Le organizzazioni basate sui dati utilizzano spesso i termini “business intelligence” (BI) e “analisi dei dati” in modo intercambiabile. Non sono la stessa cosa, ma se qualcuno ti chiedesse di spiegare la differenza, cosa diresti?
Alcune persone distinguono tra i due dicendo che la business intelligence guarda indietro ai dati storici per descrivere le cose che sono accadute, mentre l’analisi dei dati utilizza tecniche di scienza dei dati per prevedere cosa accadrà o dovrebbe accadere in futuro. Pensiamo che sia vicino, ma c’è di più.
La business intelligence implica l’uso di dati per aiutare a prendere decisioni aziendali, o come OLAP.com in altre parole, BI ” si riferisce a tecnologie, applicazioni e pratiche per la raccolta, l’integrazione, l’analisi e la presentazione delle informazioni aziendali. Lo scopo della business intelligence è quello di supportare un migliore processo decisionale aziendale.”Tuttavia, si potrebbe dire lo stesso sull’analisi dei dati.
Per tracciare la linea tra business intelligence e analisi dei dati, pensiamo che sia più utile parlare di ciò che vogliamo realizzare. Possiamo dividere l’analisi in tre categorie: descrittivo, predittivo e prescrittivo.
L’analisi descrittiva prende i dati e li trasforma in qualcosa che i manager aziendali possono visualizzare, comprendere e interpretare. Fornisce informazioni sulle prestazioni storiche e risponde alle domande su ciò che è accaduto. I report analitici descrittivi sono progettati per essere eseguiti e visualizzati regolarmente. Gli esempi includono report su clienti, operazioni e vendite.
L’analisi predittiva fornisce informazioni sui probabili risultati futuri — previsioni, basate su dati descrittivi ma con previsioni aggiuntive che utilizzano la scienza dei dati e spesso algoritmi che utilizzano più set di dati. Più dati disponibili, migliori sono le previsioni. Gli esempi includono la previsione delle vendite, i punteggi di credito al consumo e i suggerimenti dei rivenditori per ciò che potresti voler leggere, visualizzare o acquistare successivamente.
Prescriptive analytics offre consigli su quali azioni intraprendere. Esamina i possibili risultati derivanti da diverse azioni possibili e suggerisce quali azioni avranno risultati ottimali. La creazione di analisi prescrittive richiede tecniche di modellazione avanzate e la conoscenza di molti algoritmi analitici, tutti parte del lavoro dei data scientist.
Lo stratega dei Big data Mark van Rijmenam scrive: “Se consideriamo l’analisi descrittiva come il fondamento della business intelligence e vediamo l’analisi predittiva come la base dei big data, possiamo affermare che l’analisi prescrittiva sarà il futuro dei big data.”
Quindi qual è la differenza tra BI e analisi dei dati?
Utilizzando queste tre categorie, possiamo fare una migliore distinzione tra BI e analisi dei dati.
Tutte le analisi descrittive rientrano nella categoria della business intelligence. Alcune analisi predittive costituiscono anche BI. Dopo tutto, perché guardare analytics se non si intende utilizzarli per agire per migliorare i risultati futuri? L’analisi prescrittiva, tuttavia, supera la BI nel regno dell’analisi dei dati.
Dove tracciamo la linea? La business intelligence si basa sui dati con cui lavorano i manager aziendali. Se sono addestrati nell’utilizzo di strumenti di visualizzazione, come Tableau, Microsoft Power BI, Looker o una qualsiasi delle numerose altre opzioni, potrebbero creare i propri report BI.
L’analisi dei dati richiede un livello superiore di competenza matematica. I data scientist prendono grandi set di dati e applicano algoritmi per organizzarli e modellarli al punto in cui i dati possono essere utilizzati per report previsionali e predittivi. Si basa su algoritmi, simulazioni e analisi quantitative per determinare le relazioni tra i dati che non sono evidenti sulla superficie. Questo non succede con BI.
Invece di rispondere a domande su cosa è successo, data analytics cerca di imparare perché le cose sono accadute. Stitch co-fondatore e Talend SVP Jake Stein dice, ” Analisi dei dati è di circa iterativamente porre domande. La risposta a qualsiasi domanda viene spesso visualizzata solo una volta e utilizzata per informare la domanda successiva sulla nostra strada rispondendo a una domanda aziendale fondamentale o risolvendo un problema.”
Common ground for business intelligence and analytics
La business intelligence affronta le operazioni in corso, aiutando le aziende e i reparti a raggiungere gli obiettivi organizzativi. L’analisi dei dati può aiutare le aziende che vogliono trasformare il loro modo di fare business. Entrambe le discipline possono beneficiare di una piccola preparazione dei dati.
L’analisi dei dati richiede generalmente la modellazione dei dati, in cui i dati grezzi vengono raccolti, ripuliti, classificati, convertiti, aggregati, convalidati e altrimenti trasformati. I dati puliti sono utili anche per la BI.
Una volta che i dati sono puliti, vengono memorizzati in una struttura e un formato che si presta alla segnalazione. Spesso ciò significa che i dati vengono archiviati in un data warehouse, un archivio dati colonnare che, al giorno d’oggi, viene spesso eseguito su un’infrastruttura cloud scalabile. I dati nel data warehouse rappresentano una singola versione di truth per tutti i report aziendali, sia per la BI che per l’analisi dei dati.
Sia la BI che l’analisi dei dati richiedono uno stack di analisi fondato su un data warehouse, con dati trasmessi tramite uno strumento ETL. Stitch rende facile la compilazione del data warehouse.
Prova Stitch gratuitamente
Indirizzo email Iscriviti
Caso chiuso?
Questa discussione risolve la domanda? Non e ‘ probabile. Non importa come lo definiamo, le persone useranno comunque i termini a loro piacimento. E se qualcuno dicesse: “L’analisi dei dati è il modo in cui si arriva alla business intelligence “o”La business intelligence comprende l’analisi dei dati”? Cosa succede se vogliono parlare di “business analytics”? Così sia. Il punto di entrambi i processi è quello di analizzare i dati e creare report per migliorare il processo decisionale-su questo punto, tutti sono d’accordo.