Qu'entend-on par «atelier d'analyse»? Fondamentalement, l'environnement de ressources de calcul avec lequel l'analyse de données a lieu. Comment décririez-vous certains des ateliers d’analyse de votre organisation? Tout le monde n’est pas un analyste du pouvoir, de sorte que tout le monde n’a pas besoin d’outils électriques. Cependant, nous gérons tous des données à un certain niveau et nous pouvons tous tirer profit du sens de nos données de manière plus efficace et efficiente. Voyez s'il est possible de rendre les ateliers d'analyse de votre organisation plus productifs.
Mémoire et stockage
Avez-vous beaucoup de mémoire disponible sur votre bureau et / ou vos serveurs? Avez-vous beaucoup de stockage localement et à distance? Plus de mémoire crée plus de bande passante analytique, non seulement grâce à des ressources de calcul plus efficaces, mais également grâce à une réduction du temps d'attente des analystes, qui comptent de plus en plus parmi les talents les plus coûteux. La mémoire et le stockage, en revanche, sont devenus relativement peu coûteux, comme le montre JMP Graph Builder avec les données de John C. McCallum .
Forme et fonction
Des interfaces faciles à utiliser et bien conçues vous aident à rester «en flux». Même les codeurs les plus avisés et les utilisateurs de tableurs peuvent bénéficier d'une visualisation interactive et dynamique. Rester «en flux» a été l’un des principes directeurs des développeurs de JMP: minimiser les tâches fastidieuses et la complexité tout en accélérer la découverte .
L’utilisation de feuilles de calcul pour exécuter des tâches pour lesquelles ils n’ont jamais eu l’intention implique de gros risques opérationnels. En 2008, juste avant la crise financière mondiale, un analyste d'une grande banque utilisait un tableur compliqué pour calculer ses exigences de fonds propres en fonction du risque. Il s’agissait d’une feuille de calcul multitab velue contenant de nombreuses formules et des cellules référencées avec une logique que seule la personne qui l’a construite pouvait suivre. Lorsque l'analyste a quitté son poste pour occuper un autre emploi, le calcul des besoins en capitaux pour la prochaine période de reporting a nécessité de nombreuses heures-personnes. Il est possible d’éviter toute perte de temps et d’efforts si les entreprises se libéraient d’une utilisation excessive des feuilles de calcul et utilisaient du code bien documenté ou des applications plus faciles à répéter et à gérer. Pour faciliter cela, le Complément JMP pour Microsoft Excel vous permet de maintenir la familiarité de l'interface d'Excel avec l'option d'effectuer des calculs dans JMP, minimisant ainsi le risque d'erreur ( précision des calculs ainsi que la gros doigtés genre d'erreur).
La plupart des analystes préfèrent un atelier d'analyse assez robuste pour utiliser le bon outil, mais ont tendance à s'intéresser à leur outil préféré - ou à leur centre analytique - pour la plupart de leurs travaux. Généralement, c'est l'outil qui leur permet de rester "en flux" tout en se concentrant sur la résolution innovante de problèmes. Les bons analystes sont disposés à apprendre de nouvelles choses pour augmenter leur bande passante, que ce soit plus avancée entraînement avec des outils qu’ils utilisent déjà ou en introduisant de nouveaux outils pour affiner leur espace de travail.
Environnement de calcul
À SAS et dans la plupart des sociétés de technologie, nous avons la chance de disposer de matériel correctement alimenté, d'un bon débit, ainsi que de suffisamment de mémoire et de stockage. Étant donné que JMP fonctionne sur les deux systèmes d'exploitation, j'ai même un Mac avec Parallels pour Windows pour exécuter les deux. De nombreuses organisations ont du vieux matériel, des systèmes d'exploitation qui seront bientôt ou ne seront plus pris en charge. L'analyse nécessite généralement beaucoup de ressources en processeur et, à mesure que la taille de nos échantillons évolue pour suivre le Big Data, il est indispensable d'investir dans un environnement informatique adéquat.
De nombreuses organisations ont investi dans leurs serveurs et ont ignoré le poste de travail. Cependant, lorsque votre talent analytique coûteux se tord les pouces à cause d'une bande passante lente ou d'une panne de réseau et qu'il ne leur reste plus qu'une feuille de calcul sur leur bureau (le cas échéant, les coûts d'opportunité peuvent être élevés. Les outils analytiques avancés doivent être dotés d'options de calcul - sur les ordinateurs de bureau, sur les serveurs et à distance. Avec ces analystes qui gèrent plusieurs projets au cours de différentes phases, ils peuvent être beaucoup plus productifs en disposant de ressources de calcul adéquates pour les postes de travail et les serveurs. Surtout dans la phase exploratoire, local , les outils visuels en mémoire à réponse instantanée tirent parti d’une bande passante visuelle plus étendue - une analyse à la vitesse de la vue, révélant plus rapidement la structure des données.
