Hvor Business Intelligence (BI) -værktøjer kan tage store dele af data og parse det i fordøjelige datapunkter, er datavisualisering præsentationsdelen af ??denne ligning.
Tænk på det som cirkeldiagramfunktionen i dit yndlings regneark, kun meget mere kraftfuld.
Formålet med et sådant billede er hurtigt at overføre information fra maskinen til den menneskelige hjerne, ikke kun effektivt, men også på den mest meningsfulde måde.
Derfor er det ikke den æstetiske værdi af en visualisering, der tæller, men klarheden i det budskab, den formidler.
Den kortfattethed, der er nødvendig for klarhed, udelukker imidlertid ikke kompleksiteten i meddelelsen.
Da meget af den information, mennesker skal forbruge, er kompleks og nuanceret, konfigureres datavisualiseringer alene og i grupper til at fortælle en større historie gennem billeder.
Et eksempel på en enkelt konfiguration er enhver visualisering, der afslører mere detaljeret eller relateret information, når seeren klikker på eller udfører en musemarkering på et afsnit af illustrationen.
Eksempler på gruppevisualiseringer inkluderer næsten ethvert BI-app-dashboard, der nogensinde er lavet.
Faktisk er datavisualisering sådan en integreret del af selvbetjenings-BI-værktøjer, at værktøjerne til at oprette og udgive dem stort set deler fælles funktionssæt.
Som forventet fandt vi i vores nylige gennemgang af de bedste selvbetjenings-BI-produkter, at langt størstedelen var i stand til datavisualiseringsoperationer.
Imidlertid bør kunder, der ønsker at virkelig udnytte datavisualisering, se på disse værktøjer nøje og udelukkende gennem objektivet, før de træffer en købsbeslutning.
Når alt kommer til alt, kan det rigtige værktøj til at analysere dine data undertiden muligvis ikke tilbyde en tilstrækkelig visualiseringspalet til dine behov.
For eksempel vil du muligvis have mulighed for at oprette en brugerdefineret infografik eller oprette interaktive visualiseringer, men ikke alle BI-apps giver disse muligheder.
Det kan være nødvendigt at du investerer i en kombination af værktøjer for at få både de analyse- og visualiseringsværktøjer, du har brug for.
Hvad er datavisualisering?
Kort sagt er datavisualisering en visuel skildring af information.
Det er billeder, der udelukkende er dedikeret til messaging eller præsentation af information.
Datavisualiseringsværktøjer kan automatisk oprette visualiseringer, give dig mulighed for at oprette dine egne eller tilbyde begge funktioner.
I den nedre ende er der enklere og endda gratis datavisualiseringsværktøjer dedikeret til at opbygge infografik snarere end at udføre sofistikeret dataanalyse.
Nogle af disse værktøjer inkluderer Tableau Gallery og endda Microsoft Power BI.
I januar 2018 introducerede Tableau en ny datamotor kaldet Hyper, som virksomheden hævder, at brugerne giver op til fem gange hurtigere forespørgselshastighed i forhold til tidligere versioner.
I mellemtiden udrullede Microsoft i juli 2018 nye funktioner til Microsoft Power BI, såsom integration af Big Data direkte i Power BI-webtjenesten.
I den højere ende er der værktøjer, der kan ændre visualiseringer på farten, på samme måde som output fra sofistikerede algoritmer ændres efter gentagen direkte forespørgsel af realtidsdata (dvs.
streaming af data) og på tværs af flere datakilder.
De værktøjer, der optager midten af ??spektret, repræsenterer ikke realtidsdata, men producerer stadig visualiseringer fra avancerede analytiske output.
De selvbetjente BI-apps, vi har gennemgået, indeholder gennemsnitlige til avancerede visualiseringsværktøjer.
Nogle af værktøjerne indeholder stærke naturlige sprogforespørgselsfunktioner som Sisense, og andre bringer realtidsanalyser til tingenes internet (IoT), som SAP Analytics Cloud.
Kort sagt, du kan ikke bedømme kvaliteten af ??den underliggende analysemotor efter forsiden af ??dens kunstpakke.
