[ad_1]
Está claro que las numerosas ofertas de proveedores disponibles han visto recientemente un movimiento significativo en el mercado hacia la inteligencia empresarial de autoservicio (SSBI). También existe una creciente preocupación en la comunidad de ciencia de datos de que los usuarios comerciales comunes puedan malinterpretar o malinterpretar los datos disponibles, lo que podría dar lugar a resultados incorrectos.
Los científicos de datos capacitados tienen una gran capacidad para analizar, comparar, examinar y mostrar datos de una manera que permite una inteligencia de mercado perspicaz. Sin este conocimiento profundo y un acceso extenso a los datos comerciales, los usuarios comerciales comunes pueden leer mal los datos y perder información importante.
Aunque las plataformas de inteligencia empresarial de autoservicio ahora están disponibles, es posible que los tecnólogos de datos experimentados aún necesiten ayudar a los usuarios empresariales a obtener información estratégica y luego entregarla a través de herramientas de visualización de datos fáciles de usar. La BI de autoservicio es mucho más que una serie de conjuntos de herramientas fácilmente disponibles y accesibles.
En el correo Introducción a la inteligencia empresarial de autoservicioEl autor explica cómo el usuario medio puede «filtrar, agrupar o segmentar» datos con fines analíticos sin tener el conocimiento técnico de los sistemas de inteligencia empresarial necesarios en la BI tradicional. El autor también advierte que el equipo de TI debe estudiar cuidadosamente las necesidades, expectativas y habilidades de los usuarios involucrados antes de desarrollar una plataforma de inteligencia empresarial de autoservicio, ya que «una talla no sirve para todos». Es posible que el pequeño número de superusuarios aún necesite herramientas ad hoc para realizar análisis personalizados. Por lo tanto, los sistemas de BI de autoservicio deben ser lo suficientemente flexibles y escalables para admitir una amplia gama de usuarios.
Bernard Marr, muestra en Por qué debemos repensar la BI, el análisis y la generación de informes de autoservicio que el peligro de SSBI es proporcionar herramientas sofisticadas a los usuarios novatos. Si bien la dependencia excesiva de los equipos de tecnología de datos no es deseable a largo plazo, se debe tener la precaución suficiente para garantizar que parte del personal técnico clave debe lograr que los usuarios comerciales de todos los niveles hagan las preguntas correctas sobre sus datos y las herramientas adecuadas para hacerlo. Utilice el análisis de datos para obtener los resultados deseados.
Los usuarios no deben quedarse solos con conjuntos de datos o herramientas técnicas altamente sensibles sin la capacitación adecuada. La VERSIDAD DE DATOS® artículos La inteligencia empresarial de autoservicio es excelente, pero ¿es para todos? explora la posibilidad de pasar de un panorama de BI tradicional a un BI de autoservicio.
BI de autoservicio: habilite decisiones informadas
Una capacidad inherente de una buena plataforma de inteligencia empresarial de autoservicio es la capacidad de recopilar y compilar datos multiestructurados de fuentes dispares y luego convertir esos datos en información procesable. Esta tendencia en el diseño de la tecnología de BI indica un cambio gradual de una actividad altamente controlada impulsada por TI a una actividad comercial general administrada por usuarios comerciales normales.
Las plataformas de BI de alto rendimiento suelen tener la mayoría de las siguientes características:
- La existencia de buenas herramientas de preparación de datos para superar los riesgos de seguridad y gobernanza de los datos.
- La capacidad de procesar macrodatos para el descubrimiento de datos.
- Acceso abierto a datos externos para generar informes instantáneos según sea necesario
- Facilidad de uso de herramientas para realizar análisis y generar informes
- Escalabilidad para modelos analíticos simples a complejos
- Potentes herramientas de visualización para ver los resultados.
El objeto BI de autoservicio: capacitar a los gerentes para que tomen mejores decisiones analiza cómo SSBI sirve a los gerentes comerciales en momentos de necesidad.
