Analytiikan tasot

kuvaileva-ohjaileva

Data-analytiikan sovellusten skaalautuvuutta voidaan tarkastella myös tavoiteltavien hyötyjen kautta. Jo pienillä panostuksilla saadaan syvällistä tietoa tapahtuneesta ja suurimmat hyödyt saadaan otettaessa käyttöön koko datatieteen potentiaali. Data-analytiikan tasojen avulla voidaan myös arvioida analytiikan hyödyntämisen nykytilaa ja tavoitteita organisaatiossa tai yrityksessä. Data-analytiikan nykytilasta ja sen hyödyntämisestä Satakunnassa kertova selvitys käsittelee analytiikan tasoja niissä kehittymistä kohdissa 3.3 ja 3.4.

Kuvaileva analytiikka

  • Mitä tapahtui? Menneiden tulosten arviointi
  • Tilastotiede, tutkiva data-analyysi, visualisointi

Diagnosoiva analytiikka

  • Miksi jotain tapahtui? Syy-seuraussuhteiden etsiminen ja läytäminen
  • Diagnosoiva analytiikka

Ennakoiva analytiikka

  • Mitä saattaa tulla tapahtumaan? Mallien luonti tulevien tapahtumien ennakoimiseksi
  • Ennusteet, luokittelu, klusterointi, regressio, assosiaatiot

Ohjaileva analytiikka

  • Mitä meidän pitäisi tehdä? Mallien luonti parhaiden toimintatapojen löytämiseksi. Tulosten automaattinen hyödyntäminen
  • Päätöspuut, Monte Carlo -simulaatiot, optimointi

 

Data-analytiikan kyvykkyys

Kyvykkyyttä voidaan tutkia eri näkökulmista. Kyvykkyyttä voidaan mitata edellä kerrottujen analytikan tasojen kautta tai yleisen analytiikan maturiteettitasojen kautta. Mittausta varten on luotu myös erilaisia kyvykkyysmalleja ja niitä on esitelty esimerkiksi vuoden 2016 seminaarissa Raumalla.

 

Lisätietoja: