• Che cos’è l’Augmented Analytics

    Nel luglio 2017 in una ricerca pubblicata per Gartner veniva introdotto per la prima volta il concetto di Augmented Analytics. L’argomento suscitò subito interesse e diventò immediatamente un trend di impatto nel campo della Business Intelligence, tanto che un solo anno dopo Gartner pubblicò il report “Hype Cycle for Analytics and Business Intelligence”.

    Nella sua prima definizione il concetto di Augmented Analytics viene descritto come un nuovo approccio di analisi dei dati che sfrutta le tecnologie di Machine Learning e di linguaggio naturale (NLG), in modo da individuare automaticamente i risultati più rilevanti suggerire autonomamente le azioni concrete da intraprendere. Niente male come obiettivo…

    Un nuovo approccio

    In effetti, uno dei principali problemi attuali è dato dal fatto che i dati tendono a diventare sempre più numerosi e sempre più complessi. Spesso non si riesce ad integrarli velocemente anche a causa della loro estrema complessità. Il rischio di perdere informazioni diventa quindi molto alto, e proprio questa complessità non ci permette di esplorare tutte le possibili opportunità offerte dalle informazioni a nostra disposizione. Aumenta anche la probabilità di avere come risultati proprio quello che “cercavamo” e non quello che “potremmo trovare”.

    Aggiungiamo il fatto che, ad oggi, tutte le attività di estrazione e trasformazione dei dati resta ancora completamente manuale (area “Artisanal” della figura più avanti riportata) aumentando notevolmente le possibilità di errore. Inoltre reperire ad oggi un data scientist, una professione relativamente recente che richiede competenze in campo informatico, statistico ed economico, e per quale esistono ancora pochi studi, è davvero molto difficile.

    Pare naturale quindi che l’introduzione di strumenti di analisi in grado di interagire con l’essere umano nel suo linguaggio naturale e di individuare autonomamente i dati più significativi senza la mediazione degli analisti e senza l’intervento umano in generale, diventa una chiave fondamentale per il futuro della Business Intelligence.

    L’approccio Tradizionale

    Attualmente si approccia ai progetti tradizionali coinvolgendo diverse figure quali analisti, informatici, data scientist e manager, coinvolti nelle solite attività decisionali che porteranno poi alla richiesta finale. Seguono diverse attività di estrazione e pulizia dei dati effettuati da informatici o tecnici con specifiche competenze. Si cercherà di mettere insieme questi dati collegandoli tra loro e solo infine trasformandoli in informazioni quanto più sintetiche e “decisive”.

    Come possiamo facilmente immaginare i costi ed i tempi di un’attività del genere sono assolutamente notevoli.

    L’approccio Augmented Analytics

    Con questo nuovo approccio si tenta di accentrare tutte le procedure in un’unica soluzione, dalla raccolta dati all’elaborazione delle analisi, al monitoraggio dei risultati. Si utilizzano algoritmi di Machine Learning e Intelligenza Artificiale che automatizzano le procedure rendendo agevole l’analisi dei dati. Si analizzano automaticamente miliardi di combinazioni di dati trovandone automaticamente le correlazioni e individuando eventuali scenari predittivi.

    Il futuro dell’Augmented Analytics

    Secondo la slide (fonte Oracle Corporation), ci sono diversi livelli:

    Livello 0 – Artigiano: tutto è realizzato a mano, come nell’approccio classico. Il modello dati e la reportistica sono responsabilità dell’IT.

    Livello 1 – Self Service: la gestione dei dati è ancora in gran parte manuale, ma l’interazione umana con i dati sarà fatta col linguaggio naturale (Natural Language Query). Le visualizzazioni e i grafici ci saranno suggeriti in base ai dati che stiamo interrogando.

    Livello 2 – Deeper Insights: vengono visualizzate le prime fasi della gestione avanzata dei dati (fonti consigliate, join, suggerimenti di crowdsourcing, catalogazione intelligente) e la navigazione aumentata aiuta a scoprire le informazioni che altrimenti richiederebbero un forte sforzo umano.

    Livello 3 – Data Foundation: la gestione dei dati diventa aumentata, vengono individuate automaticamente correzioni e arricchimenti. Nuove viste e nuovi set di dati vengono aggiunti.

