掌握自助式Bi应用程序需要了解的3件事

尽管在大数据鼎盛时期人们对自助式商务智能（BI）应用程序和数据民主化已大失所望，但人们对此并没有多少了解。 似乎所有这些事情都是例行公事，在日常工作中根深蒂固，以至于不再需要进一步的讨论。 嗡嗡声已经消退，似乎世界已经转向更奇妙的事物，例如机器学习（ML）和深度学习以及所有人工智能（AI）。

但这对于当今世界各地所有公司中的业务分析人员和行业用户而言都是不现实的。 尽管自助式BI应用已经实现，但许多应用仍使用户陷入统计难题和可视化的难题之间。 永远不要害怕，帮助在这里！

婴儿床生存指针

如果您除了计算小费占晚餐账单的百分比，将账单分配给多个用餐者或回家后平衡支票帐户之外，还算不算什么，那就不用担心了。 实际上，如果没有应用程序的帮助，许多人将无法或至少不会做这些事情。 对于算法，数据科学和统计信息之类的东西，您肯定并不孤单。 即使您对这些事情都不感到困惑，也许您只是不想这样做。 并非所有人都认为这很有趣，这也完全可以。

对于那些发现统计数据令人讨厌或根本无法理解的人来说，婴儿床注释是相同的：坚持使用自助BI应用程序，这些应用程序可以通过自然语言查询工作，或者可以自动执行整个数据挖掘过程，直到选择数据可视化。 此类应用程序分别包括IBM Watson Analytics和Salesforce Einstein Analytics。 而且，为什么呢，两者都是AI驱动的。

诸如此类的应用程序也有其局限性，您将在我们的自助式BI工具和数据可视化工具回顾摘要中找到这些局限性。 但是，即使有它们的缺点，它们还是解决数学难题和看似对统计过敏的理想工具。

自助服务BI应用程序不算数吗？

为什么，是的。 这些都是这些应用背后的全部意义。 他们只是部分人类专家的自动化虚拟助手，他们只是想了解事实，以便使底线变黑。 所以，那里！ 也许您可以摆脱困境。 您不必再回想起线性代数和统计信息的大学恐惧，因为所有这些应用程序都可用于此。

不幸的是，您仍然至少需要了解这些东西是如何工作的。 如果您根本无法强迫自己重新访问或更新此领域的技能，请参阅上面的婴儿床说明。

如果您想成为该领域最需要的人才，团队中最热门的人物以及公司中在职数据向导的主人，但又不想全力以赴获得数据科学家头衔，然后参加快速在线课程，以加深您对统计的了解。 用于基础和高级统计的在线教育提供程序的一些示例包括可汗学院，Statistics.com和Udemy。

不，您不需要统计学就可以使用自助式BI应用程序。 只要对术语的含义和概念有一定的了解即可。 因此，即使是几个播客，例如本系列，也可能足以使您步入正轨。

您对统计数据了解得越多，您的生活就会越好。 如果没有其他要求，您将更好地了解需要使用哪些数据，为何需要抛弃异常值，在绘制图表时将哪些数据分配给哪个轴以及如何构建有用的查询。 如果您知道要查找的内容，则对分析也将更有信心。 Skuid的首席技术官兼工程执行副总裁Mike Duensing表示：“您需要确信正确的流程和控制措施已经到位，以确保数据准确。” “例如，您不想向您的执行团队展示最新的BI工具所带来的趋势，而只是后来发现这是完全错误的。”

您需要知道的三件事

假设您已经选择了其中一个由AI驱动的应用程序，或者已选择了一个面向更多用户的面向数学的自助式BI应用程序，那么以下是您需要了解的三件事，以便充分利用自助式BI应用程序。

