分析流程自動化興起 加速建立數據分析環境

alteryx
Alteryx的研究顯示,亞太區5個地區,包括了香港、澳洲、日本、新加坡、印度,以香港的數據分析能力成熟度最高,原因是受訪有不少金融機構

企業轉型

數據有價,數據科學家又供不應求,企業要快速建立數據分析,其中一個方法是採用數據分析流程自動化(Analytic process automation ,APA)。APA 廠商Alteryx亞太區高速擴展,至今已經有超過1700名客戶,這項技術價值,也漸為人熟悉。

Alteryx屬於低程式碼或無程式碼數據分析軟件供應商,簡化數據編製和後處理,用戶更多時間放在分析上,可減少員工花在預備和處理數據的時間,快速獲得結論。

以往企業分析數據,多數是指從業務數據,透過數據分析建立商業智能(BI)系統,再以不同工具建立業務報表。

近年,企業轉而致力讓業務人員掌握數據分析,視覺化分析工具大行其道;類似Tableau和Power BI日益流行,業務人員連接數據源之後,就可自行作實時分析,馬上作商業決定,毋須待開發人員才獲得報表,屆時分析結果,可能已是明日黃花。

簡單而言,最明白業務精髓和業務要求,肯定就是業務人員,不是資訊科技人員。不少機構朝向Self Service發展,數據源和視覺化工具交到用戶手中,亦可以建立數據文化,機構上下人人都以數據作出決定,以數據驅動業務。

但是,數據的清理和整理,或者分析要加入新的數據源,往往有不少維護和追溯工作;部分的數據可能要先經處理,才能用於業務分析,否則獲得錯誤結構;問題在於業務人員不大可能,花大量時間去整理數據,而數據加工又涉及編程或高階Excel能力,故此以自動化工具,加上低程式碼的為數據加工和處理,甚至高階數據分析和人工智能,就大大減低數據分析的門檻。

自動數據加工

Alteryx最大優點在支援低程式,以快速設計與開發流程,只需要最少手動編碼,甚至滑鼠拖曳,更快、可靠去處理數據,可讓數據發揮最大價值。

Alteryx概念有如數據工廠,數據置於工作流水(Workflow)上,從不同來源的數據;包括數據倉庫、文件、雲服務、應用、RPA,經常多項程序處理和混合,甚至自動以機器學習訓練模型,輸出至不同的應用場景和視覺化工具,例如 Tableau和RPA機器人。Alteryx整理數據的能力,可確保了數據質素,並快速整合至最終分析和用途。

理論上,Alteryx可作為端對端的分析工具,最有價值還是自動化的流程,省去用戶不少時間,更快獲得合用的數據。不少數據,分析前先經處理步驟,例如營業數據要按區域拆分,不少必須固定步驟「加工」,IT人員可在系統內編程,再放回系統,或者是直接輸出至Excel處理,兩者的過程都涉及一定技術,更加要人手操作,過程也很耗時。

Alteryx以低程式碼,自動化處理數據加工和轉換,後期亦可取代類似Excel的Pivot Table分析,甚至達至進階分析,如機器學習作預測分析。

最近,Alteryx委托研究機構IDC進行一項名為亞太區分析自動化走勢的調查,訪問了100家機構,九成都認為數據分析對於企業。Alteryx的研究顯示,亞太區5個地區,包括了香港、澳洲、日本、新加坡、印度,以香港的數據分析能力成熟度(Maturity)最高,26%的受訪的香港企業,可稱得上是「數據分析專家」(Analytics Expert), 印度最少只有4%。較令人意外是新加坡的成熟度,意只有二成,低於香港平均。

JulianQuinn
Alteryx 亞太及日本區高級副總裁Julian Quinn 表示,香港優勢在於金融機構較多,對運用數據較為在意。

香港成熟度最高

IDC以4個不同維度,以衡量一個機構的成熟度的框架,包括了策略、數據、人手、流程的成熟度,計算出總分,以分類該企業是位於數據分析成熟度,屬於初階、用家、專家的級別。香港有最多企業,列入了分析專家的級別,所以成熟度也是最高。

Alteryx 亞太及日本區高級副總裁Julian Quinn 表示,香港優勢在金融機構較多,更掌握數據運用,印度則以消費行業為主,數據文化較難建立。審視如何達致數據分析成熟度的各個階段,「策略」和「數據」難度最低;「策略」指與企業內如何集合數據分析持份者,並達成共識;「數據」是指企業內的如何決定就確保數據完整性,達成一致政策和做法,最困難則是在尋找人才和建立流程。

受訪企業之中,53%已在「策略」獲得共識,41%則在數據可確保完整性。相較之下,八成企業稱不能找到足夠人才,其中88%缺乏流程的能力,「流程」指定義、標凖和自動化整個數據分析的能力,意味大部分的數據分析,皆靠人手操作,分析能力不能擴充至整個機構,上行下效,所有員工獲得分析好處。

研究顯示,企業要提高數據分析的成熟度,最關鍵是建立數據人才和分析流程。上述研究地區內的管理高層所遇最大困難;包括找覓適合的工具(55%)、工具難於管理和散亂(49%)、不能及時存取數據(44%)、不能追尋數據脈絡以至數據缺乏完整性(44%)、人員缺乏數據素養(43%),而業務愈來愈複雜,各機構又對數據分析的速度和規模,要求愈來愈提高,一般企業內部,每月可能增加26 個新數據源和 30 種數據類型,故此分析愈來愈困難。

「香港的經營環境充滿了變數和不確定挑戰,企業亦有意投資於關鍵的業務領域。客戶需求不斷變化,企業也須創新的業務模式,滿足市場的需求。」Quinn 表示:「研究結果顯示,受訪者對以數據分析推動業務,其成效已達成了共識。然而,機構使用數據分析有多重挑戰,提高員工隊伍和流程分析能力有其必要。機構需要自動化數據分析流程,以實現人人皆可得益於數據分析,並隨時都可從數據獲得洞察力,以便員工在崗位發揮更出色。」

Leave a Reply

Your email address will not be published. Required fields are marked *