ข้อมูลคือสกุลเงินใหม่ของโลก และอินเทอร์เน็ตคือสกุลเงินใหม่ สำนักงานแลกเปลี่ยน- เป็นเรื่องง่ายที่จะหลงไปกับกระแสข้อมูล นำเสนอข้อมูลอย่างไรให้ดึงดูดความสนใจ? ผู้ใช้จะเข้าใจตารางสิบแถวและสามคอลัมน์ แล้วถ้าเป็นพันๆเส้นล่ะ?
เน้นย้ำ ประเด็นสำคัญและรูปแบบที่ไม่สามารถพบได้ในตัวเลขแห้ง โดยใช้อินโฟกราฟิก วิดเจ็ตแบบโต้ตอบบนเว็บไซต์และแดชบอร์ด เครื่องมือแสดงภาพจะช่วยในเรื่องนี้
ดูและใช้เครื่องมือการแสดงภาพ 21 รายการในบทความนี้
บริการสร้างแผนภูมิและกราฟ
Infogr.น
บริการสำหรับการสร้างการแสดงภาพเชิงโต้ตอบและฝังตัว แผนภูมิมากกว่า 30 ประเภทและธีมการออกแบบหกธีม
ป้อนข้อมูลในตัวแก้ไข อัปโหลดลงในตารางหรือ รูปแบบข้อความ(เช่น csv) หรือนำเข้าจากระบบคลาวด์ ถัดไป เลือกสิ่งที่คุณต้องการได้รับ - แผนภาพ กราฟ แผนที่ - และรูปแบบสุดท้าย
คุณสามารถฝังการแสดงภาพเชิงโต้ตอบบนเว็บไซต์ของคุณโดยใช้ iframe รวมถึงดาวน์โหลดไดอะแกรมของคุณในรูปแบบ pdf หรือ gif แล้วแทรกลงในงานนำเสนอ
อัตราภาษีเริ่มต้นฟรี ข้อจำกัดด้านขนาดของไลบรารี จำนวนเทมเพลต และความสามารถในการดาวน์โหลดไดอะแกรมเป็นรูปภาพ แต่อัตราภาษีนี้มากเกินพอที่จะออกแบบเว็บไซต์ขนาดเล็กหรือการนำเสนอออนไลน์เพียงแห่งเดียว จ่ายภาษีแล้วเริ่มต้นที่ $19 ต่อเดือน
อย่างสร้างสรรค์
เครื่องมือสำหรับ การทำงานร่วมกันซึ่งช่วยให้คุณสร้างได้ ไดอะแกรมเชิงโต้ตอบ, แผนภูมิแกนต์ และอินโฟกราฟิกอย่างง่าย คลังแสงประกอบด้วยไดอะแกรมมากกว่า 50 ประเภทพร้อมตัวอย่างหลายพันรายการและไลบรารีรูปร่างที่พร้อมใช้งาน
อินเทอร์เฟซนั้นชวนให้นึกถึง Microsoft Visio และไม่น่าแปลกใจเลยที่: ทำงานที่คล้ายกันอย่างสร้างสรรค์
สามารถนำเข้าผลลัพธ์ไปยังเว็บไซต์ แอปพลิเคชันมือถือ และบันทึกในรูปแบบ PDF และ SVG
ข้อเสียเปรียบหลัก: ชำระทุกเวอร์ชัน บริการออนไลน์ - จาก $5 ต่อเดือน เวอร์ชันเดสก์ท็อปมีราคา 75 ดอลลาร์
ตารางฟิวชัน
เครื่องมือของ Google สำหรับสร้างแผนภูมิ กราฟ และแผนที่โดยละเอียด
ช่วยในการรวบรวมและแสดงภาพข้อมูลและแสดงบนเว็บไซต์
คุณนำเข้าข้อมูลจากไฟล์บนคอมพิวเตอร์ของคุณ (รูปแบบตารางใดๆ ก็ตาม) สเปรดชีต Google เอกสาร หรือสร้างสเปรดชีตใหม่ คุณสามารถค้นหาข้อมูลจากแหล่งภายนอกได้
จุดด้อย: อินเทอร์เฟซที่ซับซ้อน ไม่มีคุณสมบัติการออกแบบ
ข้อดี: การทำงานร่วมกันเนื่องจากข้อมูลทั้งหมดอยู่บน Google Drive
The Guardian ใช้เครื่องมือนี้ซึ่งเป็นคำแนะนำที่ดีอยู่แล้ว
เห็นภาพฟรี
การแสดงภาพสามารถส่งออกในรูปแบบ Excel, PowerPoint และ PDF
บริการนี้ฟรี คุณสมบัติที่น่าสนใจ: แม้ว่าคุณจะสามารถใช้ Flash ในการพัฒนาได้ แต่ผลลัพธ์ก็สามารถบันทึกในรูปแบบ HTML5 ได้
โต๊ะสาธารณะ
ระบบแสดงภาพข้อมูลเชิงโต้ตอบฟรี
คุณนำเข้าข้อมูล (รูปแบบทั่วไปเกือบทั้งหมดและรองรับบริการมากมาย) และรับการแสดงภาพสำหรับการโพสต์บนเว็บไซต์หรือโซเชียลเน็ตเวิร์ก
บริการนี้ให้พื้นที่ 10 GB สำหรับจัดเก็บโปรเจ็กต์บนเซิร์ฟเวอร์
ไลบรารีจาวาสคริปต์
ไดกราฟ
ไลบรารีโอเพ่นซอร์สสำหรับการสร้างไดอะแกรม ช่วยสำรวจ ประมวลผล และตีความชุดข้อมูลขนาดใหญ่ การตั้งค่าที่ยืดหยุ่น
ข้อเสีย: นี่เป็นเครื่องมือสำหรับนักพัฒนามากกว่านักการตลาด หน้าที่ของมันมีไว้สำหรับสร้างกราฟและไดอะแกรมเท่านั้น ต้องใช้ทักษะในการทำงานกับจาวาสคริปต์และคู่มือ อย่างไรก็ตามไม่มีอะไรซับซ้อนแม้แต่สำหรับมือใหม่ก็ตาม
D3.JS
ไลบรารีใช้งานได้กับเอกสารที่ขับเคลื่อนด้วยข้อมูลโดยใช้ html, svg และ css นำเข้าข้อมูลจากไฟล์ CSV
นอกจากนี้ยังเหมาะสำหรับการสร้างภาพข้อมูลทางธุรกิจแบบง่ายๆ แต่จุดประสงค์หลักคือข้อมูลทางวิทยาศาสตร์
แผ่นพับ
ไลบรารี JavaScript ฟรีสำหรับการสร้างแผนที่เชิงโต้ตอบบนมือถือ ใช้หากคุณไม่ต้องการฝังแผนที่ Google Maps และ Yandex บนเว็บไซต์หรือแอปพลิเคชันมือถือของคุณ
ข้อได้เปรียบหลัก: ไลบรารีมีน้ำหนักเบามาก และยังใช้งานได้โดยไม่ต้องเชื่อมต่ออินเทอร์เน็ต
แผนภูมิสูง
ตัวเลือกและประเภทแผนภูมิจำนวนมาก รูปแบบเอาต์พุตคือ SVG หรือ VML สำหรับ Internet Explorer เวอร์ชันเก่า
รองรับภาพเคลื่อนไหวและสตรีมข้อมูลแบบเรียลไทม์
ฟรีสำหรับโครงการที่ไม่ใช่เชิงพาณิชย์
Chart.js
ห้องสมุดโอเพ่นซอร์ส ไดอะแกรม 6 ประเภท ซึ่งจะครอบคลุมมากกว่าความต้องการของโครงการขนาดเล็ก แต่ไม่เพียงพอสำหรับมืออาชีพในด้านสถิติ
รองรับ HTML5 Canvas และสร้างแผนภูมิและกราฟภาพเคลื่อนไหวที่ตอบสนองในสไตล์การออกแบบเรียบๆ
jqPlot
ปลั๊กอินสำหรับสร้างกราฟ เส้น และแผนภูมิวงกลมอย่างง่าย
รวมเข้ากับไซต์ได้อย่างง่ายดาย ติดตั้งง่าย ออกแบบกราฟสวยงาม รองรับภาพเคลื่อนไหวไม่มีการโต้ตอบ
โซลูชันฟรีที่ดีสำหรับงานง่ายๆ
ZingChart
