Пісьменнасць навігацыі даных у свеце дапоўненай аналітыкі

Такія магчымасці штучнага інтэлекту (AI), як машыннае навучанне (ML) і апрацоўка натуральнай мовы (NLP), працягваюць удасканальвацца, а прадукты дапоўненай аналітыкі могуць надзейна аўтаматызаваць многія задачы, звязаныя з праглядам і разуменнем даных. З дапамогай магутных інструментаў, якія могуць атрымаць інфармацыю з даных, кіраўнікі часта задаюцца пытаннем: ці сапраўды гэтая тэхналогія зніжае патрэбу ў пісьменнасць дадзеных навучанне ў сваіх арганізацыях? Не, хутчэй наадварот.

Пісьменнасць даных — здольнасць чытаць, пісаць і перадаваць даныя ў кантэксце — важная як ніколі. Гэта мае вырашальнае значэнне для таго, каб дапамагчы арганізацыям распрацаваць метад працы, які кіруецца дадзенымі, і дазволіць супрацоўнікам пашыраць навыкі штучнага інтэлекту за кошт уласнай творчасці і крытычнага мыслення.

Існуюць дадатковыя фактары, якія трэба ўлічваць у ролі пісьменнасці даных для росту і поспеху арганізацыі. Наймаць, навучаць і ўтрымліваць навукоўцаў і аналітыкаў па апрацоўцы дадзеных складана, акрамя таго, іх навыкі часта нязначныя і дарагія. Па дадзеных 365 Data Science, большасць навукоўцаў па апрацоўцы дадзеных, верагодна, не правядзе на сваёй цяперашняй працы больш за 1.7 года. Навукоўцы па апрацоўцы даных і аналітыкі, якія маюць высокую падрыхтоўку, часта атрымліваюць запыты на такія задачы, як стварэнне чыстай крыніцы даных для продажаў або складанне асноўных справаздач. З іх спецыялізаванымі здольнасцямі, іх час і набор навыкаў будуць лепш абслугоўваць працу над мадэляваннем і распрацоўкай працоўных працэсаў для больш каштоўных, складаных бізнес-пытанняў.

Калі кіраўнікі ўкладваюць сродкі ў штучны інтэлект і дапоўненыя аналітычныя тэхналогіі, бізнес-карыстальнік - больш выпадковы карыстальнік даных у параўнанні са спецыялізаваным аналітыкам - можа атрымаць доступ да адказаў на свае пытанні і інфармацыі, неабходнай для добрага выканання сваёй працы, не турбуючыся аб механізмах выканання так.

Вывучэнне таго, як рашэнні з падтрымкай штучнага інтэлекту могуць падтрымліваць задачы карыстальніка і знаходзіць правільны карыстальніцкі досвед, мае велізарны патэнцыял, каб наладзіць інструмент і карыстальніка на поспех. Напрыклад, інструмент штучнага інтэлекту можа аўтаматызаваць некаторыя больш стомныя задачы, звязаныя з падрыхтоўкай даных, а затым прадастаўляць вынікі чалавеку, які можа далей аналізаваць і візуалізаваць змесціва ў адпаведнасці са сваімі аналітычнымі патрэбамі.

Дасягненні ў дапоўненай аналітыцы дапамагаюць людзям хутчэй адказваць на пытанні

Рашэнні дапоўненай аналітыкі могуць палегчыць бізнес-карыстальнікам разуменне даных, што дапамагае кампаніям павялічыць каштоўнасць гэтых дарагіх тэхналогій. Напрыклад, дапоўненая аналітыка можа зразумець зацікаўленасць кліентаў і прапанаваць прагнозы адносна спажывецкіх пераваг, распрацоўкі прадукту і маркетынгавых каналаў. Яны таксама могуць даць дадатковы кантэкст аб тэндэнцыях, значэннях і адхіленнях у даных. Складаныя алгарытмы могуць прапанаваць дадатковыя візуалізацыі, якія можна дадаць на прыборную панэль, а таксама тэкставыя тлумачэнні і кантэкст, згенераваны на натуральнай мове.

