تجزیه و تحلیل عمیق چیست؟

منتشر شده در towardsdatascience به تاریخ ۳۱ جولای ۲۰۲۱

لینک منبع What is Deep Analytics?

به عنوان تحلیلگر داده، ما زمان زیادی را صرف ساخت داشبورد برای افراد دیگر می‌کنیم و زمان کافی برای پاسخ به سوالات عمیق در مورد مسائل مهم کسب‌وکار نداریم. این اتلاف منابع برای فرد و اتلاف منابع برای کسب‌وکار است.

پرسش‌های جدی درباره کسب‌وکار از قبیل: چه چیزی به رشد ناگهانی در درآمدها در ماه گذشته کمک کرده‌است؟ را نمی توان با داشبورد عمومی با تعداد درآمد و تعداد ترافیک پاسخ داد. شما باید عمیقا وارد این مشکل شوید. شما باید این سوال را به پرسش‌های خاصی تبدیل کنید.

پرس و جو درآمد ماهیانه در دوازده ماه گذشته
بررسی الگوهای فصلی بودن را با بررسی متقابل درآمد ماهانه و فاصله ۱۲ ماهه.
پرس و جو داده‌های هزینه بازاریابی
پرس و جو اطلاعات ترافیک بازاریابی
پرس و جو داده‌های استفاده از محصول و جدا شدن توسط اقدامات مختلف انجام شده توسط کاربران
به دنبال اقدامات متفاوت محصول اتخاذ شده توسط همه کاربران بودن.
به دنبال اقدامات متفاوت محصول اتخاذ شده توسط گروه‌های کاربران بودن.

نتیجه ممکن است این باشد که یک اثر فصلی وجود داشته است (مردم در طول زمان‌های خاصی از سال بیشتر خرید می‌کنند) ، یک کمپین بازاریابی موفق وجود داشته است که ترافیک را به داخل محصول افزایش داده، یا گروهی از کاربران، درآمد را تحت‌تاثیر قرار داده‌اند. هر چه که باشد، یک ماهیت عمیق و اکتشافی برای یافتن پاسخ به یک سوال ظاهرا ساده وجود دارد. یک جنبه دوم نیز برای این جریان کار وجود دارد: سازماندهی و به اشتراک گذاری این یافته‌ها. من این فرآیند کلی را «تحلیل عمیق» می‌نامم (در مقابل «تحلیل سطحی» که بیشتر بر ساخت معیارهای عمومی و به اشتراک گذاری دیدگاه‌ها از طریق داشبوردها تمرکز دارد-یک ابزار رک، اگر نگوییم همه منظوره).

گردش کار عمیق: کودک فراموش شده‌

مشکل این است که جامعه کسب و کار گسترده‌تر به این جریان‌های کاری عمیق اهمیت نمی‌دهد، حتی اگر این دقیقا نوع کاری باشد که بیش‌ترین میزان نتایج کسب‌وکار را منجر می‌شود. بینش واقعا عالی و منحصر به فرد از خیره شدن به داشبورد حاصل نمی‌شود. آن‌ها از نگاه کردن به کسب‌وکار و داده‌های آن به روش‌های جدید و غیر آشکار ناشی می‌شوند. و این بر اساس تعریف نمیذتواند به صورت یک اندازه و برای همه انجام شود.

حقیقت این است که حتی جامعه تحلیلی نیز به این جریان‌های کاری عمیق اهمیت نمی‌دهند. فقدان مراقبت منجر به فقدان استانداردها و ابزارها می‌شود. یک مثال واضح: SQL IDE در چند دهه اخیر مجددا طراحی نشده است. به اشتراک گذاری و سازماندهی سوالات تحلیلی یک فکر ثانویه است. هیچ استانداردی در مورد کشف و انتخاب نسخه‌های مختلف داده‌های تحلیلی که برای تجزیه و تحلیل مورد استفاده قرار می‌گیرند وجود ندارد.

فراخوانی برای ابزارسازی: ابزارهای تعریف گردش کار

ابزارهای بزرگ برای یک گردش کار تنها جریان کار را کارآمدتر نمی‌کنند. آن‌ها جریان کار را تعریف می‌کنند. گیت‌هاب کنترل نسخه و هم‌کاری برای کد را تعریف کرد. فیگما طراحی رابط مشارکتی را تعریف کرد. ابلتون لایو تولید موسیقی الکترونیکی را تعریف کرد. ما به ابزاری نیاز داریم که تجزیه و تحلیل عمیق را تعریف کند.

ابزارهای سنتی BI این کار را نمی‌کنند. آن‌ها برای کمک به تحلیلگر برای ساخت ابزارهای داده سلف‌سرویس ساخته شده‌اند (به عنوان مثال، داشبوردها) برای مخاطبان کسب‌وکار عمومی. همچنین SQL IDE ها نیز این کار را نمی‌کنند-آن‌ها برای معاملات ساخته شده‌اند، نه برای اکتشاف (زبانه‌های بسیار زیاد!) .. دفترهای Jupyter برای جریان کار علوم داده در پایتون عالی هستند، اما برای تجزیه و تحلیل عالی نیستند. ابزارهای کشف داده برای مشاهده پذیری عمومی عالی هستند، اما در جریان کار پرس و جو-نوشتن تلفیق نمی‌شوند. ابزارهای ویکی مانند Notion و Confluence مکان‌های هدف عمومی خوبی برای به اشتراک گذاری اطلاعات هستند، اما با هدف به اشتراک گذاری دیدگاه‌های تحلیلی ساخته نمی‌شوند. این یک جریان کار گسسته با ابزارسازی است که بر روی انجام کار متمرکز نیست.

درخواست توجه: مواد تحلیل عمیق

با نام دادن به یک جریان کار، ما زندگی را به یک مفهوم می‌آوریم. ما می‌توانیم به شیوه‌ای مختصر به یک مفهوم متنوع اشاره کنیم. ما نامی برای علم داده به عنوان یک رشته داریم. ما نامی برای یادگیری عمیق به عنوان یک کلاس تحول دهنده از مدل‌های پیش‌بینی داریم. ما اصطلاح هوش کسب و کار را برای نشان دادن اهمیت تصمیم‌گیری مبتنی بر داده از طریق ابزارهای خودیاری ابداع کردیم. اخیرا، ما یک حرفه کاملا جدید اختراع کردیم: مهندس تجزیه و تحلیل. ما باید به مقوله تحلیل عمیق توجه کنیم. و ما به ابزارهایی نیاز داریم که به ما کمک کند در آن موثرتر باشیم.

این متن با استفاده از ربات ترجمه مقالات علم داده ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.