۱ دی ۱۴۰۳

Techboy

اخبار و اطلاعات روز تکنولوژی

کاهش زمان برای بینش با تجزیه و تحلیل داده های یکپارچه

چگونه پلتفرم تجزیه و تحلیل داده یکپارچه Incorta شکاف بین تصمیم‌گیری استراتژیک و عملیاتی را می‌بندد.

چگونه پلتفرم تجزیه و تحلیل داده یکپارچه Incorta شکاف بین تصمیم‌گیری استراتژیک و عملیاتی را می‌بندد.

از آنجایی که دنیای تجارت پیچیده‌تر و آنی‌تر می‌شود، کاهش زمان برای بینش با تجزیه و تحلیل داده‌های مدرن نام بازی است. در واقع، معیار شماره یک برای هر شرکت امروزی باید زمان بینش باشد.

زمان بینش را چگونه محاسبه می‌کنید؟ این تابعی از دو معیار است: (۱) با چه سرعتی می توانید داده های منبع جدید را برای تجزیه و تحلیل آماده و در دسترس قرار دهید. (۲) با چه سرعتی می توانید داده های خود را تقسیم بندی کنید و به روش های مختلف آن را جستجو کنید.

اولین مشکل است. همه به داده‌های بی‌درنگ برای تجزیه و تحلیل می‌خواهند، اما گفتن آن آسان‌تر از انجام آن است – حتی امروزه با در دسترس بودن فضای ذخیره‌سازی ابری و محاسباتی ارزان و بی‌نهایت. دومی هنوز هم سخت تر است. هر بار که پارامترهای جدیدی به جستارهای تحلیلی اضافه می‌کنید و داده‌ها را به روش‌های مختلف تقسیم‌بندی می‌کنید، زمان بینش به‌طور چشمگیری بدتر می‌شود.

در اینجا یک معیار آسان برای تعیین موقعیت امروز شما وجود دارد: اگر روزها واحد اندازه گیری شما برای زمان تا بینش هستند، پس از قبل مشکل دارید. و اگر به هفته‌ها فکر می‌کنید – یا بدتر از آن، ماه‌ها – وقت آن است که یک زنگ بیدارباش جدی بگیرید.

تصمیم گیری استراتژیک در مقابل تصمیم گیری عملیاتی یک دوگانگی نادرست است

در ابتدایی‌ترین سطح، چیزی که به دنبال آن هستید سریع‌ترین زمان ممکن برای بینش است. هرچه سریع‌تر بتوانید با داده‌ها سؤال بپرسید و به آنها پاسخ دهید – و داده‌ها در زمان واقعی‌تر باشند – سریع‌تر می‌توانید تصمیم‌گیری بهتری بگیرید. بهتر و سریعتر از رقبای خود تصمیمات بیشتری بگیرید و برنده می شوید.

اما واقعاً بیش از این است. زیبایی واقعی کاهش زمان برای بینش این است که چگونه در وهله اول نحوه برخورد شما با تصمیمات تجاری را تغییر می دهد.

وقتی زمان بینش از هفته ها یا روزها به دقیقه یا ثانیه کاهش می یابد، خط بین تصمیم گیری “استراتژیک” و “عملیاتی” شروع به محو شدن می کند. وقتی از ۴۰۰ به ۷۰۰۰۰ درخواست در روز می‌رسید، به سرعت متوجه می‌شوید که تصمیم‌گیری «راهبردی در مقابل عملیاتی» یک دوگانگی نادرست است.

وقتی مردم درباره تصمیم‌گیری «استراتژیک» صحبت می‌کنند، منظورشان معمولاً «در نظر گرفتن پارامترهای بیشتر» است. آنها به انواع تصمیماتی اشاره می کنند که می خواهید بتوانید وقت خود را صرف کنید و سوالات زیادی بپرسید. از سوی دیگر، تصمیمات به اصطلاح «عملیاتی» معمولاً به تصمیماتی اشاره دارد که سریع و معمول هستند.

