
10
|
第
1
章
这种状况随着
Tableau Desktop
等自助式数据可视化工具的兴起而发生了改变。随着
这些工具对用户的关注,一时之间,每个人都能够在屏幕周围拖放数据字段,形成
自己的数据分析,回答自己的问题,并立即以可视化的方式提出下一个问题,让他
们能与其他人分享他们的发现。
在过去的十年里,数据可视化和分析在整个组织中变得越来越重要,也成为许多角
色的重要组成部分,不再被认为只是
IT
或数据团队的领域。企业已经具备了数据分
析能力,而不是企业必须去请专家来访问和分析数据。这意味着我们的工作方式发
生了很大的转变,需要我们重新思考人们现在需要什么技能。
1.2
获取“正确的数据”
自助式数据可视化在个人角色中的兴起和巩固,使数据分析周期的需求和压力日益
凸显。数据分析周期包括:
1.
某人提出的问题。
2.
寻找可能有助于回答问题的数据来源。
3.
准备分析数据。
4.
分析数据。
5.
提出新问题或补充问题(回到步骤
1
)。
启用自助式数据分析需要开放数据源的访问权限,通常这是数据分析周期的痛点。
有了正确的数据,运用优化后的可视化分析工具,此时只要业务专家能形成问题,
我们就能找到答案。但获取“正确的数据”并不是那么容易的。组织所拥有的数据
资产是针对存储进行优化的,现在看来其优化对象是针对软件工具,而不是针对用
户,并且受到层级严格的安全监管,需要编写程序代码才能访问这些数据。
目前许多数据分析项目专注于从其存储位置提取数据。专家们专注于使用数据技能
来做这些事情:
•
在现有的存储库中找到数据,包括
Excel