Analytika
Čo to je a prečo je dôležitá
Analytika používa dáta a matematiku na zodpovedanie obchodných otázok, objavovanie vzťahov, predpovedanie neznámych výsledkov a automatizáciu rozhodnutí. Táto rôznorodá oblasť informatiky sa používa na hľadanie zmysluplných vzorcov v dátach a odhaľovanie nových poznatkov založených na aplikovanej matematike, štatistike, prediktívnom modelovaní a technikách strojového učenia.
História analytiky
V minulosti bola analytika obmedzená úložiskom dát a rýchlosťou ukladania. Dnes tieto obmedzenia už neplatia, čo otvára dvere k zložitejším algoritmom strojového učenia a hlbokého učenia, ktoré dokážu spracovať veľké množstvo údajov vo viacerých priechodoch.
V dôsledku toho sa štandardné popisné, normatívne a prediktívne schopnosti analytiky rozšírili o učenie a automatizáciu, čím sa začala éra umelej inteligencie.
To znamená, že sme prešli od pýtania sa, čo sa stalo a čo by sa malo stať k tomu, že žiadame naše stroje, aby automatizovali a samy sa učili z dát – a dokonca, aby nám povedali, aké otázky máme klásť.
Dnes väčšina organizácií zaobchádza s analytikou ako so strategickým aktívom a analytika je centrálnym prvkom mnohých funkčných úloh a zručností.
Jednou z rastúcich oblastí analytiky poháňanej strojovým učením je spracovanie prirodzeného jazyka. Počítače používajú NLP na interpretáciu reči a textu. Konverzačné roboty používajú NLP na zodpovedanie otázok zákazníckych služieb alebo na poskytovanie investičných rád v oknách online chatu. Môžu tiež ponúknuť skriptované návrhy zamestnancom centra živých hovorov.
Strojové učenie a umelá inteligencia nám tiež priniesli užitočné aplikácie, ako sú samoriadiace autá a odporúčacie motory, ktoré sľubujú, že nás povozia v taxíkoch, zatiaľ čo budeme v záchvate sledovať ďalšie odporúčané televízne seriály podľa nášho vkusu.
Samozrejme, analytika ovplyvňuje toho viac ako len náš voľný čas. Vďaka rýchlejším a výkonnejším počítačom je veľa príležitostí na použitie analytiky a umelej inteligencie. Či už je to určovanie kreditného rizika, vývoj nových liekov, hľadanie efektívnejších spôsobov dodávania produktov a služieb, predchádzanie podvodom, odhaľovanie kybernetických hrozieb alebo udržanie najcennejších zákazníkov, analytika vám pomôže pochopiť, čo vedie k úspechu vašej organizácie – a prečo na tom záleží okolitému svetu.
Analytika v dnešnom svete
S týmito zdrojmi zrealizujte svoje analytické projekty. Nájdite, čo potrebujete na plánovanie svojich projektov, obnovenie dôvery vo svoje dáta a vývoj analytickej stratégie.
10 otázok na naštartovanie vašich analytických projektov
Koľko to stojí? Aké problémy sa snažíte vyriešiť? Aké sú prekážky? Toto sú iba tri z kľúčových otázok, ktoré by ste si mali položiť pri vytváraní analytického projektu.
Prečo je pri analytike dôležitá dôvera
Získanie väčšej hodnoty z analytiky a nových technológií, ako je UI, začína dôverou. Ako si vedúci analytici budujú dôveru v údaje a analytiku? Spoločnosť MIT Sloan vykonala prieskum u 2 400 vedúcich pracovníkov.
Budovanie analytickej stratégie
Čo je na programe hlavných úradníkov pre údaje a analytických pracovníkov? Definovanie analytickej stratégie. Zaistenie spoľahlivosti informácií. Posilnenie postavenia rozhodnutí na základe údajov. A viac. Stiahnite si túto elektronickú knihu, ktorá vám pomôže zostaviť analytickú stratégiu.
Analytika 101
Ak ste boli zvedaví, ako by mohla vaša malá až stredne veľká firma profitovať z analytiky, ale neboli ste si istí, kde začať, toto je pre vás ideálny webinár. Tento úvod vysvetľuje, ako začať s analytikou pre firmy akejkoľvek veľkosti.
Demokratizácia analytiky
Tlak digitálneho sveta zasahuje nás všetkých a preťaženie dát sa už neobmedzuje na „počty ľudí“ v organizácii. Viete vymenovať niekoho v akejkoľvek organizácii, ktorá nepociťuje potrebu rýchlosti, agility, flexibility a inovácií? Vďaka tomu je analytika prioritou takmer pre všetkých, nielen pre štatistikov a dátových vedcov.