ใช้ HTML5 Canvas ในขณะที่รองรับ Flash คุณมีแผนภูมิหลายร้อยประเภทให้เลือกใช้เพื่อแสดงภาพข้อมูลของคุณ
เวอร์ชันฟรีเพียงพอที่จะแก้ปัญหาส่วนใหญ่ได้ การแสดงภาพได้รับการลงนาม "PoweredbyZingChart" ตามที่นักพัฒนาระบุ อัตราภาษี "SaaS" ที่ได้รับความนิยมมากที่สุดจะมีราคาอยู่ที่ 1,999 ดอลลาร์ต่อปี
JavaScriptInfoVisToolkit
โครงสร้างแบบโมดูลาร์ การปรับตัวให้เข้ากับอุปกรณ์มือถือ ผู้ใช้ดาวน์โหลดเฉพาะสิ่งที่จำเป็นในบางกรณีเท่านั้น
มีชุดสไตล์การออกแบบที่เป็นเอกลักษณ์และเอฟเฟกต์ภาพเคลื่อนไหว
บริการสร้างอินโฟกราฟิก
พิคโตชาร์ท
มีเทมเพลตพรีเมียมฟรีมากมายสำหรับอินโฟกราฟิก การนำเสนอ รายงาน และรายงาน ทั้งหมดดูน่าประทับใจและใช้งานง่าย
คุณสามารถใช้ทุกสิ่งที่คุณต้องการสำหรับการนำเสนอที่น่าสนใจ: แผนภูมิ กราฟ รูปภาพ วิดีโอ ไอคอน ฯลฯ เครื่องมือแก้ไขในตัวที่เรียบง่าย: เลือกหนึ่งในหกร้อยเทมเพลตสำเร็จรูป อัปโหลดไฟล์ของคุณเอง ลากและวางวัตถุลงในพื้นที่ทำงาน
นำเข้าข้อมูลจาก Excel, Google Docs และบริการสำรวจออนไลน์ SurveyMonkey
อีซี่.ลี
เครื่องมือที่ใช้งานง่ายพร้อมเทมเพลตนับร้อย หากคุณต้องการให้เริ่มจากศูนย์
ที่แผงด้านบน ให้เลือกวัตถุที่สนใจ (ไอคอน ภาพตัดปะ ไดอะแกรม ฯลฯ) แล้วลากไปยังตำแหน่งที่ต้องการ คุณสามารถฝังวิดีโอได้
อัตราภาษีเริ่มต้นฟรี สำหรับ "คุกกี้" เพิ่มเติมบริการจะขอ $ 3 ต่อเดือน
ระบบธุรกิจอัจฉริยะและแพลตฟอร์มแดชบอร์ด
ซิเซ่
ช่วยให้คุณสามารถรวมข้อมูลจากหลายแหล่งและค้นหาแนวคิดใหม่ผ่านการแสดงภาพ สำหรับการสร้างงานนำเสนอเท่านั้น Sisense ไม่ใช่ตัวเลือกที่ดีที่สุด แต่ถ้าคุณต้องการสร้างแดชบอร์ดของคุณเองอย่างรวดเร็วด้วยวิดเจ็ตจำนวนมาก นี่แหละตอบโจทย์
นักพัฒนารับรองว่าแม้แต่ผู้ที่ไม่ได้รับการฝึกฝนก็สามารถรับมือกับงานได้ภายในหนึ่งชั่วโมงครึ่ง
ระยะเวลาทดลองใช้ฟรีสั้น ๆ มีราคาตามคำขอ
นูวี
ชำระค่าบริการแล้วภาษีจะถูกกำหนดโดยงานเฉพาะ เจ้าของอ้างว่าพวกเขาเปิดรับโครงการและสตาร์ทอัพที่ไม่แสวงหากำไร ดังนั้นคุณจึงสามารถต่อรองราคาได้
ไบม์
แพลตฟอร์มคลาวด์สำหรับการแสดงภาพการวิเคราะห์ BI ใช้แหล่งข้อมูลจากระบบการโฆษณาตามบริบท, CRM, ระบบวิเคราะห์เว็บ, เครือข่ายสังคมออนไลน์ และแหล่งที่มาอื่นๆ น่าเสียดายที่บริการของรัสเซียไม่ได้รับการสนับสนุนนอกกรอบ เราต้องการผู้เชี่ยวชาญในการบูรณาการด้านไอที
แปลงข้อมูลเป็นการแสดงภาพอันทรงพลังที่ดูดีบนจอแสดงผลใดๆ โดยไม่คำนึงถึงแพลตฟอร์มหรือขนาด
ระยะเวลาทดลองใช้ฟรี 2 สัปดาห์ อัตราพื้นฐานคือ $490 ต่อเดือน
ไอชาร์ท
แพลตฟอร์มการวิเคราะห์ภาพ Cloud BI สำหรับธุรกิจ แชร์การเข้าถึงแผงควบคุมพร้อมวิดเจ็ตแบบเรียลไทม์ ผลลัพธ์ง่ายต่อการนำไปใช้ แบ่งปัน และดู
การบูรณาการกับ Google Analytics, Salesforce, Zendesk, Azure, AmazonAurora, GoogleCloudSQL, GitHub และบริการอื่นๆ อีกมากมาย
แพลตฟอร์มได้รับการชำระแล้ว อัตราภาษีเริ่มต้นคือ $460 ต่อเดือน
พล็อต
แพลตฟอร์มที่สร้างทั้งแผนภูมิและกราฟเดี่ยวๆ รวมถึงการนำเสนอและแดชบอร์ดที่ครบครัน
ทำงานร่วมกับ JavaScript, Python, R, Matlab, Excel นำเข้าข้อมูลจากหลายแหล่ง (MySQL, Microsoft SQL Server, Redshift, Excel ฯลฯ)
มีเวอร์ชันฟรี แผนการชำระเงิน - $ 33 ต่อเดือน
ดาต้าฮีโร่
แพลตฟอร์มคลาวด์นี้ช่วยให้ทำงานได้อย่างเต็มประสิทธิภาพโดยไม่ต้องพึ่งผู้เชี่ยวชาญด้านไอที นำเข้าจากบริการคลาวด์
คุณสามารถสร้างวิดเจ็ตและแดชบอร์ดแยกกันได้
หลักการกดและลาก: ไม่ต้องเสียเวลาในการควบคุมอินเทอร์เฟซ
มีแผนฟรี บริการนี้ให้ผู้ใช้ใหม่แต่ละคนมีระยะเวลาทดลองใช้ฟรี 2 สัปดาห์พร้อมความสามารถในอัตราภาษีระดับพรีเมียม แผนการชำระเงินเริ่มต้นที่ $59
บทสรุป
แน่นอนว่างานประจำส่วนใหญ่ในการประมวลผลข้อมูลและการแสดงภาพสามารถแก้ไขได้ด้วยวิธีเดิมๆ ใน Excel, Adobe Illustrator และ Power Point อย่างไรก็ตาม พลังของเทคโนโลยีสมัยใหม่ช่วยให้เราก้าวต่อไปได้แม้จะไม่มีความรู้และทักษะเฉพาะก็ตาม
บริการทั้งหมดทำงานบนแพลตฟอร์มและเบราว์เซอร์ใดก็ได้ (ยกเว้นเวอร์ชันเก่า) คุณไม่จำเป็นต้องเป็นผู้เชี่ยวชาญด้านไอทีหรือนักออกแบบ หรือติดตั้ง Java, Silverlight หรือ Flash
เราหวังว่าคุณจะไม่เพียงแต่เลือกเครื่องมือการแสดงภาพสำหรับงานของคุณ แต่ยังเรียนรู้สิ่งใหม่ๆ เกี่ยวกับข้อมูลของคุณอีกด้วย
