נאַוויגאַציע פון ​​​​דאַטאַ ליטעראַסי אין דער וועלט פון אַוגמענטעד אַנאַליטיקס

קינסטלעך סייכל (AI) קייפּאַבילאַטיז ווי מאַשין לערנען (ML) און נאַטירלעך שפּראַך פּראַסעסינג (NLP) פאָרזעצן צו פֿאַרבעסערן, און פאַרגרעסערן אַנאַליטיקס פּראָדוקטן קענען רילייאַבלי אָטאַמייט פילע טאַסקס שייַכות צו זען און פארשטאנד דאַטן. מיט שטאַרק מכשירים וואָס קענען ייבערפלאַך ינסייץ פון דאַטן, יגזעקיאַטיווז זענען אָפט וואַנדערינג: טוט די טעכנאָלאָגיע טאַקע רעדוצירן די נויט פֿאַר דאַטן ליטעראַסי טריינינג השתדלות אין זייער אָרגאַניזאַציעס? ניין, אלא פאַרקערט.

דאַטאַ ליטעראַסי - די פיייקייט צו לייענען, שרייַבן און יבערגעבן דאַטן אין קאָנטעקסט - איז מער וויכטיק ווי אלץ. עס איז קריטיש אין העלפּינג אָרגאַנאַזיישאַנז אַנטוויקלען אַ דאַטן-געטריבן וועג פון ארבעטן און ימפּאַוערינג עמפּלוייז צו פאַרגרעסערן אַי סקילז מיט זייער אייגענע שעפֿערישקייט און קריטיש טראכטן.

עס זענען נאָך סיבות צו באַטראַכטן אין די ראָלע פון ​​דאַטן ליטעראַסי פֿאַר די וווּקס און הצלחה פון אַן אָרגאַניזאַציע. הירינג, טריינינג און ריטיינינג דאַטן סייאַנטיס און אַנאַליס איז שווער - פּלוס, זייער סקילז זענען אָפט נואַנסט און טייַער. לויט 365 דאַטאַ וויסנשאַפֿט, רובֿ דאַטן סייאַנטיס מיסטאָמע וועט נישט פאַרברענגען מער ווי 1.7 יאָר אין זייער קראַנט ווערקפּלייס. דאַטן סייאַנטיס און אַנאַליס, וואָס זענען העכסט טריינד, אָפט באַקומען ריקוועס פֿאַר טאַסקס אַזאַ ווי בויען אַ ריין דאַטן מקור פֿאַר פארקויפונג אָדער טשערנינג יקערדיק ריפּאָרץ. מיט זייער ספּעשאַלייזד אַבילאַטיז, זייער צייט און סקילז שטעלן וואָלט זיין בעסער צו אַרבעטן אויף מאָדעלינג און דעוועלאָפּינג וואָרקפלאָוז פֿאַר העכער ווערט, קאָמפּליצירט געשעפט פֿראגן.

ווען יגזעקיאַטיווז ינוועסטירן אין אַי און פאַרגרעסערן אַנאַליטיקס טעכנאָלאָגיע, דער געשעפט באַניצער - אַ מער גלייַכגילטיק באַניצער פון דאַטן קאַמפּערד מיט אַ דעדאַקייטאַד אַנאַליסט - קענען אַקסעס די ענטפֿערס צו זייער פֿראגן און די אינפֿאָרמאַציע זיי דאַרפֿן צו טאָן זייער אַרבעט געזונט אָן זאָרג וועגן די מאַקאַניקס פון טאן. אַזוי.

ויספאָרשן ווי אַי-ינייבאַלד סאַלושאַנז קענען שטיצן באַניצער טאַסקס און געפֿינען די רעכט באַניצער דערפאַרונג האט אַ ריזיק פּאָטענציעל צו שטעלן די געצייַג און דער באַניצער פֿאַר הצלחה. פֿאַר בייַשפּיל, אַן אַי געצייַג קענען אָטאַמייט עטלעכע פון ​​די מער טידיאַס טאַסקס אַרום דאַטן צוגרייטונג און דערנאָך צושטעלן די רעזולטאַטן צו דעם מענטש, וואָס קענען ווייַטער אַנאַלייז און וויזשוואַלייז די אינהאַלט באזירט אויף זייער אַנאַליטיקאַל דאַרף.

