eHow Technology/倚昊科技

Gartner 公布了 2020 年 BI 工具的 MQ 報告

Sisense 位居「前瞻族群」的一員。

Sisense simplifies complex data for everyone everywhere with: Sisense for Cloud Data teams includes powerful, code-driven tools that analyze cloud data sources and perform advanced data preparation. Sisense for BI & Analytics Teams offers the ability to easily combine data from across the organization and quickly build interactive exploratory data experiences to deploy at scale. Enhanced with AI throughout and out-of-the-box advanced analytics. Sisense for Product Teams integrates analytics seamlessly within their existing products and architecture to differentiate their offerings in the market

2019 Gartner Magic Quadrant for BI and Analytics | Sisense Analyst Reports   (Rating: 4.5 – ‎402 reviews as of 2/5/19 in theAnalytics & BI Platform market)     Companies...

ETL 選擇「工具」或是「自行開發」

連結所需要的資料來源可以使用成品「工具」或是「自行開發」所需的程式。
5 項選擇工具的好理由。

雖然是雲端服務的選擇，但是說明了選擇工具的優點。

文章參考：

5 Reasons to Use an ETL Tool rather than “Script Your Own” Why you need a Data Integration Layer (ETL), reasons to use a SaaS based tool for ETL rather than coding it through scripts.

認識辛普森悖論(Simpson’s Paradox)以避免錯誤的結論

開始探索數據的最簡單方法之一就是依照相關維度匯整感興趣的指標。例如，如果想探索公司的營收，可以按國家、產品、時間等維度分析收入。

在多數情況下，這種分析可以帶來適當見解，這些見解可以隨後轉化為相關的行動。但是，如果解譯不當，也會產生不正確的解讀。這是怎麼發生的？好的數據如何導致錯誤的結論？ -- 這是每個數據分析人員都必須具有的防弊機制。

文中舉出多個數據實例說明錯誤的解讀(辛普森悖論)是如何產生的，並且應該如何觀察隱藏的維度以識別正確的原因。

https://www.sisense.com/blog/understanding-simpsons-paradox-to-avoid-faulty-conclusions/

Understanding Simpson’s Paradox to Avoid Faulty Conclusions | Sisense Spotting a lurking or confounding variable can help you avoid making a decision based on faulty analysis. Read on to learn how.

打基礎-SQL 的執行順序

SQL 是數據分析師最重要的工具，了解SQL與法中的執行順序，讓我們更掌握這項工具。

次序 from、where、group by、having、select、order by、limit

了解執行順序與我們要處理的標的物，可以讓 SQL 的執行更有效率並節省系統所需的資源。

SQL Query Order of Ex*****on | Sisense Understanding query order can help you diagnose why a query won't run, and will help you optimize your queries to run faster.

數據團隊改善協作的6個提示

大家都想從數據中獲取更多的訊息，但是如何做到卻會讓您撓頭。在 BI 最佳實踐揭露了分析領域的神秘面紗，並為您提供了可行的操作指南。

在正確的手中，數據是回答重要業務問題的最終手段。問題是，當數據使用不正確時，它仍會提供答案（只是錯誤的答案）。
數據問題通常涉及業務線團隊的人員和數據團隊的人員。雙方都將各自的專業知識帶到了協作中，但是這些工作很容易陷入期望不明確和溝通不足的陷阱。

以下是數據專家從中獲得最大收益的一些技巧：
- 以開放的心態進入每一個儀表板
- 了解提出需求數據的人
- 了解數據需求背後的業務價值
- 盡可能成對(找一個夥伴)工作
- 從一般視角開始，然後再具體化
- 建立一份需要以數據回答的未解的問題清單
- 考長期的演變，而不只是短期需求

6 Tips for Data Teams to Improve Collaboration | Sisense Blog Everyone wants to get more out of their data, but how exactly to do that can leave you scratching...

BI 2020年趨勢：利基雲服務的興起

建立改變未來的數據分析建構

歷史對未來和建立未來的新觀念一樣的重要。數據分析和 BI 的世界正在不斷變化。曾經被認為是理所當然的想法已經被徹底顛覆，更多的範式轉移繼續擾亂新的和古老的市場。我們的《2020/2030趨勢》和《2020嵌入式趨勢》電子書浮現了思想領袖們改變遊戲規則的想法，向您展示了展望以及展望。在這篇文章中，我們與Guy Levy-Yurista博士坐了下來。和有遠見的人，以獲得他對分析和數據未來的特殊獎勵。

超越AWS：適用於每個市場區隔的利基雲

從利基雲到多雲，逃離被圍牆圈住的花園

2030年趨勢：雲與霧同時服務

Business Intelligence Trends 2020: Rise of the Niche Cloud l Sisense The modern cloud landscape continues to grow and evolve at a staggering rate. The future is mulitcloud and will see many niche options.

