การนำทางความรู้ข้อมูลในโลกของการวิเคราะห์ที่เพิ่มขึ้น

ความสามารถด้านปัญญาประดิษฐ์ (AI) เช่น การเรียนรู้ของเครื่อง (ML) และการประมวลผลภาษาธรรมชาติ (NLP) ยังคงได้รับการปรับปรุงอย่างต่อเนื่อง และผลิตภัณฑ์การวิเคราะห์ที่เพิ่มขึ้นทำให้งานจำนวนมากที่เกี่ยวข้องกับการดูและทำความเข้าใจเป็นไปโดยอัตโนมัติได้อย่างน่าเชื่อถือ ด้วยเครื่องมืออันทรงพลังที่สามารถแสดงข้อมูลเชิงลึกจากข้อมูล ผู้บริหารมักถูกทิ้งให้สงสัยว่า: เทคโนโลยีนี้ลดความจำเป็นในการ ความรู้ข้อมูล ความพยายามในการฝึกอบรมในองค์กรของพวกเขา? ไม่ ค่อนข้างตรงกันข้าม

การรู้เท่าทันข้อมูล—ความสามารถในการอ่าน เขียน และสื่อสารข้อมูลในบริบท—มีความสำคัญมากกว่าที่เคย เป็นสิ่งสำคัญอย่างยิ่งในการช่วยให้องค์กรพัฒนาวิธีการทำงานที่ขับเคลื่อนด้วยข้อมูลและส่งเสริมให้พนักงานเพิ่มทักษะ AI ด้วยความคิดสร้างสรรค์และการคิดเชิงวิพากษ์ของตนเอง

มีปัจจัยเพิ่มเติมที่ต้องพิจารณาในบทบาทของการรู้เท่าทันข้อมูลเพื่อการเติบโตและความสำเร็จขององค์กร การจ้างงาน การฝึกอบรม และการเก็บรักษาข้อมูลนักวิทยาศาสตร์และนักวิเคราะห์เป็นเรื่องยาก บวกกับทักษะของพวกเขามักจะแตกต่างกันเล็กน้อยและมีราคาแพง ตาม 365 Data Scienceนักวิทยาศาสตร์ด้านข้อมูลส่วนใหญ่ไม่น่าจะใช้เวลามากกว่า 1.7 ปีในที่ทำงานปัจจุบัน นักวิทยาศาสตร์ด้านข้อมูลและนักวิเคราะห์ที่ได้รับการฝึกอบรมมาเป็นอย่างดี มักจะได้รับคำขอสำหรับงานต่างๆ เช่น การสร้างแหล่งข้อมูลที่สะอาดสำหรับการขาย หรือการสร้างรายงานพื้นฐาน ด้วยความสามารถเฉพาะทางของพวกเขา เวลาและชุดทักษะของพวกเขาจะทำงานได้ดีขึ้นในการสร้างแบบจำลองและพัฒนาเวิร์กโฟลว์สำหรับคำถามทางธุรกิจที่มีมูลค่าสูงและซับซ้อน

เมื่อผู้บริหารลงทุนในเทคโนโลยี AI และเทคโนโลยีการวิเคราะห์ที่เพิ่มขึ้น ผู้ใช้ทางธุรกิจซึ่งเป็นผู้ใช้ข้อมูลทั่วไปเมื่อเปรียบเทียบกับนักวิเคราะห์โดยเฉพาะ จะสามารถเข้าถึงคำตอบสำหรับคำถามและข้อมูลที่จำเป็นต่อการทำงานของตนได้ดีโดยไม่ต้องกังวลกับกลไกการทำงาน ดังนั้น.

การสำรวจว่าโซลูชันที่เปิดใช้งาน AI สามารถสนับสนุนงานของผู้ใช้และค้นหาประสบการณ์ผู้ใช้ที่เหมาะสมได้อย่างไร มีศักยภาพมหาศาลในการตั้งค่าเครื่องมือและผู้ใช้เพื่อความสำเร็จ ตัวอย่างเช่น เครื่องมือ AI สามารถทำให้งานบางอย่างที่น่าเบื่อมากขึ้นเกี่ยวกับการเตรียมข้อมูลเป็นอัตโนมัติ จากนั้นจึงให้ผลลัพธ์แก่มนุษย์ ซึ่งสามารถวิเคราะห์และแสดงภาพเนื้อหาเพิ่มเติมตามความต้องการในการวิเคราะห์ของพวกเขา