คอมพิวเตอร์ถูกสร้างขึ้นเพื่อทำให้การคำนวณอัตโนมัติ แต่ในไม่ช้าก็พบว่าสสารนี้ไม่ได้จำกัดอยู่แค่การนับและสามารถใช้เป็นอุปกรณ์สากลสำหรับการทำงานกับข้อมูลได้ จากนั้นมีความพยายามที่จะทำให้คอมพิวเตอร์คิด แต่ไม่ค่อยมีใครรู้จักคือความพยายามที่จะเปลี่ยนคอมพิวเตอร์ให้เป็นผู้ช่วยทางปัญญาที่ไม่อ้างสิทธิ์ในสติปัญญาของตัวเอง แต่เอื้อต่อกิจกรรมทางจิตของมนุษย์ Vannevar Bush เป็นคนแรกที่นำแนวคิดนี้มาในรูปแบบของเครื่อง Memex สมมุติ และแผนการที่คล้ายกันในอุดมคติของ Doug Engelbart ได้รวมอยู่ในระบบออนไลน์ (NLS) ในช่วงต้นทศวรรษ 1960 นักคณิตศาสตร์และนักปรัชญา Richard Hamming เขียนว่า "จุดประสงค์ของคอมพิวเตอร์คือการรับรู้ ไม่ใช่การคำนวณ" อย่างไรก็ตาม ความตั้งใจที่ดีอันยิ่งใหญ่เหล่านี้ยังคงไม่เกิดขึ้นจริง เนื่องจากความเป็นไปได้ในทางปฏิบัติในการสร้างระบบที่ผสมผสานความสามารถในการวิเคราะห์ของมนุษย์และเครื่องจักรได้อย่างลงตัวนั้นเพิ่งปรากฏให้เห็นในปัจจุบันเท่านั้น
เมื่อรวมกันแล้ว ความคิดสร้างสรรค์ของบุคคลและความสามารถของเครื่องจักรในการรวบรวมข้อมูลจำนวนมหาศาลให้ผลการทำงานร่วมกันซึ่งสามารถประเมินได้โดยการวิเคราะห์ผลที่ตามมาของการสูญเสียของ Garry Kasparov ในปี 1997 ต่อซูเปอร์คอมพิวเตอร์ IBM Deep Blue PowerParallel SP2 ที่มี 32 โหนด รวมถึงบอร์ดพิเศษของโปรเซสเซอร์พิเศษหมากรุก 8 ตัว หลังจากแมตช์นี้ ปรมาจารย์ตัดสินใจว่าเขาจำเป็นต้องเพิ่มอัตราต่อรอง และเพื่อที่จะทำเช่นนี้ เขาควรอนุญาตให้ผู้เล่นขยายความสามารถในการวิเคราะห์ผ่านโปรแกรมหมากรุกที่ทำงานบนพีซี คาสปารอฟไม่ได้พบกับ Deep Blue อีกต่อไป แต่ก่อนที่ Deep Blue จะถูกรื้อออก มือสมัครเล่นสองคนที่ "ติดอาวุธ" ด้วยพีซีธรรมดาๆ ได้เล่นแมตช์กับเขาอีกครั้งหนึ่ง ไม่ได้เป็นปรมาจารย์และไม่มีคุณสมบัติด้านหมากรุกอย่างจริงจัง ทั้งสองกลับกลายเป็นว่าประสบความสำเร็จมากกว่าแชมป์โลกในการเผชิญหน้ากับสัตว์ประหลาด นี่เป็นตัวอย่างที่ดีเยี่ยมว่าระบบที่มีการแบ่งปันฟังก์ชันระหว่างคนกับเครื่องจักรอย่างกลมกลืนจะมีประสิทธิภาพมากกว่าระบบอัตโนมัติเต็มรูปแบบได้อย่างไร เราสามารถสังเกตเห็นสัญญาณแรกของสิ่งนี้ในการวิเคราะห์ธุรกิจ โดยในที่นี้เส้นแบ่งระหว่างการวิเคราะห์ธุรกิจเก่าและใหม่ในการวิเคราะห์ธุรกิจนั้นขึ้นอยู่กับวิธีที่บุคคลโต้ตอบกับเครื่องจักร และไม่ขึ้นอยู่กับการแบ่งประเภทของข้อมูลที่วิเคราะห์ (มีโครงสร้างหรือไม่มีโครงสร้าง)
โอกาสใหม่สำหรับการปฏิสัมพันธ์ที่มีประสิทธิผลระหว่างมนุษย์กับเครื่องจักรได้นำไปสู่การเพิ่มขึ้นอย่างแข็งขันในด้านการวิเคราะห์ธุรกิจและการสร้างสรรค์เทคโนโลยีใหม่ แพลตฟอร์มการวิเคราะห์- ช่วงเวลาของการฟื้นตัวมักจะมาพร้อมกับการเปลี่ยนแปลงที่เห็นได้ชัดเจนภายในกลุ่มตลาดที่เกี่ยวข้อง ในกรณีนี้ การมุ่งเน้นจะเปลี่ยนจากเทคโนโลยีที่เป็นที่ยอมรับและเป็นที่รู้จักซึ่งได้รับการสนับสนุนโดยผู้ผลิตรายใหญ่ ไปเป็นเทคโนโลยีย่อยของเทคโนโลยี Data Discovery (DD) ที่แทบไม่รู้จัก หรือที่เรียกว่า Visual Analytics (VA) หรือ Visual Data Discovery (VDD) ซึ่งพัฒนาขึ้นโดยส่วนใหญ่เป็นบริษัทขนาดเล็ก และโดดเด่นด้วยความสามารถในการโต้ตอบระหว่างมนุษย์กับเครื่องจักรขั้นสูง มีตัวบ่งชี้การเปลี่ยนแปลงอื่น ๆ ควบคู่ไปกับ DD และ VA เทคโนโลยีการวิเคราะห์อีกสองกลุ่มกำลังพัฒนาอย่างแข็งขัน: เนื้อหาและการทำนายหรือ การวิเคราะห์เชิงคาดการณ์(การวิเคราะห์เชิงคาดการณ์, PA)
ขอบเขตของการวิเคราะห์ด้วยภาพนั้นใหญ่มาก (รูปที่ 1) แต่ในที่นี้ เราจะเน้นเฉพาะส่วนที่เกี่ยวข้องกับการวิเคราะห์ธุรกิจเท่านั้น
ตลอดประวัติศาสตร์โดยย่อของการวิเคราะห์ธุรกิจ จุดที่สำคัญที่สุดในบรรดาวิธีการที่ใช้นั้นถูกครอบครองโดยระบบสืบค้นและการรายงาน สาระสำคัญคือการกำหนดคำสั่งที่ส่งถึงแหล่งข้อมูลบางแห่งแล้วรวบรวมรายงานเกี่ยวกับผลลัพธ์ โซลูชันการสืบค้นและการรายงานทั้งหมดแบ่งออกเป็นสองสตรีมใหญ่: สตรีมแรกสร้างรายงานการผลิต - รายงานที่ออกเป็นระยะซึ่งมีข้อมูลเกี่ยวกับการผลิต และสตรีมที่สองสร้างแบบสอบถามและการรายงานทางธุรกิจ - รายงานการปฏิบัติงานที่ออกแบบมาสำหรับข้อกำหนดของการจัดการองค์กร ในช่วงต้นยุค 90 นอกเหนือจากนั้น ระบบประมวลผลการวิเคราะห์ออนไลน์ (OnLine Analytical Processing, OLAP) ก็ปรากฏขึ้นอีกด้วย ราคาสำหรับการวิเคราะห์อย่างรวดเร็วเป็นขั้นตอนการเตรียมการที่มีความยาว - เทคโนโลยีประเภทนี้ใช้เพื่อวิเคราะห์เฉพาะข้อมูลที่รวบรวมไว้ก่อนหน้านี้เป็นคิวบ์ OLAP หลายมิติที่มีโครงสร้าง แต่ละคิวบ์ดังกล่าวมีข้อมูลทั้งหมดที่อาจจำเป็นในการตอบคำถามที่ต้องการ ความจำเป็นในการเตรียมคิวบ์ช่วยลดการซิงโครไนซ์กับสตรีมข้อมูลอินพุต อย่างไรก็ตาม ขึ้นอยู่กับ OLAP และเทคโนโลยีที่เกี่ยวข้อง วิธีการวิเคราะห์เชิงการดำเนินงานมากยิ่งขึ้นเริ่มพัฒนา - ตัวอย่างเช่น "แดชบอร์ดการจัดการ" ซึ่งติดตั้งแดชบอร์ดที่หลากหลายซึ่งชวนให้นึกถึงสะพานของกัปตัน แนวคิดของ "Real Time Enterprise" (RTE) ก็เข้ามายึดถือเช่นกัน