    Livello 4 – Collective Intelligence: il sistema apprende metriche e KPI che avvisano quando questi richiedono l’attenzione dell’utente. Si hanno sia KPI aziendali che KPI di sistema. Le intuizioni diventano pervasive, l’intento commerciale passa da un’idea a una realtà, si prevedono risultati, si raccomandano azioni, ma gli umani continuano ad agire.

    Livello 5 – Autonomous: tutto diventa realmente guidato dai dati, con le migliori azioni successive eseguite sulla base di previsioni, approfondimenti e intenti. Il sistema è il motore del cambiamento.

    A che punto siamo?

    Credo che per il momento ci siamo stabilizzati tra il terzo ed il quarto stadio, la gestione dei dati inizia ad essere realmente “augmented”, sta diventando sempre più semplice integrare e gestire una grossa mole di informazioni e si muovono i primi passi verso l’individuazione automatica dei KPI.

    Completare il quarto stadio e raggiungere definitivamente il quinto, “l’autonomous” totale, sarà la sfida dei prossimi anni. Il modo di concepire la Business Intelligence cambierà in maniera drastica, ma le sfide da affrontare sono sempre più belle. Siamo pronti?




    Did you like this article? Help me keep the blog alive with a little donation!






  • LE 10 TENDENZE DI BUSINESS INTELLIGENCE DA GUARDARE NEL 2020

    Nel settore dell’analitica e nel mondo degli affari: business intelligence, dispositivi analitici e applicazioni di BI sono l’argomento principale discusso. La BI è più rapida e progressivamente precisa nelle relazioni; l’analisi dei dati è sempre più vigorosa e le previsioni sono sostanzialmente cambiate e sviluppate in modo massiccio. Un numero sempre crescente di aziende ha iniziato a valutare il valore di Business Insight (BI) in relazione al proprio processo decisionale. Negli ultimi due anni i sistemi BI hanno sperimentato vari progressi. Con la crescente natura sfaccettata dell’ambiente di business intelligence, la prova distintiva delle tendenze e dei miglioramenti del mercato è un fattore chiave nel potente processo decisionale. È progressivamente indispensabile utilizzare le innovazioni e le metodologie più recenti per adattarsi alla digitalizzazione e alla concorrenza del mercato. Diamo un’occhiata alle principali tendenze di BI che domineranno il 2020.

    https://www.analyticsinsight.net/top-10-business-intelligence-trends-to-watch-in-2020/

  • SQL Server: come spostare il database tempdb

    SQL ServerSQL Server non supporta lo spostamento del database TempDB tramite backup/ripristino o metodi di scollegamento del database. In questo articolo spiegherò i passaggi da seguire per spostare il database TempDB da un'unità all'altra in SQL Server. Tuttavia, per rendere effettive le modifiche è necessario riavviare il servizio SQL Server.However, for the changes to a effect you to effect you must restart SQL Server Service.

    Avviare SQL Server Management Studio ed eseguire la query seguente:

    USE master;
    andare

    Alter DATABASE tempdb
    FILE MODIFY (NOME : tempdev, NOMEFILE : 'C:'percorso'percorso'tempdb.mdf');
    andare

    Alter DATABASE tempdb
    MODIFY FILE (NOME : templog, FILENAME – 'T:'percorso'percorso'templog.ldf');
    andare

    Ricordati di sostituire yourpath con il tuo percorso preferito.

    Una volta eseguita la query, SQL Server un messaggio per ricordare di arrestare e riavviare l'istanza di SQL Server per rendere effettive le modifiche.

    Dopo il riavvio, verificare che le modifiche siano state completate:

    Usa master
    andare

    Selezionare
    nome AS [LogicalName]
    ,nome_fisico AS [Location]
    ,state_desc AS [Status]
    FROM sys.master_files
    WHERE database_id : DB_ID(N'tempdb');

    A questo punto, è possibile eliminare i vecchi file tempdb.

  • I report hanno esito negativo con il livello del grafico di drill logico-'a' non esiste Errore dopo l'aggiornamento alla 11.1.1.9.0

    SI APPLICA A:

    Business Intelligence Suite Enterprise Edition – Versione 11.1.1.9.0 e versioni successive
    Le informazioni contenute in questo documento si applicano a qualsiasi piattaforma.

