Yellowfin آینده داستان سرایی داده را بررسی می کند و تأثیر روایت و اتوماسیون را بر تجزیه و تحلیل کسب و کار نشان می دهد.

لندن. 27 اکتبر 2021 - زرد رنگ، فروشنده تجزیه و تحلیل که داشبوردهای مبتنی بر عمل، اکتشافات خودکار و داستان سرایی داده های قدرتمند را ترکیب می کند، کاغذ سفیدی را منتشر می کند که در آن «آینده داستان سرایی داده ها: چگونه روایت و اتوماسیون دهه آینده تجزیه و تحلیل را بازتعریف می کند» منتشر می کند و بینش ارزشمندی را به سازمان ها ارائه می دهد. قدرت و پتانسیل راه‌حل‌های داستان‌سرایی داده‌های افزوده و خودکار آینده.

کاغذ سفید محدودیت‌های رویکردهای تاریخی را معرفی می‌کند که به داشبوردهای ثابت و تجسم داده‌ها برای شناسایی، برقراری ارتباط و کاوش بینش از داده‌های تجاری پیچیده متکی هستند. اینها بر سطحی از سواد داده تکیه می کنند که در بین مخاطبان کلیدی کسب و کار تضمین نشده است و زمینه مهمی را که باعث درک و عمل می شود ارائه نمی دهد.

در مقابل، داستان‌سرایی داده‌ها از تکنیک‌های روایتی استفاده می‌کند که به مخاطبان کم‌سواد داده کمک می‌کند تا آنچه در مجموعه داده‌ها وجود دارد را تفسیر کنند و کارشناسان موضوع را قادر می‌سازد تا زمینه‌ای را که در داده‌ها وجود ندارد اضافه کنند. این امر باعث افزایش تقاضای فعلی برای قابلیت های داستان سرایی داده می شود زیرا کاربران تجزیه و تحلیل تجاری راه حل های جدیدی را مشخص می کنند.

گارتنر گزارش می دهد که از هر چهار رهبر کسب و کار، یک نفر داستان سرایی داده را یکی از قابلیت های مهم راه حل های جدید می داند و پیش بینی می کند که داستان های داده تا سال 2025 گسترده ترین روش مصرف تجزیه و تحلیل داده ها خواهد بود.

تقاطع داستان سرایی داده و تجزیه و تحلیل افزوده 

مقاله سفید Yellowfin بررسی می‌کند که چگونه تجزیه و تحلیل افزوده شده در ابزارهای BI مدرن، بخشی از تجزیه و تحلیل داده‌ها را در فرآیند روایت خودکار می‌کند و تجزیه و تحلیل را جامع‌تر و کارآمدتر می‌کند. همچنین بررسی می‌کند که چگونه فناوری‌هایی مانند هوش مصنوعی، جستجوی زبان طبیعی و یادگیری ماشینی می‌توانند به کاربران کمک کنند تا معنای داده‌هایشان را بهتر درک کنند.

با این حال، همانطور که جف شپرد، معاون Yellowfin، معاون EMEA توضیح می‌دهد، داستان‌سرایی داده‌ها عمدتاً مبتنی بر انسان‌محور و دستی باقی می‌ماند: «انسان‌ها همیشه نقشی در داستان‌گویی داده ایفا می‌کنند، زیرا آنها توانایی بی‌نظیری برای اضافه کردن زمینه و هوش هیجانی دارند که در داده‌ها وجود ندارد. . اما با خودکارسازی بخش‌هایی از فرآیند داستان‌گویی داده‌ای که به بهترین وجه برای پشتیبانی ماشینی مناسب است، به کاربران کمک می‌کنیم کارآمدتر شوند و ابزارهای تجزیه و تحلیل داده‌ها را برای پایگاه کاربران تجاری گسترده‌تر مفید کنیم.»

Yellowfin سه چالش در حال ظهور را شناسایی می کند که داستان سرایی داده های خودکار و افزوده می تواند به طور بالقوه حل کند: 