ควบคู่ไปกับเครื่องมือเหล่านี้ พื้นที่ทางทฤษฎี เช่น การทำเหมืองข้อมูล (DM) และการวิเคราะห์เชิงคาดการณ์ก็ได้รับการพัฒนาในการวิเคราะห์ธุรกิจ เมื่อไม่นานมานี้ ดูเหมือนว่า DM และ PA จะมีทรัพยากรหลักสำหรับการพัฒนา BI แต่ในทางปฏิบัติแล้ว วิธีการโต้ตอบของ DD, VA และ VDD กลับกลายเป็นที่ต้องการมากขึ้น ขณะนี้พวกเขาได้รับการจัดอันดับว่ามีแนวโน้มมากที่สุด แม้ว่ากองกำลังที่สร้างสิ่งเหล่านี้จะมีขนาดที่ด้อยกว่าเมื่อเทียบกับผู้เล่นแบบดั้งเดิมในโซลูชันระบบธุรกิจอัจฉริยะ
ข้อกำหนดเบื้องต้นสำหรับการเปลี่ยนแปลงในการวิเคราะห์
มีคำอธิบายและเหตุผลมากมายสำหรับสิ่งที่เกิดขึ้นในการวิเคราะห์ ซึ่งคำพูดของ Dan Brown จากนวนิยายเรื่อง "Angels and Demons" เข้ามาในใจ: "บางคนอธิษฐานถึงพระเยซู คนอื่น ๆ ไปที่เมกกะ และยังมีคนอื่น ๆ ศึกษาพฤติกรรมของอนุภาคมูลฐาน . ท้ายที่สุดแล้ว ทุกคนต่างก็ค้นหาความจริง" ดังนั้นโดยการเปรียบเทียบเราจะแบ่งมุมมองเกี่ยวกับวิวัฒนาการของการวิเคราะห์ธุรกิจออกเป็นสามกลุ่ม
มุมมองที่ได้รับความนิยมและแพร่หลายมากที่สุดคือมุมมอง "การจัดการ" ซึ่งเกี่ยวข้องกับการสะท้อนในหัวข้อที่ทันสมัยเช่น Big Data, "การปฏิวัติอุตสาหกรรมครั้งต่อไป", อุตสาหกรรม 4.0 ฯลฯ ส่วนใหญ่มักพูดถึง "สาม Vs" ของ Big นักวิเคราะห์ข้อมูล: ปริมาณ "); ความหลากหลาย (“ความหลากหลาย”); ความเร็ว (“ความคล่องตัว”)
มุมมองกลุ่มที่สองเกี่ยวกับการเปลี่ยนแปลงเกิดขึ้นจากผู้ที่นับถือทฤษฎีการจัดการความรู้ (Knowledge Management, KM) พวกเขาเชื่อมโยงสิ่งที่เกิดขึ้นกับ "การปฏิวัติข้อมูล" โดยแบ่งออกเป็นห้าขั้นตอนของการขึ้นจากข้อมูลสู่ข้อมูลจากข้อมูลสู่ความรู้จากความรู้สู่ความเข้าใจและสติปัญญา: การปฏิบัติงาน - ข้อมูลที่ไม่เป็นชิ้นเป็นอันได้รับการวิเคราะห์โดยนักวิเคราะห์แต่ละราย รวม - ข้อมูลจำนวนมากได้รับการวิเคราะห์โดยคณะทำงานของนักวิเคราะห์ บูรณาการ - สร้างโครงสร้างพื้นฐานขององค์กรที่รองรับ CM การเพิ่มประสิทธิภาพ - เพื่อปรับปรุงประสิทธิภาพ มีการวิเคราะห์ข้อมูลองค์กรโดยรวม นวัตกรรม - การผสมผสานความฉลาดขององค์กรและการวิเคราะห์สร้างมูลค่าใหม่
ตามมุมมองที่สาม ผลลัพธ์ของกระบวนการวิวัฒนาการคือการเปลี่ยนจากแนวคิดทั่วไปเกี่ยวกับองค์กรไปสู่ความรู้ที่แท้จริง
เป็นที่น่าสังเกตว่าสองมุมมองแรกนั้นใกล้กับลัทธิมากขึ้นและมุมมองที่สามเป็นทางเลือกอื่น เช่นเดียวกับในคำพูดนั้นอยู่ใกล้กับตำแหน่งทางวิทยาศาสตร์ตามธรรมชาติ ในกรณีนี้ มันเป็นมุมมองที่เป็นระบบซึ่งก็คือ มีประโยชน์เมื่อพิจารณาปรากฏการณ์ต่างๆ โดยเฉพาะที่เกิดขึ้นในการวิเคราะห์ อย่างไรก็ตาม สิ่งสำคัญคือต้องคำนึงถึงสิ่งต่อไปนี้ - ระบบควบคุมทั้งหมดมีความเหมือนกัน โดยไม่คำนึงถึงลักษณะของระบบ Nobert Wiener เขียนเกี่ยวกับเรื่องนี้ซึ่งเป็นคนแรกที่แสดงความคิดเกี่ยวกับความสามัคคีของหลักการจัดการในสิ่งมีชีวิตเครื่องจักรและองค์กร งานของ Wiener ไม่ได้รับความต่อเนื่องทางทฤษฎีที่คุ้มค่า และในทางปฏิบัติจริง การจัดการสิ่งอำนวยความสะดวกด้านเทคนิคดำเนินไปในแนวทางของตัวเอง และธุรกิจก็เป็นของตัวเอง หลายปีที่ผ่านมาไม่มีความเหมือนกันระหว่างระบบการจัดการทั้งสองประเภท - ด้านเทคนิคและองค์กร - และยิ่งไปกว่านั้น อุปสรรคที่เกิดขึ้นในการแบ่งพวกมันออกเป็นสองส่วนที่ไม่ทับซ้อนกัน และนี่ไม่ใช่ความประสงค์ร้ายของใครบางคน - การมีอยู่ของการแบ่งในช่วงเวลาหนึ่งนั้นเป็นสิ่งที่สมเหตุสมผลและเป็นธรรมชาติอย่างสมบูรณ์นี่คือข้อกำหนดของชีวิตการแบ่งแยกเกิดจากการจำกัดทรัพยากรคอมพิวเตอร์อย่างเข้มงวดที่มีอยู่ในอดีตและความปรารถนา เพื่อใช้เครื่องมือที่มีอยู่อย่างเหมาะสมตามขอบเขตความต้องการของงานมากที่สุด เนื่องจากมีงานสองประเภท - การจัดการด้านเทคนิคและองค์กร ดังนั้นโซลูชันสองประเภทจึงเกิดขึ้น
ต่อจากนั้นปรากฎว่าแนวคิดในการจัดการอัตโนมัติในธุรกิจทำให้เกิดการประมวลผลข้อมูลซ้ำซากและถูกฝังอยู่ภายใต้โหลดของแอปพลิเคชันประจำประเภทต่างๆ เช่น ERP, CRM เป็นต้น ซึ่งทุกอย่างถูกสร้างขึ้นจากการบัญชีและ การควบคุม กล่าวคือ เป็นเพียงสามัญสำนึกเท่านั้น การประเมินผลลัพธ์และสถานะ การตัดสินใจ และทุกสิ่งทุกอย่างที่ก่อให้เกิดผลตอบรับกลับกลายเป็นว่าอยู่นอกเหนือขอบเขตของระบบอัตโนมัติ แต่ในชีวิตจริง ไม่มีระบบควบคุมใดที่จะดำรงอยู่ได้หากไม่มีผลตอบรับ และในระดับของระบบอัตโนมัติในปัจจุบัน ผลตอบรับจะถูกนำไปใช้ในจิตใจของผู้จัดการที่ได้รับข้อมูลจากภายนอกและทำการตัดสินใจ
ในทศวรรษที่สองของศตวรรษที่ 21 ข้อจำกัดเกี่ยวกับทรัพยากรที่ใช้ในทางปฏิบัติได้ถูกยกเลิก และเปิดโอกาสสำหรับการบรรจบกันของระบบทางเทคนิคและระบบการจัดการธุรกิจ โดยที่ระบบการวิเคราะห์มีบทบาทชี้ขาดในกระบวนการรวมกลุ่มนี้ ซึ่งกลายเป็นโหนดปฏิบัติการ ของวงจรป้อนกลับ การใช้ระบบการวิเคราะห์ บุคคลสามารถจัดการทั้งกระบวนการทางธุรกิจและเทคโนโลยีได้อย่างประสบความสำเร็จเท่าเทียมกัน นี่คือเหตุผลว่าทำไมยุคที่กำลังจะมาถึงจึงถูกเรียกว่า “เศรษฐกิจแบบตอบรับ”