    Sintomi

    Dopo un aggiornamento da 11.1.1.7.140715 a 11.1.1.9.0, alcuni rapporti – quelli basati sull'area dell'argomento ABC – ora non riescono e generano l'errore qui sotto.  È stato inoltre determinato che l'errore sarebbe stato determinato da un report appena creato con la colonna Customer > Customer No presentation.

    Errore
    Visualizza errore di visualizzazione
    Livello grafico di drill logico-'a': ''''' – non esiste. SQL: ''chiamata NQSGetLogicalDrillGraph('ABC','%',''''''''''''''''''''''''''
    Dettagli errore
    Codici di errore: K'DX4O6Q
    Posizione: saw.views.evc.activate, saw.subsystem.portal.pagesImpl, saw.subsystem.portal, saw.httpserver.processrequest, saw.rpc.server.responder, saw.rpc.server, saw.rpc.server.handleConnection, saw.rpc.server.dispatch, saw.threadpool.socketrpcserver, saw.threads

    Un controllo di coerenza globale del 11.1.1.9.0 RPD non ha restituito errori, anche se ci sono stati molti avvisi come il seguente riportato contro il modello di business ABC:-

    Modello di business ABC:
    [38100] Le tabelle logiche '"ABC"." Prestito"' e '"ABC"." Fact – Activity"' connesso tramite join logico '"Relationship_'

    causare

    Questo problema è stato causato da una configurazione "errata" / "non valida" nella gerarchia delle dimensioni.

    Nello strumento di amministrazione BI aprire il rpD e passare alla colonna ABC > Customer > Customer No presentation column … Oggetti correlati alla query > Colonna logica … vedere il livello totale sembra essere stato duplicato nella gerarchia di dimensioni Dim cliente:-

    soluzione

    In RPD > Livello BMM > Gerarchia delle dimensioni … eliminare il livello non valido/duplicato (Totale 1)

    Riferimenti

    NOTA:1946146.1 – Ottenere un errore durante l'aggiunta di una nuova vista all'analisi, errore: "Livello grafico di drill logico- …. non esiste "

  • [nQSError: 14025] Non esiste alcuna tabella dei fatti al livello di dettaglio richiesto

    SI APPLICA A:

    Business Intelligence Suite Enterprise Edition – Versione 11.1.1.9.170418 e versioni successive
    Le informazioni contenute in questo documento si applicano a qualsiasi piattaforma.

    Sintomi

    EMISSIONE CHIARIMENTO
    ============================

    Problema visto: dopo l'aggiornamento da OBIEE 10g a 11g il report genera il seguente errore:

    Stato: HY000. Codice: 10058. [NQODBC] [SQL_STATE: HY000] [nQSError: 10058] Si è verificato un errore generale. [nQSError: 43113] Messaggio restituito da OBIS. [nQSError: 43119] Query non riusci[nQSError: 14025]ta: non esiste alcuna tabella dei fatti al livello di dettaglio rich[,,[AGENCY.Agency]i[POPULATION.Population]esto: ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,]. [nQSError: 14081] Potrebbe essere possibile valutare questa query se si rimuove uno dei seguenti riferimenti di colonna: AGENCY. Agenzia, POPULATION. Popolazione (HY000)

    Gli stessi rapporti funzionano bene in 10g.

    causare

    L'errore è stato causato a causa di una progettazione non corretta dei metadati in rpd. L'origine dei fatti "Caso" non è stata riconosciuta come origine dei fatti dal server obi a causa di join definiti in modo non corretto nel livello BMM. Il lato molti del join puntava alle tabelle delle dimensioni anziché alla tabella dei fatti e per questo motivo la tabella logica dei casi non è stata riconosciuta come origine dei fatti.

    Per le procedure consigliate per la progettazione rpd, le definizioni di join nel layer BMM devono essere definite correttamente tra le tabelle dei fatti e delle dimensioni.

    soluzione

    La soluzione consiste nel ricreare i join nel livello BMM e assicurarsi che il lato molti del join punti all'origine Fact.
    Una volta che questa modifica è stata eseguita e il rpd modificato è stato caricato, il rapporto non ha generato errori e visualizzato i risultati bene.

