az adatközpontú szervezetek gyakran felcserélhető módon használják az “üzleti intelligencia” (BI) és az “adatelemzés” kifejezéseket. Nem ugyanaz a dolog, de ha valaki arra kérne, hogy magyarázza el a különbséget, mit mondana?

egyesek különbséget tesznek a kettő között azzal, hogy az üzleti intelligencia visszafelé néz a múltbeli adatokra, hogy leírja a történteket, míg az adatelemzés adattudományi technikákat használ annak előrejelzésére, hogy mi fog vagy fog történni a jövőben. Szerintünk ez közel van, de többről van szó.

az üzleti intelligencia magában foglalja az adatok felhasználását az üzleti döntések meghozatalához, vagy OLAP.com a ” bi ” kifejezés az üzleti információk gyűjtésére, integrálására, elemzésére és bemutatására szolgáló technológiákra, alkalmazásokra és gyakorlatokra vonatkozik. Az üzleti intelligencia célja A jobb üzleti döntéshozatal támogatása.”Ugyanez mondható el az adatelemzésről is.

az üzleti intelligencia és az adatelemzés közötti határ meghúzásához úgy gondoljuk, hogy hasznosabb beszélni arról, hogy mit akarunk elérni. Az analitikát három kategóriába sorolhatjuk: leíró, prediktív és előíró jellegű.

A leíró analitika az adatokat olyanná alakítja, amelyet az üzleti vezetők vizualizálhatnak, megérthetnek és értelmezhetnek. Információt nyújt a történelmi teljesítményről, és megválaszolja a történtekkel kapcsolatos kérdéseket. A leíró elemzési jelentések rendszeres futtatásra és megtekintésre szolgálnak. Ilyenek például az ügyfelek, a műveletek és az értékesítési jelentések.

A prediktív analitika betekintést nyújt a várható jövőbeli eredményekre — előrejelzésekre, leíró adatok alapján, de hozzáadott előrejelzésekkel az Adattudomány és gyakran több adathalmazt használó algoritmusok segítségével. Minél több adat áll rendelkezésre, annál jobbak az előrejelzések. Ilyenek például az értékesítési előrejelzések, a fogyasztói hitelpontok és a kiskereskedők javaslatai arra vonatkozóan, hogy mit szeretne olvasni, megtekinteni vagy megvásárolni.

a Prescriptive analytics tanácsot ad arról, hogy milyen lépéseket kell tennie. Megvizsgálja a különböző lehetséges cselekvésekből származó lehetséges eredményeket, és javaslatot tesz arra, hogy mely cselekvéseknek lesz optimális eredménye. Az előíró analitika létrehozása fejlett modellezési technikákat és számos analitikus algoritmus ismeretét igényli-mindez az adatkutatók munkájának része.Mark Van Rijmenam, a Big data stratégája ezt írja: “Ha a leíró elemzést tekintjük az üzleti intelligencia alapjának, a prediktív elemzést pedig a big data alapjának, akkor kijelenthetjük, hogy az előíró elemzés lesz a big data jövője.”

tehát mi a különbség a BI és az adatelemzés között?

e három kategória használatával jobban meg tudjuk különböztetni a BI-t és az adatelemzést.

minden leíró elemzés az üzleti intelligencia kategóriájába tartozik. Néhány prediktív elemzés szintén BI. Végül is miért nézzük meg az elemzéseket, ha nem szándékozik használni őket a jövőbeli eredmények javítása érdekében? Az előíró elemzés azonban a BI fölé emelkedik az adatelemzés birodalmába.

Hol húzzuk meg a határt? Az üzleti intelligencia olyan adatokra támaszkodik, amelyekkel az üzleti vezetők dolgoznak. Ha képzettek a vizualizációs eszközök, például a Tableau, a Microsoft Power BI, a Looker vagy számos más lehetőség használatára, létrehozhatják saját BI-jelentéseiket.

Az adatelemzés magasabb szintű matematikai szakértelmet igényel. Az adattudósok nagy adathalmazokat vesznek fel, és algoritmusokat alkalmaznak, hogy megszervezzék és modellezzék őket addig a pontig, ahol az adatok felhasználhatók előretekintő, prediktív Jelentésekhez. Algoritmusokra, szimulációkra és kvantitatív elemzésre támaszkodik, hogy meghatározza a felszínen nem nyilvánvaló adatok közötti kapcsolatokat. BI-vel ez nem történik meg.

ahelyett, hogy megválaszolná a történtekkel kapcsolatos kérdéseket, az adatelemzés megpróbálja megtudni, miért történtek a dolgok. A Stitch társalapítója és a Talend SVP Jake Stein azt mondja: “Az adatelemzés az iteratív kérdések feltevéséről szól. Az adott kérdésre adott választ gyakran csak egyszer tekintik meg, és arra használják, hogy tájékoztassuk a következő kérdést egy alapvető üzleti kérdés megválaszolása vagy egy probléma megoldása során.”

Common ground for business intelligence and analytics

az üzleti intelligencia foglalkozik a folyamatban lévő műveletekkel, segítve a vállalkozásokat és a részlegeket a szervezeti célok elérésében. Az adatelemzés segíthet azoknak a vállalatoknak, amelyek át akarják alakítani üzleti tevékenységüket. Mindkét tudományág részesülhet egy kis adatelőkészítésből.

Az adatelemzés általában adatmodellezést igényel, amelyben a nyers adatokat összegyűjtik, megtisztítják, kategorizálják, átalakítják, összesítik, érvényesítik és más módon átalakítják. A tiszta adatok a BI számára is hasznosak.

miután az adatok tiszták, azokat olyan struktúrában és formátumban tárolják, amely alkalmas a jelentésre. Ez gyakran azt jelenti, hogy az adatokat egy adattárházban tárolják — egy oszlopos adattárban, amely manapság gyakran skálázható felhőinfrastruktúrán fut. Az adattárház adatai az igazság egyetlen változatát képviselik minden szervezeti jelentés esetében, mind a BI, mind az adatelemzés szempontjából.

mind a BI, mind az adatelemzés egy adattárházon alapuló analitikai veremet igényel, az adatokat egy ETL eszközön keresztül vezetik be. Az öltés megkönnyíti az adattárház feltöltését.

Ügy lezárva?

Ez a vita megoldja a kérdést? Nem valószínű. Nem számít, hogyan definiáljuk, az emberek továbbra is használni fogják a kifejezéseket, ahogy tetszik. Mi van akkor, ha valaki azt mondja: “Az adatelemzés az üzleti intelligencia elérésének módja” vagy “az üzleti intelligencia magában foglalja az adatelemzést”? Mi van, ha az “üzleti elemzésről”akarnak beszélni? Hát legyen. Mindkét folyamat lényege az adatok elemzése és jelentések készítése a döntéshozatal javítása érdekében-ebben mindenki egyetért.

kép jóváírás: Jeff Dahl