Výsledkom je, že organizácie hľadajú spôsoby, ako sprístupniť analytiku väčšiemu počtu používateľov tým, že dajú ľahko pochopiteľné náhľady do rúk väčšieho počtu zamestnancov, vložia náhľady priamo do aplikácií prvej línie alebo automatizujú príslušné rozhodnutia.
Technológie, ktoré ponúkajú procesy point-and-click pre dynamické automatické vytváranie modelov, sprístupňujú analytiku ďalším používateľom. Aj na zložité otázky možno odpovedať výberom zdroja údajov a uvedením vášho cieľa, zatiaľ čo šampiónsky model je postavený na pozadí a generácia prirodzeného jazyka tento model vysvetľuje.
Organizácie, ktoré vedú s analytikou, môžu očakávať významnú diferenciáciu, nadmerné výnosy a niekedy dlhodobejšie prežitie.
Správne zapadajú do všetkých správnych smerov
Pozrite sa, ako spoločnosť Levi Strauss & Co. je na ceste so spoločnosťou SAS® za účelom vytvorenia analyticky založenej kultúry pripravenej na rozhodovanie, ktorá jej pomôže spojiť sa s ľuďmi, ktorí majú radi jej odev.
Populárny maloobchod využíva analytiku na optimalizáciu plánov a predvídanie príležitostí prostredníctvom plánovania tovaru, alokácie a správy zásob.
Ako funguje analytika
Každý podnik je analytický podnik. Každý proces je analytický proces zrelý na zlepšenie. A každý zamestnanec môže byť určitým spôsobom analytickým používateľom. Bez ohľadu na to, čo plánujete s analytikou dosiahnuť, prvou požiadavkou pre akýkoľvek analytický projekt sú údaje. Keď budete mať údaje, musíte ich analyzovať. A potom musíte nasadiť výsledky svojej analýzy na podporu rozhodovania. Čím rýchlejšie môžu organizácie prechádzať analytickým životným cyklom, tým rýchlejšie môžu dosiahnuť hmatateľnú hodnotu zo svojich analytických investícií.
V spoločnosti SAS vidíme tieto tri kategórie: údaje, objav a nasadenie – ako iteračné kroky životného cyklu analytiky. Bez ohľadu na rozsah alebo škálu vášho projektu mal by zahŕňať všetky tri kroky. Pozrime sa na každý krok bližšie.
Kliknutím na infografiku sa dozviete viac.
Údaje
Dnešné údaje sú rýchle, veľké a zložité. Analytické riešenia musia analyzovať údaje ľubovoľného typu vrátane tradičných štruktúrovaných údajov a vznikajúcich formátov, ako napríklad streamovanie údajov zo senzorov, obrázkov a videa.
Na prístup, prípravu, čistenie a správu týchto údajov potrebujete aj stratégiu správy údajov.
Ako budete zhromažďovať, čistiť a ukladať svoje údaje? Odhaduje sa, že príprava údajov zaberie až 80 % času stráveného na analytickom projekte. Môže sa ten čas lepšie stráviť zostavovaním modelov?
Inteligentná analytická platforma zjednodušuje prípravu údajov pomocou natívnych prístupových strojov, integrovanej kvality údajov a nástrojov na prípravu údajov, ktoré automatizujú časovo náročné úlohy pomocou UI.
Správa údajov nakoniec zaisťuje dôveryhodnosť vašich údajov, pretože poznáte zdroj a obsah a viete ich monitorovať kvalitu údajov. Správa údajov tiež uľahčuje ochranu údajov, keď je to vhodné.
Zisťovanie
Zisťovanie je predovšetkým o prieskume, vizualizácii a zostavovaní modelov. Nájdenie správneho algoritmu je často procesom pokusov a omylov. Ale keď je ľahké tieto skúšky zdokumentovať, uložiť a porovnať, proces funguje najlepšie, ako vie.
Výber správneho algoritmu závisí od niekoľkých poskytovateľov faktov vrátane veľkosti údajov, obchodných potrieb, času školenia, parametrov, dátových bodov a oveľa viac. Pred experimentovaním s rôznymi prístupmi vám ani najskúsenejší dátoví vedci nedokážu povedať, ktorý algoritmus bude fungovať najlepšie.
V skutočnosti je vo fáze zisťovania bežné porovnávať rôzne modely napísané v inom programovacom jazyku s rôznymi dátovými funkciami.
Napríklad, nedávny analytický projekt, ktorý používal detekciu objektov na identifikáciu nádorov v lekárskych skenoch pečene, začal prieskumom niekoľkých neurónových sietí a niekoľkými týždňami porovnávania a dokumentovania výsledkov rôznych modelov.
