Shiny vs Useful: Which trends in the analytics market are business ready?

Shiny vs Useful: Which trends in the analytics market are business ready?

Shiny vs Useful
Shiny vs Useful

Shiny vs Useful: Which trends in the analytics market are business ready?

Analisis bisnis terus menjadi segmen hangat di pasar perusahaan software dan core component of digital transformation untuk setiap organisasi. Tapi ada banyak kemajuan spesifik yang berbeda di sepanjang keseluruhan persiapan pasar untuk penggunaan yang aktual. Menjadi suatu hal yang sangat penting bagi keunggulan teknologi mengenali perbedaan antara tren yang sudah matang dan dapat diterapkan pada skenario dunia bisnis nyata dibandingkan dengan yang masih harus dibentuk namun dapat membuat demo vendor yang menakjubkan. Tren ini masuk dalam kategori yang berperingkat paling rendah sampai paling matang di pasaran: artificial intelligence (AI), natural language processing (NLP), dan embedded analytics.

Artificial augments actual human intelligence

Promosi dan kehebohan seputar AI, yang meliputi machine learning (ML) dan deep learning, telah mengungguli big data di pasar saat ini. Gagasan tentang AI sepenuhnya menggantikan dan mengotomatisasi tugas analitis manual yang telah dilakukan manusia saat ini cukup jauh dari penerapan kepada sebagian besar penggunaan kasus di dunia nyata. Faktanya, seluruh otomatisasi pada alur kerja analitis seharusnya tidak dianggap sebagai tujuan akhir – pada saat ini atau di masa depan.

Istilah assistive intelligence adalah ungkapan yang lebih tepat untuk akronim AI, dan jauh lebih sesuai bagi analis yang memandang otomasi sebagai ancaman. Konsep dari assistive intelligence, dimana kemampuan seorang analis atau pengguna bisnis diperkuat dengan kemampuan embedded analytic dan algoritma machine learning, yang diadopsi oleh pertumbuhan angka pasar organisasi di saat ini. Kegunaan  dari jenis kemampuan telah terbukti berguna dalam membantu persiapan data dan integrasi, serta proses analisis deteksi pola, korelasi, Outlier dan anomali dalam data.

Baca juga artikel menarik tentang Panduan Memilih ERP

Natural interactions improve accessibility of analytics

Natural Language Processing (NLP) dan Natural Language Generation (NLG) sering digunakan secara bergantian namun memiliki tujuan yang sama sekali berbeda. Meskipun keduanya memungkinkan interaksi alami dengan platform analisis, NLP dapat dianggap sebagai bagian tanya jawab dari persamaan, sedangkan NLG digunakan untuk membuat temuan dan wawasan dalam natural language bagi pengguna.

Dari keduanya, NLP lebih dikenal di pasar saat ini karena natural language interfaces semakin menjadi hal yang biasa di kehidupan pribadi kita melalui Siri, Cortana, Alexa, Google Home, dan lain-lain. Vendor Analytics menambahkan fungsi NLP ke dalam penawaran produk mereka untuk memanfaatkan tren konsumen dan menjangkau pengguna bisnis yang lebih luas yang mungkin menemukan natural language interfaces yang kurang mengintimidasi daripada alat analisis tradisional. Tidak dapat dipungkiri bahwa NLP akan menjadi komponen inti yang banyak digunakan dalam platform analisis namun saat ini tidak digunakan di berbagai pengguna yang cukup luas atau menggunakan kasus untuk dianggap mainstream di pasar saat ini.

Di sisi lain, NLG telah ada di pasar selama beberapa tahun namun baru-baru ini telah dimasukkan ke dalam alat analisis utama untuk meningkatkan representasi visual pada data. Banyak ringkasan berbasis teks tentang acara olahraga, statistik pemain, kinerja reksa dana, dan lain-lain, dibuat secara otomatis dengan menggunakan teknologi NLG. Semakin banyak, kemampuan NLG juga digunakan sebagai mekanisme pengiriman untuk membuat keluaran berbasis AI lebih dapat digunakan oleh pengguna mainstream.

Baru-baru ini, vendor analisis telah menjalin kemitraan dengan vendor NLG untuk memanfaatkan keahlian mereka dalam menambahkan dimensi lain ke visualisasi data, di mana kunci dari wawasan yang diidentifikasi dan diungkapkan secara otomatis dalam natural language narrative untuk menyertai visualisasi. Sementara kombinasi analisis bisnis dan NLG relatif baru, ia memperoleh kesadaran dan daya tarik di pasar dan telah membuka pintu bagi new uses cases organisasi untuk menjelajahi.

Satu lagi sharing dari kami: Langkah yang tepat untuk Implementasi ERP

Embedded analytics brings insights closer to action

Nilai sebenarnya dari analisis direalisasikan saat wawasan dapat memberi tahu pengambilan keputusan untuk meningkatkan hasil bisnis. Dengan memasukkan analisis ke dalam aplikasi dan sistem, di mana pengambil keputusan melakukan bisnisnya, hambatan terhadap adopsi tersebut akan dihapus dan wawasan tersampaikan langsung kepada orang yang dapat melakukan tindakan cepat.

Vendor platform analisis modern telah membuatnya sangat mudah bagi organisasi untuk menerapkan strategi untuk memupuk konten analitik ke pengguna lini bisnis yang sebelumnya tidak terjangkau dengan cara tradisional. Dan organisasi sekarang memperluas kemampuan serupa kepada pelanggan, mitra, pemasok, dan lain-lain, dalam upaya untuk meningkatkan diferensiasi kompetitif dan dalam beberapa kasus, aliran pendapatan baru melalui monetisasi aset data dan aplikasi analitik.

Inovasi ini menghadirkan keunggulan teknologi dengan kesempatan unik untuk memimpin organisasi mereka ke era dimana analisis data menjadi dasar bagi semua keputusan bisnis. Setiap organisasi akan memulai perjalanan ini dengan langkahnya sendiri. Beberapa akan menjadi pengadopsi awal inovasi baru dan beberapa hanya akan mengadopsi bila sebagian besar pasar telah berhasil diimplementasikan.

Pada akhirnya, kesiapan organisasi untuk mengadopsi teknologi baru akan ditentukan oleh end users dan kemampuan serta kemauan mereka untuk mengadopsi inovasi baru dan merangkul proses perubahan.

Menarik bukan pembahasan kali ini tentang Shiny vs Useful: Which trends in the analytics market are business ready?

Source

Pic Source 

Hubungi kami melalui tim kami Mba Euis di nowor Whatsapp 0815 8690 2500 

atau langsung mampir ke website lebih lengkapnya di Acumatica Partner dan Tableau Partner



Leave a Reply

nine + three =