Ibm watson analyse og vurdering

Starter

Selv om dette er et fullstendig selvbetjenings-BI-verktøy, kan IT gi en hånd i å laste inn bedriftsdata for å forenkle ting ytterligere for forretningsbrukere og for å sikre at samsvar og sikkerhetsregler blir satt slik IT ville ha dem. Imidlertid kan brukere enkelt laste data selv, forutsatt at de har legitimasjon for å få tilgang til dem. Brukere blir deretter bedt om å sette regler.

Brukere kan også forme og rense dataene før de laster opp dem ved å klikke på "Form før" -knappen i stedet for "Last opp nå" -knappen, som begge er valg etter å ha klikket på "+ Ny data" (Legg til data-knappen) på IBM Watson Analytics hjemmeside. Brukere kan depersonalisere kundenavn og annen personlig identifiserbar informasjon (PII) for å overholde personvernreglene i "Shape Before" -funksjonen før laste opp . Jeg brukte "Shape Before" -knappen for å gå gjennom dataene og slette tomme rader, men du kan også rydde opp adresser og datoer og annen informasjon for å oppnå samsvar som hjelper i analysen.

Med andre ord, "Shape Before" lar bruker rengjør og klargjør dataene med bare noen få klikk før du analyserer dem. Systemet ber brukeren om forslag til rengjøring og klargjøring som bestemte datasett ser ut til å være behov for. Enkelheten i dette gjør at det lett blir undervurdert når du vurderer at dataforberedelse vanligvis tar mer tid enn noe annet trinn i analyseprosessene - men her handler det om spørsmål og klikk, og du er ferdig.

Etter at alle datasetten er lagt til av brukeren eller IT-avdelingen, viser brukergrensesnittet (UI) datasettene i brukerens valg av ikoner eller en tabell. Uansett, dataene settene vist der, kan komme fra brukeropplastinger, data som er tilgang til via en eller flere IBM Watson Analytics-kontakter, datasett som er blitt kombinert av brukeren i systemet, eller datasett fra IBM Watson Social Media (et analytisk verktøy for sosiale medier tilgjengelig innenfra IBM Watson Analytics-verktøyet).

Merk at IBM Watson Analytics ikke gjør streaminganalyse; slikt er vanlig med Internet of Things (IoT) -dataene og andre kilder og systemer der informasjonen blir streamet og analysen må være øyeblikkelig. I IBM Watson Analytics kan data imidlertid oppdateres ofte, så ofte som hvert 5. sekund, for en nesten sanntidslesning. Det vil være nok for mange brukssaker og sikkert for bruk tilfeller IBM sikter til: visualisering, mønster og sosiale medier punkt-i-tid analyse. Det kan ikke brukes til noen brukssak som krever faktisk streaming-analyse i sanntid. Det kan være en stor mangel for noen brukere.

Kort sagt, jeg syntes dataoppsettet var enkelt og greit og godt egnet til den typiske forretningsanalytikernes ferdighetsnivå så vel som innen rekkevidde for de fleste andre forretningsbrukere. Systemet er svært intuitivt, men det kan være skremmende for nybegynnere likevel. Uansett ferdighetsnivå anbefaler jeg på det sterkeste å se veiledningene først. Selv om de fleste brukere vil være i stand til å pirke og føle seg gjennom verktøyet helt fint, vil opplæringen få deg opp og gå raskere, spesielt hvis du ikke har brukt et BI-verktøy med selvbetjening før. Hvis du har erfaring med datavredning og analyse, er det fremdeles en god tidsbesparelse å se veiledningene innledningsvis.

Oppdagelsesprosessen

Brukeren kan gå til oppdagelsesfasen (det vil si å kjøre analysene) på en av to måter: enten ved å klikke på et spesifikt datasett eller ved å skrive inn et spørsmål i spørsmålslinjen. Hvis du klikker på et spesifikt datasett, får du beskjed om "Startpunkter", som gir innsikt som IBM Watson Analytics har beregnet å sannsynligvis være av mest interesse for deg. Ja, det betyr øyeblikkelig innsikt levert via ofte brukte og forhåndsbygde algoritmer.

Hvis du skriver et spørsmål i spørsmålslinjen i stedet, ser systemet etter den informasjonen i alle datasettene du har lagt til / lastet i stedet for i et valgt datasett. Du kan også klikke på Hjelpverktøyet for å lære hvordan du kan stille et spørsmål til systemet.

Jeg fant ut at spørring av dette verktøyet fungerer veldig bra med naturlig språk, noe som betyr at jeg kunne skrive inn et spørsmål, da jeg ville stille en kollega og så få innsikt og forslag som passer. Jeg kunne også skrive inn en serie med stikkord og få tilbake den samme tingen.