אַדוואַנסמאַנץ אין Augmented Analytics הילף מענטשן ענטפֿערן פֿראגן פאַסטער

פאַרגרעסערן אַנאַליטיקס סאַלושאַנז קענען מאַכן עס גרינגער פֿאַר געשעפט יוזערז צו פֿאַרשטיין דאַטן, וואָס העלפּס קאָמפּאַניעס מאַקסאַמייז די ווערט פון די טייַער טעקנאַלאַדזשיז. פֿאַר בייַשפּיל, פאַרגרעסערן אַנאַליטיקס קענען פֿאַרשטיין קונה אינטערעס און פאָרשלאָגן פֿאָרויסזאָגן וועגן קאַנסומער פּרעפֿערענצן, פּראָדוקט אַנטוויקלונג און פֿאַרקויף טשאַנאַלז. זיי קענען אויך צושטעלן נאָך קאָנטעקסט וועגן טרענדס, וואַלועס און דיפעראַנסיז אין דיין דאַטן. סאַפיסטאַקייטיד אַלגערידאַמז קענען פֿאָרשלאָגן נאָך וויזשוואַלאַזיישאַנז וואָס קענען זיין מוסיף צו אַ דאַשבאָרד, צוזאַמען מיט טעקסט דערקלערונגען און קאָנטעקסט דזשענערייטאַד אין נאַטירלעך שפּראַך.

דאָ זענען עטלעכע ביישפילן פון סאַלושאַנז וואָס קענען העלפֿן פאַרגרעסערן דיין ווערקפאָרס.

1. דאַטאַ סטאָריעס. טאַבלעאַו קלאָוד איצט כולל דאַטאַ סטאָריעס, אַ דינאַמיש דאַשבאָרד ווידזשיט שטריך וואָס ניצט אַי אַלגערידאַמז צו פונאַנדערקלייַבן דאַטן און שרייַבן אַ פּשוט דערציילונג וועגן אים אין אַ דערציילונג אָדער בוללעטעד פאָרעם. די דערציילונגען וויוו צוזאַמען דערציילונגען וועגן דאַטן ווייַטער פון בלויז טשאַרץ און דאַשבאָרדז אין אַ רעגיסטרירן צוטריטלעך פֿאַר געשעפט ניצערס פֿאַר ענטפֿערן פילע פון ​​​​זייער פֿראגן. דאָס ראַדוסאַז די מדרגה פון דאַטן ליטעראַסי וואָס אַ געשעפט באַניצער דאַרף צו פֿאַרשטיין די מערסט וויכטיק אינפֿאָרמאַציע פֿאַר זיי. דאַטאַ סטאָריעס סערפאַסיז די פּשוט פֿראגן וואָס אַ באַניצער פרעגט ווען זיי ערשטער קוקן אין אַ באַר טשאַרט אָדער אַ שורה טשאַרט: איז די נומער וואָס קוקט ווי אַ אַוטלייער באמת אַן אַוטלייער? ווי האט די נומער געביטן איבער צייַט? וואָס איז די דורכשניטלעך? די דאַטן נאָך דאַרף זיין ינטערפּראַטאַד - דאָס איז נישט די גאנצע געשיכטע - אָבער דאָס איז אַ גרויס שריט צו ופשליסן די ינסייץ אין דאַטן.

2. ווייַזן מיר. אַוגמענטעד אַנאַליטיקס פֿעיִקייטן אויך לאָזן סמאַרטער קאָדירונג דיפאָלץ. פֿאַר בייַשפּיל, Show Me רעקאַמענדז טשאַרט טייפּס און צונעמען מאַרק קאָדירונג באזירט אויף דאַטן אַטריביוץ פון אינטערעס. יוזערז קענען דעריבער פאָקוס אויף די הויך-מדרגה טייקאַווייַ זיי ווילן צו יבערגעבן און טיילן די טשאַרץ מיט זייער וילעם ווי אַ טייל פון זייער וויזשאַוואַל אַנאַליטיקאַל וואָרקפלאָוו.

3. נאַטירלעך שפּראַך פארשטאנד. מיט סאַפיסטאַקייטיד פאָרשונג, גרויס טריינינג שטעלט פֿאַר שפּראַך מאָדעלס און ימפּרוווד קאַמפּיוטינג קייפּאַבילאַטיז, נאַטירלעך שפּראַך פארשטאנד איז אויך באטייטיק ימפּרוווד איבער די יאָרן.

