Tabla de contenido:
El software de análisis de autoservicio ha sido una tendencia en el desarrollo de software durante algún tiempo. Conceptualmente, sin embargo, no hay mucha novedad al respecto: el autoservicio como concepto ya se ha aplicado a las articulaciones de comida rápida, los servicios financieros y otras industrias, y el dominio del software solo lo está personalizando de acuerdo con sus necesidades únicas.
El análisis de autoservicio está dirigido específicamente a usuarios empresariales que necesitan manipular fácilmente datos y crear análisis sin tener que depender de personal de datos técnicamente calificado, como los científicos de datos. Existe la creencia de que el análisis de autoservicio reducirá la dependencia de los científicos de datos. También hay un grupo de expertos que creen que el paso absoluto de los análisis a las manos de los usuarios comerciales puede comprometer la gobernanza y que los usuarios comerciales necesitan capacitación de calidad. Ambas opiniones tienen sustancia. Si bien las previsiones en el mercado de análisis de autoservicio son positivas, es importante capacitar a los usuarios para que usen el software correctamente. Hay mucho margen para que los usuarios de negocios aprendan tales herramientas de software. (Para obtener más información sobre inteligencia empresarial y análisis, consulte ¿Puede Big Data Analytics cerrar la brecha de inteligencia empresarial?)
Autoservicio en el contexto de Big Data e Business Intelligence (BI)
Piense en este caso de uso: en una organización, el cliente o el personal orientado al mercado dependen en gran medida de los datos para tomar decisiones. Ahora, obtener análisis personalizados no es fácil porque el volumen de datos es enorme y proviene de múltiples fuentes; Se requieren habilidades específicas para manipular datos y generar análisis en un formato comprensible. Por lo tanto, los científicos de datos y otras personas técnicas deben participar. Esto crea muchos problemas. Por ejemplo, el ancho de banda del personal técnico y los científicos de datos está dividido y una dependencia excesiva del personal técnico puede retrasar la obtención de análisis, lo que puede dificultar la toma de decisiones.
