每个数据开发人员应该知道的10件事

你还记得的日子自动报告被称为商业智能,或者双性恋吗?不久之后,讨论工作流、流程和用户体验之间的技术和业务用户是一个真正的业务分析的定义,或BA。近期的发展数据分析,预测建模,在数据挖掘、机器学习+社会、文本、和风险分析,创建了一个专注于预测分析,或PA。BI、BA和PA关心发现,解释,和沟通的有意义的数据中的模式和分析的定义,根据维基百科。

BI业务分析师(BI BAs)结合非技术主题专家(sme)了解他们的数据需要做出明智的决定。预测分析师(PAs)通常与一个强大的背景数据科学家在数据挖掘和统计数据。

适当的BI实现从用户故事或引起主题专家写的。BI英航,您将确保这些用户故事都写在语音业务和粒度,可以由业务用户和数据讨论了技术人员。例如,“作为一个产品经理,我需要看到组件供应商对于每个单位的盈利能力,这样我就可以评估我们的供应链。“作为一个PA在保险行业,也许你我的人口,心理,计量经济学,和统计数据,评估定价模型。

作为一名开发人员,您创建的代码请求,验证,复制,移动,商店,变换,推导,在一系列扩大的格式和显示数据。这里有十件事了解你与BI和分析工作。

我们是近20年来带入21世纪。现代BI环境预计数据分析功能为业务用户使用明显,作为机场飞行亭或银行自动取款机。为扩展分析,自助式BI应该丰富音乐发现系统。亚马逊音乐和iTunes允许存储选择,选择相关,由类型和发现,艺术家,和其他元数据。你熟悉这些接口和寻求信息未知的音乐。同样的,当你使用CarMax或Autotrader,你的选项可用于缩小车辆数据挖掘活动。音乐和车辆有自助选择。难怪今天的精明的业务用户期望和理解自助分析。

2。警报值静态报告

你的手机是用来活动远比语音对话。消息是一个重要的类别代码本身。远比简单的短信,丰富的消息传递是领先用户期望的短,多文本意义的警报。勾勒出的图画、emoji动画或视频是提高信息之前发送短信。甚至一条短信到你的手机相比是一个进步的实践准备了一份完整的报告关键绩效指标的变化。深入事件的原因和方式是有用的,虽然不是当一个事件的知识是主要的信息。

3所示。描述性分析只是一个起点

“发生了什么事?“后视镜是有价值的。他们没有被认为是几十年来配件。共享一个相似的估值报告。你的多列报告数据的汇总和钻取为活动需要过去发生在组织内。数据采集的速度和当前成熟或前瞻性分析将指导你的分析。

4所示。数据集成的发展已经超出了单纯的操作系统

你的内部数据系统的库存可以大开眼界。这是不寻常的地区性银行,例如,有50或更多的数据生产软件系统。核心银行、出纳管理、ATM、租赁管理和重复的系统通过合并有基础数据库系统。他们从本土到文件经理SQL Server,甲骨文,MySQL和其他大量的商业和开源引擎。如果你为一个中型或大型组织工作在任何行业,你熟悉的范围DBMS系统版本和数据仓库存在的内部操作系统和相关的子集的数据中发现的Excel文件的共享文件系统。

对大多数行业来说,这个数据之前只存在于基于字符的格式。近年来,数据已经开始包括社交媒体线程、音频、图像和视频。数据集成流程将包括这些数据进行分析。矿业将需要包括合格的数据集从政府和业内人士提供一个适当的分析基础。

5。诊断分析回顾

“它为什么会发生?“是你的问题诊断分析。为什么商业建筑商未能偿还贷款?为什么病人需要等待两个小时过去约会的时间吗?为什么软件意外停止工作?你的分析到每个例子包括获取和挖掘历史数据和元数据。

6。数据可视化不是闪亮

你是一个画面开发人员吗?它是最主要的商业数据可视化软件。当用户寻求趋势数据,可视化是一种常见的方法,而不是看一页一页的报告或多列排序在Excel中。可视化是闪亮的对象,直到最近。现在,使用增强现实技术分析数据是可能的。你的选择在平台包括完整的电脑手机。应用程序编程接口和开发人员程序是可用的。您可以构建一个数据分析解决方案,是“在房间里。“你的想象力在增强现实数据是有价值的,例如,一个足智多谋的显示。

7所示。预测分析是概率

“可能会发生什么?“预测分析的重点是预测未来事件的发生几率和趋势。您没有访问的数据的未来,所以你只能给定概率预测的结果。保证人上升的质量和体积的数据对于一个给定的问题。确定下一个项目,在线购物者可能是公认的例子。预测客户的价值在一段时间内经常被引用。你会用你的背景的统计数据,从一组变量的回归分析寻求统计相关性。系数导致分析大数据集内的变量和概率随时间调整。你会发现,有价值的预测分析可以有几乎50%以上的概率。

8。物联网流分析将无处不在

物联网(物联网)提供数据速度和体积通常不会出现典型的交易系统。传感器在汽车排放数据,与1960年代的科普文章,不依赖于嵌入式设备在道路。车载传感器,与场基于车辆发动的处理器,与其他车辆系统和交互。无人驾驶汽车是结果。你的方法分析实时数据流,缩小范围。流数据的进一步分析在一个广泛的范围内进行实时或历史。你需要过滤“嘈杂的数据”没有相关研究。

9。规范的分析建议的行动

“应该采取什么样的行动?“这是说明性的分析试图回答的问题。你回答这个问题的方法是基于优化或经常与仿真模型预测和风险规避。

10。分析服务提供深,高质量的数据浓缩

云是引起许多的成熟的服务水平。软件作为一种服务提供成千上万的系统,一些小型任务清单,和其他人一样大的多租户Salesforce CRM。现在,作为服务的一切都在桌子上。,数据和分析关键服务。丰富你的内部数据与高质量的精品和世界闻名的公司提供的广泛的数据。IBM ' s的华生作为服务可用。你可以迅速把一个RESTful API得到大规模计算能力对您的数据。希望勉强集中数据分析云是广泛使用在未来几年。您的数据将成为货币来丰富你的内部分析操作。

变化是不断的。BI和分析你的组织提供指标和措施的趋势和健康的公司。

关于作者

与世界各地的几十年的经验在data-focused IT咨询,赖宁格大卫是数据融合的解决方案总监的使命是帮助经理和高管了解制定操作策略的重要性,意识到他们的数据的业务价值。大卫领导一个团队的技术人员执行这个任务的数据集成和公开数据的值通常是隐藏在日常运营报告系统。