Nogle meget kraftige analyser leveres med ynkelige til forbigående visualiseringsfunktioner.
Omvendt kommer nogle ynkelige til forbipasserende analyser med nogle ret imponerende visualiseringsfunktioner.
Da vi oprindeligt gennemgik disse BI-værktøjer, er IBM ophørt med at tilbyde IBM Watson Analytics til køb.
I stedet introducerede IBM Cognos Analytics 11.1, som tilbyder guidet datoopdagelse, automatiseret forudsigende analyse og evnen til at interagere med data i samtale.
Der er en bred vifte af kunstskildringer, som datavisualiseringsværktøjer kan skabe.
Nogle skildringer er enkle, andre er komplicerede.
Nogle er smukke, andre er rå.
Og der er nogle, der virkelig er individuelle kreationer.
Men de fleste udspringer af skabeloner i de traditionelle former, der er knyttet til statistik.
De enkleste eksempler på datavisualisering er de cirkeldiagrammer og søjlediagrammer, du har haft adgang til via Microsoft Excel i mange år nu.
Men da BI er modnet som en platform, så har du også mulighederne for at se dine data og præsentere dem for andre.
De værktøjer, vi gennemgår her, afspejler medium til højere ende af spektret i BI; de er i stand til at udføre sofistikerede forespørgsler uden behov for at forstå Structured Query Language (SQL) -kodning.
Derudover kan de gengive analyser i en lang række visuelle formater - langt ud over det grundlæggende søjlediagram til at omfatte geografisk kortlægning, varmekort, sparklines og endnu mere specialiserede visualiseringer som f.eks.
Datavisualisering er ikke et nyt koncept.
Cirkeldiagrammer og søjlediagrammer har eksisteret gennem tiderne.
Hvad der er ændret er de typer og størrelse af data, der kan repræsenteres på denne måde, og de mange mere sofistikerede måder, hvorpå du kan vise det og dele det.
Betydningen af ??instrumentbrættet
I sidste ende bruges datavisualiseringsfunktioner til at opbygge dashboards.
Undertiden repræsenterer instrumentbrættet en enkelt, databaseret historie, der er vigtig for mange seere.
Eller dashboardet kan indeholde mange historier til fordel for en enkelt bruger.
Dashboards kommer undertiden med visualiseringer, der er forudindstillet og fastgjort på plads.
Andre gange kommer dashboardets visualiseringer med forskellige visningsmuligheder eller billeder, der kan tilpasses.
Deling kan ofte også tilpasses, f.eks.
I henhold til tilladelser, pr.
Forretningsgrene, pr.
Jobrolle eller endda efter personlige præferencer.
Under alle omstændigheder indeholder dashboardet typisk to eller flere datavisualiseringer, der er beregnet til at informere og undertiden endda anmode om en forretningshandling eller beslutning.
Før fremkomsten af ??selvbetjenings-BI-værktøjer måtte ledere præsentere deres spørgsmål for en databaseprofessional, der derefter ville prøve at forstå det bedst, han eller hun kunne, skrive en SQL-forespørgsel og repræsentere det spørgsmål mod en database eller et datalager .
Resultatet ville blive fodret til en it-person, der derefter ville skrive den nødvendige kode for at repræsentere den som et instrumentbræt på lederens websted, på en delt app eller endda bare som et enkeltstående dokument, som ledelsen modtog via e-mail.
Hvis der var behov for mere end en datakilde, skulle meget ofte en databaseprofessionel skrive separate forespørgsler (som derefter skulle meldes sammen offline).
I slutningen af ??denne ineffektive og flertrinsproces var analyser.
Du fik historiske analyser (dvs.
information efter det faktiske snarere end i realtid).
Disse rapporter ankom normalt for sent til, at virksomheden kunne ændre eller påvirke resultatet af den aktivitet, den afbildede.
Således modtog forretningsanalytikere, afdelingsledere og C-suite-ledere typisk rapporter med forsinket, alt for forenklet og vag information.
Undertiden var oplysningerne irrelevante, da de endelig vej til forretningsanalytikere eller C-pakken, fordi virksomheden havde ændret retning eller andre faktorer opstod i mellemtiden.