Inteligencia empresarial tradicional frente a inteligencia empresarial de autoservicio
Si bien el valor de mercado de la BI tradicional a menudo se basa en la «marca» respaldada por expertos de la industria como Oracle, IBM Cognos o SAP Business Objects, un triunfo significativo de la BI de autoservicio sobre la BI tradicional es que los datos se pueden proporcionar rápida y fácilmente. canal simple para sortear los «obstáculos de la extracción y preparación de datos». Es importante comprender cómo las herramientas de preparación de datos en el BI de autoservicio ayudan a los usuarios comerciales a ingerir, organizar, limpiar y preparar rápidamente datos de fuentes de datos dispares.
Con el descubrimiento de datos, los usuarios pueden acceder a datos de estructuras múltiples desde múltiples fuentes dentro de una organización y, a veces, desde fuentes externas. El cargo BI de autoservicio versus inteligencia empresarial tradicional hace una interesante comparación entre los dos. A continuación, se muestran algunas otras características de comparación que distinguen la BI tradicional de la BI de autoservicio:
- La BI tradicional a menudo cuesta más debido a la huella de su marca y es más difícil de implementar. En comparación, la BI de autoservicio es relativamente económica y más fácil de implementar.
- El BI de autoservicio admite una variedad de fuentes de datos, mientras que el BI tradicional generalmente se basa en almacenes de datos.
- La BI tradicional requiere algunas habilidades de programación o SQL, mientras que muchos usuarios de inteligencia empresarial de autoservicio no saben cómo codificar.
- En BI tradicional, los usuarios comerciales normales deben confiar en analistas de datos para análisis complejos o informes de alto nivel, mientras que en SSBI el usuario final es perfectamente capaz de realizar análisis o generar informes sin asistencia técnica.
- Si bien la BI tradicional alguna vez fue el dominio protegido de las empresas financieramente solventes, SSBI ayuda a las pequeñas empresas con poco capital a implementar la BI interna sin gastar mucho dinero.
Una encuesta sobre el estado de Adquisición de análisisLa empresa dirigida por Impact Analytix para el proveedor de BI integrado Logi Analytics muestra que más del 65 por ciento de los encuestados ya se han cambiado a soluciones de análisis de autoservicio.
¿Pueden la BI de autoservicio y la analítica de autoservicio reemplazar a los científicos de datos?
El objetivo de la BI de autoservicio es permitir que los usuarios comerciales encuentren sus propias soluciones procesables utilizando una plataforma de análisis guiado sin la presencia de un tecnólogo de datos. Sin embargo, la publicación de Forbes es Por qué los análisis de autoservicio no reemplazan a los expertos en análisis de datos pueden ayudar muestra que este objetivo en particular está todavía muy lejos y que tecnologías como OLAP o el reconocimiento de datos solo cumplen parcialmente los objetivos del usuario. Por un lado, los usuarios quieren una total libertad de los expertos técnicos, por otro lado, todavía no se encuentran en una zona de confort con tecnologías y herramientas de BI de autoservicio avanzadas.
En el descubrimiento de datos, los usuarios a menudo han mostrado una fascinación por los gráficos deslumbrantes, mientras que lo esencial para obtener información significativa a partir de muestras de datos puede haber sido socavado. A pesar de la fácil disponibilidad de las «herramientas de BI de autoservicio modernas», la mayoría de los usuarios comerciales prefirieron quedarse con una aplicación comercial en lugar de cambiar constantemente a una plataforma de análisis de autoservicio separada.
Los usuarios desean tener la capacidad de extraer y combinar rápidamente datos de fuentes dispares, y luego explorar y consultar los datos para obtener información empresarial instantánea y una rápida gestión de decisiones. Las tecnologías como Big Data y Hadoop lo han hecho posible hasta cierto punto, pero la interpretación de datos combinados y complejos para identificar información procesable aún está muy lejos.