ความก้าวหน้าใน Augmented Analytics ช่วยให้ผู้คนตอบคำถามได้เร็วขึ้น

โซลูชันการวิเคราะห์ที่เพิ่มขึ้นทำให้ผู้ใช้ทางธุรกิจเข้าใจข้อมูลได้ง่ายขึ้น ซึ่งช่วยให้บริษัทเพิ่มมูลค่าสูงสุดของเทคโนโลยีที่มีราคาแพงเหล่านี้ ตัวอย่างเช่น การวิเคราะห์เสริมสามารถเข้าใจความสนใจของลูกค้าและเสนอการคาดการณ์เกี่ยวกับความชอบของผู้บริโภค การพัฒนาผลิตภัณฑ์ และช่องทางการตลาด พวกเขายังสามารถให้บริบทเพิ่มเติมเกี่ยวกับแนวโน้ม ค่านิยม และความแปรปรวนในข้อมูลของตนเอง อัลกอริธึมที่ซับซ้อนสามารถแนะนำการแสดงภาพเพิ่มเติมที่สามารถเพิ่มลงในแดชบอร์ด พร้อมกับคำอธิบายข้อความและบริบทที่สร้างขึ้นในภาษาธรรมชาติ

ต่อไปนี้คือตัวอย่างโซลูชันที่ช่วยยกระดับพนักงานของคุณ

1. เรื่องข้อมูล Tableau Cloud ตอนนี้รวมถึง เรื่องข้อมูลซึ่งเป็นคุณลักษณะวิดเจ็ตแดชบอร์ดแบบไดนามิกที่ใช้อัลกอริทึม AI เพื่อวิเคราะห์ข้อมูลและเขียนเรื่องราวง่ายๆ เกี่ยวกับข้อมูลดังกล่าวในรูปแบบการบรรยายหรือหัวข้อย่อย เรื่องราวนี้รวบรวมเรื่องเล่าเกี่ยวกับข้อมูลที่นอกเหนือไปจากแผนภูมิและแดชบอร์ดในการลงทะเบียนที่ผู้ใช้ทางธุรกิจสามารถเข้าถึงได้เพื่อตอบคำถามมากมายของพวกเขา ซึ่งจะช่วยลดระดับความรู้ความเข้าใจข้อมูลที่ผู้ใช้ทางธุรกิจจำเป็นต้องเข้าใจข้อมูลที่สำคัญที่สุดสำหรับพวกเขา Data Stories นำเสนอคำถามง่ายๆ ที่ผู้ใช้ถามเมื่อดูแผนภูมิแท่งหรือแผนภูมิเส้นเป็นครั้งแรก: ตัวเลขที่ดูเหมือนค่าผิดปกตินั้นเป็นค่าผิดปกติหรือไม่ ตัวเลขนั้นเปลี่ยนไปตามกาลเวลาอย่างไร? ค่าเฉลี่ยคืออะไร? ข้อมูลยังคงต้องได้รับการตีความ—ไม่ใช่เรื่องราวทั้งหมด—แต่เป็นขั้นตอนใหญ่ในการปลดล็อกข้อมูลเชิงลึกในข้อมูล

2. แสดงให้ฉันเห็น คุณลักษณะการวิเคราะห์ที่เพิ่มขึ้นยังช่วยให้มีการเข้ารหัสเริ่มต้นที่ชาญฉลาดยิ่งขึ้น ตัวอย่างเช่น Show Me แนะนำประเภทแผนภูมิและการเข้ารหัสเครื่องหมายที่เหมาะสมตามแอตทริบิวต์ข้อมูลที่สนใจ จากนั้น ผู้ใช้สามารถมุ่งเน้นไปที่ Takeaway ระดับสูงที่พวกเขาต้องการสื่อสารและแบ่งปันแผนภูมิเหล่านี้กับผู้ชมของพวกเขาซึ่งเป็นส่วนหนึ่งของเวิร์กโฟลว์การวิเคราะห์ด้วยภาพ

3. ความเข้าใจภาษาธรรมชาติ ด้วยการวิจัยที่ซับซ้อน ชุดฝึกอบรมขนาดใหญ่สำหรับโมเดลภาษา และความสามารถในการคำนวณที่ได้รับการปรับปรุง ความเข้าใจภาษาธรรมชาติก็ดีขึ้นอย่างมากในช่วงหลายปีที่ผ่านมา