מענטשן קענען פרעגן אַנאַליסיס פֿראגן אָן צו פֿאַרשטיין די מאַקאַניקס פון קאַנסטראַקטינג SQL קוויריז. מיט בעסערע כוונה פון פארשטאנד, נאַטירלעך שפּראַך ינטערפייסיז קענען ענטפֿערן פֿראגן מיט ינטעראַקטיוו טשאַרץ אַז יוזערז קענען פאַרריכטן, ראַפינירן און ינטעראַקט מיט די דאַטן.

4. מאַשין לערנען. אַוגמענטעד אַנאַליטיקס שייַכות צו ML האט אויך געמאכט סטריידז. די מאָדעלס קענען לערנען סאַפיסטאַקייטיד און קאָמפּלעקס אַנאַליסיס טאַסקס אַזאַ ווי דאַטן טראַנספאָרמאַציע אַפּעריישאַנז וואָס זענען פערזענליכען צו אַ ספּעציפיש טיפּ פון באַניצער אָדער אַ גרופּע פון ​​​​ניצערס. דערצו, פילע ימפּרוווד אַנאַליטיקס יקספּיריאַנסיז איצט האָבן באַניצער ינטערפייסיז וואָס פילן ינטואַטיוו, רידוסינג די קאַמפּלעקסיטי פון טריינינג און אַפּלייינג אַ מאָדעל אין אַ באַניצער ס אַנאַליסיס וואָרקפלאָוו.

כאָטש AI האט גלייבן קייפּאַבילאַטיז, עס וועט קיינמאָל פאַרבייַטן מענטשן גאָר. גריסינג הויך-מדרגה טייקאַווייַס פון נידעריקער-מדרגה סטאַטיסטיש פּראָפּערטיעס קענען זיין קאָמפּליצירט און גאַנץ נואַנסט. מענטשן האָבן אַ העכער מדרגה פון שעפעריש דערקענונג; מיר זענען נייַגעריק; מיר קענען דיסטיל די הויך-מדרגה טייקווייז פון דאַטן.

רעקאַמאַנדיישאַנז פֿאַר פאָוסטינג דאַטאַ ליטעראַסי

כּדי אָרגאַנאַזיישאַנז צו ופשליסן העכער-מדרגה ינסייץ פון זייער דאַטן, עמפּלוייז - געשעפט יוזערז און אַנאַליס ענלעך - מוזן זיין געבילדעט וועגן ווי זיי זאָל אַנאַלייז זייער דאַטן און האָבן בעסטער פּראַקטיסיז פֿאַר וויזשוואַלייזינג און פּריזענטינג דאַטן. דאָ ס ווי אָרגאַנאַזיישאַנז קענען אַנטוויקלען בעסטער פּראַקטיסיז אין פּראַמאָוטינג דאַטן ליטעראַסי און פאַרגרעסערן אַי מיט אַנאַליטיקס מכשירים.

1. ינוועסטירן אין טריינינג.

די רעכט מכשירים און די רעכט בילדונג / טריינינג איז קריטיש פֿאַר יעדער אָרגאַניזאַציע. אין א Forrester קאַנסאַלטינג לערנען וועגן דאַטן ליטעראַסי, בלויז 40% פון עמפּלוייז געזאגט אַז זייער אָרגאַניזאַציע האט צוגעשטעלט די דאַטן סקילז טריינינג זיי זענען דערוואַרט צו האָבן.¹ מענטשן און אָרגאַנאַזיישאַנז זאָל ויסשטעלן מענטשן צו בעסער טריינינג אין טערמינען פון די בעסטער פּראַקטיסיז צו זען און פֿאַרשטיין זייער דאַטן. ווערקפּלייסיז זאָל פאָרשלאָגן קאָרסאַז וועגן דאַטן וויזשוואַלאַזיישאַן און דאַטן ליטעראַסי אַזוי עמפּלוייז קענען פֿאַרשטיין פּאַטערנז און לערנען די בעסטער וועגן צו שאַפֿן און פאָרשטעלן טשאַרץ.

