Vykazování Údajů vs Analytics

Ve vysoce konkurenčním světě, tam je rostoucí poptávka po dat pro rozhodování. V rámci zavedených společností je to doloženo dostupností zpráv, jako jsou finanční zprávy, účetní zprávy, zprávy o trhu a mnoho dalších.

v kontextu analýzy dat však existuje významný rozdíl mezi „reportingem“ a „analytikou“.

Znát rozdíl, umožní organizacím, aby:

• přesnější informace
• více a rychleji otočit čas
• více působivých obchodních rozhodnutí

„Hlášení“ se rozumí data pro rozhodování. Typické požadavky na hlášení obvykle znamenají opakovatelný přístup k informacím, které mohou být měsíční, týdenní, denní nebo dokonce v reálném čase.

výše uvedená definice se opírá o 2 hlavní chybné předpoklady:

• Data je k dispozici: často údaje musí být získávány z různých zdrojových systémů, které jsou často roztříštěné v rámci společnosti nebo mimo společnosti
• Data je čistý: často se data musí být přeložen k lidské spotřebě, a musí být ve tvaru pro analýzu enablement

„Analytics“ znamená, že raw data analýzy. Typické analytické požadavky obvykle znamenají jednorázové šetření dat.

který je na prvním místě? Reporting nebo analytika

když žádost o hlášení protéká, je často nutné provést analýzu. Když projde analytický požadavek, nemusí být nutné vykazovat.

Níže jsou uvedeny některé kroky v budování zprávu:

• Pochopit business požadavky
• Připojit a shromažďovat data,
• Přeložit technické údaje
• Pochopit, data, pozadí, tím, že různé rozměry
• Najít způsob, jak zobrazit data pro 100 kategorií a jeho 5 sub-kategorií (500+ kombinace!)
• Re-práce data
• Obchodní zúčastněných stran dostane zmatený
• Rozsah se změní
• Opakujte kroky
• Více re-práce
• Počáteční vizualizace na excel
• Řešení zúčastněných stran, pochopení
• Spustit reporting dashboard vybudovat
• Konfigurovat vlastnosti a parametry
• Více re-práce
• Test uživatelské zkušenosti
• v Souladu s firemní styl průvodce
• Test hlášení automatizace a nasazení
• Spolupracovat s technologie nebo výrobní tým
• Nastavit proces pro pravidelné obnovování a selhání
• Dokument výkaznictví

výše uvedené dotýká pouze počáteční povrchu…

Pokud podnik by jako několik datových bodů nebo lepší, věcné porozumění, analytics by účinnější a efektivnější alternativu.

Níže jsou uvedeny některé kroky v rámci analýzy dat průzkumu:

• vytvořit data hypotéza
• sbírat a manipulovat s daty
• prezentovat výsledky na podnikání
• opakovat

podnikání dostane výsledky po několika málo krocích.

Cesta k rychlé data-driven organizaci

je důležité pochopit rozdíl mezi „hlášení“ a „analytics“. V současném konkurenčním prostředí, rychlost poznatků je zásadně důležitá.

na základě výše uvedených vysvětlení a kroků je začátek „analytics“ často nejlepším výchozím bodem. Pokud je třeba tyto poznatky šířit široce a pravidelně, pak by mohlo být vypracováno hlášení. To také ulehčí provozní zatížení technologie, které je spojeno s běžnými automatizačními procesy.

„pokud zdvojnásobíte počet experimentů, které děláte za rok, zdvojnásobíte svou vynalézavost.“- Jeff Bezos

jak uvedl Jeff (zakladatel společnosti Amazon), potřebujeme více „experimentů“a průzkumu dat. Nepotřebujeme další zprávy.

pokud jste obchodní analytik, upřesněte požadavky z „reporting“ na data analytics.

Pokud jste data analytik, navrhnout analytický partnerství s podniky na chaotický data.

společně bychom mohli rychle a udržitelným způsobem uvolnit skutečnou obchodní hodnotu dat.