• سوگیری انسانی: داستان سرایی داده‌ها به انسان‌ها متکی است تا ناهنجاری‌ها را شناسایی کنند و آن‌ها را به اندازه کافی برای کاوش بیشتر مهم بدانند، اما سطوح علاقه و کوشش از فردی به فرد دیگر متفاوت است. با اتخاذ تجزیه و تحلیل هوش مصنوعی و یادگیری ماشینی مجموعه داده ها و گسترش آن با یک ماژول داستان سرایی، می توان روایت های مبتنی بر داده های مفیدی تولید کرد که ممکن است هنگام ایجاد توسط افراد نادیده گرفته شوند، نادیده گرفته شوند یا کمتر از آن ارزش گذاری شوند.
• سواد داده پایین: سطوح سواد داده متفاوت است، و راه حل های تجزیه و تحلیل سلف سرویس را برای کاربران کمتر پیچیده بسیار پیچیده می کند. با خودکارسازی فرآیندهای متداول BI سلف سرویس، نیاز به سواد داده‌ای بالا حذف می‌شود و بینش‌ها به روشی قابل هضم برای پایگاه کاربر گسترده‌تر ارائه می‌شوند.
• مقیاس بندی داستان سرایی داده در سراسر کسب و کار: به عنوان یک فعالیت تحت رهبری انسان، مقیاس گذاری آن در سراسر تجارت ممکن است غیر واقعی باشد. با این حال، با گسترش نظارت بر کسب و کار و تجزیه و تحلیل خودکار قابلیت های هشدار گذشته، داستان های داده را می توان در مقیاس تولید کرد.

توانایی هوش مصنوعی برای تولید خودکار داستان‌های داده‌های افزوده با سطح احساسات، ارتباط، زمینه و تخصص روایی که انسان‌ها می‌توانند ارائه کنند، هنوز واقعیت ندارد. با این حال، همانطور که جف شپارد توضیح می دهد زرد باله 9.6، که در اوایل سال جاری راه اندازی شد، در حال حاضر از تکنیک های تحلیلی استفاده می کند که تجربه کاربر را بهبود می بخشد و شروع به حل این سه چالش می کند:

"ما بینش کمکی بخشی از تفسیر داده‌ها را برای کاربر خودکار می‌کند تا از آن داستان‌هایی بسازد، و سواد داده‌ای مورد نیاز برای به دست آوردن ارزش از تجزیه و تحلیل را کاهش می‌دهد. محصول ABM ما سیگنال نظارت مستمر خودکار را ارائه می دهد که الگوها یا نقاط پرت را در داده ها شناسایی می کند و هشدارهای سرفصل را ایجاد می کند تا به کاربران کمک کند از اکتشافات مهم آگاه شوند.

«در ترکیب، بینش‌ها و سیگنال‌های کمکی، کشف و تجزیه و تحلیل سریع مقادیر زیادی از داده‌های پیچیده را امکان‌پذیر می‌سازد و بینش‌ها را به گونه‌ای که تحت تأثیر تعصبات انسانی قرار نمی‌گیرد، منتقل می‌کند. این توضیحات تولید شده به طور خودکار از داده ها، و هشدارهای مربوط به روندهای جدید یا تغییرات قابل توجه، می توانند به طور موثر به عنوان انگیزه ای برای فرآیند داستان گویی داده عمل کنند. با هم داستان و حالماژول‌های اختصاصی داستان‌سرایی داده Yellowfin، کاربران می‌توانند مشکلات و فرصت‌ها را سریع‌تر در داده‌ها پیدا کنند و با استفاده از قدرت داده‌ها، کلمات و رسانه‌های غنی داستان‌هایی را از نتایج خودکار ایجاد کنند.

Yellowfin همه این تکنیک‌های قدرتمند و خودکار را در یک صفحه تجزیه و تحلیل، با تفسیر بینش‌های ایجاد شده توسط هوش مصنوعی، هشدارهای خودکار و داستان سرایی داده‌ها، در یک داشبورد قرار می‌دهد که می‌تواند بخشی از گردش کار BI هر کاربر باشد.

جف شپرد نتیجه می گیرد: «انسان ها همیشه محرک داستان سرایی داده ها خواهند بود. «الگوریتم‌ها نمی‌توانند روایت‌های غنی و زمینه‌ای را که به‌طور طبیعی برای ما می‌آیند، ایجاد کنند. با این حال، کاری که آنها می توانند انجام دهند این است که راه را نشان دهند، ما را در مورد نقاط مورد علاقه ای که ممکن است نادیده گرفته شوند راهنمایی و هشدار دهند و ما را ترغیب کنند تا داستان های داده های موثرتر، جذاب و ارزشمندتری بسازیم."

دانلود مقاله کامل «آینده داستان سرایی داده: چگونه روایت و اتوماسیون دهه آینده تجزیه و تحلیل را بازتعریف خواهد کرد».

در زیر یا از طریق این مقاله نظر دهید توییتر: @IoTNow_OR @jcIoTnow

منبع: https://www.iot-now.com/2021/10/27/115021-yellowfin-explores-the-future-of-data-storytelling-and-reveals-the-impact-narrative-and-automation- تجزیه و تحلیل-اراده-در-کسب و کار/