為業務專業人員構建數據儀表板

數據最大的陷阱之一是當將分析報告從數據團隊移轉給業務團隊時所保留的見解。
通常，數據分析人員一直在探索數據後，對數據的結構、假設和結論有清晰的觀察。數據分析師可以建立很好的觀察情境，但是當要與最終將要做出決定的業務人員共享成果時，他們將無法傳達完整的信息。以下是一些技巧，可幫助您改善數據可視化，從而可以通過儀表板為團隊增添最大價值。

- 從藍圖工作
- 整理您的圖表
- 可讀性意味著洞察力得以保存

Building Data Dashboards for Business Professionals l Sisense The goal of your dashboard is to help them find the right answers easily. Learn the best practices for dashboard creation in this how-to.

要達成目標有很多種方式，買一項服務、買產品方案自行建置與維運或是自行開發等多種選擇。這其間有多種策略的考量與業務需求間的平衡。
數據分析通常是公司的核心資料，高度敏感、並具有非常大的商業價值，因此決策上的考量更為保守。然而，越來越多的企業已經可以信賴並使用雲端服務。
Sisense 在亞馬遜的 re:invent 的最新報告。

Sisense at AWS re:Invent — Win in the Analytic Apps Economy l Sisense AWS re:Invent is the single most important gathering of builders every year. Learn how Sisense helps companies build winning analytic apps.

資安 -- 目前最熱門的話題

尤其在 BI 的應用都必須要聚集組織內部的各種重要資料到一個分析資料庫，因此，一個不經意的錯誤常可以造成重要的資料洩漏。尤其是面對眾多的內外資安威脅，核心資料更需要合理的保全概念。

Cybsecurity and You: National Cybersecurity Awareness Month l Sisense Cybersecurity is way too much for a single person to manage on their own. Get some tips to protect yourself and your clients.

承擔更明智的風險以透過數據實現獲利

目前已經沒有人否認數據是企業非常重要的資產。業務的核心價值是價值的交換，大家都在找尋使用數據創造新價值的方式，但是如何利用數據資產來創新，產生新的營利來源，是必須慎思熟慮的。

創新是通往價值的途徑，根據經驗，有三種不同的成功創新途徑：
1. 改進現有產品以更快，更便宜和更好地實現產值。
2. 革新現有產品以提供新價值。
3. 轉變產業規則以創新市場價值。
每種方法的成本和收益是不同的。改進現有產品可能不需要花費很多，但獲得的收益可能很小。革新產品將花費更多的精力，但可能會開拓全新的客戶類型。改變市場規則是極為罕見的，但也是非常有利可圖的。

如何從數據驅動的創新中獲利的六個步驟
1.建立強大的價值主張
2.考慮建立基於價值的定價機制
3.建立有效的商務範例
4.建立產品的原型
5.執行有效的銷售通路
6.確保高階主管的支持

Taking Smarter Risks to Monetize Your Data l Sisense In an age where every company is making moves to be more data-driven, those that figure out how to efficiently monetize their data insights will be the biggest winners.

建立一個成功的 BI 策略 - 五個步驟

每個公司都想成為數位化的公司-以數據驅動決策，因此數據分析工具的選擇便成了重要的投資。

對公司而言，能夠幫助找到評量績效、放大競爭優勢，並以數據探勘、統計分析推向程攻擊是最好的 BI 策略。以下式成功所需的五個步驟。

#1 認識現階段所處的位置
Gartner 有張圖來表示使用 BI 工具的各個階段，從統計分析一直到機器學習。先可以定位目前所處的階段。
#2 規畫目標(並了解所需的數據需求)
依照目前公司的優先需求定義目標。如，找出 R&D 的瓶頸、與客戶分享知識、附加產品更多價值....
在高階的 BI 應用(預測式、處方式分析)中，你可以提出問題，如、年底可否達成預定目標、成交案例中的主要成分、是否可以融和不同的元素已產生更大的市場影響力。
#3 定出數據分享的方式
看似如意的讓方案上線，但由於有相關大量的資料，這是應該優先確定的策略。基本上你可以採用分散式或是集中式的推廣。
#4 交付方案(並專注)
方式會與你決定的數據分享方式有關，用戶在分散式下享有較高的自主權，集中式可以有較佳的資料控管、安全等優點。
#5 找出路障(並且穿越)
完成各種工作方案之後，你可能還有其他阻礙妨礙推展到用戶，資料的實際位置、API的授權、使用等等必須克服。

Five Steps for Building a Successful BI Strategy l Sisense BI strategy plays a major role in the setup, ex*****on, and ongoing implementation of your BI platform. Follow these 5 steps and be set up for success.

資料字典(Data Dictionary) - 對於資料分析工作的意義

資料字典傳統上是資料庫工程師的必備錦囊，真正的資料表、欄位關聯的說明都在此描述，要想快速了解資料本身的面向，這是一個必須查閱的工具。

由於要經手很多的資料及，資料分析師常常從欄位名稱推想資料本身代表的內涵，而忽略了資料字典的價值。這篇文章用實際的經驗描述作者親身的體驗。

Q&A: Data Dictionaries and the Big Data Lifeline l Sisense What are data dictionaries and how can they help with all this complex data? This Q&A breaks down why it's always important to use them in data analysis.