma már széles körben úgy gondolják, hogy az üzleti intelligencia (BI) és az adatelemzés jövője – beleértve a prediktív elemzéseket is.
Miért fontosak a kibővített analitikák?
A Big Data lehetőség bányászata
Az adatok jelentik a legnagyobb lehetőséget a modern gazdaságban. Ezzel a vállalkozások tudják, mit készítsenek, mikor, kinek, hogyan fejlődjenek, és még sok más. Ma azonban az adatok mennyisége túl nagy az emberek számára ahhoz, hogy önállóan értelmezzék – vagy elfogultság nélkül –, és az azonnali válaszadásra vonatkozó követelményt egyszerűen lehetetlen teljesíteni. Az olyan technológiák, mint a mesterséges intelligencia és a gépi tanulás engedélyezése szükséges ahhoz, hogy tartalmas elemzéseket lehessen felfedezni a Big Data tengerében. Ez az egyik oka annak, hogy a kibővített analitika olyan fontos: kombinálják az adattudományt és a mesterséges intelligenciát, hogy segítsék a vállalatokat a masszív adathalmazok valós idejű elemzésében.
Az adattudósokra való támaszkodás csökkentése
Az elemzési folyamat egy sor manuális, időigényes lépés, amely olyan bonyolult, hogy általában csak az adattudósok tudják elvégezni azokat. Ezeknek a professzionális elemzőknek a következőket kell tenniük:
- Adatgyűjtés több forrásból
- Előkészítés elemzésre
- Elemzés végrehajtása
- Értelmes elemzések keresése
- A vizsgálati eredmények vizualizálása
- Meggyőző módon oszthatja meg az eredményeket
- Műveletterv létrehozása
A probléma az, hogy világszerte nagy az adattudósok hiánya – és a felvételük költséges. Bár a kibővített analitika nem helyettesíti ezeket a szakembereket, csökkenthetik a rájuk való támaszkodást olyan folyamatok automatizálásával, mint az adatgyűjtés, az előkészítés, a tisztítás és az elemzés.
Amellett, hogy az adattudósok időt szabadítanak fel a fontosabb feladatokra, mint például az eredmények értelmezése, a kibővített analitika növelheti az elemzők által az Ön szervezete számára nyújtott értéket. Az AI- és gépi tanulásalapú analitika segít nekik abban, hogy olyan kapcsolatokat hozzanak létre, amelyeket egyébként esetleg kihagytak – és kevesebb idő alatt találnak mélyebb elemzéseket. Ezek a technológiák más elemzési szerepkörökben is képessé tehetik a munkavállalókat – az üzleti elemzőktől az állampolgári adattudósokig –, hogy javítsák a rálátásukat, és segítsék őket a korábban csak szakértő adattudósok által végzett munka elvégzésében.
Demokratizáló elemzések képzetlen felhasználók számára
A kibővített analitika egy másik olyan fontos oka, hogy lehetővé teszi a betanítatlan „információfelfedezőket” a játékban. Az összetett elemzési folyamatok automatizálásával és azzal, hogy a felhasználók egyszerűen lekérdezhetik az adatokat kérdések feltevésével, az adattudományi ismeretekkel nem rendelkező munkavállalók kihasználják a fejlett elemzéseket. A gépi tanulás útmutatóul szolgálhat ezeknek az információkutatóknak azzal, hogy azt javasolja, hogy melyik kérdést tegyék fel a következő kérdésre – és javasolják, hogy hol kell mélyebbre ásniuk.
A kibővített elemzésekkel a lekérdezésekre adott válaszok kész adatvizualizációk formájában érkeznek, mint például diagramok, grafikonok és térképek – így a felhasználóknak nem kell maguknak létrehozniuk őket. Ezek a vizualizációk egyszerű parancsokkal vizsgálhatók, adattörténetekbe fűzhetők, és könnyen megoszthatók más csapatokkal és vezetéssel – nincs szükség PhD-re.
Az analitika fejlődése
Az analitika és az üzleti intelligencia az elmúlt években hosszú utat tett meg – az adat- és analitikai szakemberek kifinomult eszközeitől a bárki által használható gépi tanulási elemzésekig.
Hagyományos analitika
IT által vezérelt
Korlátozott felhasználói autonómia
Kifinomult eszközök adat- és analitikai szakemberek számára
Fókuszálás a jelentéskészítésre a megfelelő léptékben
Önkiszolgáló elemzések
Az üzlet által vezérelt
Nagyobb felhasználói autonómia
Felhasználóbarát felület
Fókusz a felhasználóvezérelt elemzésekre
Kibővített analitika
AI és gépi tanulás által vezérelt
Valódi felhasználói autonómia
MI-eszközök és irányított folyamatok
Fókuszban a gyors, mély, korábban rejtett elemzések
Bővített analitika használati esetei
A kiterjesztett analitikának megvan a hatalma arra, hogy forradalmasítsa az üzleti folyamatokat – de hogyan néz ki ez a valós világban? Íme néhány példa a kibővített analitika használati eseteire a pénzügyben, az értékesítésben és a marketingben, a logisztikában, az emberi erőforrásokban és a vevőkönyvelésben.
Bővített analitika a pénzügyben Az üzleti elemző kibővített elemzéseket használhat az utazási és vendéglátási (T&E) költségek egyszerű előrejelzésére és ellenőrzésére a különböző üzletágakban.
Kiterjesztett analitika a vevőkönyvelésben A beszedésmenedzserek gépi tanulást használhatnak a kibővített elemzésekben a késedelmes fizetések előrejelzésére, a megfelelő beszedési stratégia meghatározására és a cash flow csúcsán maradásra.
Bővített analitika az értékesítésben és a marketingben Az értékesítési és marketingcsapatok jobb ügyfélprofilokkal rendelkeznek – és a továbbfejlesztett analitikák segítségével gyorsan azonosítják a kereszt- és felülértékesítési lehetőségeket.
Kiterjesztett analitika a gyártásban Egy acélgyártó elemzője kibővített elemzéseket használhat a kiadások előrejelzésére, felügyeletére és ellenőrzésére Európa-szerte különböző gyárakban.
Kiterjesztett analitikák a HR-ben A HR-vezetők előre jelezhetik a dolgozók elvándorlását, megérthetik az okok okait, és javító intézkedéseket tehetnek a legjobban teljesítők megtartása érdekében – mindezt mesterséges intelligencia elemzésekkel.