organizace založené na datech často používají pojmy „business intelligence“ (BI) a „data analytics“ zaměnitelně. Nejsou to totéž, ale kdyby vás někdo požádal, abyste vysvětlil rozdíl,co byste řekl?
Někteří lidé rozlišovat mezi dvěma slovy, že business intelligence se dívá zpětně na historické údaje k popisu věci, které se staly, zatímco data analytics využívá data, vědy, techniky předpovědět, co bude nebo by mělo dojít v budoucnosti. Myslíme si, že je to blízko, ale je toho víc.
Business intelligence zahrnuje použití data pomoci učinit obchodní rozhodnutí, nebo jako OLAP.com říká,,, BI „se odkazuje na technologie, aplikace a postupy pro sběr, integraci, analýzu a prezentaci obchodních informací. Účelem business intelligence je podporovat lepší obchodní rozhodování.“Dalo by se však říci totéž o datové analytice.
nakreslit čáru mezi business intelligence a analytiku dat, myslíme si, že je užitečnější mluvit o tom, co chceme dosáhnout. Analytiku můžeme rozdělit do tří kategorií: popisný, prediktivní, a normativní.
popisná analytika bere data a přeměňuje je na něco, co mohou obchodní manažeři vizualizovat, porozumět a interpretovat. Poskytuje informace o historickém výkonu, a odpovídá na otázky o tom, co se stalo. Popisné analytické zprávy jsou navrženy pro pravidelné spouštění a prohlížení. Příklady zahrnují zprávy o zákaznících, operacích a prodeji.
prediktivní analytika poskytuje informace o pravděpodobných budoucích výsledcích-prognózách založených na popisných datech, ale s přidanými předpověďmi pomocí datové vědy a často algoritmů, které využívají více datových sad. Čím více dostupných údajů, tím lepší předpovědi. Příklady zahrnují prognózu prodeje, skóre spotřebitelských úvěrů a návrhy maloobchodníků na to, co si budete chtít přečíst, zobrazit nebo zakoupit dále.
Prescriptive analytics nabízí rady o tom, jaké kroky podniknout. Zkoumá možné výsledky, které vyplývají z různých možných akcí, a navrhuje, které akce budou mít optimální výsledky. Vytvoření normativní analytics vyžaduje pokročilé modelovací techniky a znalosti z mnoha analytických algoritmů — součástí práce dat vědci.
Big data stratég Mark van Rijmenam píše, „Pokud vidíme, popisné analytics jako základ pro business intelligence a vidíme predictive analytics jako základ pro big data, než můžeme konstatovat, že normativní analytics bude budoucnost big data.“
jaký je tedy rozdíl mezi bi a datovou analýzou?
pomocí těchto tří kategorií můžeme lépe rozlišovat mezi bi a analýzou dat.
všechny popisné analýzy spadají do kategorie business intelligence. Některé prediktivní analýzy také představují BI. Koneckonců, proč se podívat na analytiku, pokud je nemáte v úmyslu použít k přijetí opatření ke zlepšení budoucích výsledků? Normativní analytika, nicméně, stoupá nad BI do oblasti datové analytiky.
kde nakreslíme čáru? Business intelligence se spoléhá na data, se kterými obchodní manažeři pracují. Pokud jsou vyškoleni v používání vizualizačních nástrojů, jako je Tableau, Microsoft Power BI, Looker nebo kterákoli z mnoha dalších možností, mohli by si vytvořit vlastní bi zprávy.
analýza dat vyžaduje vyšší úroveň matematických znalostí. Datové vědci velkých datových sad a aplikovat algoritmy organizovat a model je do bodu, kdy data mohou být použity pro výhledové prediktivní zprávy. Při určování vztahů mezi daty, která nejsou na povrchu zřejmá, se spoléhá na algoritmy, simulace a kvantitativní analýzu. To se u BI nestává.
spíše než odpovídat na otázky o tom, co se stalo, data analytics se snaží zjistit, proč se věci staly. Spoluzakladatel Stitch a Talend SVP Jake Stein říká, “ analýza dat je o iterativním kladení otázek.“. Odpověď na danou otázku je často vnímána pouze jednou a používá se k informování další otázky na naší cestě k zodpovězení základní obchodní otázky nebo řešení problému.“
Společný základ pro business intelligence a analytics
Business intelligence se zabývá probíhající operace, pomáhá podnikům a oddělení splnění organizačních cílů. Analýza dat může pomoci společnostem, které chtějí změnit způsob podnikání. Obě disciplíny mohou těžit z malé přípravy dat.
Data analytics obecně vyžaduje modelování dat, ve kterém jsou shromažďována surová data, vyčištěna, kategorizována, převedena, agregována, ověřena a jinak transformována. Čistá data jsou také užitečná pro BI.
jakmile jsou data čistá, jsou uložena ve struktuře a formátu, který se hodí k hlášení. Často to znamená, že data jsou uložena v datovém skladu-sloupcovém úložišti dat, které dnes často běží na škálovatelné cloudové infrastruktuře. Data v datovém skladu představují jedinou verzi pravdy pro všechny organizační zprávy, pro bi i datovou analýzu.
jak bi, tak data analytics vyžadují analytický zásobník založený na datovém skladu, přičemž data jsou přiváděna pomocí nástroje ETL. Stitch usnadňuje naplnění datového skladu.
zkuste Stitch zdarma
e-mailová adresa Zaregistrujte se
případ uzavřen?
řeší tato diskuse otázku? To není pravděpodobné. Bez ohledu na to, jak to definujeme, lidé budou stále používat výrazy, jak se jim líbí. Takže co když někdo řekne, „Data analytics je, jak se dostanete do business intelligence“ nebo „Business intelligence zahrnuje data analytics“? Co když chtějí mluvit o „obchodní analytice“? Budiž. Smyslem obou procesů je analyzovat data a vytvářet zprávy pro zlepšení rozhodování — v tomto bodě všichni souhlasí.