ผู้คนสามารถถามคำถามเชิงวิเคราะห์โดยไม่ต้องเข้าใจกลไกของการสร้างแบบสอบถาม SQL ด้วยความตั้งใจในการทำความเข้าใจที่ดีขึ้น อินเทอร์เฟซภาษาธรรมชาติสามารถตอบคำถามด้วยแผนภูมิเชิงโต้ตอบที่ผู้ใช้สามารถซ่อมแซม ปรับแต่ง และโต้ตอบกับข้อมูลได้ตามที่เข้าใจ

4. การเรียนรู้ของเครื่อง การวิเคราะห์เสริมที่เกี่ยวข้องกับ ML ก็ก้าวหน้าเช่นกัน โมเดลเหล่านี้สามารถเรียนรู้งานวิเคราะห์ที่ซับซ้อนและซับซ้อน เช่น การดำเนินการแปลงข้อมูลที่ได้รับการปรับให้เป็นแบบส่วนตัวสำหรับประเภทผู้ใช้เฉพาะหรือกลุ่มผู้ใช้ นอกจากนี้ ประสบการณ์การวิเคราะห์ที่เพิ่มขึ้นจำนวนมากในขณะนี้มีส่วนต่อประสานกับผู้ใช้ที่ใช้งานง่าย ลดความซับซ้อนของการฝึกอบรมและการใช้แบบจำลองในเวิร์กโฟลว์การวิเคราะห์ของผู้ใช้

แม้ว่า AI จะมีความสามารถที่น่าทึ่ง แต่ก็ไม่สามารถแทนที่มนุษย์ได้อย่างสมบูรณ์ การรวบรวมประเด็นระดับสูงจากคุณสมบัติทางสถิติระดับล่างอาจซับซ้อนและค่อนข้างละเอียด ผู้คนมีความรู้เชิงสร้างสรรค์ในระดับที่สูงขึ้น เราอยากรู้อยากเห็น เราสามารถกลั่นกรองข้อมูลระดับสูงเหล่านี้ออกจากข้อมูลได้

คำแนะนำสำหรับการส่งเสริมการรู้เท่าทันข้อมูล

เพื่อให้องค์กรสามารถปลดล็อกข้อมูลเชิงลึกระดับสูงจากข้อมูลของตนได้ พนักงาน ไม่ว่าจะเป็นผู้ใช้ทางธุรกิจและนักวิเคราะห์จะต้องได้รับการศึกษาเกี่ยวกับวิธีการวิเคราะห์ข้อมูลของตนและมีแนวทางปฏิบัติที่ดีที่สุดในการแสดงข้อมูลเป็นภาพและนำเสนอข้อมูล นี่คือวิธีที่องค์กรสามารถพัฒนาแนวทางปฏิบัติที่ดีที่สุดในการส่งเสริมการรู้เท่าทันข้อมูลและเพิ่ม AI ด้วยเครื่องมือวิเคราะห์

1. ลงทุนในการฝึกอบรม

การมีทั้งเครื่องมือที่เหมาะสมและการศึกษา/การฝึกอบรมที่ถูกต้องเป็นสิ่งสำคัญสำหรับองค์กรใดๆ ใน Forrester Consulting ศึกษาเรื่องการรู้เท่าทันข้อมูลมีพนักงานเพียง 40% เท่านั้นที่กล่าวว่าองค์กรของพวกเขาได้จัดให้มีการฝึกอบรมทักษะด้านข้อมูลตามที่คาดหวังไว้¹ บุคคลและองค์กรควรให้บุคลากรได้รับการฝึกอบรมที่ดีขึ้นในแง่ของแนวทางปฏิบัติที่ดีที่สุดในการมองเห็นและทำความเข้าใจข้อมูลของตน สถานที่ทำงานควรเสนอหลักสูตรเกี่ยวกับการสร้างภาพข้อมูลและการรู้เท่าทันข้อมูล เพื่อให้พนักงานสามารถเข้าใจรูปแบบและเรียนรู้วิธีที่ดีที่สุดในการสร้างและแสดงแผนภูมิ