For eksempel skrev jeg "Hvilke typer produkter er mer populære rundt Black Friday-perioden?" og deretter skrevet som et eget spørsmål "produkter, november." Som svar på begge deler, trakk systemet opp flere foreslåtte spørsmål og datasett i relevant rekkefølge. Jeg kunne deretter hente innsikt ved å klikke på forslaget som passer best. Jeg kunne også utforske hvert foreslått utgangspunkt på fritiden der jeg fant visualisert innsikt og en rullbar infografikk for raskt forbruk. Du kan til og med endre visualiseringsformen med et par klikk.

Det er her i visualiseringsøvelsen at jeg snublet litt og hvorfor jeg anbefaler å se tutorials først. Jeg trodde jeg måtte gå tilbake og stille et annet spørsmål, for å gjenta hele prosessen, bare for å legge til en annen faktor (innspill) til spørsmålet mitt. Det var først etter at en bedriftsrepresentant gikk gjennom demoen at jeg fikk vite at jeg kunne gjøre det via "Color Value" -funksjonen - som finnes i en stolpe nederst i visualiseringen. Stort "duh moment" der, men det minnet meg om at selv om IBM Watson Analytics er svært intuitivt, er det mye som å få en ny mobiltelefon og vanskelig finne ut kommandoene bare for å lure på senere hvorfor du fant noe av det vanskelig. Ja, dette var akkurat sånn. Intuitivt og enkelt, men først etter at jeg klødde litt på hodet og mumlet høyt, "Lurer du på hvor de satte verktøyet for å gjøre XYZ?" Sammenlignet med de fleste av konkurrentene er IBM Watson Analytics likevel en lek å bruke.

Hvis du vil ha mer kompliserte spørringer, skriver du spørsmål som begynner med "Hva driver X" eller "Hva spår X", som tar deg til mye dypere dykk og intrikate beslutningstrær. Jeg fant at dette var svært effektivt når det gjelder å oppdage innsikt som ellers kan ha tatt meg mye lenger tid til og med å finne ut hva jeg skulle spørre om dataene.

Skjermfunksjonen - det tredje trinnet i dette systemets prosess - lar deg velge visualiseringer, lagre dem og / eller publisere på et dashbord eller en infographic som du bygger i et par klikk eller dra-og-dråper . Den er designet for å la deg enkelt dele den innsikten du har funnet med andre, slik at du kan samarbeide om handlinger du kan ta neste gang, eller om utvidelser eller forbedringer som skal gjøres i analysen.

Priser og versjoner

Det er både en gratis prøveversjon og en gratis utgave med begrensede funksjoner tilgjengelig. De som tester systemet, styres automatisk til prøveutgaven, som tilbyr 1 megabyte (MB) lagringsplass. Brukere kan bestemme seg for å kjøpe eller flytte til den mer begrensede gratisutgaven på slutten av prøveperioden. Plus-utgaven, den jeg testet, er $ 30 per måned per bruker og er egentlig den gratis prøveutgaven med 2 gigabyte (GB) lagringsplass, sammen med den ekstra bonusen å kunne laste inn større datasett. Professional-utgaven er designet for bedriftsbruk og har plass til flere brukere, mer komplekse samarbeid og flere datakontakter enn de andre utgavene. Kostnaden for Professional-utgaven er $ 80 per bruker per måned eller $ 960 per bruker per år med 100 GB lagringsplass.

IBM Watson Analytics gir innsikt som kan hjelpe virksomheter i forskjellige bransjer fra detaljhandel til helsehjelp. Det er ingen tvil om at det kan være verdifullt å oppdage skjulte trender og korrelasjoner i strukturerte og ustrukturerte data. Bedrifter kan analysere omstendighetene som driver forretningshendelser og bruke dataene til å informere fremtidige beslutninger.

Totalt sett er IBM Watson Analytics vakkert designet for å levere et svært intuitivt brukergrensesnitt og en forenklet brukeropplevelse (UX). Spørsmålene er riktignok intelligente og guider selv nybegynnere i en smart retning, noe som vil gå langt i selskaper som sikter mot selskapsomfattende datademokratisering, som nesten alle i organisasjonen bruker dataanalyse i sitt arbeid. Det er også veldig glatt å flytte brukere til dypere innsikt selv om deres datavitenskapelige ferdigheter er noe begrenset. Likevel kan høyt erfarne dataforskere hoppe over spørsmålene og gå rett til komplekse spørrings- og beslutnings-trær og unngå mesteparten av frustrasjonen knyttet til "brukervennlig" programvare.

Det er ikke å si at IBM Watson Analytics er perfekt eller egnet for alle brukssaker. Det er manglende evne til å håndtere streamingdata og analyser mens du er på farten, vil være en stor ulempe for noen (men et ikke-problem for mange andre). Hvis nær sanntid er tilstrekkelig for dine brukssaker og dine ansatte har en blanding av ferdighetsnivåer, vil du finne at dette verktøyet er mer enn opp til oppgaven.