Вось некалькі прыкладаў рашэнняў, якія могуць дапамагчы падняць вашу працоўную сілу.

1. Гісторыі дадзеных. Tableau Cloud цяпер уключае Гісторыі дадзеных, функцыя дынамічнага віджэта прыборнай панэлі, якая выкарыстоўвае алгарытмы штучнага інтэлекту для аналізу даных і напісання простай гісторыі пра іх у апавядальнай або маркіраванай форме. Гісторыі аб'ядноўваюць апавяданні аб дадзеных, акрамя простых дыяграм і прыборных панэляў у рэестры, даступным бізнес-карыстальнікам для адказаў на многія іх пытанні. Гэта зніжае ўзровень пісьменнасці даных, неабходны бізнес-карыстальнікам для разумення найбольш важнай для іх інфармацыі. Гісторыі даных паказваюць на простыя пытанні, якія карыстальнік задае, калі ўпершыню глядзіць на гістаграму або лінейную дыяграму: ці была гэтая лічба, якая выглядае як выкід, сапраўды выкідам? Як гэтая лічба змянілася з цягам часу? Які сярэдні паказчык? Дадзеныя яшчэ трэба інтэрпрэтаваць — гэта яшчэ не ўся гісторыя, — але гэта вялікі крок да раскрыцця разумення даных.

2. Пакажы мне. Функцыі дапоўненай аналітыкі таксама дазваляюць выкарыстоўваць больш разумныя налады кадавання па змаўчанні. Напрыклад, Show Me рэкамендуе тыпы дыяграм і адпаведныя кадыроўкі адзнак на аснове цікавых атрыбутаў даных. Затым карыстальнікі могуць засяродзіцца на вывадзе высокага ўзроўню, які яны жадаюць паведаміць, і падзяліцца гэтымі дыяграмамі са сваёй аўдыторыяй у рамках візуальнага аналітычнага працоўнага працэсу.

3. Разуменне натуральнай мовы. Дзякуючы складаным даследаванням, вялікім навучальным наборам для моўных мадэляў і палепшаным вылічальным магчымасцям разуменне натуральнай мовы таксама значна палепшылася за гэтыя гады.

Людзі могуць задаваць аналітычныя пытанні, не разумеючы механізмаў пабудовы SQL-запытаў. З лепшым намерам разумення інтэрфейсы на натуральнай мове могуць адказваць на пытанні з дапамогай інтэрактыўных дыяграм, якія карыстальнікі могуць выпраўляць, удасканальваць і ўзаемадзейнічаць з імі, калі яны асэнсоўваюць даныя.

4. Машыннае навучанне. Дапоўненая аналітыка, звязаная з ML, таксама дасягнула поспехаў. Гэтыя мадэлі могуць вывучаць складаныя і складаныя аналітычныя задачы, такія як аперацыі пераўтварэння даных, якія персаналізаваны для пэўнага тыпу карыстальнікаў або групы карыстальнікаў. Больш за тое, многія магчымасці дапоўненай аналітыкі цяпер маюць інтуітыўна зразумелыя карыстальніцкія інтэрфейсы, што зніжае складанасць навучання і прымянення мадэлі ў аналітычным працоўным працэсе карыстальніка.

Хоць штучны інтэлект валодае неверагоднымі магчымасцямі, ён ніколі цалкам не заменіць чалавека. Атрыманне высокаўзроўневых вывадаў са статыстычных уласцівасцей больш нізкага ўзроўню можа быць складаным і даволі тонкім. Людзі маюць больш высокі ўзровень творчага пазнання; мы дапытлівыя; мы можам атрымаць гэтыя высновы высокага ўзроўню з дадзеных.

