Ibm watson analytics review & rating

Komma igång

Även om detta är ett fullständigt BI-verktyg för självbetjäning, kan IT ge hand i att ladda företagsdata för att förenkla saker ytterligare för affärsanvändare och för att också säkerställa att efterlevnad och säkerhetsregler ställs in som IT skulle ha dem. Men användare kan enkelt ladda data själva förutsatt att de har behörighet att få åtkomst till den. Användare uppmanas sedan att ställa in regler.

Användare kan också forma och rensa data innan de laddas upp genom att klicka på "Form före" -knappen snarare än på "Ladda upp nu" -knappen, som båda är valen efter att ha klickat på "+ Ny data" (knappen Lägg till data) på IBM Watson Analytics-hemsida. Användare kan depersonalisera kundnamn och annan personlig identifierbar information (PII) för att följa sekretessregler i funktionen "Shape Before" före ladda upp . Jag använde "Shape Before" -knappen för att flytta igenom data och ta bort tomma rader, men du kan också rensa upp adresser och datum och annan information för att uppnå överensstämmelse som hjälper till i analysen.

Med andra ord låter "Shape Before" användare enkelt rengöra och förbereda data med bara några klick innan du analyserar dem. Systemet uppmanar användaren med föreslagna rengörings- och förberedande uppgifter som en viss datauppsättning verkar för systemet att behöva. Enkelheten i detta gör att det lätt undervärderas när du tänker på att datapreparation vanligtvis tar mer tid än något annat steg i analysprocesserna - men här handlar det om uppmaningar och klick och du är klar.

När alla datauppsättningar har lagts till av användaren eller IT-avdelningen, visar användargränssnittet (UI) datauppsättningarna i användarens val av ikoner eller en tabell. Hursomhelst, uppgifterna uppsättningar som visas där kan komma från användaruppladdningar, data som har åtkomst via en eller flera IBM Watson Analytics-kontakter, datauppsättningar som har kombinerats av användaren i systemet eller datauppsättningar från IBM Watson Social Media (ett socialt mediaanalysverktyg tillgängligt inifrån IBM Watson Analytics-verktyget).

Observera att IBM Watson Analytics inte gör strömningsanalys; sådant är vanligt med Internet of Things (IoT) -data och andra källor och system där information strömmas och analys måste vara omedelbar. I IBM Watson Analytics kan data dock uppdateras ofta, så ofta som var femte sekund, för en nästan realtidsläsning. Det räcker för många användningsfall och säkert för användningsfallen IBM siktar på: visualisering, mönster och sociala medier punkt-i-tid analys. Det kan inte användas för något användningsfall som kräver faktisk realtidsströmningsanalys. Det kan vara en stor brist för vissa användare.

Kort sagt, jag tyckte att datainställningen var enkel och enkel och väl lämpad för den typiska affärsanalytikens färdighetsnivå och inom räckhåll för de flesta andra affärsanvändare. Systemet är mycket intuitivt, men det kan vara skrämmande för nybörjare ändå. Oavsett kompetensnivå rekommenderar jag starkt att du tittar på tutorials först. Även om de flesta användare kommer att kunna sticka och känna sig väldigt bra genom verktyget, kommer handledning att komma igång snabbare, särskilt om du inte har använt ett BI-verktyg för självbetjäning tidigare. Om du har erfarenhet av datawrangling och analys, är det fortfarande en bra tidsbesparing att se inlärningarna inledningsvis.

Upptäcktsprocessen

Användaren kan gå till upptäcktsfasen (det vill säga köra analysen) på ett av två sätt: antingen genom att klicka på en specifik datauppsättning eller genom att skriva in en fråga i frågefältet. Om du klickar på en specifik datauppsättning ger du instruktioner som kallas "Startpunkter", som ger insikter som IBM Watson Analytics har beräknat för att vara den mest intressanta för dig. Ja, det innebär omedelbar insikt som levereras via vanliga och förbyggda algoritmer.

Om du skriver en fråga i frågefältet istället letar systemet efter den informationen i alla datauppsättningar som du har lagt till / laddat istället för i en vald datauppsättning. Du kan också klicka på hjälpverktyget för att lära dig hur du ställer en fråga till systemet.

Jag tyckte att frågan om det här verktyget fungerar mycket bra med naturligt språk, vilket innebär att jag kunde skriva in en fråga eftersom jag skulle fråga en kollega och sedan få insikter och förslag som passar. Jag kunde också skriva in en serie med nyckelord och få tillbaka samma sak.