  • I primi 30 anni del Data Warehouse

    Era il febbraio 1998 quando un articolo fu pubblicato sull'IBM System Journal, Volume 27, Numero 1:

    "Un'architettura per un business e un sistema informativo"

    L'articolo è stato pubblicato da B. A. Devlin e P. T. Murphy e aveva il seguente astratto:

    L'ambiente di elaborazione delle transazioni in cui le aziende mantengono i loro database operativi era l'obiettivo originale per l'informatizzazione ed è ora ben compreso. D'altra parte, l'accesso alle informazioni aziendali su larga scala da parte di un utente finale per la creazione di report e l'analisi dei dati è relativamente nuovo. All'interno di IBM, l'informatizzazione dei sistemi informativi sta progredendo, trainata dalle esigenze aziendali e dalla disponibilità di strumenti migliorati per l'accesso ai dati aziendali. È ormai evidente che è necessaria un'architettura per mettere insieme i vari filoni di attività del sistema informativo all'interno dell'azienda. IBM Europa, Medio Oriente e Africa (E/ME/A) ha adottato un'architettura chiamata E/ME/A Business Information System (EBIS) come direzione strategica per i sistemi informativi. EBIS propone un magazzino integrato di dati aziendali basato saldamente nell'ambiente di database relazionale. L'accesso degli utenti finali a questo magazzino è semplificato da un set coerente di strumenti forniti da un'interfaccia utente finale e supportati da una directory di dati aziendali che descrive le informazioni disponibili in termini di utenti. Questo documento descrive lo sfondo e i componenti dell'architettura di EBIS.

    Il Dr. Barry Devlin ha definito la prima architettura di data warehouse nel 1985 ed è tra le principali autorità al mondo su BI, big data e oltre. Il suo libro del 2013, Business unIntelligence, offre una nuova architettura per l'uso e la gestione moderna delle informazioni.

    30 anni.jpg

    Circa il 30o anniversario di Data Warehouse, Devlin ha pubblicato un post su TDWI:

    Data Warehousing: trent'anni fa e ancora offrendo valore

    Quest'anno ricorre il trentesimo compleanno del data warehouse. Era il lontano 1986 quando io e i miei colleghi di IBM Europe abbiamo definito la prima architettura per uso interno nella gestione delle vendite e della consegna di macchine esotiche come i mainframe System/370 e i minicomputer System/38. L'architettura è stata successivamente descritta nell'IBM Systems Journal nel 1988.

    Questa tecnologia, così come i PC all'avanguardia che eseguono DOS 3.3 su macchine basate su Intel 80286 con dischi di dimensioni fino a 20 MB, mostra quanto il mondo è cambiato nel periodo intermedio. Gli smartphone di oggi sono più potenti dei mainframe di quell'epoca, eppure l'architettura del data warehouse è cambiata molto poco. L'architettura illustrata nella figura seguente, datata dalla metà degli anni '90, è funzionalmente equivalente a quella definita 10 anni prima e rimane la base per molti progetti di data warehouse oggi.

    Trent'anni fa, Devlin ha già identificato le basi del data warehousing di oggi, come:

    Gli utenti possono ora concentrarsi sull'uso delle informazioni piuttosto che su come ottenerle.

    Dopo trent'anni, siamo riusciti in questa impresa? Che ne pensi?

    Per leggere l'articolo completo dall'IMB System Journal, scaricalo dal seguente link:

    Un'architettura per un business e un sistema informativo – Devlin

    Ecco il libro Devlin sulla Business Intelligence:


     

  • Prevedere le malattie cardiache con la visualizzazione dei dati OraclePredict Heart Disease with Oracle Data Visualization

    Un post interessante è stato pubblicato ieri sul blog Oracle Analytics da Joseph Kuttikat, spiega come gli strumenti di Machine Learning possono essere utilizzati per analizzare i dati medici e come questi strumenti possono essere utilizzati per estrarre informazioni importanti per la salute e la prevenzione.

    I dati analizzati riguardano casi di malattie cardiache (tra cui malattia coronarica, ipertensione, e ictus).

    Le malattie cardiache rappresentano circa 1 di ogni 3 decessi negli Stati Uniti, ovvero quasi 801.000 decessi in un anno, secondo l'American Heart Association, La malattia cardiovascolare è la principale causa globale di morte, con oltre 17,3 milioni di decessi all'anno nel 2013 , un numero che dovrebbe crescere fino a superare i 23,6 milioni entro il 2030.