Рэкамендацыі па павышэнні пісьменнасці даных

Для таго, каб арганізацыі маглі разблакіраваць інфармацыю больш высокага ўзроўню са сваіх даных, супрацоўнікі — як бізнес-карыстальнікі, так і аналітыкі — павінны быць навучаны таму, як яны павінны аналізаваць свае даныя, і валодаць лепшымі практыкамі візуалізацыі і прадстаўлення даных. Вось як арганізацыі могуць распрацаваць лепшыя практыкі ў прасоўванні пісьменнасці даных і дапаўненні штучнага інтэлекту з дапамогай інструментаў аналітыкі.

1. Інвестуйце ў навучанне.

Наяўнасць як правільных інструментаў, так і патрэбнай адукацыі/навучання мае вырашальнае значэнне для любой арганізацыі. У Даследаванне Forrester Consulting аб пісьменнасці дадзеных, толькі 40% супрацоўнікаў сказалі, што іх арганізацыя правяла навучанне навыкам працы з дадзенымі, якое ад іх чакаецца.¹ Прыватныя асобы і арганізацыі павінны падвяргаць людзям лепшае навучанне з пункту гледжання лепшых практык прагляду і разумення іх даных. Працоўныя месцы павінны прапаноўваць курсы па візуалізацыі даных і пісьменнасці даных, каб супрацоўнікі маглі разумець шаблоны і вывучаць лепшыя спосабы стварэння і прадстаўлення дыяграм.

Каб навучыць сваіх супрацоўнікаў, вы можаце заручыцца выдатнымі староннімі праграмамі такіх кампаній, як Qlik, Пісьменнасць дадзеных, Акадэмія дадзеных і аналітыкі Coursera, EDX, datacamp, Khan Academy, Генеральная Асамблея, LinkedIn навучанне, і больш. Tableau прапануе самастойнае навучанне, жывыя, віртуальныя навучальныя класыІ бясплатны курс пісьменнасці даных. Падобныя праекты, якія ўключаюць навучанне, некаторыя з якіх бясплатныя, уключаюць Дадзеныя для народа, Апавяданне з дадзенымі, Дом дадзеных, Праект пісьменнасці дадзеныхІ іншыя.

Кіраўнікам таксама варта падумаць: як навучыць вашых супрацоўнікаў не толькі мове графікаў, але і больш шырокай парадыгме?

Адным недахопам інструментаў стварэння, якія маюць шмат пашыраных магчымасцей, у тым ліку штучнага інтэлекту і машыннага навучання, з'яўляецца тое, што яны могуць выглядаць зманліва простымі і могуць вельмі хутка нарасціць карыстальнікаў. Але недасведчаныя карыстальнікі могуць стварыць дыяграму або атрымаць інфармацыю з дыяграмы, якая можа ўвесці ў зман або нейкім чынам памылковая.

Важна навучыць людзей мове візуальнага прадстаўлення і навуцы, якая стаіць за гэтым, каб яны, па меншай меры, былі ў курсе дадзеных, калі не пісьменнымі. Напрыклад, як людзі вызначаюць, што такое выкід? Як яны павінны распрацоўваць прыборныя панэлі, якія заслугоўваюць даверу? Яны таксама павінны быць у стане зразумець адрозненне паміж карэляцыяй і прычынна-следчай сувяззю. Гэта гарантуе дакладнасць даных і іх можна выкарыстоўваць для аналізу.

2. Прымайце рашэнні на аснове дадзеных.

Пераход ад вуснасці даных, калі людзі гавораць аб прыняцці рашэнняў на аснове даных, да пісьменнасці даных, дзе людзі маюць магчымасць даследаваць, разумець і мець зносіны з данымі, патрабуе дэмакратызацыі доступу да візуалізацыі даных. Гэта цягне за сабой акцэнт на індывідуальным навучанні і прымянімасці, але гэта павінна быць хутчэй арганізацыйная змена. Сапраўдная дэмакратызацыя пісьменнасці даных прымае пад увагу ўсю экасістэму даных. Ён прызнае распаўсюджванне дыяграм у паўсядзённым жыцці карыстальнікаў і працуе над тым, каб зрабіць іх зразумелымі шырокаму колу.