Tento proces spolupráce funguje najlepšie, keď dátoví vedci s rôznymi zručnosťami môžu písať kód v jazyku podľa vlastného výberu a ľudia, ktorí nie sú programátormi, môžu na preskúmanie výsledkov rôznych analytických prístupov použiť vizuálne rozhranie typu point-and-click.
Nasadenie
Ak chcete, aby sa vaše analytické úsilie vyplatilo, musíte nasadiť výsledky svojich zistení a využiť ich. Strojové učenie a ďalšie modely nie sú určené na to, aby sedeli na poličke – musíte ich použiť, aby ste získali obchodnú hodnotu. Zatiaľ je fáza nasadenia tam, kde väčšina organizácií bojuje najviac.
Či už zostavujete jeden model alebo tisíce, prechod od výberu modelov k nasadeniu modelov vyžaduje správu modelu. Správa modelov poskytuje kontrolu nad verziami a pomáha vám registrovať, overovať a centrálne spravovať vaše modely. Pomáha vám vyvinúť postupy a pravidlá pre nasadenie a monitorovanie modelu. Získate tiež transparentnosť v súvislosti s použitím údajov a modelov.
Vaším cieľom by malo byť jednorazové zostavenie modelov a ich nasadenie kdekoľvek – na výkonné informačné panely, priamo do operačných systémov alebo zabudované do iných aplikácií prostredníctvom rozhraní API.
Analytický ekosystém
Analytika je na vzostupe. Stovky firiem v analytickom ekosystéme poskytujú technológie a služby, ktoré pomáhajú organizáciám ukladať údaje, pristupovať k nim, analyzovať a prezentovať ich. Tie siahajú od správy údajov a vizualizácie po pokročilé analytické nástroje a vopred pripravené analytické riešenia vrátane mnohých možností analytiky otvoreného zdroja.
SAS má jedinečnú pozíciu na integráciu s každým hráčom v ekosystéme. Platforma SAS pracuje na hardvéri od ktoréhokoľvek dodávateľa, získava všetky typy údajov, porovnáva modely z rôznych jazykov a ponúka konzistentné riadenie v celej fáze údajov, zisťovania a nasadenia analytického ekosystému.
Ukladáte údaje do AWS alebo Hadoop? Extrahujete údaje z Twitteru alebo Google Analytics? Analyzujete údaje v Pythone a SAS? Spúšťate programy na čipoch Intel alebo NVIDIA? Nasadzujete výsledky na počítače alebo zariadenia IoT?
Platforma SAS zvládne všetko, aj akékoľvek ďalšie staršie riešenia, ktoré ste už prijali. Výsledok? Každý, od dátových vedcov cez IT až po osoby s rozhodovacími právomocami, môže pracovať v harmónii z rovnakého analytického systému. Okrem toho budete mať prospech zo správy modelu, monitorovania modelu, transparentnosti modelu, počtu údajov a integrácie medzi analytickými projektmi a balíkmi.
Zorganizovaním všetkých prvkov v analytickom ekosystéme pomáha analytická platforma urýchliť životný cyklus analytiky a presunúť vás od údajov k hmatateľným výsledkom. V konečnom dôsledku to zlepšuje návratnosť investícií pre všetky vaše investície do analytiky – dát, technológií a ľudí – a vedie vás k úspechu.
Riešenia umelej inteligencie
Keď sa výučba začleňuje do modelov, z analytiky sa vyvinie umelá inteligencia a výučbové schopnosti sa automatizujú. Analytika SAS má už silný základ v UI, s riešeniami pre rozšírenú analytiku, strojové učenie, hlboké učenie, spracovanie prirodzeného jazyka and počítačové videnie. Naučte sa, ako vybaviť obchodných lídrov a dátových vedcov pre budúcnosť UI s technológiou, zručnosťami a podporou, ktorú potrebujete na transformáciu vašej organizácie pre budúcnosť s UI.
Recommended reading
-
Article
From living on the streets to owning a profitable businessZoe Empowers, a ministry for vulnerable children living in life-threatening poverty in Africa and India, finally found a way to measure and reveal its incredible impact. Using SAS, they developed an "empowerment index" that measures improvements in housing, health, education and more for program participants.
-
Article
Operationalizing analytics: 4 ways banks are conquering the infamous ‘last mile’Here are four examples across the banking industry that show how these leading organizations followed a clearly defined path to conquer the infamous 'last mile' of analytics.
-
Article
Big data in government: How data and analytics power public programsBig data generated by government and private sources coupled with analytics has become a crucial component for a lot of public-sector work. Why? Because using analytics can improve outcomes of public programs.
Since 1976, companies worldwide have trusted SAS.