    Infatti, è stato usato un metodo costituito dal training di un modello usando i valori noti effettivi di una colonna, per stimare il valore della colonna per i casi sconosciuti. Questo metodo rientra nel dominio di Supervised Machine Learning. Oracle Data Visualization è dotato di algoritmi integrati per eseguire tali multi-classificazione supervisionata e altri. Gli utenti possono scegliere uno qualsiasi di questi algoritmi in base alle esigenze. Ecco uno snapshot che mostra l'elenco degli algoritmi incorporati in Oracle Data Visualization che possono eseguire questa classificazione multipla, come illustrato nel grafico seguente:Here is a snapshot showing list of inbuilt algorithms in Oracle Data Visualization that can perform this multi-classification, as seen in the graphic below:

    heart1.jpg

    Utilizzando questi metodi, anche uno strumento di visualizzazione dei dati semplice da usare può aiutare a rispondere a domande complesse e arrivare al cuore della questione.

    cuore2

    Nel video dimostrativo che segue Oracle mostra come oracle Data Visualization e gli algoritmi di apprendimento automatico vengono applicati sui dati sanitari dei pazienti per prevedere la prospettiva di malattie cardiache.

    Il processo mostrato nel video qui sotto può essere riassunto come segue:

    • Ottenere i dati dei pazienti noti per avere malattie cardiache. Questo set di dati contiene informazioni relative a malattie cardiache come la glicemia, il colesterolo e altre informazioni mediche
    • Creare un modello di rete neurale a più classificazioni usando tali datiCreate a multi-classification neural net model using that data
    • Utilizzare questo modello per prevedere la probabilità di malattie cardiache in altri individui per i quali conosciamo la loro storia medica o informazioni mediche

    L'esempio di plug-in di apprendimento automatico visualizzato nel video può essere scaricato da Oracle Analytics Store. Il nome del progetto è Esempio progetto DV: Previsione delle malattie cardiache

    Fonte: Blog di Oracle Analytics

     

  • Tendenze di Business Intelligence per il 2018

    Nel prossimo anno, ci sarà una nuova tecnologia in grado di fornire informazioni sui dati migliori e più veloci, nuovi usi per i vecchi strumenti di BI e un cambiamento nella strategia di analisi per i data cruncher ovunque.

    Vuoi scoprire cosa c'è di nuovo, in via di sviluppo e vecchio cappello nel mondo della business intelligence? Dai un'occhiata alle cinque tendenze di business intelligence per il 2018 che abbiamo evidenziato di seguito.

    1. Analisi aumentata

    Immagina di essere in grado di inviare una query verbale al tuo software di analisi dei dati e non solo di ottenere dati pertinenti, ma raccomandazioni preziose e che cambiano la strategia. L'analisi aumentata è la combinazione di diversi processi di dati che potrebbero in ultima analisi fornire una risposta semplice, utilizzabile e basata sui dati.

    Infatti, l'analisi aumentata è un'area "particolarmente strategica in crescita che utilizza l'apprendimento automatico per automatizzare la preparazione dei dati, la scoperta di informazioni e la condivisione delle informazioni dettagliate per un'ampia gamma di utenti aziendali, lavoratori operativi e data scientist per i cittadini" ( David Cleary, VP di Gartner).

    L'analisi aumentata dona al tuo team di analisi il pedella del tempo. Tradizionalmente, le analisi di drenaggio delle risorse e dispendiose in termini di tempo possono essere significativamente ridotte utilizzando l'apprendimento automatico e l'analisi mediata dell'elaborazione del linguaggio naturale. Se vuoi rimanere competitivo, dovrai sfruttare i tuoi dati più velocemente dei tuoi concorrenti e l'analisi aumentata sarà lo strumento di cui hai bisogno per farlo.

    2. intelligenza artificiale

    L'intelligenza artificiale (IA) esiste da un po' di tempo ed è recentemente diventata una parola d'ordine che le persone lanciano durante le riunioni di lavoro. Per la business intelligence, AI significa una serie di processi di computer strettamente definiti che aiutano a aumentare i dati con un compito specifico in mente. Un po 'erroneamente associato con i robot, AI fornisce una macchina di apprendimento che pensa (si spera) come un essere umano, che aiuta a svelare alcuni misteri di dati di business.

