Analitik tertambah: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
k Bot: Perubahan kosmetika |
|||
Baris 19:
Visualisasi merupakan cara yang ampuh untuk menemukan dan mengkomunikasikan pola dalam data (lebih dari tabel atau daftar). Namun, visualiasi tidak selalu menyoroti temuan yang signifikan secara statistik. Untuk itu, diperlukan interpretasi pengguna atau analisis statistik lebih lanjut untuk menentukan apakah temuan tersebut relevan, signifikan, dan dapat ditindaklanjuti. Terlebih lagi, menemukan wawasan dari analitik lanjut memerlukan keahlian dari ''data scientist'' yang sangat langka <ref name=":0" />.
=== ''Augmented Analytics'' ===
Pada platform penemuan data berbasis visual, eksplorasi manual interaktif menggunakan visualiasi merupakan fitur pendefinisinya. Sedangkan, pada ''augmented analytics'', otomatisasi pembelajaran mesin pada penemuan wawasan dan proses eksplorasi merupakan fitur pendefinisinya. Alat tersebut memungkinkan pengguna dan ''data scientist'' untuk menemukan , memvisualisasikan, dan menarasikan temuan yang relevan, seperti korelasi, pengecualian, pengelompokan, dan prediksi secara otomatis tanpa harus membangun model atau menulis [[Algoritme|algoritma]]. Pengguna mengeksplorasi data melalui visualisasi, teknologi pencarian dan ''natural language query'', didukung oleh narasi dan interpretasi yang dihasilkan oleh bahasa alami berbasis teks dan suara, atau temuan yang paling penting secara statistik dalam konteks pengguna <ref name=":0" />.
''Augmented analytic'' dapat mengurangi waktu eksplorasi dan identifikasi wawasan yang salah atau kurang relevan. Menerapkan berbagai algoritma dan pembelajaran data secara paralel dan menjelaskan temuan yang dapat ditindaklanjuti kepada pengguna, mengurangi risiko hilangnya wawasan penting dalam data, dibandingkan dengan eksplorasi manual. Hal ini juga mengoptimalkan keputusan dan tindakan yang dihasilkan. Pergeseran paradigma ini membutuhkan investasi dalam literasi data di seluruh organisasi karena wawasan ini akan didistribusikan ke semua karyawan <ref name=":0" />.
== Alur Kerja ''Augmented Analytic'' ==
Saat ini, dalam bidang analitik, ''data scientist'' ataupun analis melakukan aktivitas berulang yg terdiri dari: menyiapkan data, menemukan pola pada data dan membangun model, membagi dan mengoperasikan penemuan dari data. Pendekatan ''augmented analytics'' mempercepat waktu yang diperlukan untuk mendapatkan wawasan akurat bagi pengguna bisnis dan menambah analisis mereka menggunakan algoritma pembelajaran mesin untuk mengotomatisasikan 3 proses analitik utama yang saat ini digunakan pada platform penemuan data berbasis visual <ref name=":0" />.
Baris 38:
==== Perbedaan antara Platform ''Augmented Data Discovery'' dan ''Augmented Data Science'' ====
Platform ''augmented data discovery'' memberikan wawasan pada ''citizen data scientist''. Sebuah model dihasilkan dan dapat ditanamkan pada aplikasi, setelah pemeriksaan lanjut oleh ''data scientist'' spesialis. Namun, sasaran atau luarannya adalah wawasan. ''[https://docs.oracle.com/cd/E23507_01/Search.20073/ATGSearchQueryRef/html/s0202naturallanguagequeries01.html Natural Language Query]'' (NLQ) dan ''[[:en:Natural-language_generation|Natural Language Generation]]'' (NLG) merupakan fitur pengalaman pengguna yang penting. Sebaliknya, platform ''augmented data science'' , secara otomatis menghasilkan model baik bagi ''citizen data scientist'' maupun ''data scientist'' spesialis atau untuk ditanamkan. Platform ini membantu membangun model, mengelola siklus hidup, dan tata kelola. Perbedaan antara kedua platform hampir tidak kentara dan menyempit ke sebuah titik di mana konvergensi yang lebih besar mungkin terjadi <ref name=":0" />.
==== Perbedaan antara Augmented Data Discovery dan Smart Visualization ====
''Augmented data discovery'' harus dapat dibedakan secara jelas dari ''smart visualization''. Yang terakhir adalah fitur deteksi pola yang secara otomatis menampilkan data dalam tipe, susunan, warna pembuatan label atau level detil visualisasi terbaik untuk mengoptimalkan wawasan untuk pengguna, tanpa manipulasi tambahan (''filtering, sorting, label positioning,'' dll.)<ref name=":0" />.
=== Membagi dan mengoperasikan temuan dari data ''(Sharing and Operationalizing Findings from Data)'' ===
| |||