Return to site

數據科學家如是說:

做生意需要Watson Analytics

Vishnu Nanduri博士,是新加坡的一位傑出的數據科學家,在他數十年的數據分析職業生涯中,使用過許多不同的工具。然而他認為,Watson Analytics才是那款真正讓數據走進所有人工作的工具。

為什麼我們需要數據分析的民主化,即人人可做數據分析?

最簡單的答案是如果我們還將數據分析當成高深的學問,將其擱置,那麼我們的生意也將不能充分享受數據分析帶來的好處。企業面對數據分析總是小心翼翼,又憂心忡忡。商業似乎有一種遠離「統計學」和「數學」的本能,因此許多人都避免量化分析,而是將這項工作留給專業的分析團隊,等待團隊生成拖後腿的報表和分析,才做決策。

我們需要Watson Analytics,也永遠需要數據科學家

技術純熟的,能開發高度客製化算法的數據科學家是永遠有空間的,Vishnu Nanduri博士也正是其中一位。

通常有三種不同類型的分析:

  1. 描述性分析(descriptive analytics)找出變量間的重要關係,
  2. 預測性分析(predictive analytics)基於找出的關鍵變量預測目標變量,
  3. 規範分析(prescriptive analytics)規定了這些變量的最佳值,來優化表現水平。

多數的預測性分析(predictive analytics)和規範分析(prescriptive analytics)需要受過訓練的,嫻熟的數據科學家、分析專家和分析程序員來實現,也許永遠需要。

然而,人人都可使用的,支持描述性分析(descriptive analytics的工具卻是企業早晚要實現的目標,如果這些工具還能做一些簡化的、基礎的預測性分析(predictive analytics,那就再好不過了。為所有人提供更智能的決策,怎麼也不會是一件壞事,不是嘛?

Watson Analytics正是這麼一個工具,是商業分析必不可少的一部分,尤其是針對描述性分析(descriptive analytics)和預測性分析(predictive analytics)而言。

讓每個人都發揮數據的價值

Watson Analytics讓每個人都擁有基礎數據分析能力,從數據中發掘出自己需要的觀點和視野。這是一款高度自動化,獨立運作,又帶有指引的分析服務,由IBM Watson引擎支持。

因此,它能讓你專注於形成決策,而不是憂心圖表的繪製以及編程一個宏命令(macros),或者建立一個預測型模型。為什麼這一點很重要呢?我們看看許多分析師需要做些什麼才能得到一張簡單的圖表或者一個簡單的模型。

R實現數據可視化:很複雜

Vishnu Nanduri博士一直質疑,為什麼在R和Python中實現數據可視化總是那麼複雜。RStudio下的Shiny倒是讓動態的數據可視化能力向前邁了一大步,然而,你需要極大量的R編程來實現一個Shiny應用。比如,下圖是在Shiny中創建一個簡易儀錶盤(dashboard)的代碼。

broken image

如果你不是一個R程序員或者數據科學家,可能就會被這一串複雜而無聊的代碼嚇出。而這串代碼卻只能生成下面這個有滑動器(slider)的柱狀圖(histogram)。

broken image

不得不說,就連Python有matplotlib package,這也不是件輕鬆的事。

broken image

上面那串冗長的代碼就可以得到下面這張圖。

broken image

但我們有Excelspreadsheets,不是嘛?

Microsoft(微軟)的Excel實在是描述性分析(descriptive analytics)的先鋒,用起來也很方便。但是,在Excel裡創建宏命令(macros)或者運用數據透視錶(pivot tables)對於一個普通的商業用戶還是太難了。類似的因素讓數據分析遙不可及,加大了數據科學家和分析師的負擔。

很顯然,Vishnu Nanduri博士所言並非聳人聽聞。畫張條形圖(bar chart)和柱狀圖(histogram)真的需要這麼複雜嗎?當然不!

儀錶盤(dashboards):Watson Analytics的致勝關鍵

當然,嚴謹的統計學、優化和編程技能對於從數據中發掘出深刻的洞見是必須的。然而,對商業用戶而言,繪製圖表以及創建一些智能的儀錶盤(dashboard)並不應該太複雜。否則,數據分析就有些本末倒置了。

Watson Analytics的制勝關鍵可以說就是它創立的動態儀錶盤(dashboards)。這項功能可以實現深度分析,也支持自然語言處理(natural language processing, IBM Watson ecosystem生態系統的產品都有這個共同點),能讓你快速深入到問題的核心。

Watson Analytics也能用來建立一些基本的預測性模型,分析Twitter信息的情感傾向。Vishnu Nanduri博士不否認自己對Watson Analytics有些偏愛,儘管如此,他也認為我們急需推廣能大幅提高效率的產品。

使用Watson Analytics的步驟幾乎可以簡化成點擊>上載數據>繪製圖表。任何人都可以通過一些drag-and-drop(拖入)型的動作製作一個動態的儀錶盤(dashboards),甚至於熟練之後,你只需要5分鐘!

broken image

所以說,每個人都能從各種視覺化呈現的圖表中發掘數據間的關聯性及意義。與此同時,數據科學家也能運用Watson Analytics這些最初的發現繼續深入,用R、SPSS Modeler、Python等各種工具建立更複雜的模型。

這就是Watson Analytics的數據民主化過程,人人都可分析數據。沉悶的ppt presentation時代要結束了,Watson Analytics動態的儀表盤,讓你隨時都能調整或者繪製圖表,哪怕在會議進行時。

如果你對大數據分析有興趣,請於下方訂閱我們的博客;或者關注我們的Facebook:/bigdataism ; Instagram: @bdanews

如果你對我們的數據分析服務有興趣,歡迎發送郵件至info@bigdatarchitect.com,或者Whatsapp至+852 5116 3895與我們預約demo時間

All Posts
×

Almost done…

We just sent you an email. Please click the link in the email to confirm your subscription!

OK