증강 분석의 세계에서 데이터 활용 능력 탐색

기계 학습(ML) 및 자연어 처리(NLP)와 같은 인공 지능(AI) 기능은 지속적으로 개선되고 있으며 증강 분석 제품은 데이터를 보고 이해하는 것과 관련된 많은 작업을 안정적으로 자동화할 수 있습니다. 데이터에서 통찰력을 얻을 수 있는 강력한 도구를 사용하면 경영진은 종종 다음과 같은 의문을 갖게 됩니다. 데이터 활용 능력 그들의 조직에서 훈련 노력? 아니 오히려 그 반대다.

데이터 리터러시(데이터를 상황에 맞게 읽고 쓰고 전달하는 능력)는 그 어느 때보다 중요합니다. 조직이 데이터 기반 작업 방식을 개발하고 직원이 자신의 창의성과 비판적 사고로 AI 기술을 강화할 수 있도록 지원하는 데 중요합니다.

조직의 성장과 성공을 위한 데이터 해독 능력의 역할에서 고려해야 할 추가 요소가 있습니다. 데이터 과학자와 분석가를 고용, 교육 및 유지하는 것은 어렵습니다. 게다가 이들의 기술은 종종 미묘하고 비용이 많이 듭니다. 365 데이터 사이언스에 따르면, 대부분의 데이터 과학자는 아마도 현재 직장에서 1.7년 이상을 보내지 않을 것입니다. 고도로 훈련된 데이터 과학자와 분석가는 판매를 위한 깨끗한 데이터 소스를 구축하거나 기본 보고서를 작성하는 것과 같은 작업에 대한 요청을 받는 경우가 많습니다. 그들의 전문 능력을 통해 그들의 시간과 기술 세트는 가치가 더 높고 복잡한 비즈니스 질문에 대한 모델링 및 워크플로 개발 작업에 더 잘 활용될 것입니다.

경영진이 AI 및 증강 분석 기술에 투자할 때 비즈니스 사용자(전담 분석가에 비해 데이터를 좀 더 일상적으로 사용하는 사용자)는 업무를 수행하는 메커니즘에 대해 걱정하지 않고 질문에 대한 답과 업무를 잘 수행하는 데 필요한 정보에 액세스할 수 있습니다. 그래서.

AI 지원 솔루션이 사용자 작업을 지원하고 올바른 사용자 경험을 찾는 방법을 탐색하면 도구와 사용자가 성공할 수 있는 엄청난 잠재력이 있습니다. 예를 들어 AI 도구는 데이터 준비와 관련된 좀 더 지루한 작업을 자동화한 다음 분석 요구 사항에 따라 콘텐츠를 추가로 분석하고 시각화할 수 있는 사람에게 결과를 제공할 수 있습니다.

증강 분석의 발전으로 사람들이 질문에 더 빨리 답할 수 있도록 지원

증강 분석 솔루션을 사용하면 비즈니스 사용자가 데이터를 더 쉽게 이해할 수 있으므로 기업이 이러한 값비싼 기술의 가치를 극대화할 수 있습니다. 예를 들어 증강 분석은 고객의 관심을 이해하고 소비자 선호도, 제품 개발 및 마케팅 채널에 대한 예측을 제공할 수 있습니다. 또한 데이터의 추세, 값 및 분산에 대한 추가 컨텍스트를 제공할 수 있습니다. 정교한 알고리즘은 자연어로 생성된 텍스트 설명 및 컨텍스트와 함께 대시보드에 추가할 수 있는 추가 시각화를 제안할 수 있습니다.

다음은 인력 향상에 도움이 되는 솔루션의 몇 가지 예입니다.

1. 데이터 스토리. 이제 Tableau Cloud에 다음이 포함됩니다. 데이터 스토리, AI 알고리즘을 사용하여 데이터를 분석하고 설명 또는 글머리 기호 형식으로 데이터에 대한 간단한 스토리를 작성하는 동적 대시보드 위젯 기능입니다. 이 이야기는 비즈니스 사용자가 많은 질문에 답하기 위해 액세스할 수 있는 레지스터에서 단순한 차트와 대시보드를 넘어 데이터에 대한 이야기를 엮습니다. 이는 비즈니스 사용자가 자신에게 가장 중요한 정보를 이해하는 데 필요한 데이터 리터러시 수준을 감소시킵니다. Data Stories는 사용자가 막대 차트나 선형 차트를 처음 볼 때 묻는 간단한 질문을 표면화합니다. 이상치처럼 보이는 이 숫자가 정말 이상치입니까? 그 숫자는 시간이 지남에 따라 어떻게 변했습니까? 평균은 얼마입니까? 데이터는 여전히 해석이 필요하지만(전체 이야기는 아님) 데이터에서 통찰력을 얻기 위한 큰 단계입니다.

