Πίνακας περιεχομένων:
Το λογισμικό ανάλυσης αυτοεξυπηρέτησης υπήρξε για αρκετό καιρό μια τάση στην ανάπτυξη λογισμικού. Εννοιολογικά όμως, δεν υπάρχει κάτι πολύ καινοτόμο για αυτό - η αυτοεξυπηρέτηση ως έννοια έχει ήδη εφαρμοστεί σε αρθρώσεις γρήγορου φαγητού, σε χρηματοπιστωτικές υπηρεσίες και σε άλλες βιομηχανίες και ο τομέας του λογισμικού απλώς προσαρμόζεται ανάλογα με τις μοναδικές ανάγκες της.
Οι αναλύσεις αυτοεξυπηρέτησης απευθύνονται ειδικά σε επιχειρησιακούς χρήστες που χρειάζονται εύκολο χειρισμό δεδομένων και δημιουργία αναλυτικών στοιχείων, χωρίς να εξαρτώνται από τεχνικά καταρτισμένο προσωπικό δεδομένων, όπως οι επιστήμονες δεδομένων. Υπάρχει η πεποίθηση ότι οι αναλύσεις αυτοεξυπηρέτησης πρόκειται να μειώσουν την εξάρτηση από τους επιστήμονες των δεδομένων. Υπάρχει επίσης μια ομάδα εμπειρογνωμόνων που πιστεύουν ότι η απόλυτη μεταφορά των αναλυτικών στοιχείων στα χέρια των επιχειρηματικών χρηστών μπορεί να θέσει σε κίνδυνο τη διακυβέρνηση και ότι οι επιχειρηματικοί χρήστες χρειάζονται ποιοτική εκπαίδευση. Και οι δύο απόψεις έχουν ουσία. Ενώ οι προβλέψεις για την αγορά αναλυτικών υπηρεσιών αυτοεξυπηρέτησης είναι θετικές, είναι σημαντικό να εκπαιδεύουμε τους χρήστες να χρησιμοποιούν σωστά το λογισμικό. Υπάρχει πολύ περιθώριο για τους χρήστες των επιχειρήσεων να μάθουν τέτοια εργαλεία λογισμικού. (Για να μάθετε περισσότερα σχετικά με την επιχειρησιακή ευφυΐα και την ανάλυση, ανατρέξτε στην ενότητα Μπορεί τα μεγάλα δεδομένα Analytics να κλείσουν το κενό επιχειρηματικής ευφυΐας;)
Αυτοεξυπηρέτηση στο πλαίσιο μεγάλων δεδομένων και επιχειρηματικής ευφυΐας (BI)
Σκεφτείτε τη συγκεκριμένη περίπτωση χρήσης: Σε έναν οργανισμό, ο πελάτης ή το προσωπικό που αντιμετωπίζει την αγορά εξαρτάται σε μεγάλο βαθμό από τα δεδομένα για να λαμβάνει αποφάσεις. Τώρα, η λήψη προσαρμοσμένων αναλυτικών στοιχείων δεν είναι εύκολη επειδή ο όγκος δεδομένων είναι τεράστιος και προέρχεται από πολλές πηγές. παίρνει συγκεκριμένες δεξιότητες για να χειρίζεται δεδομένα και να παράγει αναλυτικά στοιχεία σε κατανοητή μορφή. Έτσι, οι επιστήμονες δεδομένων και άλλοι τεχνικοί άνθρωποι πρέπει να συμμετέχουν. Αυτό δημιουργεί πολλά προβλήματα. Για παράδειγμα, το εύρος ζώνης του τεχνικού προσωπικού και των επιστημόνων δεδομένων είναι διχασμένο και η υπερβολική εξάρτηση από το τεχνικό προσωπικό ενδέχεται να καθυστερήσει τη λήψη αναλυτικών στοιχείων, τα οποία ενδέχεται να παρεμποδίσουν τη λήψη αποφάσεων.
