Операционная аналитика в действии

Чем больше аналитики, тем лучше восприятие.

______

Заметки из книги Билла Фрэнкса «Революция в аналитике: Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики».

______

По мере того как организация собирает все больше информации о наших с ней взаимодействиях, она способна лучше подстроиться к нам. Благодаря запуску процессов операционной аналитики, которые в текущем режиме учитывают все наши последние действия, организация может как персонализировать, так и улучшить восприятие её нами.

Нужно начинать с простого. Большинство операционно-аналитических процессов начинается с довольно простой аналитики, которая служит фундаментом для надстройки. После того как простой процесс успешно внедрен и запущен в действие, аналитику можно постепенно усложнять.

Ввиду масштабности многих действий государства и их печально известной неэффективности государственные органы могут значительно улучшить свою деятельность благодаря эффективному использованию операционной аналитики.

Зачастую эффективность любого отдельно взятого процесса повышается при помощи операционной аналитики ненамного — в пределах 1–2%. Однако в больших масштабах и особенно при ограниченной рентабельности такой выигрыш может иметь серьезное значение.

Одни из самых сильных впечатлений, которые будет производить на нас аналитика, возникнут в тех ситуациях, когда мы даже не осознаем ее присутствия. Операционная аналитика может обеспечить клиентам совершенно новый уровень сервиса и кастомизации.

Операционная аналитика может сделать более безопасными места, которые мы посещаем и где живем, благодаря предсказывающему контролю и гарантировать качество продуктов питания благодаря использованию датчиков для контроля за состоянием окружающей среды.

Инвестирование в обнаружение данных

Цель процесса обнаружения данных — быстро найти новые инсайты. Для этого требуется иной взгляд на инвестиции. Вместо того чтобы ориентироваться на исходные вычислительные мощности или их производительность, лучше ориентироваться на такой показатель, как время инсайта. Сама по себе производительность не настолько важна, как совокупное время, которое требуется для поиска инсайта. Время инсайта приведет в соответствие удобство использования, гибкость и производительность аналитики.

«Total cost of data» (TCOD) — «суммарная стоимость данных», при инвестировании в аппаратное и программное обеспечение для поддержки аналитики. TCOD отражает общую стоимость широкого разнообразия необходимых компонентов.

При переводе традиционной аналитики в операционную, если это необходимо, пожертвуйте функциональностью инструментов и удобством для пользователя ради масштабируемости и простоты интеграции.

Разные аналитические платформы имеют свои сильные и слабые стороны, которые должны быть хорошо изучены и приняты во внимание при планировании аналитического окружения. Многие люди ошибочно полагают, что реляционные и нереляционные технологии, такие как Hadoop, эквивалентны, но на самом деле они не конкурируют, а дополняют друг друга.

Единое аналитическое окружение, способное выполнять операционную аналитику для организации, стоит на трех опорах:

  • Реляционная база данных: используется для развертывания операционной аналитики в масштабах всей организации с учетом широкого круга пользователей и приложений. Это рабочая лошадка, которая внедряет операционную аналитику в бизнес-процессы.
  • Технология обнаружения данных: используется с целью облегчить исследование данных любого типа и тестирования аналитических процессов любого типа. Позволяет организации быстро и эффективно находить в данных новые инсайты.
  • Нереляционная технология (обычно Hadoop): используется для сосредоточения и первичной обработки данных любого типа, поскольку не делает предположений относительно их структуры. Также используется для текущего хранения малоценных и/или редко используемых данных.

Вспомогательные технологии, предназначенные для решения конкретных задач, помогают организации при превращении традиционной аналитики в операционную. Со временем функционал этих технологий может быть включен в основные опоры аналитического окружения. Но пока этого не произошло, пробел может быть заполнен специализированными устройствами или продуктами на основе ПО.

Аналитический инструмент или платформа? По мере того как аналитические функции все глубже интегрируются в аналитические платформы, границы между инструментами и платформами размываются. Когда алгоритмы выполняются полностью в рамках платформы посредством встроенной функции, это позволяет обеспечить максимальное масштабирование.

Использовать облако или нет? Частное облачное окружение — это чрезвычайно мощная и экономически эффективная архитектура, к которой прибегнут многие организации. Общедоступные облака могут оказаться дорогостоящими для крупных организаций, поэтому вряд ли будут широко использоваться для целей операционной аналитики, как это сегодня рекламируется на рынке. Все опоры и вспомогательные технологии могут работать в облачной архитектуре.

Data Scientist # 1

Машинное обучение, большие данные, наука о данных, анализ данных, цифровой маркетинг, искусственный интеллект, нейронные сети, глубокое обучение, data science, data scientist, machine learning, artificial intelligence, big data, deep learning

Данные — новый актив!

Эффективно управлять можно только тем, что можно измерить.
Copyright © 2016-2021 Data Scientist. Все права защищены.