اما اگر اینطور نباشد چه؟ اگر بتوان تصمیم‌گیری عملیاتی را استراتژیک‌تر و متفکرانه‌تر کرد، و تصمیم‌گیری استراتژیک را عملیاتی‌تر و معمول‌تر کرد؟ این یکی از ابرقدرت هایی است که پلتفرم های تجزیه و تحلیل داده یکپارچه مانند Incorta آن را ممکن می کند.

کوانتیزاسیون مدل و طلوع هوش مصنوعی لبه

همستروم بر اساس محدودیت های دوران گذشته

ما به دلیل محدودیت‌هایی که از لحاظ تاریخی توسط سیستم‌های داده تحمیل شده‌اند، تمایل داریم تصمیم‌گیری استراتژیک در مقابل تصمیم‌گیری عملیاتی را «آهسته در مقابل سریع» بدانیم.

در نهایت، این به این واقعیت مربوط می شود که پایگاه داده های منبع برای تجزیه و تحلیل طراحی یا تجهیز نشده اند. داده‌های درون سیستم‌های کسب‌وکار منبع (یعنی ERP، CRM، SCM، و غیره) در قالبی بهینه‌سازی شده برای تراکنش‌ها (یعنی درج‌ها، به‌روزرسانی‌ها و حذف‌ها) ذخیره می‌شوند و در عین حال کیفیت داده‌ها حفظ می‌شود. اگر می‌خواهید تجزیه و تحلیل را روی داده‌ها اجرا کنید، باید آن‌ها را استخراج و تبدیل کنید، و سپس آن‌ها را در یک محیط مجزا که برای تجزیه و تحلیل‌ها ساخته شده است، بارگذاری کنید، مانند یک انبار داده. فرآیند استخراج، تبدیل و بارگذاری داده ها (ETL) به طرز وحشیانه ای کند و زمان بر است.

و بدتر هم می شود. با معماری سنتی تجزیه و تحلیل داده ها، هر بار که پارامتر جدیدی را در نظر می گیرید (با پیوستن به جداول)، بار محاسباتی به طور تصاعدی افزایش می یابد. در یک نقطه خاص، واقعاً مهم نیست که چقدر قدرت محاسباتی در اختیار دارید – اگر جستجوی تحلیلی شما به اندازه کافی پیچیده باشد، شکست می خورد زیرا معماری سنتی نمی تواند بار را تحمل کند.

برای سرعت بخشیدن به فرآیند، اولین غریزه برای بسیاری محدود کردن دامنه پرس و جو است. نکته بعدی که می دانید، این است که پرس و جوهای معمولی را که به ندرت تغییر می کنند، از پرس و جوهای درگیرتر که نیاز به بررسی و سازگاری دارند جدا می کنید. خیلی زود، تصمیم گیری عملیاتی در خلبان خودکار است.

و اگر در دنیایی کار می‌کنید که تغییر چندانی نمی‌کند، همه چیز خوب و خوب است. اما این دنیایی نیست که ما امروز در آن زندگی می کنیم – حتی نزدیک هم نیست.

چگونه یک پلت فرم تجزیه و تحلیل داده یکپارچه زمان را برای بینش کاهش می دهد

پشته فناوری تجزیه و تحلیل داده ها معمولاً از پنج جزء مجزا تشکیل شده است: اتصال دهنده های منبع داده، تبدیل داده ها، پایگاه داده تحلیلی، موتور تجزیه و تحلیل، و تجسم داده ها. برای ایجاد بینش، باید داده ها را از طریق هر لایه پشته، از پایگاه داده منبع تا لایه تجسم حرکت دهید. در هر مرحله از راه، زمان و زمینه ارزشمندی را از دست می دهید.