Till exempel skrev jag "Vilka typer av produkter är mer populära runt Black Friday-perioden?" och skrev sedan som en separat fråga "produkter, november." Som svar på båda drog systemet upp flera föreslagna frågor och uppsättningar i relevansordning. Jag kunde sedan hämta insikter genom att klicka på det förslag som passar bäst. Jag kunde också utforska varje föreslagen utgångspunkt i min fritid där jag skulle hitta visualiserade insikter och en rullbar infographic för snabb konsumtion. Du kan till och med ändra visualiseringsformen med ett par klick.

Det är här i visualiseringsövningen som jag snubblat lite och varför jag rekommenderar att du tittar på tutorials först. Jag trodde att jag var tvungen att gå tillbaka och ställa en annan fråga, för att upprepa hela processen, bara för att lägga till en annan faktor (input) till min fråga. Det var först efter att en företagsrepresentant gick igenom demotorn att jag fick veta att jag kunde göra det via "Color Value" -funktionen - som finns i en stapel längst ned i visualiseringen. Stort "duh-ögonblick" där, men det påminde mig om att även om IBM Watson Analytics är mycket intuitivt, är det mycket som att få en ny mobiltelefon och besvärligt räkna ut kommandona bara för att undra senare varför du tyckte att det var svårt. Ja, det här var exakt så. Intuitivt och enkelt men först efter att jag skrapade huvudet och mumlade högt, "Undrar var de placerade verktyget för att göra XYZ?" Jämfört med de flesta av sina konkurrenter är IBM Watson Analytics fortfarande en bris att använda.

För mer komplex fråga skriver du frågor som börjar med "Vad driver X" eller "Vad förutspår X", vilket tar dig till mycket djupare dyk och intrikata beslutsträd. Jag tyckte att detta var mycket effektivt för att upptäcka insikter som annars kunde ha tagit mig mycket längre tid till och med att ta reda på vad jag skulle fråga om uppgifterna.

Displayfunktionen - det tredje steget i systemets process - låter dig välja visualiseringar, spara dem och / eller publicera på en instrumentbräda eller en infographic som du bygger i ett par klick eller dra och droppar . Den är utformad så att du enkelt kan dela den insikt du har hittat med andra så att du kan samarbeta om åtgärder du ska vidta nästa, eller om utvidgningar eller förbättringar som ska göras i analysen.

Prissättning och versioner

Det finns både en kostnadsfri testversion och en gratisversion med begränsade funktioner tillgängliga. De som testar systemet styrs automatiskt till provversionen, som erbjuder 1 megabyte (MB) lagring. Användare kan välja att köpa eller flytta till den mer begränsade gratisversionen i slutet av provperioden. Plusutgåvan, den som jag testade, är $ 30 per månad per användare och är i princip den kostnadsfria provversionen med 2 gigabyte (GB) lagring, tillsammans med den extra bonusen att kunna ladda större datamängder. Professional-utgåvan är designad för företagsbruk och kan rymma flera användare, mer komplexa samarbeten och fler datakontakter än de andra utgåvorna. Kostnaden för Professional-upplagan är $ 80 per användare per månad eller $ 960 per användare per år med 100 GB lagringsutrymme.

IBM Watson Analytics tillhandahåller insikter som kan hjälpa företag i olika branscher från detaljhandel till hälsovård. Det råder ingen tvekan om att det kan vara värdefullt att upptäcka dolda trender och korrelationer i strukturerad och ostrukturerad data. Företag kan analysera omständigheterna som driver affärshändelser och använda uppgifterna för att informera framtida beslut.

Sammantaget är IBM Watson Analytics vackert utformad för att leverera ett mycket intuitivt användargränssnitt och en förenklad användarupplevelse (UX). Anvisningarna är verkligen intelligenta och guidar även nybörjare i en smart riktning, vilket kommer att gå långt i företag som strävar efter företagsdata-demokratisering, vilket är nästan alla i organisationen som använder dataanalys i sitt arbete. Det är också mycket smidigt att flytta användare till djupare insikter även om deras datavetenskapliga färdigheter är något begränsade. Men mycket erfarna datavetare kan hoppa över anvisningarna och gå direkt till komplexa frågeställningar och beslutsträd och undvika det mesta av frustrationen i samband med "användarvänlig" programvara.

Det betyder inte att IBM Watson Analytics är perfekt eller passar för alla fall. Det är oförmåga att hantera strömningsdata och analyser i farten kommer att vara en stor nackdel för vissa (men ett icke-problem för många andra). Om nästan realtid är tillräcklig för dina användningsfall och dina anställda har en blandning av skicklighetsnivåer, kommer du att hitta det här verktyget är mer än uppgiften.