Навигация в грамотността на данните в света на разширения анализ

Възможностите на изкуствения интелект (AI), като машинно обучение (ML) и обработка на естествен език (NLP), продължават да се подобряват, а продуктите за разширен анализ могат надеждно да автоматизират много задачи, свързани с виждането и разбирането на данни. С мощни инструменти, които могат да извличат информация от данни, ръководителите често се чудят: тази технология наистина ли намалява нуждата от грамотност на данните усилия за обучение в техните организации? Не, по-скоро напротив.

Грамотността за данни – способността да се четат, пишат и предават данни в контекст – е по-важна от всякога. От решаващо значение е да се помогне на организациите да разработят начин на работа, базиран на данни, и да се даде възможност на служителите да увеличат уменията на ИИ със собствената си креативност и критично мислене.

Има допълнителни фактори, които трябва да се вземат предвид в ролята на грамотността на данните за растежа и успеха на една организация. Наемането, обучението и задържането на учени и анализатори на данни е трудно – освен това техните умения често са нюансирани и скъпи. Според 365 Data Science, повечето специалисти по данни вероятно няма да прекарат повече от 1.7 години на сегашното си работно място. Специалистите по данни и анализаторите, които са добре обучени, често получават заявки за задачи като изграждане на чист източник на данни за продажби или изработване на основни отчети. С техните специализирани способности, тяхното време и набор от умения ще бъдат по-добре обслужвани при работа по моделиране и разработване на работни потоци за по-ценни, сложни бизнес въпроси.

Когато ръководителите инвестират в изкуствен интелект и технология за разширен анализ, бизнес потребителят – по-небрежен потребител на данни в сравнение със специализиран анализатор – може да получи достъп до отговорите на своите въпроси и информацията, от която се нуждае, за да вършат добре работата си, без да се притесняват за механиката на извършване така.

Изследването на това как решенията с активиран AI могат да поддържат потребителски задачи и да намерят правилното потребителско изживяване има огромен потенциал да подготви инструмента и потребителя за успех. Например, AI инструмент може да автоматизира някои от по-досадните задачи около подготовката на данни и след това да предостави резултатите на човека, който може допълнително да анализира и визуализира съдържанието въз основа на своите аналитични нужди.

Напредъкът в разширения анализ помага на хората да отговарят на въпроси по-бързо

Решенията за разширен анализ могат да улеснят разбирането на данните от бизнес потребителите, което помага на компаниите да увеличат максимално стойността на тези скъпи технологии. Например разширените анализи могат да разберат интереса на клиентите и да предложат прогнози за потребителските предпочитания, разработването на продукти и маркетинговите канали. Те могат също да осигурят допълнителен контекст относно тенденциите, стойностите и отклоненията в нечии данни. Усъвършенстваните алгоритми могат да предложат допълнителни визуализации, които могат да бъдат добавени към табло за управление, заедно с текстови обяснения и контекст, генериран на естествен език.

Ето някои примери за решения, които могат да помогнат за повишаване на нивото на вашата работна сила.

1. Истории с данни. Tableau Cloud вече включва Истории с данни, функция за динамично табло за управление, която използва AI алгоритми, за да анализира данни и да напише проста история за тях в разказ или под формата на водещи символи. Историите преплитат разкази за данни отвъд обикновените диаграми и табла за управление в регистър, достъпен за бизнес потребителите за отговор на много от техните въпроси. Това намалява нивото на грамотност на данните, необходимо на бизнес потребителя, за да разбере най-важната за него информация. Историите с данни извеждат на повърхността простите въпроси, които потребителят задава, когато за първи път погледне стълбовидна диаграма или линейна диаграма: Това число, което изглежда като отклонение, наистина ли е отклонение? Как се е променил този брой с времето? Каква е средната стойност? Данните все още трябва да бъдат интерпретирани - това не е цялата история - но това е голяма стъпка към отключване на прозренията в данните.

2. Покажи ми. Разширените функции за анализ също позволяват по-интелигентни настройки за кодиране по подразбиране. Например, Show Me препоръчва типове диаграми и подходящо кодиране на маркировки въз основа на атрибутите на данните, които представляват интерес. След това потребителите могат да се съсредоточат върху изводите от високо ниво, които искат да комуникират, и да споделят тези диаграми с аудиторията си като част от своя визуален аналитичен работен процес.

3. Разбиране на естествен език. Със сложни изследвания, големи комплекти за обучение за езикови модели и подобрени изчислителни възможности разбирането на естествения език също се подобри значително през годините.

Хората могат да задават аналитични въпроси, без да се налага да разбират механиката на конструиране на SQL заявки. С по-добро намерение за разбиране интерфейсите на естествен език могат да отговорят на въпроси с интерактивни диаграми, които потребителите могат да поправят, прецизират и взаимодействат с тях, докато осмислят данните.

4. Машинно обучение. Разширените анализи, свързани с машинното обучение, също отбелязаха крачки. Тези модели могат да научат сложни и сложни аналитични задачи като операции за преобразуване на данни, които са персонализирани за конкретен тип потребител или група потребители. Освен това, много разширени аналитични изживявания вече имат потребителски интерфейси, които се чувстват интуитивни, намалявайки сложността на обучението и прилагането на модел в аналитичния работен процес на потребителя.

Въпреки че AI има невероятни възможности, той никога няма да замени напълно хората. Събирането на изводи на високо ниво от статистически свойства на по-ниско ниво може да бъде сложно и доста нюансирано. Хората имат по-високо ниво на творческо познание; ние сме любознателни; можем да дестилираме тези изводи на високо ниво от данни.