แม้กระทั่งก่อนที่ความสนใจในการวิเคราะห์จะพุ่งสูงขึ้นในปัจจุบัน แนวคิดขององค์กรแบบเรียลไทม์ (RTE) ก็ได้เกิดขึ้นและกลายเป็นความจริงด้วยการถือกำเนิดของเทคโนโลยีการรวมแอปพลิเคชันใหม่ๆ เช่น สถาปัตยกรรมบริการ บัสบริการระดับองค์กร และระบบประมวลผลเหตุการณ์ที่ซับซ้อน แม้ว่าการวิเคราะห์แบบเรียลไทม์จะถูกคาดหวังว่าจะเป็นองค์ประกอบสำคัญของ RTE แต่แรงผลักดันหลักสำหรับการนำการวิเคราะห์ไปใช้ก็คือปริมาณข้อมูลที่เพิ่มขึ้น
ตัวอย่างที่แสดงให้เห็นการใช้การวิเคราะห์แบบสากลคือเครื่องมืออัตโนมัติในการผลิตน้ำมัน ซึ่งจำเป็นต้องรวมการจัดการอุปกรณ์ขุดเจาะเข้ากับการประเมินตลาดและสถานการณ์ทางเศรษฐกิจ ที่นี่ การจัดการด้านเทคโนโลยีและธุรกิจเป็นหนึ่งเดียว เพื่อแลกเปลี่ยนข้อมูลบนหลุมผ่านเครือข่าย ภาษามาร์กอัปมาตรฐานการถ่ายโอนข้อมูลหลุมเจาะ (WITSML) ถูกสร้างขึ้น โดยทำหน้าที่เป็นตัวเชื่อมโยงระหว่างระบบควบคุมสองประเภท และในปัจจุบันความเป็นไปได้ของการใช้งานในภาคพลังงาน การขนส่ง และอุตสาหกรรมอื่น ๆ คือ กำลังพิจารณาอยู่ เงื่อนไขหลักสำหรับการบังคับใช้ระบบดังกล่าวคือการใช้มาตรฐานเปิดสำหรับการแลกเปลี่ยนข้อมูลระหว่างระบบการวิจัยทางธรณีวิทยาและเทคโนโลยี ระบบควบคุมกระบวนการขุดเจาะ ระบบการวิจัยธรณีฟิสิกส์ และแพ็คเกจการสร้างแบบจำลองและการวิเคราะห์ข้อมูล
การค้นพบข้อมูล
จนกระทั่งเมื่อไม่นานมานี้ สาขาวิชาการวิเคราะห์ธุรกิจทั้งหมดถูกสร้างขึ้นบนพื้นฐานของข้อมูลที่มีโครงสร้าง แต่ด้วยการมาถึงของปัญหา Big Data ความจำเป็นในการทำงานกับข้อมูลที่ไม่มีโครงสร้างซึ่งคิดเป็นมากกว่า 80% ของข้อมูลที่จัดเก็บทั้งหมด จึงมีมากขึ้น อย่างรวดเร็ว และจำนวนของมันก็เพิ่มขึ้นอย่างรวดเร็วเมื่อเทียบกับข้อมูลที่มีโครงสร้าง แต่ประเด็นไม่ใช่แค่ว่าข้อมูลที่วิเคราะห์มีความหลากหลายมากขึ้น - หลังจากการเปลี่ยนแปลงโดยเน้นไปที่ข้อมูลที่ไม่มีโครงสร้างสำหรับการวิเคราะห์ มีโอกาสที่แตกต่างไปจากเดิมอย่างสิ้นเชิงในการแยกข้อมูลที่เป็นประโยชน์ แต่สำหรับเวลาที่ถูกซ่อนข้อมูลในโฟลว์ ข้อมูลจากแหล่งต่างๆ มากมาย กล่าวอีกนัยหนึ่ง กระบวนทัศน์กำลังเปลี่ยนแปลงไปโดยพื้นฐาน ก่อนหน้านี้ ฟังก์ชันการวิเคราะห์ถูกจำกัดอยู่ที่การได้รับคำตอบในจำนวนที่จำกัดสำหรับคำถามที่กำหนดไว้ล่วงหน้าและสร้างรายงาน แต่ตอนนี้การวิเคราะห์กำลังกลายเป็นกระบวนการโต้ตอบของการโต้ตอบของมนุษย์กับข้อมูลปริมาณมากผ่านวิธีการเปลี่ยนข้อมูลดิบให้มีประโยชน์ ข้อมูล. เป็นที่น่าสังเกตว่าอุปกรณ์ที่ทรงพลังและมีราคาแพงไม่จำเป็นสำหรับจุดประสงค์นี้
บ่อยครั้งที่การวิเคราะห์สมัยใหม่เกี่ยวข้องกับสองส่วนที่เกี่ยวข้องกัน - การค้นพบข้อมูลและการวิเคราะห์ด้วยภาพ แต่การใช้คำที่แตกต่างกันสองคำสำหรับสิ่งเดียวกันเกือบจะสร้างความสับสนให้กับภาพชื่อที่ไม่ชัดเจนเกินไปและมากเกินไปซึ่งเกิดจากเทคโนโลยีที่เกี่ยวข้องกับการวิเคราะห์ในลักษณะเดียว หรืออย่างอื่น เพื่อระบุสถานที่ของตน จำเป็นต้องพยายามจัดประเภทเทคโนโลยีการวิเคราะห์ธุรกิจ โดยแบ่งออกเป็นกลุ่มใหญ่สามกลุ่มที่ทับซ้อนกันบางส่วน:
- เทคโนโลยีในการดึงข้อมูลและความรู้ (Information and Kowledge Discovery): OLAP, Data Mining, Text Mining, Web Mining และโปรแกรมค้นหาต่างๆ
- ระบบสนับสนุนการตัดสินใจและระบบอัจฉริยะ (ระบบสนับสนุนการตัดสินใจและระบบไม่ฉลาด): ระบบสนับสนุนการตัดสินใจแบบเดิมและแบบกลุ่ม วิธีการประยุกต์ของปัญญาประดิษฐ์ ระบบผู้เชี่ยวชาญ การวิเคราะห์เชิงคาดการณ์
- เครื่องมือสร้างภาพข้อมูล: การวิเคราะห์ด้วยภาพ "แดชบอร์ด" ประเภทต่างๆ และรีโมทคอนโทรล
อย่างเป็นทางการ Data Discovery (การค้นพบความหมายที่ซ่อนอยู่) จัดอยู่ในกลุ่มแรกอย่างชัดเจน และ Visual Analytics อยู่ในกลุ่มที่สาม แต่มีหลายอย่างที่เหมือนกัน - เน้นที่ความคิดสร้างสรรค์ของมนุษย์ ซึ่งสนับสนุนโดยเทคโนโลยีคอมพิวเตอร์ สันนิษฐานได้ว่า Data Discovery เป็นแนวคิดทั่วไป เป็นชุดวิธีการทำงานกับข้อมูล และ Visual Analytics เป็นเพียงเครื่องมือมากกว่า (จนถึงขณะนี้มีเพียงเครื่องมือเดียวเท่านั้น) เห็นได้ชัดว่าด้วยเหตุผลนี้เมื่อเร็ว ๆ นี้ทั้งสองทิศทางเริ่มมาบรรจบกันและชื่อสามัญ Visual Data Discovery ก็ปรากฏขึ้น ระบบของคลาสนี้ทำให้สามารถเปลี่ยนคอมพิวเตอร์เป็นเครื่องมือที่ช่วยเพิ่มศักยภาพทางปัญญาของผู้ใช้ได้ VDD เรียกอีกอย่างว่าการวิเคราะห์เชิงสำรวจหรือเชิงสืบสวน ชื่อแรกถูกเสนอในปี 2550 โดยผู้เชี่ยวชาญด้านการสร้างภาพข้อมูล Stephen Few ผู้ซึ่งเข้าใจโดยการวิเคราะห์ขั้นสูงในการค้นหาความหมายที่ซ่อนอยู่ในข้อมูล ครั้งที่สองประกาศเกียรติคุณในปี 2554 โดยนักวิเคราะห์ชื่อดัง Kurt Monash เพื่ออ้างถึงการวิเคราะห์ที่ดำเนินการเพื่อค้นหาสิ่งที่ไม่เคยรู้มาก่อนในข้อมูลที่มีอยู่: รูปแบบที่ซ่อนอยู่ รูปแบบ และเนื้อหาอื่น ๆ ที่สามารถนำมาใช้ในการตัดสินใจ
