Was ist unter "analytischer Workbench" zu verstehen? Im Grunde die Rechnerressourcen-Umgebung, mit der die Datenanalyse erfolgt. Wie würden Sie einige der analytischen Workbenches in Ihrer Organisation beschreiben? Nicht jeder ist ein Energieanalyst, daher benötigt nicht jeder Elektrowerkzeug. Wir alle beschäftigen uns jedoch mit Daten auf einer bestimmten Ebene, und wir alle können davon profitieren, dass wir unsere Daten effizienter und effektiver verstehen. Stellen Sie fest, ob es Möglichkeiten gibt, die analytischen Workbenches in Ihrem Unternehmen produktiver zu gestalten.
Speicher und Speicher
Haben Sie viel Arbeitsspeicher auf Ihrem Desktop und / oder Ihren Servern? Haben Sie viel Speicherplatz vor Ort und aus der Ferne? Mehr Speicher schafft mehr analytische Bandbreite, nicht nur durch effizientere Rechenressourcen, sondern auch durch weniger Wartezeiten der Analysten - die zunehmend zu den teureren Talenten zählen. Speicher und Speicher sind dagegen recht kostengünstig geworden, wie der JMP Graph Builder mit den Daten von zeigt John C. McCallum .
Form und Funktion
Einfach zu bedienende, gut konzipierte Benutzeroberflächen helfen Ihnen, „in Fluss zu bleiben“. Selbst die erfahrensten Programmierer und Tabellenkalkulationsbenutzer können von interaktiver, dynamischer Visualisierung profitieren. Für die Entwickler von JMP war es wichtig, „in flow“ zu bleiben - dabei sollten Sie die Plackerei und Komplexität minimieren Entdeckung beschleunigen .
Große operationelle Risiken entstehen durch die Verwendung von Tabellenkalkulationen für Dinge, für die sie niemals gedacht waren. Unmittelbar vor der globalen Finanzkrise hatte ein Analyst einer großen Bank im Jahr 2008 eine komplizierte Kalkulationstabelle verwendet, um die risikobasierten Kapitalanforderungen der Bank zu berechnen. Dies war eine haarige Multitab-Kalkulationstabelle, die zahlreiche Formeln und referenzierte Zellen enthielt, mit der Logik, dass nur die Person, die sie erstellt hat, folgen konnte. Als der Analyst zu einem anderen Job aufbrach, dauerte es viele Stunden, um den Kapitalbedarf für den nächsten Berichtszeitraum zu berechnen. Vergeudete Zeit und Mühe können vermieden werden, wenn sich Organisationen von der übermäßigen Abhängigkeit von Tabellenkalkulationen befreien und gut dokumentierten Code oder Anwendungen verwenden, die leichter zu wiederholen und zu warten sind. Um dies zu erleichtern, die JMP-Add-In für Microsoft Excel Mit dieser Option können Sie die Vertrautheit der Excel-Benutzeroberfläche mit der Option zur Ausführung von Berechnungen in JMP beibehalten und so das Fehlerpotenzial minimieren ( Richtigkeit von Berechnungen sowie die Fett-Fingersatz Art Fehler).
Die meisten Analysten bevorzugen eine recht robuste analytische Workbench, um das richtige Werkzeug für ihre Arbeit zu verwenden, neigen jedoch dazu, sich bei ihrem größten Teil ihrer Arbeit für ihr bevorzugtes Werkzeug - oder ihren analytischen Mittelpunkt - zu interessieren. Normalerweise ist dies das Werkzeug, mit dem sie "in Fluss" bleiben und sich auf die innovative Lösung von Problemen konzentrieren können. Gute Analysten sind offen dafür, neue Dinge zu lernen, um ihre Bandbreite zu erhöhen - ob dies fortgeschrittener ist Ausbildung Mit Tools verwenden sie bereits neue Tools oder führen neue Werkzeuge ein, um ihre Workbench zu verbessern.
Umgebung berechnen
Beim SAS und bei den meisten Technologieunternehmen haben wir das Glück, ausreichend mit Hardware gespeiste Leistung, guten Durchsatz und ausreichend Speicher und Speicher zu haben. Da JMP auf beiden Betriebssystemen ausgeführt wird, habe ich sogar einen Mac mit Parallels für Windows, um beide auszuführen. Viele Unternehmen verfügen über alte Hardware, auf der Betriebssysteme ausgeführt werden, die demnächst verfügbar sind oder nicht mehr unterstützt werden. Die Analyse ist in der Regel CPU-intensiv. Da unsere Stichprobengrößen immer größer werden, um mit Big Data Schritt zu halten, ist die Investition in eine geeignete Computerumgebung ein Muss.
Viele Organisationen haben in ihre Server investiert und den Desktop ignoriert. Wenn Ihr teures analytisches Talent jedoch aufgrund langsamer Bandbreite oder eines Netzwerkausfalls am Daumen blättert und nur noch eine Tabellenkalkulation auf dem Desktop vorhanden ist (wenn er überhaupt einen Desktop hat), können Opportunitätskosten hoch sein. Dem analytisch fortgeschrittenen Anwender sollten Rechenoptionen zur Verfügung gestellt werden - auf Desktops, auf Servern und remote. Da diese Analysten mehrere Projekte in unterschiedlichen Phasen miteinander in Einklang bringen, können sie durch entsprechende Desktop- und Server-Rechenressourcen wesentlich produktiver sein. Vor allem in der Erkundungsphase lokal In-Memory-visuelle Tools mit sofortiger Reaktion nutzen die Vorteile der größeren visuellen Bandbreite - Analyse bei Sichtgeschwindigkeit, wodurch die Datenstruktur schneller sichtbar wird.