Cómo habilitar la inteligencia empresarial de autoservicio
Los nuevos desafíos tecnológicos que surgen como resultado del desarrollo continuo requieren una comprensión profunda de todo el ecosistema de gestión de datos, que consiste en big data, Hadoop, descubrimiento de datos, visualización de datos y otras tecnologías relacionadas.
El objeto Los costos ocultos de las iniciativas de BI de autoservicio Indicaciones de un problema operativo crítico para los profesionales de BI de autoservicio. Debido a que diferentes analistas de datos pueden trabajar de forma independiente en diferentes momentos, es probable que haya redundancia en el modelado de conjuntos de datos, lo que aumenta el costo general de SSBI. La ejecución de los mismos registros al mismo tiempo con los mismos resultados también consume recursos del sistema. Por otro lado, los análisis realizados para necesidades específicas o para una audiencia pequeña pueden crear informes que son difíciles de digerir y aumentan los costos. Cuando una persona está desarrollando modelos de datos y otra persona o equipo está creando informes, este problema puede ocurrir a menudo. Por lo tanto, un enfoque mucho mejor podría ser articular claramente los supuestos sobre la preparación de datos, el modelado de datos y los informes en las primeras etapas.
El artículo de Gartner Cómo habilitar el análisis de autoservicio y la inteligencia empresarial: lecciones de los finalistas del premio Gartner tiene una gran cantidad de lecciones que los profesionales de BI de autoservicio pueden poner en práctica de inmediato:
Algunas de estas lecciones incluyen:
- Los objetivos o resultados comerciales deseables de SSBI deben estar alineados con los objetivos de la organización y expresarse en beneficios medibles.
- El equipo de TI central y los usuarios comerciales normales deben trabajar juntos en las diversas fases del diseño, desarrollo y soporte de uso del sistema SSBI.
- La propia innovación y las aportaciones de los usuarios empresariales deben estar respaldadas por una postura flexible sobre la gobernanza de datos y análisis.
- Equipe a los usuarios comerciales con un «plan de participación» bien diseñado para garantizar el éxito de la analítica en la plataforma de autoservicio.
BI de autoservicio: problemas con la seguridad y el gobierno de los datos
Las organizaciones que estén considerando una implementación de BI de autoservicio deben consultar a expertos en seguridad y gobernanza de datos para asegurarse de que una nueva implementación de BI de autoservicio se someta a revisiones de seguridad antes y después de la implementación.
La seguridad de los datos en las plataformas de BI de autoservicio es importante por muchas razones, que incluyen: medidas de protección de datos digitales para evitar el acceso no autorizado a los datos, ausencia de fugas de datos, prevención del abuso interno y errores humanos en el uso de datos. El objeto Provisión de BI de autoservicio regulado en toda la empresa arroja luz sobre cómo garantizar una gobernanza adecuada en el BI de autoservicio en toda la empresa. El artículo incluye una lista de control de la gobernanza de datos.
Algunas plataformas de BI de autoservicio aún carecen de controles adecuados de seguridad y gobernanza de datos. Las plataformas de BI de autoservicio bien diseñadas suelen tener herramientas de preparación de datos que se pueden utilizar para almacenar, administrar y acceder a datos de origen, datos preparados y modelos de datos con las medidas de gobernanza adecuadas, sin interferir con los procesos de análisis de autoservicio.
Un número significativo de soluciones de inteligencia empresarial de autoservicio ofrecen funciones avanzadas de gobierno de datos como enmascaramiento de datos, retención de datos, linaje de datos, acceso basado en roles y auditoría. La calidad y el gobierno de los datos son muy importantes para el éxito de la BI de autoservicio. Incluso con las mejores herramientas de visualización, es posible que un sistema SSBI no produzca resultados si la calidad de los datos no es perfecta.
Imagen utilizada bajo licencia de Shutterstock.com