Препоръки за насърчаване на грамотността за данни

За да могат организациите да отключат прозрения от по-високо ниво от своите данни, служителите – както бизнес потребители, така и анализатори – трябва да бъдат обучени как трябва да анализират своите данни и да имат най-добри практики за визуализиране и представяне на данни. Ето как организациите могат да разработят най-добри практики за насърчаване на грамотността на данните и разширяване на AI с инструменти за анализ.

1. Инвестирайте в обучение.

Наличието както на правилните инструменти, така и на правилното образование/обучение е от решаващо значение за всяка организация. В Проучване на Forrester Consulting относно грамотността на данните, само 40% от служителите казаха, че тяхната организация е предоставила обучението за умения за данни, което се очаква да имат.¹ Индивидите и организациите трябва да излагат хората на по-добро обучение по отношение на най-добрите практики за виждане и разбиране на техните данни. Работните места трябва да предлагат курсове за визуализация на данни и грамотност за данни, така че служителите да могат да разберат моделите и да научат най-добрите начини за създаване и представяне на диаграми.

За да обучите служителите си, можете да привлечете страхотни програми на трети страни от компании като Qlik, Грамотност на данните, Академията за данни и анализ на Coursera, EDX, Лагер за данни, Khan Academy, Общо събрание, Обучение на LinkedIn, и още. Tableau предлага самообучение, виртуални обучителни класове на живоИ безплатен курс по грамотност с данни. Подобни проекти, които включват обучение, някои от които са безплатни, включват Данни за хората, Разказване на истории с данни, Data Lodge, Проектът за грамотност на даннитеИ др.

Ръководителите също трябва да обмислят: Как вашите служители могат да бъдат обучени не само на езика на диаграмите, но и като по-широка парадигма?

Един недостатък на инструментите за изграждане, които имат много разширени възможности - които включват AI и машинно обучение - е, че те могат да изглеждат измамно прости и могат да накарат потребителите много бързо да се развият. Но недостатъчно обучените потребители биха могли да генерират диаграма или прозрения за вкъщи от диаграма, която може да бъде подвеждаща или заблудена по някакъв начин.

Важно е хората да бъдат обучени на езика на визуалното представяне и науката зад него, така че те поне да са информирани за данните, ако не и грамотни за тях. Например, как хората определят какво е отклонение? Как трябва да проектират табла за управление, които да са надеждни? Те също така трябва да могат да разберат разликата между корелация и причинно-следствена връзка. Това ще гарантира, че данните са точни и могат да се използват за анализ.

2. Вземете решения, базирани на данни.

Преминаването от устност на данните – където хората говорят за вземане на решения, основани на данни – към грамотност на данните – където хората имат способността да изследват, разбират и комуникират с данни – изисква демократизиране на достъпа до визуализации на данни. Това предполага фокусиране върху индивидуалното обучение и приложимост, но трябва да бъде по-скоро организационна промяна. Истинската демократизация на грамотността на данните взема предвид цялата екосистема от данни. Той признава разпространението на диаграми в ежедневния живот на потребителите и работи, за да ги направи разбираеми в широк кръг.

Хората трябва да вземат решения въз основа на данни, а не само на субективни мнения; това се връща към важността на обучението, което обучава потребителите за разграничението между корелация и причинно-следствена връзка. Как трябва да се вземат решения, основани на данни? Каква е средата за представяне на данни и ключови изводи, така че дискусията да остане обективна, за да се вземат ефективни решения? Например, технологичните компании трябва да използват потребителски телеметрични данни, за да определят какви функции да изградят, характеристики на използване и да идентифицират всяко триене в потребителското изживяване.

3. Развийте и поддържайте подходяща инфраструктура.

За да подкрепят първите две препоръки, ръководителите трябва да се уверят, че тяхната организация е изградила адекватна, мащабируема инфраструктура за съхраняване и управление на нейните данни. Те също така трябва да помогнат на своите организации да идентифицират и получат достъп до AI технология, която адресира проблемите и нуждите на техните клиенти.

Освен това лицата, вземащи решения, трябва да бъдат обмислени и съзнателни относно поверителността и доверието на данните. Не може да бъде последваща мисъл; трябва да се вземе предвид сериозно от самото начало. Отговорността за поверителността и доверието на данните трябва да се дестилира чак до отделния потребител, което цялостните политики за управление и управление на данни могат да покрият.

Продължете да се съсредоточавате върху усилията за ограмотяване на данни

Инвестирането в AI и инструменти за разширен анализ като Data Stories е отлична стъпка към овластяване на бизнес потребителите да извличат отговори от своите данни, но тези инструменти ще допълнят усилията за ограмотяване на данни, вместо да ги заменят. Освен това правилните форми на инвестиране както в AI технологията, така и в обучението могат ефективно да подкрепят хората да правят това, в което са най-добри: да създават идеи и да създават решения, като същевременно отговарят на нуждите на клиентите, всички съсредоточени около данните.

Продължаването на фокуса върху грамотността на данните във вашата организация ще гарантира, че повече от вашите служители – случайните бизнес потребители и сложните анализатори на данни – задават правилните въпроси за вашите данни, които ще доведат до допълнителни прозрения.

ИЗБЕРЕТЕ ГЪВКАВ ПАРТНЬОР ЗА АНАЛИТИКА

Партньор за анализи като Tableau предлага широчина и дълбочина във възможностите, както и обучение, базирано на роли, което го прави гъвкав партньор по пътя към откриването на това, което работи най-добре за вашата компания. Научете повече за Tableau Cloud.

ДАННИ ЗА БИЗНЕС ПОТРЕБИТЕЛИ

Настройте вашите бизнес потребители за успех. Научете повече за историите с данни тук.