Zusammenarbeit und Präsentation
Wenn der Analytiker ein nützliches Modell erreicht, ist er nicht fertig. Damit die Ergebnisse von Bedeutung sind, müssen sie normalerweise kommuniziert und entsprechend umgesetzt werden. Mit so vielen Daten sind wir alle auf einer bestimmten Ebene Analysten. Selbst wenn Ergebnisse geteilt werden, stellen wir möglicherweise mehr Fragen, was zu mehr Analyse und Einsichten führen kann. Aufgrund dieses kollaborativen iterativen Ansatzes bevorzugen viele Analysten die visuelle und interaktive Anzeige der Ergebnisse gegenüber Kollegen und Entscheidungsträgern. Wie oft haben Sie gehört, dass dieses Szenario beschrieben wurde? Eine Führungskraft fragt nach etwas, für das Sie ein Vorhersagemodell erstellen müssen. Sie präsentieren die Ergebnisse der Führungskraft, woraufhin er sagt: "Was wäre, wenn ...?"
Angenommen, Sie wurden speziell gefragt, wie Sie die Weinqualität verbessern könnten. Nachdem Sie die Beziehung der Faktoren, die sich auf die Qualität auswirken, modelliert haben, können Sie diese Beziehungen aufzeigen und die Auswirkungen der Änderung mit Hilfe von Profiler in JMP. Wenn Sie unten die vertikale rote Linie für Alkohol ziehen, um sie zu erhöhen, können Sie sehen, dass die Qualität (bis zu einem bestimmten Punkt) sowie die Auswirkungen, die die Änderung auf andere Qualitätsfaktoren hat, steigen. Sie können von Rotwein zu Weißwein wechseln, indem Sie für die Farbe auf die vertikale rote Linie klicken. Bei beiden Farben können Sie sehen, dass die Verringerung der Dichte die Qualität verbessert. Mit der Profilerstellung kann noch viel mehr getan werden, aber Sie können live zeigen, "was passiert, wenn ...". und sehen Sie die Konsequenzen. Wir haben tatsächlich Reaktionen gehört wie „Zum ersten Mal in meinem Leben verstehe ich eigentlich Regression“, wenn die Menschen auf diese Weise präsentierte Ergebnisse sehen.
[iframe src="/ content / jmp / files / 2013/05 / Profiler_wine.html" width = "620" height = "400" border = "0"]
Wine Profiler in einem neuen Fenster öffnen
Die für dieses Beispiel verwendeten Daten stammen aus der UCI Machine Learning Library .)
Daten
Während Daten nicht unbedingt Teil der Workbench sind, sind Daten das Rohmaterial und Teil der Workbench-Erfahrung.
Ein guter Analytiker ist wie ein guter Koch. Um die Besten anzulocken, ist es selbstverständlich, eine gut ausgestattete Küche zu haben. Aber würden Sie dann Zutaten von schlechter Qualität liefern? Organisationen, die Datenqualität ignorieren, zahlen und zahlen und zahlen. Die schädlichste Form der Bezahlung ist das, was die Kultur tut. Ich habe Analysten gesehen, die aus Projekten laufen, bei denen sie mit schlechten Daten arbeiten müssen. Die Daten sind so schlecht, dass sie wissen, dass jede Zeit, die sie damit verbringen, ohne Erfolg sein wird - dass jede Empfehlung, die sie machen, nicht zu rechtfertigen ist und dass sie ihre Zeit produktiver hätten verbringen können. Wenn der Großteil des Arbeitstages für Projekte mit schlechten Daten aufgewendet wird, kann dies sehr demotivierend sein und gute Analysten gehen möglicherweise wieder. Die andere offensichtliche Zahlung für schlechte Datenqualität sind suboptimale Entscheidungen und Konsequenzen. Die Datenqualität ist letztlich eine gemeinsame Verantwortung aller, die die Daten verwenden. Organisationen mit guten Daten haben diese gemeinsame Verantwortung in die Kultur einbezogen.
Ein schwieriger Zugang zu Daten wird in einem anderen Bereich oft übersehen. Wenn Sie für Ihr analytisches Talent wettbewerbsfähig bezahlen, möchten Sie nicht, dass große Teile dieser Zeit damit verbracht werden, Daten abzurufen und aufzubereiten. Idealerweise werden die meisten benötigten Daten zentral verwaltet und regelmäßig aktualisiert. Jeder weitere Datenabruf und -manipulation zu Analysezwecken sollte leicht gemacht werden - soweit möglich visuell.
Mit der Technologie Schritt halten
Es ist ein Gleichgewicht. Wenn Sie der neuesten Technologie nachjagen, wird Ihre Zeit für das Lösen von Problemen und die Wertschöpfung geringer sein. Wenn Sie still stehen, wird Ihre Analyseinfrastruktur weniger agil und kann zu stark einschränken. Sie sollten etwas Zeit investieren, um neue Dinge auszuprobieren und zu beurteilen, wo die Investition in eine neue Infrastruktur oder ein Upgrade den höchsten Nutzen bringen würde. Wie ich gesehen habe, sind viele Organisationen auf verschiedene Weise Daten herausgefordert, überfordert das Risiko von Tabellenkalkulationen, unterlegen visuellen Paradigmen - sowohl für die Erkennung als auch für die Präsentation - und in verschiedenen Bereichen ihrer Computerumgebungen zu wenig Leistung. Wenn Daten und Analysen in Ihrem Unternehmen als strategische Ressourcen gelten, empfiehlt es sich, das Potenzial für das Umrüsten einiger analytischer Workbenches in Ihrem Unternehmen zu bewerten.
Hinweis: Eine Version dieses Beitrags erschien erstmals im Blog des Internationalen Instituts für Analytik .