Людзі павінны прымаць рашэнні, грунтуючыся на дадзеных, а не толькі на суб'ектыўных меркаваннях; гэта ўзыходзіць да важнасці навучання, якое навучае карыстальнікаў розніцы паміж карэляцыяй і прычынна-следчай сувяззю. Як павінны прымацца рашэнні на аснове дадзеных? Які сродак прадстаўлення даных і ключавых вывадаў, каб абмеркаванне магло заставацца аб'ектыўным і прымаць эфектыўныя рашэнні? Напрыклад, тэхналагічныя кампаніі павінны выкарыстоўваць карыстальніцкія тэлеметрычныя даныя, каб вызначыць, якія функцыі стварыць, характарыстыкі выкарыстання і выявіць любыя трэнні ў карыстацкім досведзе.

3. Развіваць і падтрымліваць належную інфраструктуру.

Каб падтрымаць першыя дзве рэкамендацыі, кіраўнікі павінны пераканацца, што іх арганізацыя стварыла адэкватную маштабаваную інфраструктуру для размяшчэння і кіравання дадзенымі. Яны таксама павінны дапамагчы сваім арганізацыям вызначыць і атрымаць доступ да тэхналогіі штучнага інтэлекту, якая вырашае праблемы і патрэбы кліентаў.

Акрамя таго, асобы, якія прымаюць рашэнні, павінны прадумана ставіцца да канфідэнцыяльнасці і даверу даных. Гэта не можа быць запозненай думкай; гэта трэба сур'ёзна прыняць да ўвагі з самага пачатку. Адказнасць за канфідэнцыяльнасць і давер даных павінна ўскладацца на асобных карыстальнікаў, што можа ахопліваць усебаковая палітыка кіравання данымі.

Працягвайце засяроджвацца на павышэнні пісьменнасці даных

Інвестыцыі ў штучны інтэлект і інструменты дапоўненай аналітыкі, такія як Data Stories, з'яўляюцца выдатным крокам да таго, каб бізнес-карыстальнікі маглі атрымліваць адказы са сваіх даных, але гэтыя інструменты хутчэй дапоўняць намаганні па павышэнні пісьменнасці даных, чым заменяць іх. Акрамя таго, правільныя формы інвестыцый як у тэхналогію штучнага інтэлекту, так і ў навучанне могуць эфектыўна падтрымліваць людзей у тым, у чым яны ўмеюць лепш за ўсё: прыдумляць ідэі і ствараць рашэнні пры задавальненні патрэб кліентаў, усё сканцэнтраванае на дадзеных.

Працягваючы засяроджвацца на пісьменнасці даных ва ўсёй арганізацыі, вы гарантуеце, што большая колькасць вашых супрацоўнікаў — звычайныя бізнес-карыстальнікі і дасведчаныя аналітыкі даных — будуць задаваць правільныя пытанні аб вашых даных, што прывядзе да далейшага разумення.

ВЫБРАЦЬ ГНУТКАГА ПАРТНЁРА ПА АНАЛІТЫКЕ

Такі аналітычны партнёр, як Tableau, прапануе шырыню і глыбіню магчымасцей, а таксама ролевае навучанне, што робіць яго гнуткім партнёрам на шляху да выяўлення таго, што лепш за ўсё працуе для вашай кампаніі. Даведайцеся больш аб Таблічнае воблака.

ДАННЫЯ ДЛЯ БІЗНЕС-КАРЫСТАЛЬНІКАЎ

Наладзьце сваіх бізнес-карыстальнікаў на поспех. Даведайцеся больш пра Data Stories тут.