
IT必须提供视觉, 移动友好的数据分析
那些不可靠的,复杂的分析和商业智能工具对有能力的用户来说也许还行,但是大多数机构想要易于使用,易于解释的可视化数据分析可以与高管,销售人员和其他业务用户共享,最好是在平板电脑,笔记本电脑或电脑上。
我们在从业者中反复听到这一主题的各种声音,并且有我们2014年信息周分析、商业智能、信息管理调查的支持。事实上, 本年度调查所确定的趋势自2011年以来相当一致。例如,受访者在过去的四年选择了数据可视化作为在他们三大“前沿”分析和商业智能(BI)技术,而今年它超过高级分析和嵌入式商业智能(BI)位于头号位置。
对可视化数据分析的需求是对商业智能(BI)和分析工具过于复杂的抱怨的反应。 在这方面, 我们的调查结果也于自2011年以来一致,而在受访者成功分析或商业智能(BI)方案上的障碍名单上,“易用性挑战”排名仅次于“数据质量问题”。
高级功能,如预测分析、风险分析和变量数据分析的需求仍然旺盛。我们追随了四年之多的信息管理趋势也表明对大数据的兴趣表现在越来越多地使用Hadoop和NoSQL数据库。
向自助式服务的转移
信息管理成功的第一大障碍是什么?“访问相关、及时可靠的数据。”分析和商业智能(BI)供应商知 道IT团队被新数据源的需要所淹没,更受挫于新维度的数据,需要更改报表和仪表板,或者更糟的是,更改应用程序和数据仓库。难怪“自助服务”功能似乎出现 在每个商业智能(BI)软件升级中。
发电机制造商Multiquip, 加州卡森的一家中型公司,共享了一个相当典型的自助服务的必要性的故事。“我们正在寻找一种方式,更好,更快,更有效地为终端用户服务,而不必总是要牵涉到IT部门,” 该公司的副总裁Michael Hanken说。
Multiquip四年前建立了一个Microsoft SQL Server数据仓库, 并添加Logi分析, 一套针对中型企业处理报表, 仪表盘和即时查询的商业智能(BI)套件。为了更容易获得洞察力,该公司推出了基于iPad的报表和一个以销售为导向的基于去年Logi软件的定价应用程序。该程序仍然不能满足Hanken所描述的“IT经理的梦想: 完全由终端用户自己生成报表。”
为了填补这一空缺, Multiquip作为Logi视觉的测试版客户登录,以满足自助服务和数据可视化的要求。使用该软件, Multiquip正在探索如何让用户自己解决客户服务问题的方式。
“当有延迟时, 供应链和客户服务有连锁反应,而不是出现在每日报表或单一的饼图上”Hanken说。
数据探索和可视化工具不能只提供漂亮的图表和图形的。他们必须方便业务用户探索和关联多个维度的数据。例如,Multiquip的标准供应链报表并不包括销售数据来显示哪些重要的客户可能会在某个特定的运输延迟上受到打击。
“现在我们在Logi 视觉数据层有了所有这些信息,用户可以查询供应链方面的信息并看到它对销售的影响,”Hanken说。“这是我们以前没有的东西。”
数据选择在Logi视觉上可以拖放,软件会基于数据和分析的样式自动选择一种数据可视化。Multiquip 的IT部门有11人,Hanken说,现在,用户可以自己创建报表,支持Logi的IT人有更多的时间用于探索在iPad上的可视化数据探索应用程序。 “我们曾怀疑ipad,因为很难让销售人满意,但我们培训了他们两个小时他们只是拿走了它。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15