Alligevel ændres dashboards og rapporter lavet på denne måde sjældent.
Tingene gik som de altid havde: de samme stillede spørgsmål, de samme forespurgte data, de samme rapporter og dashboards genereret - dag efter dag og uge efter uge.
Derimod lader nutidens selvbetjenings-BI-apps forretningsanalytikere omgå mellemmændene og stopper mange af IT-flaskehalse.
Denne selvbetjeningssoftware muliggør også brug af data uden for virksomheden såvel som indefra, såsom sociale medier, skyen, offentlige datasæt og IoT-data.
Nogle selvbetjenings-BI-apps kan bruge realtidsdata, men mange er begrænset til nærtidsdata (hyppige opdateringer).
Dog er nærtidsdata normalt ikke en forretningsbegrænsning.
Der er faktisk kun et par anvendelsestilfælde, hvor dataanalyse i realtid garanterer den ekstra indsats og udgift.
Når alt kommer til alt kan opfriskninger i nærheden være lige så hyppige som hvert minut eller mindre.
Med hensyn til selvbetjenings-BI-dashboards er nøgleværdien typisk tredobbelt:
For det første kræver de ikke databaseekspertise for at bruge dem.
Du har sandsynligvis (dog ikke altid) brug for din databaseprofessionals hjælp til at konfigurere dem og forbinde dem til alle de datakilder, du har brug for.
Når alt kommer til alt, forbliver overholdelses- og sikkerhedsproblemer stadig.
IT bliver normalt involveret i det mindste til det punkt, hvor de løser disse problemer, bestemmer, hvem der får adgang til legitimationsoplysninger, og hvor meget data de kan se.Når det er gjort, giver disse værktøjer varierende grad af enkelhed, når det kommer til at skrive dine egne forespørgsler.
Nogle fungerer stadig bedst, hvis du kender noget SQL, men andre fungerer udelukkende ved hjælp af naturlig sprogsyntaks, hvilket gør SQL-viden unødvendig.
De fleste kræver dog en god forståelse af statistikker.
Denne nødvendighed er ikke strengt set fra et operationelt synspunkt, men fordi der kan laves fejl i fortolkningen af ??output, hvis brugeren mangler en grundlæggende forståelse af statistik.
Bare fordi softwaren gjorde dig til en fremragende visualisering af maskinens svar, betyder det ikke, at du stillede det rigtige spørgsmål.For det andet kan næsten alle fungere som en samlet frontend til flere databaser og datatyper.
Dette skyldes primært den stigende popularitet af Big Data, som typisk er en kombination af relationelle data (generelt SQL-baserede) og ustrukturerede data, der findes i forskellige kilder både inden for og uden for virksomhedens vægge.
Ved at yde support til forskellige slags data tillader disse værktøjer folk uden databasexpertise - men med direkte joblinje i frontlinjen - at stille spørgsmål direkte mod organisationens data.Dette kan give øjeblikkelig tilbagebetaling mod hurtigt voksende Big Data-butikker.
Det muliggør også ny indsigt og måder at udnytte data på, som ellers kan gå tabt, når disse spørgsmål trænger igennem gennem dataforskere og it-professionelle filtre.En enkelt forespørgsel kan spænde over flere databaser og datatyper i rekordhastigheder, og værktøjet tager sig også af opbygningen af ??den visuelle repræsentation.
Kort sagt, et team af dataforskere er ikke påkrævet.
Det er ikke kun hurtigere, men det er lettere størrelsesorden.For det tredje kan disse værktøjer også bygge live datavisualiseringer og dashboards i stedet for at tvinge en separat operation fra din virksomheds programmører eller IT-medarbejdere.
Disse visualiseringer kan eksporteres som flade grafiske filer eller som kodestykker, som du bare kan kopiere og indsætte på websider eller teamwebsteder.
Dashboards kan også deles direkte, ofte selv med brugere, der ikke bruger BI-appen.Integrering af dem med andre apps sker normalt nemt via stik, afhængigt af om den selvbetjenings BI-app, du bruger, har et stik til den app, som du vil dele ...