Collaboration et présentation
Lorsque l'analyste réalise un modèle utile, elle n'est pas terminée. Pour que les résultats aient de l'importance, ils doivent généralement être communiqués et utilisés. Avec autant de données, nous sommes tous des analystes à un certain niveau. Même lorsque les résultats sont partagés, nous pouvons poser plus de questions, ce qui peut conduire à davantage d'analyse et de perspicacité. En raison de cette approche collaborative et itérative, de nombreux analystes préfèrent le pouvoir de montrer les résultats de manière visuelle et interactive aux collègues et aux décideurs. Combien de fois avez-vous entendu ce scénario décrit? Un dirigeant demande quelque chose qui nécessite que vous construisiez un modèle prédictif. Vous présentez les résultats à l'exécutif, à la suite de quoi il dit: «Que se passe-t-il si…?» Si vous présentez les résultats en direct, vous avez le potentiel pour être plus efficace avec le temps de chacun.
Supposons, en particulier, qu'on vous demande comment vous pouvez améliorer la qualité du vin. Après avoir modélisé la relation des facteurs affectant la qualité, vous pouvez montrer ces relations - et les effets de leur modification en utilisant le Profiler dans JMP. Ci-dessous, si vous faites glisser la ligne rouge verticale de l'alcool pour l'augmenter, vous pouvez voir qu'il augmente la qualité (jusqu'à un certain point), ainsi que les effets de ce changement sur d'autres facteurs affectant la qualité. Vous pouvez passer du vin rouge au vin blanc en cliquant sur la ligne rouge verticale pour la couleur. Quelle que soit la couleur choisie, l’abaissement de la densité améliore la qualité. Le profilage peut faire beaucoup plus, mais le fait est que vous pouvez montrer en direct "ce qui se produirait si…." et voir les conséquences. Nous avons en fait entendu des réactions telles que «Pour la première fois de ma vie, je comprends réellement la régression» lorsque les gens voient les résultats présentés de cette manière.
[iframe src="/ content / jmp / files / 2013/05 / Profiler_wine.html" width = "620" height = "400" border = "0"]
Ouvrir Wine Profiler dans une nouvelle fenêtre
Les données utilisées aux fins de cet exemple proviennent du Bibliothèque d'apprentissage machine UCI .)
Les données
Bien que les données ne fassent pas strictement partie de la table de travail, elles constituent la matière première et font partie de l'expérience de la table de travail.
Un bon analyste est comme un bon chef. Avoir une cuisine bien aménagée est une évidence. Mais pourriez-vous alors fournir des ingrédients de mauvaise qualité? Les organisations qui ignorent la qualité des données paient, paient et paient. La forme de paiement la plus pernicieuse est son impact sur la culture. J'ai vu des analystes qui exécutent des projets qui les obligent à travailler avec des données de mauvaise qualité. Les données sont si mauvaises qu’elles savent que chaque fois qu’elles y consacreront des efforts seront vaines, que toute recommandation qu’elles formuleront sera injustifiable et qu’ils auraient pu passer leur temps de manière plus productive. Si la majeure partie de la journée de travail est consacrée à des projets contenant de mauvaises données, elle peut être très démotivante et de bons analystes peuvent partir. L'autre solution évidente pour la mauvaise qualité des données consiste en des décisions et des conséquences sous-optimales. La qualité des données est en fin de compte une responsabilité partagée de tous ceux qui utilisent les données. Les organisations disposant de bonnes données ont pris en compte cette responsabilité partagée dans la culture.
L'accès difficile aux données est un autre domaine souvent négligé. Si vous payez de façon concurrentielle pour votre talent analytique, vous ne voulez pas qu'une grande partie de ce temps soit consacrée à l'extraction et à la préparation de données. Idéalement, la plupart des données nécessaires sont centralisées et régulièrement mises à jour. Toute récupération et manipulation de données à des fins d’analyse devrait être facilitée - visuellement si possible.
Suivre la technologie
C'est un équilibre. Si vous poursuivez avec la dernière technologie, votre temps de résolution des problèmes et d’ajout de valeur sera réduit. Si vous restez immobile, votre infrastructure analytique devient moins agile et peut être excessivement contraignante. Vous devriez vous donner un peu de temps pour essayer de nouvelles choses et évaluer le meilleur rendement d'un investissement dans une nouvelle infrastructure ou une mise à niveau. D'après ce que j'ai vu, de nombreuses organisations sont confrontées à des problèmes de données de différentes manières, surexposées au risque lié aux feuilles de calcul, sous-exposées aux paradigmes visuels - à la fois pour la découverte et pour la présentation - et sous-alimentées dans diverses parties de leurs environnements informatiques. Si les données et les analyses sont considérées comme des actifs stratégiques dans votre organisation, je vous encourage à évaluer le potentiel de réoutillage de certains des ateliers d'analyse de votre organisation.
Remarque: Une version de ce post est apparue pour la première fois dans le Blog de l'Institut international d'analyse .
