organizacje oparte na danych często używają terminów „Business intelligence” (BI) i „data analytics” zamiennie. To nie to samo, ale gdyby ktoś poprosił Cię o wyjaśnienie różnicy, co byś powiedział?

niektórzy ludzie rozróżniają te dwie rzeczy, mówiąc, że Business intelligence patrzy wstecz na dane historyczne, aby opisać rzeczy, które się wydarzyły, podczas gdy analityka danych wykorzystuje techniki nauki danych do przewidywania, co wydarzy się lub powinno wydarzyć w przyszłości. Sądzimy, że to blisko, ale to nie wszystko.

Business intelligence polega na wykorzystaniu danych do podejmowania decyzji biznesowych lub jako OLAP.com puts it, BI ” odnosi się do technologii, aplikacji i praktyk w zakresie zbierania, integracji, analizy i prezentacji informacji biznesowych. Celem Business intelligence jest wspieranie lepszego podejmowania decyzji biznesowych.”To samo można powiedzieć o analizie danych.

aby wytyczyć granicę między Business intelligence a analityką danych, uważamy, że bardziej przydatne jest mówienie o tym, co chcemy osiągnąć. Analitykę możemy podzielić na trzy kategorie: opisowe, predykcyjne i nakazowe.

Analiza opisowa pobiera dane i zmienia je w coś, co menedżerowie biznesowi mogą wizualizować, rozumieć i interpretować. Dostarcza informacji na temat historycznych osiągnięć i odpowiada na pytania o to, co się stało. Raporty analizy opisowej są przeznaczone do regularnego uruchamiania i przeglądania. Przykłady obejmują raporty dotyczące klientów, operacji i sprzedaży.

Predictive analytics zapewnia wgląd w prawdopodobne przyszłe wyniki — prognozy, oparte na danych opisowych, ale z dodanymi prognozami wykorzystującymi naukę danych i często algorytmy wykorzystujące wiele zestawów danych. Im więcej dostępnych danych, tym lepsze prognozy. Przykłady obejmują prognozowanie sprzedaży, oceny kredytów konsumenckich i sugestie sprzedawców dotyczące tego, co chcesz przeczytać, wyświetlić lub kupić dalej.

Prescriptive analytics oferuje porady dotyczące działań, które należy podjąć. Analizuje możliwe wyniki, które wynikają z różnych możliwych działań i sugeruje, które działania przyniosą optymalne rezultaty. Tworzenie analityki preskryptywnej wymaga zaawansowanych technik modelowania i znajomości wielu algorytmów analitycznych-wszystko to jest częścią pracy analityków danych.

strateg Big data Mark van Rijmenam pisze: „Jeśli postrzegamy analitykę opisową jako podstawę Business intelligence, a analitykę predykcyjną jako podstawę big data, możemy stwierdzić, że analityka predykcyjna będzie przyszłością big data.”

jaka jest różnica między BI a analityką danych?

korzystając z tych trzech kategorii, możemy lepiej rozróżnić BI i analitykę danych.

wszystkie analizy opisowe należą do kategorii Business intelligence. Niektóre analizy predykcyjne również stanowią BI. W końcu po co patrzeć na analitykę, jeśli nie zamierzasz jej używać do podejmowania działań mających na celu poprawę przyszłych wyników? Prescriptive analytics, jednak, wznosi się ponad BI do sfery analityki danych.

gdzie narysować linię? Business intelligence opiera się na danych, z którymi współpracują menedżerowie biznesowi. Jeśli są przeszkoleni w zakresie korzystania z narzędzi do wizualizacji, takich jak Tableau, Microsoft Power BI, Looker, lub którykolwiek z wielu innych opcji, mogą tworzyć własne raporty BI.

analiza danych wymaga wyższego poziomu wiedzy matematycznej. Analitycy danych biorą duże zbiory danych i stosują algorytmy do organizowania i modelowania ich do punktu, w którym dane mogą być wykorzystywane do przyszłościowych, predykcyjnych raportów. Opiera się na algorytmach, symulacjach i analizie ilościowej, aby określić relacje między danymi, które nie są oczywiste na powierzchni. To się nie zdarza w przypadku BI.

zamiast odpowiadać na pytania o to, co się stało, analityka danych próbuje dowiedzieć się, dlaczego tak się stało. Współzałożyciel Stitch i wiceprezes Talend Jake Stein mówi: „analityka danych polega na powtarzalnym zadawaniu pytań. Odpowiedź na zadane pytanie jest często oglądana tylko raz i służy do poinformowania następnego pytania na naszej drodze odpowiadając na podstawowe pytanie biznesowe lub rozwiązując problem.”

Common ground for business intelligence and analytics

Business intelligence zajmuje się bieżącą działalnością, pomagając firmom i działom osiągnąć cele organizacyjne. Analiza danych może pomóc firmom, które chcą zmienić sposób prowadzenia działalności. Obie dyscypliny mogą skorzystać na niewielkim przygotowaniu danych.

analiza danych zazwyczaj wymaga modelowania danych, w którym dane surowe są zbierane, czyszczone, kategoryzowane, konwertowane, agregowane, walidowane i w inny sposób przekształcane. Czyste dane są również pomocne w przypadku BI.

gdy dane są czyste, są przechowywane w strukturze i formacie, który nadaje się do raportowania. Często oznacza to, że dane są przechowywane w hurtowni danych — kolumnowym magazynie danych, który obecnie często działa na skalowalnej infrastrukturze chmury. Dane w hurtowni danych stanowią jedną wersję prawdy dla wszystkich raportów organizacyjnych, zarówno dla Analizy BI, jak i danych.

zarówno BI, jak i data analytics wymagają stosu analitycznego opartego na hurtowni danych, z danymi przesyłanymi za pomocą narzędzia ETL. Stitch ułatwia wypełnianie magazynu danych.

sprawa zamknięta?

czy ta dyskusja rozstrzyga pytanie? Raczej nie. Bez względu na to, jak to zdefiniujemy, ludzie nadal będą używać terminów, jak im się podoba. Co z tego, że ktoś mówi: „analityka danych to sposób na Business intelligence” lub „Business intelligence obejmuje analitykę danych”? Co jeśli chcą rozmawiać o „analityce biznesowej”? Niech tak będzie. Celem obu procesów jest analiza danych i tworzenie raportów w celu usprawnienia procesu decyzyjnego-w tym punkcie wszyscy się zgadzają.

zdjęcie: Jeff Dahl