2. 보여주세요. 증강 분석 기능은 또한 더 스마트한 인코딩 기본값을 허용합니다. 예를 들어 Show Me는 관심 있는 데이터 속성을 기반으로 차트 유형과 적절한 마크 인코딩을 권장합니다. 그런 다음 사용자는 시각적 분석 워크플로의 일부로 소통하고 이러한 차트를 청중과 공유하려는 높은 수준의 테이크아웃에 집중할 수 있습니다.

3. 자연어 이해. 정교한 연구, 언어 모델을 위한 대규모 교육 세트, 향상된 컴퓨팅 기능을 통해 수년에 걸쳐 자연어 이해도 크게 향상되었습니다.

사람들은 SQL 쿼리를 구성하는 메커니즘을 이해하지 않고도 분석적인 질문을 할 수 있습니다. 더 나은 이해를 위해 자연 언어 인터페이스는 사용자가 데이터를 이해하면서 수정, 수정 및 상호 작용할 수 있는 대화형 차트로 질문에 답할 수 있습니다.

4. 기계 학습. ML과 관련된 증강 분석도 발전했습니다. 이러한 모델은 특정 유형의 사용자 또는 사용자 그룹에 맞게 개인화된 데이터 변환 작업과 같은 정교하고 복잡한 분석 작업을 학습할 수 있습니다. 또한 많은 증강 분석 경험에는 이제 직관적인 사용자 인터페이스가 있어 교육의 복잡성을 줄이고 사용자의 분석 워크플로우에서 모델을 적용합니다.

AI는 놀라운 능력을 가지고 있지만 인간을 완전히 대체하지는 못할 것입니다. 낮은 수준의 통계 속성에서 높은 수준의 테이크어웨이를 수집하는 것은 복잡하고 미묘한 차이가 있을 수 있습니다. 사람들은 더 높은 수준의 창의적 인식을 가지고 있습니다. 우리는 호기심이 많습니다. 데이터에서 이러한 높은 수준의 테이크 아웃을 추출할 수 있습니다.

데이터 리터러시 육성을 위한 권장 사항

조직이 데이터에서 더 높은 수준의 통찰력을 얻으려면 직원(비즈니스 사용자 및 분석가 모두)이 데이터를 분석하는 방법에 대해 교육을 받고 데이터를 시각화하고 제시하기 위한 모범 사례를 갖추어야 합니다. 다음은 조직이 데이터 리터러시를 촉진하고 분석 도구로 AI를 강화하는 모범 사례를 개발할 수 있는 방법입니다.

1. 교육에 투자하십시오.

올바른 도구와 올바른 교육/훈련을 모두 갖추는 것은 모든 조직에 매우 중요합니다. 안에 데이터 활용 능력에 대한 Forrester Consulting 연구, 직원의 40%만이 조직에서 받을 것으로 예상되는 데이터 기술 교육을 제공했다고 말했습니다.¹ 개인과 조직은 데이터를 보고 이해하는 모범 사례 측면에서 사람들을 더 나은 교육에 노출시켜야 합니다. 직장에서는 직원들이 패턴을 이해하고 차트를 만들고 표현하는 가장 좋은 방법을 배울 수 있도록 데이터 시각화 및 데이터 활용 능력에 관한 과정을 제공해야 합니다.

직원 교육을 위해 다음과 같은 회사에서 제공하는 훌륭한 타사 프로그램을 이용할 수 있습니다. 큐릭, 데이터 활용 능력, Coursera의 데이터 및 분석 아카데미, EdX, 데이터 캠프, 칸 아카데미, 총회는, LinkedIn 학습, 그리고 더. Tableau가 제공하는 자기 주도 학습, 실시간 가상 교육 수업및 데이터 활용 능력에 대한 무료 과정. 일부는 무료인 교육을 포함하는 유사한 프로젝트에는 다음이 포함됩니다. 사람들에게 데이터, 데이터를 이용한 스토리 텔링, 더 데이터 로지, 데이터 리터러시 프로젝트그리고 다른 사람.

경영진은 또한 다음 사항을 고려해야 합니다. 차트 언어뿐만 아니라 보다 광범위한 패러다임으로 직원을 교육할 수 있는 방법은 무엇입니까?