یکی از بزرگترین مزیت های یک پلتفرم یکپارچه این است که دیگر نیازی به مدیریت پنج نقطه ادغام ندارید. در واقع، دیگر حتی مجبور نیستید اطلاعات خود را از ابتدا جابجا کنید. با تجزیه و تحلیل داده های یکپارچه، تجزیه و تحلیل را به جای برعکس، به داده ها می آورید.

incorta unified stack 01

این تغییر الگوی معماری زمان را برای بینش به روش‌های تاثیرگذار دیگری نیز افزایش می‌دهد:

پیش بینی سری های زمانی با XGBoost و InfluxDB

تجربه تک کاربره

افراد و تیم‌ها در یک گردش کار بهتر و سریع‌تر کار می‌کنند. به همین دلیل است که امروزه محصولاتی مانند iMovie، Hootsuite، Peloton یا هر تعداد دیگر از پلتفرم‌های یکپارچه بسیار محبوب و گسترده هستند.

پرش بین چندین محصول با رابط کاربری و تجربیات مختلف سرعت همه چیز را کند می کند — به خصوص در مورد تجزیه و تحلیل داده ها. و سپس موانع فنی وجود دارد.

incorta connectors gallery 02

اکوسیستم اتصال دهنده های داده در حال گسترش اینکورتا فرآیند یکسان سازی داده های سازمانی را ساده می کند.

برعکس، یک تجربه کاربری به افراد کمک می‌کند تا با حذف کارهای تکراری، جابجایی‌ها و سایر موانع فنی، متمرکز و سازنده بمانند. برای مثال، با Incorta، تجربه کاربری تک کاربر و طراحی بدون کد ما به این معنی است که هر کاربر قادر به دریافت داده ها و اجرای پرس و جوهای تحلیلی از ابتدا تا انتها است. حتی افرادی که قبلاً برنامه های تحلیلی ساخته اند نیز می توانند این کار را انجام دهند. امروز عملاً چیزی شنیده نشده است.

نتیجه برای همه افرادی که تجزیه و تحلیل داده‌ها را لمس می‌کنند، زمان سریع‌تری برای بینش است.

قابلیت ترکیب در همه جا

انتقال داده ها دشوار و پرهزینه است. هرچه کمتر با آن سر و کار داشته باشید، زمان برای بینش سریع‌تر خواهد بود.

با پشته فن‌آوری تجزیه و تحلیل داده‌های سنتی، شما دائماً داده‌ها را از یک لایه پشته به لایه بعدی منتقل می‌کنید و آن را بارها و بارها در هر مرحله تغییر می‌دهید. هنگامی که داده‌ها را تبدیل می‌کنید و آن‌ها را به لایه دیگری از پشته منتقل می‌کنید، این تبدیل در سنگ تنظیم می‌شود و راهی برای بازگشت آسان به عقب و «بازگرداندن» اشتباهات وجود ندارد. اگر مشکلی با داده‌ها بعداً حباب شود، معمولاً سریع‌تر و آسان‌تر می‌توان به عقب برگشت و از ابتدا شروع کرد.

با یک پلتفرم تجزیه و تحلیل داده یکپارچه مانند Incorta، کل این تجربه متفاوت است. به‌جای جابه‌جایی دائمی داده‌ها، داده‌ها را در پایگاه داده منبع رها می‌کنید و تجزیه و تحلیل‌ها را در برابر مدل‌های داده منبع تکرار شده در محیط Incorta اجرا می‌کنید. این به شدت فرآیند تبدیل داده ها را کاهش می دهد و دستاوردهای بزرگی را در زمان بینش باز می کند. همچنین تجربیات کاربری جدیدی را معرفی می کند که قبلاً به سختی قابل تصور بود.

incorta drag drop 03

Incorta یک رابط کاربری با کشیدن و رها کردن برای نوشتن بینش های تحلیلی ارائه می دهد.