    "Una recente indagine di Gartner ha mostrato che il 59% delle organizzazioni sta ancora raccogliendo informazioni per costruire le proprie strategie di IA, mentre il resto ha già fatto progressi nella sperimentazione o nell'adozione di soluzioni di IA", afferma Cleary di Gartner.

    3. Business Intelligence cloud

    L'utilizzo del cloud è stato fonte di preoccupazione per gli esperti di business intelligence per anni, considerando i potenziali rischi di sicurezza informatica che lo storage cloud off-site pone. La buona notizia è che vedremo alcune modifiche alle architetture cloud tipiche nel 2018 che porteranno a meno rischi di sicurezza informatica fornendo l'archiviazione dei dati che è sia on che off-site. Potrai scegliere quali dati inserire nel cloud e quali dati proprietari o sensibili si desidera mantenere sui server dell'azienda.

    Un ulteriore vantaggio all'implementazione dell'archiviazione dei dati cloud è l'aumento di velocità, scalabilità e flessibilità. Con il cloud che diventa un metodo più fattibile per archiviare grandi set di dati proprietari, gli esperti di business intelligence saranno in grado di fornire strategie aziendali a un ritmo più elevato.

    Quest'anno vedremo un'ampia adozione di architetture cloud ibride che offrono il meglio di entrambi i mondi: alcuni dati nel cloud e alcuni ospitati direttamente nei server in loco. Ciò consente di mantenere i dati proprietari in-house, offrendo allo stesso tempo la possibilità di utilizzare il cloud per le attività di dati banali allo stesso tempo.

    4. Altre funzionalità di visualizzazione dei dati

    Visualizzazioni dei dati sono rappresentazioni di informazioni che riepilogano e spiegano dati complessi a un pubblico mirato. Molte persone possono rendere i dati sembrano buoni, pochi possono dirti cosa significano i dati. Meno ancora in grado di creare visualizzazioni chiare e concise che trasmettono il messaggio corretto dai loro dati.

    Johnny Lee, principal e leader della pratica nazionale di tecnologia forense presso Grant Thornton LLP, dice:

    "Quello che vedo spesso sono persone addestrate su strumenti di visualizzazione, non analisi. Ciò che genera è una fiducia ingiustificata nei dati sottostanti, e [the]la convinzione che l'unica 'analisi' richiesta per tali dati è abbellire."

    Nel 2018, sempre più strumenti di business forniranno visualizzazioni dei dati. perché? I proprietari di aziende più esigenti desiderano una facile comprensione dei propri dati. Non lasciatevi ingannare dalla presenza di una funzionalità di visualizzazione dei dati. Piuttosto grafici e grafici non possono sopportare per l'analisi astuta dei dati hard. Detto questo, non tutte le visualizzazioni dei dati sono cattive.

    In una recente conferenza, Edward Tufte, professore emerito presso l'Università di Yale e pioniere nel campo della visualizzazione dei dati, ha riassunto il modo di creare una buona visualizzazione dei dati: "Fai tutto il necessario per trasmettere il tuo messaggio". Ciò significa evitare i grafici a barre, i grafici a linee e il grafico a torta malvagio al posto di creare immagini che non solo trasmettono il messaggio giusto al tuo pubblico, ma consentono loro di interagire anche con te. Per gli utenti di software BI, sarà importante guardare a ciò che i grafici e grafici sono realmente ti dicono circa i tuoi dati. Non fatevi ingannare da una bella foto.

    5. Business intelligence moderna e accessibile

    Quando si pensa alla business intelligence, si immagina un gruppo di data scientist, esperti SQL e analisti di sistemi seduti nelle loro cabine battendo i dati in forma? Gettate completamente questa visualizzazione dalla vostra testa nel 2018 (e oltre) man mano che la business intelligence diventa altamente automatizzata e quindi più facilmente utilizzata dagli scienziati dei dati dei cittadini. La business intelligence moderna significa meno specializzazione, più automazione e un approccio gratuito all'analisi dei dati nel complesso.

    La business intelligence moderna creerà processi automatizzati semplificati per ottenere dati aziendali. Ciò significa un aumento della produttività e, successivamente, una crescita del numero di azioni relative ai dati.