AI 및 기계 학습을 포함하여 많은 증강 기능을 갖춘 도구를 구축하는 것의 한 가지 단점은 믿을 수 없을 정도로 단순해 보일 수 있고 사용자를 매우 빠르게 증가시킬 수 있다는 것입니다. 그러나 훈련이 부족한 사용자는 차트를 생성하거나 어떤 식으로든 오해의 소지가 있거나 오도할 수 있는 차트에서 인사이트를 얻을 수 있습니다.

사람들에게 시각적 표현의 언어와 그 배후의 과학에 대해 교육하여 최소한 데이터에 대한 지식을 갖추지 못하더라도 데이터에 대한 정보를 얻을 수 있도록 하는 것이 중요합니다. 예를 들어 사람들은 이상치가 무엇인지 어떻게 식별합니까? 신뢰할 수 있는 대시보드를 어떻게 디자인해야 합니까? 그들은 또한 상관관계와 인과관계의 차이를 이해할 수 있어야 합니다. 이렇게 하면 데이터가 정확하고 분석에 사용될 수 있습니다.

2. 데이터 기반 결정을 내립니다.

사람들이 데이터 기반 의사 결정에 대해 이야기하는 데이터 구전성에서 사람들이 데이터를 탐색하고 이해하고 소통할 수 있는 능력을 갖춘 데이터 리터러시로 이동하려면 데이터 시각화에 대한 액세스를 민주화해야 합니다. 이는 개인의 학습과 적용 가능성에 중점을 두지만 조직적 변화에 더 가까워야 합니다. 데이터 활용 능력의 진정한 민주화는 전체 데이터 생태계를 고려합니다. 사용자의 일상 생활에서 차트의 확산을 인식하고 광범위하게 이해할 수 있도록 노력합니다.

사람들은 주관적인 의견이 아니라 데이터를 기반으로 결정을 내려야 합니다. 이는 사용자에게 상관관계와 인과관계의 구분을 교육하는 교육의 중요성으로 되돌아갑니다. 데이터 기반 의사 결정은 어떻게 내려야 합니까? 효과적인 결정을 내리기 위해 토론이 객관성을 유지할 수 있도록 데이터와 핵심 시사점을 제시하는 매체는 무엇입니까? 예를 들어 기술 회사는 사용자 원격 측정 데이터를 사용하여 구축할 기능, 사용 특성을 결정하고 사용자 경험의 마찰을 식별해야 합니다.

3. 적절한 인프라를 개발하고 유지합니다.

처음 두 권장 사항을 지원하기 위해 경영진은 조직이 데이터를 저장하고 관리할 수 있는 적절하고 확장 가능한 인프라를 구축했는지 확인해야 합니다. 또한 조직이 고객 문제와 요구 사항을 해결하는 AI 기술을 식별하고 액세스할 수 있도록 도와야 합니다.

또한 의사 결정자는 데이터 개인 정보 보호 및 신뢰에 대해 신중하고 숙고해야 합니다. 나중에 생각할 수는 없습니다. 처음부터 심각하게 고려되어야 합니다. 데이터 개인 정보 보호 및 신뢰에 대한 책임은 포괄적인 데이터 거버넌스 및 관리 정책이 다룰 수 있는 개별 사용자에게까지 내려져야 합니다.

데이터 리터러시 노력에 계속 집중

AI 및 Data Stories와 같은 증강 분석 도구에 투자하는 것은 비즈니스 사용자가 데이터에서 답을 찾을 수 있도록 지원하는 훌륭한 단계이지만 이러한 도구는 데이터 리터러시 노력을 대체하기보다는 보완할 것입니다. 또한 AI 기술과 교육에 대한 올바른 투자 형태는 인간이 가장 잘하는 일, 즉 데이터를 중심으로 고객의 요구 사항을 해결하면서 솔루션을 구상하고 생성하도록 효과적으로 지원할 수 있습니다.

조직 전체에서 데이터 해독 능력에 계속 초점을 맞추면 더 많은 직원(일반 비즈니스 사용자 및 정교한 데이터 분석가)이 데이터에 대해 올바른 질문을 하여 더 많은 통찰력을 얻을 수 있습니다.

유연한 분석 파트너 선택

Tableau와 같은 분석 파트너는 광범위하고 깊이 있는 기능과 역할 기반 교육을 제공하므로 귀사에 가장 적합한 것을 찾는 여정에서 유연한 파트너가 됩니다. 자세히 알아보기 태블로 클라우드.

비즈니스 사용자를 위한 데이터 통찰력

성공을 위해 비즈니스 사용자를 설정하십시오. 데이터 스토리에 대해 자세히 알아보기 여기를 클릭해 문의해주세요.