Qlever

Миф об аналитике самообслуживания

      Изучение и анализ данных, это совсем не то же самое, как самостоятельная заправка машины. Наверное, нам стоит радоваться тому, что, когда много лет назад заправочные станции перешли от полного сервиса к самообслуживанию, так же не поступили станции техобслуживания и ремонтные мастерские. Самостоятельная заправка — это простая процедура, которая требует незамысловатых навыков. Ремонт автомобиля, однако, требует большого опыта, мастерства и правильных инструментов. То же самое относится и к исследованию и анализу данных.
      Идея аналитического самообслуживания (Self-Service Analytics) стала одной из самых прибыльных за последние несколько лет тем маркетинговых кампаний в сфере бизнес-аналитики (BI), уступая только теме Больших Данных (Big Data). Практически все разработчики в области BI и аналитики говорят об этом.
      ...Исследуйте данные с помощью интеллектуальной визуализации, которая автоматически подстраивается под параметры, которые вы устанавливаете – больше нет необходимости в разработчиках или аналитиках...
      Qlik
      ...Аналитика, которой любой может воспользоваться…
      Tableau
      …Этот инструмент предназначен для тех, кому необходимо анализировать, не становясь аналитиком…
      SAP
      …С помощью аналитического самообслуживания, вы можете быстро изучить свои данные вдоль и поперек на любом устройстве, не дожидаясь ИТ-специалистов или аналитиков…
      Salesforce.com
      При этом рассказы о самостоятельной аналитике, скорее служат примером плохой рекламы, которая может принести много вреда. Сколько плохих решений было принято на основе поверхностных аналитических выводов, сделанных неквалифицированными людьми в организациях, которые поверили, что с анализом можно справиться и самим? Плохих решений, наверное, больше, чем хороших…

      Перевод аналитики на «самообслуживание» предполагает, что она не требует специфических навыков. Имеется в виду, что анализировать можно просто зная, как пользоваться программой, которая поддерживает «возможности анализа». Но осмысление данных это не то, что можно сделать автоматически. Компьютеры ведь ничего не чувствуют и ничего не понимают. Инструменты в лучшем случае могут предоставить нам больше информации, если они хорошо разработаны, но большая часть так называемых инструментов для самостоятельного анализа разработаны не совсем хорошо. В лучшем случае, эти инструменты предоставляют опасную иллюзию понимания, а не основу, на которой могут быть сделаны хорошие выводы.

      Некоторые производители программного обеспечения приписывают своим продуктам функционал для самостоятельного анализа по неведению: они не понимают механизм осмысления данных, поэтому не понимают, что анализ сам собой не произойдет. Для них получить важную информацию из данных — это как машину заправить. А некоторые производители программного обеспечения, и вовсе идут на обман, понимая, что приписывание их продукции возможностей анализа повысит их продажи и доходы. Они не любят думать об этом как об обмане, они воспринимают это как маркетинг — сферу, в которой можно всё.

      Некоторые производители доводят ложь о «самообслуживании» в анализе до крайности, утверждая, что их инструменты позволяют вовсе исключить человека из процесса осмысления данных для принятия решений. Вы просто подключите программу к набору данных, и будете сидеть сложа руки и смотреть, как она быстро и изящно исследует и проанализирует данные, в результате чего вы получите простой отчет полный полезных выводов. Но анализ происходит совсем не так. Опытный аналитик не попадется на эту удочку. Но, к сожалению, аналитики не часто, принимают решения о покупке программного обеспечения.

      Хорошо, что мы можем сэкономить немного денег и времени заправляя машину самостоятельно, но не стоит распространить эту практику в область любительского анализа данных. Анализ данных требует навыков. Любой разумный человек может развить эти навыки, было бы желание. Они развиваются так же, как любые другие, посредством изучения и осознанной практики. Они того стоят, эти навыки окупаются с лихвой. Люди и компании, которые вкладывают время и ресурсы в развитие аналитических навыков оказываются в выигрыше.

      Источник Visual Business Intelligence
      (c) qlever solutions, 2017