เครื่องมือ DD มีความเป็นประชาธิปไตยมากกว่า โดยได้รับการออกแบบมาเพื่อปรับปรุงประสิทธิภาพการทำงานกับข้อมูลสำหรับผู้ใช้โดยเฉลี่ยที่ใช้ข้อมูล ไม่ใช่สำหรับนักวิทยาศาสตร์ข้อมูลที่สามารถเข้าถึงระบบการวิเคราะห์ที่ซับซ้อนและวิธีการทางคณิตศาสตร์ ครั้งหนึ่ง เมนเฟรมมีไว้สำหรับผู้เชี่ยวชาญที่ได้รับเลือก และการถือกำเนิดของพีซีทำให้ทุกคนสามารถเข้าถึงคอมพิวเตอร์ได้ การถือกำเนิดของ DD เรียกได้ว่าเป็นการบริโภคระบบธุรกิจอัจฉริยะ
ในช่วงเริ่มต้นของพีซี ผู้นำของเทรนด์ใหม่ไม่ใช่ผู้เล่นชั้นนำในตลาดการวิเคราะห์ธุรกิจ แต่เป็นบริษัทที่ไม่ค่อยมีใครรู้จัก: QlikTech, Salient Management Company, SiSence, Tableau, Tibco ตามมาด้วย พยายามที่จะตามทันผู้ยิ่งใหญ่ที่ได้รับการยอมรับ: MicroStrategy ได้ปรับปรุงการมองเห็นแล้วความเข้าใจ; SAP, SAS และ IBM เปิดตัวผลิตภัณฑ์ใหม่ Visual Intelligence, Visual Analytics และ Cognos Insightตามลำดับ; และ Microsoft เสริม PowerPivot ด้วยผลิตภัณฑ์ที่มี Power View
Arthur Conan Doyle มอบ Sherlock Holmes ด้วยความสามารถในการสรุปผลจากการสังเกตจำนวนเล็กน้อย แต่หากต้องการข้อเท็จจริงเดียวกันสามารถตีความได้แตกต่างออกไปและข้อสรุปจะแตกต่างกัน - จุดอ่อนของวิธีการนิรนัยที่ใช้โดยนักสืบผู้ยิ่งใหญ่คือ ในข้อจำกัดของมัน แต่หากมีข้อมูลเพียงพอและมีเครื่องมือเพียงพอ ก็สามารถตัดสินใจได้อย่างเป็นกลางและมีข้อมูลครบถ้วน - ความถูกต้องแม่นยำของการนำไปใช้จะขึ้นอยู่กับปริมาณข้อมูลและคุณภาพของเครื่องมือ เคล็ดลับสู่ความสำเร็จของ DD นั้นเรียบง่าย - เทคโนโลยีเหล่านี้ช่วยให้คุณสามารถตัดสินใจโดยพิจารณาจากข้อมูลปริมาณมากขึ้น
เป้าหมายของระบบ DD คือการสร้างเครื่องมือที่มุ่งเน้นผู้คน สนับสนุนพวกเขาในการทำงาน และเปิดโอกาสให้ผู้คนใช้สัญชาตญาณของตนเพื่อดึงข้อมูลที่เป็นประโยชน์และมีความหมายจากข้อมูลที่มีอยู่ ในกรณีนี้ วงจรต่อไปนี้จะเกิดขึ้น: ขั้นแรก มีการกำหนดคำขอ คำตอบนั้นมักนำเสนอในรูปแบบกราฟิก ซึ่งเป็นเหตุผลว่าทำไมเทคโนโลยีการสร้างภาพจึงมีความสำคัญเป็นพิเศษใน DD จากนั้นผลลัพธ์จะได้รับการประเมินและหากจำเป็น วงจรซ้ำแล้วซ้ำอีก ความแตกต่างจากการวิเคราะห์ธุรกิจแบบเดิมๆ คือความชัดเจนในการนำเสนอและความรวดเร็ว ผู้ใช้ต้องการให้โหมดการทำงานใกล้เคียงกับเรียลไทม์
การวิเคราะห์ภาพ
เรามาเริ่มด้วยการอธิบายคำศัพท์กันดีกว่า เนื่องจากมีคำศัพท์ที่คล้ายกันสามคำ: การวิเคราะห์ด้วยภาพ การทำเหมืองข้อมูลด้วยภาพ และการวิเคราะห์ด้วยภาพ แต่แต่ละคำก็มีความหมายในตัวเอง
การทำเหมืองข้อมูลด้วยภาพเป็นครั้งแรกที่ปรากฏขึ้น - ประมาณปี 2000 การบูรณาการวิธีการทำเหมืองข้อมูลกับเทคโนโลยีการสร้างภาพเริ่มถูกเรียกว่าในยุโรป โรงเรียนวิทยาศาสตร์แห่งแรกๆ ในสาขานี้ก่อตั้งขึ้นที่มหาวิทยาลัยโคเบลนซ์ (ประเทศเยอรมนี)
การถือกำเนิดของ Visual Analytics (รูปที่ 2) ย้อนกลับไปในปี 2004 - เสนอโดย Jim Thomas หนึ่งในผู้เขียนหนังสือ "Lighting the Way, a Visual Analytics Research and Development Agenda" ซึ่งเผยแพร่เป็นเอกสารนโยบายของมหาสมุทรแปซิฟิก ห้องปฏิบัติการแห่งชาติตะวันตกเฉียงเหนือ หนึ่งในสิบหกห้องปฏิบัติการของกระทรวงพลังงานของสหรัฐอเมริกา หนังสือเล่มนี้ให้คำจำกัดความของ VA ว่าเป็นความสามารถในการคิดเชิงวิเคราะห์ ซึ่งสนับสนุนโดยอินเทอร์เฟซแบบกราฟิก ห้องปฏิบัติการได้รับการปรับทิศทางใหม่ไปที่ VA ตามคำสั่งของกระทรวงความมั่นคงแห่งมาตุภูมิของสหรัฐอเมริกา ซึ่งเป็นส่วนหนึ่งของโครงการต่อต้านภัยคุกคามจากการก่อการร้าย และปัจจุบันกลายเป็นศูนย์วิจัยที่ใหญ่ที่สุด โดยเกือบทั้งหมดเชี่ยวชาญด้านต่างๆ ของ VA โดยมีสาขาอยู่หลายแห่ง ประเทศ; เมื่อหลายปีก่อน ห้องทดลองของมหาวิทยาลัยในโคเบลนซ์ก็กลายเป็นส่วนหนึ่งของมัน
|
การวิเคราะห์ด้วยภาพมีการตีความอย่างน้อยสองครั้ง ตามข้อแรกนี่คือชื่อของการวิจัยสหวิทยาการที่หลากหลายไม่ทางใดก็ทางหนึ่งที่เกี่ยวข้องกับการใช้เครื่องมือภาพเชิงโต้ตอบสำหรับการวิเคราะห์ข้อมูล ค่าที่สองใช้กับองค์ประกอบการวิเคราะห์จริงของ Visual Analytics ซึ่งประกอบด้วยส่วนอัตโนมัติและส่วนโต้ตอบ