ในการฝึกอบรมพนักงานของคุณ คุณสามารถสมัครโปรแกรมบุคคลที่สามที่ยอดเยี่ยมโดยบริษัทต่างๆ เช่น คลิกเทค, การรู้เท่าทันข้อมูล, สถาบัน Data & Analytics ของ Coursera, EDX, ดาต้าแคมป์, สถาบันการศึกษาข่าน, การประชุมสมัชชา, LinkedIn Learning, และอื่น ๆ. ข้อเสนอ Tableau การเรียนรู้ด้วยตนเอง, สดชั้นเรียนฝึกอบรมเสมือนจริงและใน คอร์สฟรีความรู้เรื่องข้อมูล. โครงการที่คล้ายคลึงกันซึ่งรวมการฝึกอบรมซึ่งบางโครงการไม่เสียค่าใช้จ่าย ได้แก่ ข้อมูลสู่ประชาชน, การเล่าเรื่องด้วยดาต้า, เดอะ ดาต้า ลอดจ์, โครงการการรู้เท่าทันข้อมูลและอื่น ๆ

ผู้บริหารควรพิจารณาด้วยว่า พนักงานของคุณจะได้รับการฝึกอบรมอย่างไร ไม่ใช่แค่ในภาษาของแผนภูมิเท่านั้น แต่ยังรวมถึงกระบวนทัศน์ที่กว้างขึ้นด้วย

ข้อเสียอย่างหนึ่งของเครื่องมือสร้างที่มีความสามารถที่เพิ่มขึ้นมากมาย ซึ่งรวมถึง AI และการเรียนรู้ของเครื่องด้วย คือ เครื่องมือเหล่านี้อาจดูเรียบง่ายและหลอกล่อผู้ใช้ได้อย่างรวดเร็ว แต่ผู้ใช้ที่ไม่ได้รับการฝึกอบรมสามารถสร้างแผนภูมิหรือข้อมูลเชิงลึกจากแผนภูมิที่อาจทำให้เข้าใจผิดหรือเข้าใจผิดในทางใดทางหนึ่ง

สิ่งสำคัญคือต้องให้ความรู้ผู้คนเกี่ยวกับภาษาของการแสดงภาพและวิทยาศาสตร์ที่อยู่เบื้องหลัง เพื่อที่พวกเขาจะได้รับข้อมูลอย่างน้อยที่สุด หากไม่มีความรู้ด้านข้อมูล ตัวอย่างเช่น ผู้คนจะระบุได้อย่างไรว่า Outlier คืออะไร? พวกเขาควรออกแบบแดชบอร์ดที่น่าเชื่อถืออย่างไร พวกเขาควรจะสามารถเข้าใจความแตกต่างระหว่างความสัมพันธ์และสาเหตุ เพื่อให้แน่ใจว่าข้อมูลมีความถูกต้องและสามารถนำไปใช้ในการวิเคราะห์ได้

2. ตัดสินใจโดยใช้ข้อมูลเป็นหลัก

การย้ายจากปากเปล่าของข้อมูล—ที่ผู้คนพูดถึงการตัดสินใจโดยใช้ข้อมูลเป็นหลัก—ไปสู่การรู้เท่าทันข้อมูล—ที่ซึ่งผู้คนมีความสามารถในการสำรวจ ทำความเข้าใจ และสื่อสารกับข้อมูล—ต้องการการเข้าถึงการสร้างภาพข้อมูลในระบอบประชาธิปไตย สิ่งนี้เน้นไปที่การเรียนรู้และการนำไปใช้ของแต่ละบุคคล แต่ควรเป็นการเปลี่ยนแปลงองค์กรมากกว่า การทำให้ความรู้ข้อมูลเป็นประชาธิปไตยอย่างแท้จริงนั้นคำนึงถึงระบบนิเวศของข้อมูลทั้งหมด โดยตระหนักถึงการเพิ่มจำนวนแผนภูมิในชีวิตประจำวันของผู้ใช้และทำงานเพื่อทำให้เข้าใจได้ง่ายในวงกว้าง