1.数据素养是您需要具备的真实条件。 是的，我们在前面讨论某些数学技能的价值时提到了这一点。 但是，重要的是还要说明什么是数据读写能力，以及一个人可能需要专注于提高其总体得分的技能。 Qlik全球产品营销副总裁James Fisher指出：“麻省理工学院（MIT）和艾默生大学（Emerson University）将数据素养定义为具有读取，处理，分析数据以及与数据争论的能力。” 下面，他解释了每种能力：

a）读取数据：涉及了解什么是数据以及数据代表的世界的各个方面。

b）处理数据：涉及创建，获取，清理和管理数据。

c）分析数据：涉及对数据进行过滤，排序，汇总，比较和执行其他此类分析操作。

d）与数据争论：涉及使用数据来支持旨在将消息传达给特定受众的更大的叙述。

Brainbox Consulting的创始人兼首席执行官亚当·内森说：“如果在与组织和数据的15年合作中取得了丰硕的成果，那就是：业务用户喜欢在数据中查找故事，并且会不断地进行切分和切分以获取它们。”最近卖给了Logic20 / 20。 “他们挣扎的地方正在将有趣的东西转化为可行的东西。以同样的方式，在一场棒球比赛中，有50, 000名粉丝喜欢看Jumbotron上的球员统计数据；其中很少有人拥有玩Moneyball的业务印章。”

2.正确的问题就是一切 。 自助式BI应用程序是部分自动化的应用程序助手。 这意味着，通常来说，您是必须考虑问题（又称查询）的人。 形成该查询非常重要，因为答案仅与问题一样有用。 该规则的一个例外是特殊应用程序，例如前面提到的Salesforce Einstein Analytics，它专注于销售和客户关系管理（CRM）数据，因此可以自动通过Einstein预先确定您想从销售和销售中了解的信息。客户数据。 专业BI应用程序的另一个示例是Google Analytics（分析），它专注于网站和移动数据。 同样，数据集是定义明确的类型，查询是可预测的，因此可以预先设置。

不确定从哪里开始着手构建更通用的BI应用程序的查询？ 通常，您的公司或行业的关键绩效指标（KPI）是一个很好的起点，因为它们定义了已知有用的分析。 您可以从此处开始分层或添加相关或新问题。 Appfigures的联合创始人兼首席执行官Ariel Michaeli说：“ KPI可以是单一指标（如总收入），也可以是复合指标（如每个活跃用户的收入）。 “因此，BI平台具有使用多个指标的能力非常重要。”

不要让这些BI应用程序上的“自助服务”标签阻止您向IT或经验丰富的业务分析师寻求帮助。 ThoughtSpot首席数据传播师Doug Bordonaro说：“如果找不到所需的指标，请提出疑问！这可能不是BI解决方案最初推出的一部分。” “分析师可能很乐意为您快速添加它。”

而且，在精心设计您将要使用的查询时，至关重要的是，预测呈现数据分析结果之后可能出现的问题也至关重要，因为这可能会提示您进行进一步的分析。 “确保您可以回答人们最想问的六个问题，因为他们 会 问。” AtScale技术产品营销总监Lucio Daza建议。

3.数据是整个练习的alpha和omega。 很大程度上取决于您选择使用的数据。 是用户选择，加载和清除数据，所以，是的，责任主要在您身上。 古老的格言“垃圾进，垃圾出”仍然适用。 正如Alteryx的首席客户官兼创始合伙人奥利维亚·杜安·亚当斯（Olivia Duane Adams）所说：“了解您的问题将使您回到数据本身，就像知道需要什么数据以及它可能存在于何处。毕竟，数据并不能产生洞察力直到您进行分析为止。”

在对应用程序执行任何操作之前，您必须仔细考虑从数据选择到查询形成的整个过程。 否则，您只是在钓鱼。 并不是说数据探索没有它的位置。 但是，如果您快速需要特定的见解，那么最好在开始第一行之前确保自己在正确的池塘旁并携带正确的诱饵。 请记住，您是主题专家（SME），而不是机器。 在告诉软件进行分析工作之前，请利用您的才能和经验来确定所需的数据，并将其锤炼成最基本的形状。

因此，如果您完全成为中小型企业，但又在选择数据和使用自助式BI应用程序时完全失去了新手，该怎么办？ “认识您当地的电力用户，” ThoughtSpot的Bordonaro说。 “机会是，有一个非常靠近您的人可以向您展示如何入门，因为学习的障碍比传统的BI产品低得多。”