งานวิเคราะห์เป็นส่วนหนึ่งของการเติบโตอย่างรวดเร็วในทุกด้านของแอปพลิเคชันไอที - เครื่องมือวิเคราะห์อัตโนมัติสามารถแก้ไขปัญหาเหล่านี้บางส่วนได้ โดยจะนำไปใช้ในกรณีที่ข้อมูลมีการจัดรูปแบบอย่างเป็นทางการอย่างเคร่งครัดและมีเกณฑ์ที่สมเหตุสมผลในการเปรียบเทียบ แต่ในชีวิตจริงและในธุรกิจจริงนั้นไม่ค่อยมีการสังเกตข้อจำกัดดังกล่าว ดังนั้นวิธีแสดงภาพข้อมูลจึงเข้ามาช่วยเหลือได้ นี่อาจเป็นข้อมูลที่ไม่คาดคิดที่สุด - ตัวอย่างเช่นขณะนี้สาขาการแสดงข้อมูลข้อความกำลังพัฒนาอย่างแข็งขัน (ความสามารถในการตัดสินที่เชื่อถือได้เกี่ยวกับเนื้อหาของเอกสารโดยไม่ต้องอาศัยการอ่านรายละเอียด) การวิเคราะห์ด้วยภาพอยู่ที่จุดตัดของทั้งสองส่วนนี้
แม้ว่าจะมีการพัฒนาวิธีการวิเคราะห์ข้อมูลอัตโนมัติหลายวิธีในช่วง 15-20 ปีที่ผ่านมา แต่ก็ไม่น่าเป็นไปได้ที่การวิเคราะห์ทั้งหมดจะสามารถถ่ายโอนไปยังเครื่องจักรได้ โดยส่วนใหญ่แล้วการวิเคราะห์จะถูกสร้างขึ้นตามรูปแบบที่แสดงในรูปที่ 1 3. ขั้นแรก ใช้เครื่องมือวิเคราะห์อัตโนมัติ ปรับให้เข้ากับการใช้งานเฉพาะด้าน สร้างปริมาณข้อมูลลดลงเมื่อเทียบกับเครื่องมือดั้งเดิม ใช้วิธีการขุดข้อมูล และสร้างแบบจำลองที่เหมาะสมสำหรับการวิจัยเพิ่มเติม เทคโนโลยีการแสดงภาพและการโต้ตอบช่วยให้บุคคลสามารถวิเคราะห์และปรับปรุงโมเดลนี้ได้ การกระทำส่วนใหญ่จะดำเนินการในโหมดวนซ้ำเพื่อให้ได้ผลลัพธ์ที่ต้องการอย่างต่อเนื่อง ในการใช้งานจริง อาจไม่มีส่วนประกอบทั้งหมดอยู่ (รูปที่ 3) แต่จะมีลูปป้อนกลับแบบปิดแบบวนซ้ำไม่ว่าในกรณีใดก็ตาม
ข้อได้เปรียบหลักของ Data Discovery และโซลูชันการวิเคราะห์ด้วยภาพคือ ช่วยให้บุคคลดึงข้อมูลที่ซ่อนอยู่ในนั้นออกมา หรือ "พูดคุย" ข้อมูลดังที่ระบุไว้ในหนังสือ Probability โดย Frederick Mosteller: "มักได้ยินกัน ว่าข้อมูลพูดเพื่อตัวเอง แต่เสียงของพวกเขาเบาเกินไปและสุภาพเรียบร้อย”
4.1. ส่วนขยายเสียงของการวิเคราะห์ภาพ
หนึ่งในวิธีที่มีประสิทธิภาพสมัยใหม่ในการวิเคราะห์ข้อมูลทางวิทยาศาสตร์ต่างๆ คือวิธีการสร้างภาพข้อมูลด้วยคอมพิวเตอร์ - วิธีสร้างภาพข้อมูลทางวิทยาศาสตร์
การแก้ปัญหาการวิเคราะห์ข้อมูลทางวิทยาศาสตร์โดยใช้วิธีแสดงภาพทางวิทยาศาสตร์ประกอบด้วย
- ในการได้มาซึ่งการแสดงข้อมูลที่วิเคราะห์ในรูปแบบของภาพกราฟิกบางส่วน (งานแสดงภาพข้อมูลต้นฉบับ) เพื่อให้ได้ภาพกราฟิกดังกล่าว จำเป็นต้องเชื่อมโยงข้อมูลกับฉากเชิงพื้นที่ (ชุดของวัตถุเชิงพื้นที่) หรือให้ละเอียดกว่านั้นคือคำอธิบาย (แบบจำลอง) ทางเรขาคณิตและออปติคัล (พื้นผิว)) จากนั้นจึงได้ภาพกราฟิกของสิ่งนี้ ฉากเชิงพื้นที่ (การเรนเดอร์) ซึ่งสามารถแสดงบนจอภาพ เครื่องพิมพ์ และอุปกรณ์เอาท์พุตอื่น ๆ เพื่อการวิเคราะห์ในภายหลัง
- ในการวิเคราะห์ด้วยภาพของผลลัพธ์ภาพกราฟิกของข้อมูลที่วิเคราะห์ ในกรณีนี้ ผลลัพธ์ของการวิเคราะห์จะถูกตีความโดยสัมพันธ์กับข้อมูลต้นฉบับ งานนี้แก้ไขได้โดยตรงจากผู้ใช้เอง โดยการวิเคราะห์ภาพของภาพกราฟิก เราหมายถึงการวิเคราะห์ภาพของฉากอวกาศดังกล่าว บุคคลสามารถตัดสินเกี่ยวกับตำแหน่งสัมพัทธ์ของวัตถุอวกาศ รูปร่าง และพื้นผิวได้
ข้าว. 4.1. วิธีการแสดงภาพทางวิทยาศาสตร์ที่ปรับปรุงเสียง
พิจารณาความเป็นไปได้ในการเชื่อมต่ออวัยวะรับความรู้สึกอื่น - อวัยวะของการได้ยิน - ในกระบวนการวิเคราะห์ด้วยภาพ ในการวิเคราะห์แหล่งข้อมูลโดยใช้เสียง จำเป็นดังนี้:
- รับการแสดงข้อมูลที่วิเคราะห์ในรูปแบบของการแสดงเสียงบางประเภท เพื่อให้ได้จอแสดงผลดังกล่าว จำเป็นต้องเสริมคำอธิบายทางเรขาคณิตและแสงของฉากเชิงพื้นที่ด้วยคำอธิบายเสียง และวางฉากเชิงพื้นที่เสียงดังกล่าวให้สอดคล้องกับข้อมูลต้นฉบับ จากนั้นจึงขอรับการแสดงเสียงของฉากเชิงพื้นที่นี้ ( การแสดงเสียง) ซึ่งสามารถส่งออกไปยังลำโพงและอุปกรณ์ส่งออกอื่น ๆ เพื่อการวิเคราะห์ในภายหลัง
- วิเคราะห์การแสดงเสียงและตีความผลการวิเคราะห์โดยสัมพันธ์กับข้อมูลต้นฉบับ
สิ่งสำคัญคือต้องทราบว่าการมีทั้งการแสดงเสียงและภาพกราฟิกที่ตรงกับข้อมูลต้นฉบับสำหรับการวิเคราะห์ในภายหลังมักจะทำให้กระบวนการวิเคราะห์มีประสิทธิภาพมากขึ้น
รูปที่ 4.1 แสดงบล็อกไดอะแกรมของอัลกอริธึมการแสดงภาพขั้นสูง เช่น ร่วมกันรับภาพกราฟิกและเสียงของแหล่งข้อมูล
ข้าว. 4.2. แผนภาพบล็อกของอัลกอริธึมการแสดงภาพทางวิทยาศาสตร์ขั้นสูง
อัลกอริธึมดังกล่าวถูกนำไปใช้โดยใช้คอมพิวเตอร์โดยการเขียนโปรแกรมแอปพลิเคชันการแสดงภาพในภาษาการเขียนโปรแกรมอินพุตบางภาษาของเครื่องมือที่ใช้ (ชุดเครื่องมือ) ในรูปแบบของผลิตภัณฑ์ซอฟต์แวร์บางอย่างหรือชุดผลิตภัณฑ์ซอฟต์แวร์
ให้เราพิจารณาลักษณะสำคัญของวิธีการแสดงภาพทางวิทยาศาสตร์แบบขยายโดยสัมพันธ์กับปัญหาการวิเคราะห์ข้อมูลทางวิทยาศาสตร์บางประเภท เมื่อใช้คำอธิบายของเขตข้อมูลสเกลาร์บางช่องเป็นข้อมูลดังกล่าว
4.2. การวิเคราะห์ด้วยภาพที่ได้รับการปรับปรุงด้านเสียงของช่องสเกลาร์