צו באַן דיין עמפּלוייז, איר קענען אַרייַנציען גרויס דריט-פּאַרטיי מגילה דורך קאָמפּאַניעס ווי Qlik, דאַטע ליטעראַסי, Coursera's Data & Analytics Academy, EdX, דאַטאַקאַמפּ, כאַן אַקאַדעמיע, אַלגעמיינע אַסעמבלי, לינקעדין לערנען, און נאך. טאַבלעט אָפפערס זיך-געטריבן לערנען, לעבן, ווירטואַל טריינינג קלאסן, און אַ פריי קורס אויף דאַטן ליטעראַסי. ענלעכע פּראַדזשעקס וואָס ינקאָרפּערייט טריינינג, עטלעכע פון ​​​​וואָס זענען פריי, אַרייַננעמען דאַטן צו די מענטשן, דערציילונג מיט דאַטן, די דאַטאַ לאַדזש, די דאַטאַ ליטעראַסי פּראָיעקט, און אנדערע.

עקסעקוטיוועס זאָל אויך באַטראַכטן: ווי קענען דיין עמפּלוייז זיין טריינד, ניט נאָר אין די שפּראַך פון טשאַרץ אָבער אויך ווי אַ ברייטערער פּאַראַדיגם?

איין דאַונסייד פון בויען מכשירים וואָס האָבן אַ פּלאַץ פון פאַרגרעסערן קייפּאַבילאַטיז - וואָס אַרייַננעמען אַי און מאַשין לערנען - איז אַז זיי קענען קוקן דיסעפּטיוולי פּשוט, און זיי קענען באַקומען די יוזערז זייער געשווינד. אָבער אַנדערטריינד יוזערז קען דזשענערייט אַ טשאַרט אָדער טייקאַווייַ ינסייץ פון אַ טשאַרט וואָס קען זיין מיסלידינג אָדער מיסגיידיד אין עטלעכע וועג.

עס איז וויכטיק צו דערציען מענטשן אויף דער שפּראַך פון וויזשאַוואַל פאַרטרעטונג און די וויסנשאַפֿט הינטער עס אַזוי אַז זיי, בייַ מינדסטער, זענען דאַטן ינפאָרמד, אויב נישט דאַטן ליטעראַט. פֿאַר בייַשפּיל, ווי טאָן מענטשן ידענטיפיצירן וואָס אַ אַוטלייער איז? ווי זאָל זיי פּלאַן דאַשבאָרדז וואָס זענען טראַסטווערדי? זיי זאָל אויך קענען צו פֿאַרשטיין די דיסטינגקשאַן צווישן קאָראַליישאַן און קאַוסאַטיאָן. דאָס וועט ענשור אַז די דאַטן זענען פּינטלעך און קענען זיין געוויינט פֿאַר אַנאַליסיס.

2. מאַכן דאַטן-געטריבן דיסיזשאַנז.

מאָווינג פון דאַטן אָראַליטי - ווו מענטשן רעדן וועגן מאכן דאַטן-געטריבן דיסיזשאַנז - צו דאַטן ליטעראַסי - ווו מענטשן האָבן די פיייקייט צו ויספאָרשן, פֿאַרשטיין און יבערגעבן מיט דאַטן - ריקווייערז דעמאָקראַטייזינג אַקסעס צו דאַטן וויזשוואַלאַזיישאַנז. דאָס ינקלודז אַ פאָקוס אויף יחיד לערנען און אָנווענדלעך, אָבער עס זאָל זיין מער פון אַן אָרגאַנאַזיישאַנאַל ענדערונג. די אמת דעמאָקראַטיזיישאַן פון דאַטן ליטעראַסי נעמט אין חשבון די גאנצע יקאָוסיסטאַם פון דאַטן. עס אנערקענט די פּראָוליפעריישאַן פון טשאַרץ אין די טעגלעך לעבן פון יוזערז און אַרבעט צו מאַכן זיי ינטעלאַדזשאַבאַל.

