Yleiskatsaus tietoanalyysista
Ennen kuin tietoja voidaan käyttää tarinan kertomiseen, ne on ensin suoritettava prosessissa, joka tekee niistä käyttökelpoisen jutussa. Tietojen analysointi on tietojen tunnistamiseen, puhdistamiseen, muuntamiseen ja mallintamiseen liittyvä prosessi merkityksellisen ja hyödyllisen tiedon löytämiseksi. Tiedot tuodaan sitten tarinaan raporttien kautta analysoitaviksi ja tukemaan kriittistä päätöksentekoprosessia.
Kun maailmasta tulee koko ajan enemmän tietojen pohjalta toimiva, tietojen analysoinnin kautta tapahtuvan tarinankerronnan merkitys on yhä tärkeämpi osa suuria ja pieniä yrityksiä. Tämän vuoksi organisaatiot jatkavat tietoanalyytikkojen palkkaamista.
Dataan luottavat yritykset tekevät päätöksiä, jotka perustuvat tarinan tietoihin. Nykypäivän tietopohjaisessa maailmassa tietoja ei kuitenkaan käytetä täysin niiden potentiaalin mukaan, mikä on haaste, jonka useimmat yritykset kohtaavat. Tietojen analysointi on ja sen tulee olla kaikkien organisaatioiden tärkeä osa, joka auttaa määrittämään, millainen vaikutus sillä on yritykseen, mukaan lukien asiakasasenteen arviointi, markkina- ja tuotetutkimus, kehityssuuntaukset tai muut merkitykselliset tiedot.
Vaikka tietoanalyysi prosessi keskittyy siivouksen, mallinnuksen ja visualisoinnin tehtäviin, tietojen analysoinnin käsitettä ja liiketoiminnan merkitystä ei saa aliarvioida. Tietojen analysoimiseksi analyysin perusosat jaetaan seuraaviin luokkiin:
- kuvaileva
- diagnostinen
- ennakoiva
- ohjaileva
- kognitiivinen.
Kuvaileva analytiikka
Kuvaileva analyysi auttaa vastaamaan historiallisten tietojen perusteella kysymyksiin siitä, mitä on tapahtunut. Kuvailevat analytiikkatekniikat tekevät yhteenvedon suurista semanttisista malleista, jotka kuvaavat tuloksia sidosryhmille.
Kehitettäessä suorituskykyilmaisimia (KPI) nämä strategiat voivat auttaa tärkeimpien tavoitteiden onnistumisen tai epäonnistumisten seurannassa. Mittareita, kuten sijoitetun pääoman tuottoa (ROI), käytetään monilla toimialoilla. Erikoistuneita mittareita kehitetään, jotta voidaan seurata suorituskyky tietyillä toimialoilla.
Esimerkkejä kuvailevista analyyseistä ovat raporttien luominen organisaation myynti- ja taloustietojen tarkastelua varten.
Diagnostinen analyysi
Diagnostinen analyysi auttaa vastaamaan kysymyksiin siitä, miksi asioita on tapahtunut. Diagnostisen analyysin tekniikat täydentävät perustason kuvailevaa analyysia, ja ne löytävät kyseisten tapahtumien syyn kuvailevan analyysin havaintojen avulla. Suoritusindikaattorit tutkitaan tarkemmin, jotta voitaisiin havaita, miksi nämä tapahtumat ovat muuttuneet paremmiksi tai huonommiksi. Tässä prosessissa on yleensä kolme vaihetta:
Tunnista tiedoissa olevat poikkeamat. Nämä poikkeamat voivat olla odottamattomia muutoksia mittausarvossa tai tietyillä markkinoilla.
Kerää näihin poikkeamiin liittyviä tietoja.
Tilastollisten tekniikoiden avulla voit tutustua suhteisiin ja trendeihin, jotka selittävät näitä poikkeamia.