ข้อมูลเบื้องต้น
ข้อมูลนี้เป็นคำอธิบายของสนามสเกลาร์ในช่องสี่เหลี่ยมบางส่วนของพื้นที่ทางกายภาพสามมิติ ซึ่งนำเสนอในไฟล์ ตามคำอธิบาย แบบจำลองทางคณิตศาสตร์ของสนามสเกลาร์ถูกใช้ในรูปแบบของค่าของฟังก์ชันของตัวแปร 3 ตัวในรูปแบบ F(x,y,z) ที่โหนดของตารางสี่เหลี่ยมสามมิติที่กำหนด
ข้อมูลที่กรองแล้ว
ฟังก์ชันการประมาณค่า f(x,y,z) ถูกใช้เป็นข้อมูลที่กรอง โดยใช้ค่าของฟังก์ชันดั้งเดิมที่โหนดกริด เพื่อให้ได้ฟังก์ชัน f(x,y,z) ที่ระบุในโดเมนของคำจำกัดความที่พิจารณา (ขนานกัน) เราใช้การประมาณค่าแบบไตรลิเนียร์
คำอธิบายของฉากอวกาศ
คำอธิบายนี้ประกอบด้วย 3 องค์ประกอบ:
- คำอธิบายของ isosurface ของฟังก์ชัน f(x,y,z) ในรูปแบบ: f(x,y,z)=с ในขณะที่ค่าที่ยอมรับร่วมกัน x,y,z อยู่ในโดเมนข้างต้นของคำจำกัดความของ ฟังก์ชัน f(x,y,z) และ c คือจำนวนจริงที่ผู้ใช้ระบุ ซึ่งสอดคล้องกับค่าหนึ่งของฟิลด์สเกลาร์ที่วิเคราะห์
isosurface นี้เป็นองค์ประกอบแรกของฉากเชิงพื้นที่ที่ถูกนำมาพิจารณา - คำอธิบายเชิงแสง เช่น คำอธิบายการเคลือบพื้นผิวของไอโซพื้นผิวดังกล่าวที่ผู้ใช้ระบุ
- คำอธิบายเสียง เช่น คำอธิบายแหล่งกำเนิดเสียงที่นำมาใช้ในการพิจารณา ผู้ใช้ระบุตำแหน่งของมัน (ค่าพิกัด x0,y0,z0) และความถี่ของเสียงขาออก w เกี่ยวข้องกับค่าของฟังก์ชัน f(x,y,z) ดังนี้: w = k* f(x0,y0,z0) โดยที่ผู้ใช้ระบุค่าสัมประสิทธิ์ k
แหล่งกำเนิดเสียงจุดนี้เป็นองค์ประกอบที่ 2 ของฉากเชิงพื้นที่ที่ถูกนำมาพิจารณา
การแสดงภาพและเสียงของฉากเชิงพื้นที่
ผลลัพธ์ของการเรนเดอร์เป็นตามลำดับ:
- ภาพกราฟิกฉายของ isosurface บนเทอร์มินัลกราฟิกที่ใช้
- คลื่นเสียงที่สร้างโดยขั้วต่อเสียงที่ใช้งานอยู่
ควรชี้แจงว่าความถี่ของคลื่นเสียงที่ผู้ใช้รับรู้เป็นโทนเสียง
เครื่องมือการแสดงภาพข้อมูลขั้นสูงได้กลายเป็นส่วนสำคัญของแพลตฟอร์ม BI ขององค์กร ผู้จำหน่ายบางราย เช่น Tableau ได้สร้างการแสดงภาพเป็นรากฐานสำคัญของระบบการวิเคราะห์ของตน แนวโน้มดังกล่าวแทรกซึมเข้าไปในตลาดระบบการวิเคราะห์อย่างสมบูรณ์ ในปัจจุบัน แม้แต่เครื่องมือวิเคราะห์ที่ง่ายที่สุดสำหรับผู้ใช้ปลายทางก็ยังต้องอาศัยการแสดงข้อมูลด้วยภาพ
การสร้างภาพข้อมูลขนาดใหญ่
การนำเสนอผลการวิเคราะห์ด้วยภาพมีความสำคัญขั้นพื้นฐานสำหรับการตีความ ไม่ใช่ความลับที่การรับรู้ของมนุษย์มีจำกัด และนักวิทยาศาสตร์ยังคงดำเนินการวิจัยเพื่อปรับปรุงวิธีการนำเสนอข้อมูลที่ทันสมัยในรูปแบบของรูปภาพ ไดอะแกรม หรือภาพเคลื่อนไหว ดูเหมือนว่าจะเป็นไปไม่ได้ที่จะทำอะไรใหม่ ๆ ที่นี่ แต่จริงๆ แล้วไม่เป็นเช่นนั้น เพื่อเป็นตัวอย่าง ต่อไปนี้เป็นวิธีการแสดงภาพขั้นสูงหลายวิธีที่แพร่หลายเมื่อไม่นานมานี้
- แท็กคลาวด์
แต่ละองค์ประกอบในแท็กคลาวด์ได้รับการกำหนดน้ำหนักเฉพาะซึ่งสัมพันธ์กับขนาดแบบอักษร ในกรณีของการวิเคราะห์ข้อความ ค่าของสัมประสิทธิ์การถ่วงน้ำหนักโดยตรงจะขึ้นอยู่กับความถี่ในการใช้ (เครื่องหมายคำพูด) ของคำหรือวลีบางคำ ช่วยให้ผู้อ่านเข้าใจประเด็นสำคัญของข้อความขนาดใหญ่หรือชุดข้อความได้อย่างรวดเร็ว
- คลัสเตอร์แกรม
วิธีการแสดงภาพที่ใช้ในการวิเคราะห์คลัสเตอร์ แสดงให้เห็นว่าองค์ประกอบแต่ละส่วนของชุดข้อมูลเกี่ยวข้องกับคลัสเตอร์อย่างไรเมื่อตัวเลขมีการเปลี่ยนแปลง การเลือกจำนวนคลัสเตอร์ที่เหมาะสมที่สุดถือเป็นองค์ประกอบสำคัญของการวิเคราะห์คลัสเตอร์
- กระแสประวัติศาสตร์
ช่วยติดตามวิวัฒนาการของเอกสารที่ผู้เขียนจำนวนมากทำงานพร้อมกัน นี่เป็นสถานการณ์ทั่วไปสำหรับบริการวิกิและเว็บไซต์ tadviser เช่นกัน เวลาถูกพล็อตตามแกนนอน และการมีส่วนร่วมของผู้เขียนร่วมแต่ละคนจะถูกพล็อตตามแกนตั้ง เช่น ปริมาณข้อความที่ป้อน ผู้เขียนแต่ละคนที่ไม่ซ้ำกันจะถูกกำหนดสีเฉพาะบนแผนภูมิ แผนภูมิด้านล่างนี้เป็นผลจากการวิเคราะห์คำว่า “อิสลาม” ในวิกิพีเดีย เห็นได้ชัดว่ากิจกรรมของผู้เขียนเพิ่มขึ้นอย่างไรเมื่อเวลาผ่านไป
- การไหลเชิงพื้นที่
แผนภาพนี้ช่วยให้คุณติดตามการกระจายข้อมูลเชิงพื้นที่ แผนภูมิตัวอย่างถูกสร้างขึ้นโดยใช้บริการ New York Talk Exchange โดยแสดงให้เห็นภาพความเข้มข้นของการแลกเปลี่ยนการรับส่งข้อมูล IP ระหว่างนิวยอร์กและเมืองอื่นๆ ทั่วโลก ยิ่งเส้นสว่าง ข้อมูลจะถูกส่งต่อหน่วยเวลาก็จะมากขึ้น เป็นเรื่องง่ายและไม่ยากที่จะระบุภูมิภาคที่ใกล้กับนิวยอร์กมากที่สุดในบริบทของการแลกเปลี่ยนข้อมูล
การประมวลผลฐานข้อมูลการปฏิบัติงานและพื้นที่เก็บข้อมูลหลายมิติ
- ฐานข้อมูลภาระหนักของธุรกรรม
- พื้นที่เก็บข้อมูลเชิงสัมพันธ์และหลายมิติ
- การเรียกโดยตรงไปยัง API ของระบบ
- การทำงานกับตัวเชื่อมต่อ
- การประมวลผลไฟล์แบบเรียบ (CSV, Excel, XML ฯลฯ)
การสร้างแบบจำลองการวิเคราะห์ในหน่วยความจำ