    "Rendere più facili i prodotti di data science per i data scientist dei cittadini aumenterà la portata dei fornitori in tutta l'azienda e contribuirà a superare il divario di competenze"

    afferma Alexander Linden, vicepresidente della ricerca presso Gartner.

    "La chiave per la semplicità è l'automazione di attività ripetitive, ad alta intensità manuale e che non richiedono una profonda esperienza nella scienza dei dati."

    Gartner prevede che il 40% delle attività di data science sarà automatizzato entro il 2020 e nel 2018 ci si può aspettare di vedere l'inizio di questa tendenza. Il venerato titolo di lavoro per data scientist sta passando di moda con la business intelligence moderna? Probabilmente non entro il 2018. Ma, secondo Linden, entro il 2020 "saranno necessari meno data scientist per fare la stessa quantità di lavoro, ma ogni progetto di data science avanzato richiederà ancora almeno uno o due data scientist". Gli scienziati dei dati affinano meglio le altre competenze nel loro curriculum per rimanere pertinenti.

    6. BI self-service

    La BI self-service è quando un membro del personale utilizza una soluzione di business per analizzare i dati aziendali in tempo reale e creare report visivi immediati, accurati e personalizzati senza la necessità di report goffi da parte di specialisti IT. Gartner prevede che entro la fine dell'anno, la maggior parte dei decision maker e degli utenti aziendali avrà accesso a soluzioni di BI self-service per prendere decisioni più informate e agire su di esse più rapidamente. Secondo la vicepresidente della ricerca di Gartner, Rita Sallam:

    "L'integrazione dei dati self-service ridurrà i tempi e la complessità significativi che gli utenti devono affrontare nella preparazione dei dati per l'analisi e sposterà gran parte dell'attività dall'IT all'utente aziendale."

    7. BI per dispositivi mobili

    Nell'ambiente aziendale frenetico di oggi, i responsabili decisionali di un'azienda richiedono l'accesso alle informazioni critiche ovunque e in qualsiasi momento. Questo è stato in gran parte reso più facile con la maggiore accessibilità di BI sui dispositivi mobili e il miglioramento della capacità degli smartphone per consentire l'analisi di informazioni più dettagliate su un dispositivo mobile. Questo ha invariabilmente portato all'aumento della business intelligence mobile (BI mobile).

    Il numero di aziende che utilizzano la BI mobile è cresciuto in modo significativo rispetto all'anno precedente. Secondo il Gruppo Aberdeen, le aziende che utilizzano la BI mobile hanno il 68% di probabilità in più di ottenere dati aziendali in tempo rispetto alle aziende che non li utilizzano. Ciò significa che in un ambiente aziendale spietato, le aziende che utilizzano la BI mobile si trovano in una posizione significativamente migliore. Utilizzando il processo decisionale basato sui dati, hanno le migliori possibilità di rimanere davanti alla concorrenza.

    Sembra che il 2018 si rivelerà un anno ricco di innovazioni di business intelligence e di ulteriore perfezionamento di alcune tecnologie precedentemente esistenti…

    Grazie a: capterra, consulenza tecnologica

  • Server BI: sawserver.exe ha smesso di funzionare in OBIEE 12c

    Ho un'installazione OBIEE 12c in Windows Server 2102 R2 (ma penso che questa soluzione sia valida per qualsiasi installazione di Windows). Processo di installazione ha avuto successo e tutto funziona perfettamente, ma casualmente il nqsserver.exe si blocca:

    error2.png

    Durante il controllo dei servizi BI posso vedere che i servizi OBIS e OBIPS sono in stato di arresto e quando provo ad avviarlo di nuovo continuo a ricevere diversi errori, come "nqsserver.exe ha smesso di funzionare":

    errore 1

     

    Questo problema è causato da un'altra installazione Weblogic nel mio server ed è correlato a Weblogic che non è in grado di individuare i file Wbem. Per risolvere questo problema è possibile modificare il file "start.cmd" che si trova nel percorso:

    E: , Oracle , Middleware , Oracle_Home , progetti_utente , domini , bi_foundation , bitools , bin , start.cmd

    Linea che è necessario aggiungere per Wbem:

    Impostare il percorso di percorso C:: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

    Start.cmd dovrebbe guardare lke qui sotto:errore4.png

    Riavviare tutti i servizi BI e tutto funzionerà perfettamente!