מענטשן זאָל מאַכן דיסיזשאַנז באזירט אויף דאַטן און ניט נאָר אויף סאַבדזשעקטיוו מיינונגען; דאָס גייט צוריק צו די וויכטיקייט פון טריינינג וואָס עדזשיוקייץ ניצערס וועגן די דיסטינגקשאַן צווישן קאָראַליישאַן און קאַוסאַטיאָן. ווי זאָל דאַטן-געטריבן דיסיזשאַנז זיין געמאכט? וואָס איז דער מיטל פון פּריזענטינג דאַטן און די שליסל טייקווייז אַזוי די דיסקוסיע קענען בלייבן אָביעקטיוו צו מאַכן עפעקטיוו דיסיזשאַנז? פֿאַר בייַשפּיל, טעק קאָמפּאַניעס זאָל נוצן באַניצער טעלעמעטרי דאַטן צו באַשליסן וואָס פֿעיִקייטן צו בויען, באַניץ קעראַקטעריסטיקס און ידענטיפיצירן קיין רייַבונג אין די באַניצער דערפאַרונג.

3. אַנטוויקלען און טייַנען טויגן ינפראַסטראַקטשער.

צו שטיצן די ערשטע צוויי רעקאַמאַנדיישאַנז, יגזעקיאַטיווז מוזן ענשור אַז זייער אָרגאַניזאַציע האט געבויט אַ טויגן, סקאַלאַבלע ינפראַסטראַקטשער צו הויז און רעגירן זייַן דאַטן. זיי זאָל אויך העלפֿן זייער אָרגאַנאַזיישאַנז ידענטיפיצירן און באַקומען אַקסעס צו אַי טעכנאָלאָגיע וואָס אַדרעסז זייער קונה פּראָבלעמס און דאַרף.

דערצו, באַשלוס-מייקערז מוזן זיין פאַרטראַכט און דיליבראַט וועגן דאַטן פּריוואַטקייט און צוטרוי. ס'קאן נישט זיין א נאכפאלגער; עס מוז נעמען אין חשבון עמעס פון די אָנהייב. די פֿאַראַנטוואָרטלעכקייט פון דאַטן פּריוואַטקייט און צוטרוי זאָל זיין דיסטילד אַלע די וועג אַראָפּ צו די יחיד באַניצער, וואָס פולשטענדיק דאַטן גאַווערנאַנס און פאַרוואַלטונג פּאַלאַסיז קענען דעקן.

פאָרזעצן צו פאָקוס אויף דאַטאַ ליטעראַסי השתדלות

ינוועסטינג אין אַי און פאַרגרעסערן אַנאַליטיקס מכשירים ווי דאַטאַ סטאָריעס איז אַ ויסגעצייכנט שריט צו ימפּאַוערינג געשעפט יוזערז צו ופדעקן ענטפֿערס פֿון זייער דאַטן, אָבער די מכשירים וועט דערגאַנג דאַטן ליטעראַסי השתדלות אלא ווי פאַרבייַטן זיי. דערצו, די רעכט פארמען פון ינוועסמאַנט אין ביידע אַי טעכנאָלאָגיע און טריינינג קענען יפעקטיוולי שטיצן יומאַנז צו טאָן וואָס זיי זענען בעסטער אין: געדאַנק און קריייטינג סאַלושאַנז בשעת סאַלווינג קונה דאַרף, אַלע סענטערד אַרום דאַטן.

קאַנטיניוינג צו פאָקוס אויף דאַטן ליטעראַסי איבער דיין אָרגאַניזאַציע וועט ענשור אַז מער פון דיין עמפּלוייז - די גלייַכגילטיק געשעפט באַניצער און די סאַפיסטאַקייטיד דאַטן אַנאַליסט - פרעגן די רעכט פֿראגן וועגן דיין דאַטן וואָס וועט פירן צו ווייַטער ינסייץ.

קלייַבן אַ פלעקסאַבאַל אַנאַליטיקס שוטעף

אַן אַנאַליטיקס שוטעף ווי טאַבלעאַו אָפפערס ברייט און טיפקייַט אין קייפּאַבילאַטיז ווי געזונט ווי ראָלע-באזירט טריינינג - מאכן עס אַ פלעקסאַבאַל שוטעף אויף דער נסיעה צו אַנטדעקן וואָס אַרבעט בעסטער פֿאַר דיין פירמע. לערן מער וועגן טאַבלעאָו קלאָוד.

דאַטן ינסייץ פֿאַר געשעפט יוזערז

שטעלן דיין געשעפט ניצערס פֿאַר הצלחה. לערן מער וועגן דאַטאַ סטאָריעס דאָ.