اساساً، Incorta شما را قادر می‌سازد تا بینش‌های تحلیلی را «نوشتن» کنید. شما از لایه پایه با داده های منبع خام شروع می کنید – و آن را در آنجا رها می کنید – و سپس در حین حرکت، بینش ایجاد می کنید. هر مرحله ای که برمی دارید بر اساس مراحل قبلی است و کل تاریخچه ترکیب بینش بلافاصله برای بازرسی در دسترس است.

Postgres همه جا

incorta schema diagram 04

Incorta ردیابی بینش از لایه تجسم تا طراحی طرحواره را به یک عملیات نقطه و کلیک تبدیل می کند.

این باعث می‌شود که بینش‌ها بر اساس هر پرس و جو سریع‌تر ایجاد شود، زیرا انتقال منطق تحلیلی بسیار سریع‌تر، ارزان‌تر و آسان‌تر از داده‌های اساسی است. اما همچنین آن را به طور کلی سریع‌تر می‌کند زیرا اگر اشتباهی مرتکب شوید – که، اجازه دهید با آن روبرو شویم، همیشه اتفاق می‌افتد – لازم نیست از ابتدا از ابتدا شروع کنید. فقط آن را به عقب برگردانید، تغییر خود را ایجاد کنید و تاثیر آن را ببینید. همین امر در مورد زمانی که می خواهید پارامترهای مختلف را کاوش کنید و راه خود را به سمت جستجوی ایده آل نیز تکرار کنید، صدق می کند.

دسترسی سریعتر به داده های بهتر

Incorta بیش از ۳۰ سال خرد متعارف را در مورد تجزیه و تحلیل داده ها و معماری زیربنای آن به چالش می کشد. پلتفرم یکپارچه ما به شرکت‌ها کمک می‌کند تا از سرعت، حجم و پیچیدگی داده‌های سازمانی مدرن جلوتر باشند. Incorta با استانداردهای باز ساخته شده است و با ابزارها و پلتفرم‌های سازگار با ابر ادغام می‌شود و تلفیق داده‌ها در فضای ابری و استخراج بینش‌های معنادار را آسان می‌کند. با در دسترس قرار دادن هر منبع داده ای به طور مداوم برای تجزیه و تحلیل، پلت فرم یکپارچه ما به رهبران کسب و کار، تیم های تجاری و دانشمندان داده کمک می کند تا با دسترسی سریع تر به مجموعه های داده غنی تر، تصمیمات دقیق، به موقع و شفاف تر بگیرند.

برای شروع از بین بردن شکاف بین تصمیم‌گیری استراتژیک و عملیاتی، یک آزمایش ابری رایگان را اجرا کنید و امروز خودتان آن را امتحان کنید.

متیو هالیدی (@layereddelay) یک متخصص تجزیه و تحلیل داده است، رهبر محصول سازمانی و سخنران اصلی — و همچنین معاون اجرایی و یکی از بنیانگذاران Incorta< /u>. او ساخت و طراحی محصولات نرم افزاری سازمانی را در اواخر دهه ۱۹۹۰ آغاز کرد – ابتدا در اوراکل و سپس مایکروسافت – قبل از اینکه Incorta را در سال ۲۰۱۳ بنیان گذاشت. — با اشتیاق و بینشی که برای ایجاد تجربیاتی که کاربران هر روز دوست دارند، سرازیر می‌کند.

انجمن فناوری جدید مکانی را برای کاوش و بحث در مورد فناوری سازمانی نوظهور در عمق و وسعت بی سابقه ای فراهم می کند. انتخاب ذهنی است، بر اساس انتخاب ما از فناوری هایی که معتقدیم مهم هستند و برای خوانندگان InfoWorld بیشترین علاقه را دارند. InfoWorld وثیقه بازاریابی را برای انتشار نمی پذیرد و حق ویرایش تمام محتوای ارائه شده را برای خود محفوظ می دارد. همه سوالات را به newtechforum@infoworld.com ارسال کنید.