ผู้คนควรตัดสินใจบนพื้นฐานของข้อมูล ไม่ใช่แค่ความคิดเห็นส่วนตัวเท่านั้น สิ่งนี้กลับไปสู่ความสำคัญของการฝึกอบรมที่ให้ความรู้แก่ผู้ใช้เกี่ยวกับความแตกต่างระหว่างความสัมพันธ์และสาเหตุ การตัดสินใจโดยใช้ข้อมูลควรทำอย่างไร? สื่อกลางในการนำเสนอข้อมูลและประเด็นสำคัญคืออะไร เพื่อให้การอภิปรายมีจุดมุ่งหมายในการตัดสินใจอย่างมีประสิทธิภาพ ตัวอย่างเช่น บริษัทเทคโนโลยีควรใช้ข้อมูลการวัดระยะทางของผู้ใช้เพื่อกำหนดคุณลักษณะที่จะสร้าง ลักษณะการใช้งาน และระบุความขัดแย้งในประสบการณ์ของผู้ใช้

3. พัฒนาและบำรุงรักษาโครงสร้างพื้นฐานที่เพียงพอ

เพื่อสนับสนุนคำแนะนำสองข้อแรก ผู้บริหารต้องมั่นใจว่าองค์กรของตนได้สร้างโครงสร้างพื้นฐานที่เพียงพอและปรับขนาดได้เพื่อใช้เป็นบ้านและควบคุมข้อมูล พวกเขาควรช่วยองค์กรระบุและเข้าถึงเทคโนโลยี AI ที่แก้ไขปัญหาและความต้องการของลูกค้า

นอกจากนี้ ผู้มีอำนาจตัดสินใจต้องมีความรอบคอบและรอบคอบเกี่ยวกับความเป็นส่วนตัวและความไว้วางใจของข้อมูล มันไม่สามารถเป็นภายหลังได้ จะต้องนำมาพิจารณาอย่างจริงจังตั้งแต่เริ่มต้น ความรับผิดชอบของความเป็นส่วนตัวของข้อมูลและความไว้วางใจควรกลั่นกรองไปจนถึงผู้ใช้แต่ละราย ซึ่งสามารถครอบคลุมนโยบายการจัดการและการจัดการข้อมูลอย่างครอบคลุมได้

มุ่งเน้นที่ความพยายามในการรู้เท่าทันข้อมูลต่อไป

การลงทุนใน AI และเครื่องมือวิเคราะห์ที่เพิ่มขึ้น เช่น Data Stories เป็นขั้นตอนที่ยอดเยี่ยมในการช่วยให้ผู้ใช้ทางธุรกิจค้นพบคำตอบจากข้อมูลของตน แต่เครื่องมือเหล่านี้จะเสริมความพยายามในการรู้ข้อมูลแทนที่จะมาแทนที่ นอกจากนี้ รูปแบบการลงทุนที่เหมาะสมทั้งในเทคโนโลยี AI และการฝึกอบรมสามารถสนับสนุนมนุษย์ให้ทำในสิ่งที่พวกเขาทำได้ดีที่สุดอย่างมีประสิทธิภาพ: การคิดและการสร้างโซลูชันในขณะที่แก้ไขความต้องการของลูกค้า โดยทั้งหมดเน้นที่ข้อมูล

การมุ่งเน้นที่การรู้ข้อมูลในองค์กรของคุณอย่างต่อเนื่องจะทำให้มั่นใจได้ว่าพนักงานของคุณมากขึ้น ไม่ว่าจะเป็นผู้ใช้ทางธุรกิจทั่วไปและนักวิเคราะห์ข้อมูลที่ซับซ้อน กำลังถามคำถามที่ถูกต้องเกี่ยวกับข้อมูลของคุณซึ่งจะนำไปสู่ข้อมูลเชิงลึกเพิ่มเติม

เลือกพันธมิตรการวิเคราะห์ที่ยืดหยุ่น

พันธมิตรด้านการวิเคราะห์ เช่น Tableau มีความสามารถที่กว้างและลึก รวมถึงการฝึกอบรมตามบทบาท ทำให้เป็นพันธมิตรที่ยืดหยุ่นในการเดินทางเพื่อค้นหาสิ่งที่ดีที่สุดสำหรับบริษัทของคุณ ดูข้อมูลเพิ่มเติมเกี่ยวกับ Tableau เมฆ.

ข้อมูลเชิงลึกสำหรับผู้ใช้ทางธุรกิจ

ตั้งค่าผู้ใช้ธุรกิจของคุณเพื่อความสำเร็จ เรียนรู้เพิ่มเติมเกี่ยวกับเรื่องข้อมูล ที่นี่