Да понятное дело, что такие кейсы бывают сплошь и рядом. Я тоже встречал кейсы, когда владелец бизнеса хвастается перед коллегами по владению бизнесами какие у него классные интерактивные дашборды, как все в онлайне обновляется и он в курсе происходящего на заводах/параходах… а по факту в подвале сидят 15 негров-аналитиков, которые чуть ли не в ручную это отрисовывают.
Но опять же — что в одном, что в другом случае мы что видим:
Пофиг на инструмент, данные — это основа.
Дебил с молотком — страшнее дебила без молотка, поэтому селф-сервис BI частенько кроме просто излишней траты денег, дает ненужным людям иллюзию понимания происходящего. А то что под капотом считается «среднее за прошлые сутки» (с) как-то проходит мимо его внимания. Вот и получает неверные решения на неверной интерпретации.
Подчиненные, которые не могут донести до руководителя реальную картину мира — это зло. Опять же пофиг какой у них есть инструментарий.
PS На всякий случай дисклаймер — может показаться, что я против сторителлинга на R и за распил бабла на BI инструментах. Это не так — я сам аналитик, мне за державу обидно :)
Сдается мне мы с вами говорим о несколько разных вещах, а скорее даже имеем опыт работы в разного типа компаниях. Наверное мне везло и там где работал (и работаю) я, дашборды и аналитика были востребованы как раз для выполнения этих самых KPI и никому не было никакого дела до того с помощью чего они были построены. И я намеренно обхожу сейчас выбора инструментария — все эти прелести — кофе/бухнуть/забугор/попилить они совершенно не зависят от предмета обсуждения и актуальны совершенно для всего. Хоть мы ракету покупаем, хоть аналитический инструментарий. Бабло, как говорится, побеждает зло и ничего личного.
И если относится к вопросу так, что BI отдельно, KPI отдельно… ну тогда да, становится понятна фраза про страх и лень :)
Self-service analytics давать людям без опыта и знаний, без наличия полных и корректных данных ...
С этим согласен. Это больше на распил похоже ну или как минимум «безумству храбрых поем мы песню».
Любопытная статья и со многим я согласен, но некоторые заходы просто убивают
Основными драйверами за BI и дашборды являются страх и лень потребителей ...
Вы действительно думаете, что руководство любит дашборды из-за лени и страха? Что если они победят лень, то полезут доставать данные сами, а если справятся со страхом — будут принимать решения без оглядки на данные? :)
И я согласен с пассажем в сторону производителей BI решений — их выгода очевидна. Но мой опыт говорит, что все-равно какой инструмент пользуется для визуализации данных, главное чтобы это было корректно и позволяло бизнесу найти ответы на интересующие их вопросы. А используется для этого Grafana, SuperSet, PowerBI или Табло… по большому счету не так и важно.
Спасибо на добром слове. А то мне как раз табличка кажется слишком поверхностной — все-таки пришлось прилично сократить, чтобы влезть в табличный формат :)
А то что некоторые куски 3-4-5 уровней имеет смысл внедрять пораньше — ну в общем грех не согласится. Все же зависит от конкретных задач, их критичности и степени онлайна. Другое дело, что браться на 1-м уровне зрелости за высококритичные бизнес-задачи с откликом в реальном времени это прямой путь либо быстро позврослеть и перепрыгнуть на пару ступенек или классно все зафакапить, когда система ляжет по какой-нибудь банальной причине.
Да в общем никто и не говорит, что процессы в ML принципиально отличаются от любых других. Вопрос только в том уровне абстракции, на котором вы находитесь. Если вы смотрите прилично сверху, то CMMI вам в руки и уже можно работать.
Но если идти в детали, то при всем подобии подходов к разработке ПО, обучение моделей это только частично разработка. И даже можно сказать больше — конкретно обучение модели это совсем НЕ разработка, ведь на процесс обучения дата сайнтист может повлиять лишь косвенно. Вот для того чтобы учесть эту специфику (т.е. версионность данных, контроль прогноза в будущем и т.п.) мне показалось логичным систематизировать подход таким образом. Кстати если будет интересно, то по этому поводу был интересный доклад на Datafest 2020 про адаптацию подходов CI\CD под ML. Несколько затянуто, но любопытно, рекомендую.
Information
Rating
Does not participate
Location
Санкт-Петербург, Санкт-Петербург и область, Россия
Но опять же — что в одном, что в другом случае мы что видим:
PS На всякий случай дисклаймер — может показаться, что я против сторителлинга на R и за распил бабла на BI инструментах. Это не так — я сам аналитик, мне за державу обидно :)
И если относится к вопросу так, что BI отдельно, KPI отдельно… ну тогда да, становится понятна фраза про страх и лень :)
С этим согласен. Это больше на распил похоже ну или как минимум «безумству храбрых поем мы песню».
И я согласен с пассажем в сторону производителей BI решений — их выгода очевидна. Но мой опыт говорит, что все-равно какой инструмент пользуется для визуализации данных, главное чтобы это было корректно и позволяло бизнесу найти ответы на интересующие их вопросы. А используется для этого Grafana, SuperSet, PowerBI или Табло… по большому счету не так и важно.
А то что некоторые куски 3-4-5 уровней имеет смысл внедрять пораньше — ну в общем грех не согласится. Все же зависит от конкретных задач, их критичности и степени онлайна. Другое дело, что браться на 1-м уровне зрелости за высококритичные бизнес-задачи с откликом в реальном времени это прямой путь либо быстро позврослеть и перепрыгнуть на пару ступенек или классно все зафакапить, когда система ляжет по какой-нибудь банальной причине.
Но если идти в детали, то при всем подобии подходов к разработке ПО, обучение моделей это только частично разработка. И даже можно сказать больше — конкретно обучение модели это совсем НЕ разработка, ведь на процесс обучения дата сайнтист может повлиять лишь косвенно. Вот для того чтобы учесть эту специфику (т.е. версионность данных, контроль прогноза в будущем и т.п.) мне показалось логичным систематизировать подход таким образом. Кстати если будет интересно, то по этому поводу был интересный доклад на Datafest 2020 про адаптацию подходов CI\CD под ML. Несколько затянуто, но любопытно, рекомендую.