Ennakoiva analytiikka
Ennakoiva analytiikka auttaa vastaamaan kysymyksiin siitä, mitä tulevaisuudessa tapahtuu. Ennakoivat analytiikkatekniikat käyttävät historiallisia tietoja suuntausten tunnistamiseen ja niiden toistumisen selvittämiseen. Ennakoivan analyysin työkaluilla saat arvokasta tietoa siitä, mitä tulevaisuudessa voi tapahtua. Tekniikat sisältävät erilaisia tilastollisia ja konetason oppimistekniikoita, kuten neuroverkkoja, päätöspuita ja regressiota.
Ohjaileva analytiikka
Ohjaileva analytiikka auttaa vastaamaan kysymyksiin siitä, mihin toimiin tulee ryhtyä tavoitteen tai tavoitteen saavuttamiseksi. Organisaatiot voivat tehdä aineistopohjaisia päätöksiä käyttämällä ohjailevan analytiikan merkityksellisiä tietoja. Tämä tekniikka antaa yrityksille mahdollisuuden tehdä tietoon perustuvia päätöksiä epävarmuuden vallitessa. Ohjailevien analytiikkatekniikoiden yhtenä strategiona on löytää malleja suurista semanttisista malleista. Analysoimalla aiempia päätöksiä ja tapahtumia organisaatiot voivat arvioida eri tulosten todennäköisyyttä.
Kognitiivinen analytiikka
Kognitiivinen analytiikka yrittää tehdä päätelmiä olemassa olevista tiedoista ja malleista, tehdä johtopäätöksiä olemassa olevien tietokantojen perusteella ja lisätä sitten nämä havainnot takaisin tietämyskantaan tuleville päätelmille itseoppimisen palautesilmukan. Kognitiivisten analyysien avulla opit, mitä voi tapahtua olosuhteiden muuttuessa, ja voit määrittää, miten näitä tilanteita voi käsitellä.
Päätelmät eivät ole jäsennettyjä kyselyjä, jotka perustuvat sääntötietokantaan, eivätkä ne ole jäsentämättömiä oletuksia, jotka on kerätty useista lähteistä ja ilmaistu vaihtelevan luottamuksen perusteella. Tehokas kognitiivinen analytiikka riippuu koneoppimisen algoritmeista. Se hyödyntää useiden luonnollisen kielen käytön käsitteiden avulla aiemmin käyttämättömiä tietolähteitä, kuten palvelukeskuksen keskustelulokeja ja tuotearvioita.
Esimerkki
Ottamalla käyttöön raportoinnin ja tietojen visualisoinnit vähittäiskaupan yritys käyttää kuvailevaa analyysia, jossa tarkastellaan edellisten vuosien ostojen malleja, jotta voidaan selvittää, mitkä tuotteet saattavat olla suosittuja ensi vuonna. Yritys voi myös tukitietoja tarkastelemalla ymmärtää tietyn tuotteen suosion syyn ja trendin mahdollisen jatkumisen ja siten selvittää, pitääkö tuotetta varastoida edelleen.
Yritys voi päätellä, että tietty tuote oli suosittu tietyn ajanjakson aikana. Sen jälkeen se voivat tämän analyysin avulla määrittää, vaikuttivatko jotkin markkinointitoimet tai verkon sosiaaliset aktiviteetit myynnin kasvuun.
Tietojen analysoinnin perustana on se, että yrityksen on luotettava tietoihinsa. Käytäntönä on, että tietojen analysointiprosessi kerää tietoja luotettavista lähteistä ja muotoilee ne sellaisiksi, että ne ovat kulutuskelpoisia, merkityksellisiä ja helposti ymmärrettäviä ja että ne voivat auttaa päätöksentekoprosessissa. Tietojen analysoinnin avulla yritykset voivat täysin ymmärtää dataansa aineistoperäisten prosessien ja päätösten avulla, jotta ne voivat luottaa päätöksiinsä.
Tietojen määrän kasvaessa tietoanalyytikkojen tarve kasvaa. Tietoanalyytikko tietää, miten tiedot järjestetään ja miten niitä käsitellään mielekkäästi ja ymmärrettävästi. Tietoanalyytikko tietää, miten voi kerätä oikeat tiedot ja mitä tehdä niiden kanssa, eli tehdä tietomassan tiedoista järkeenkäypiä.