Et dokument er ikke en bruker

Nylig kom jeg over en interessant bruk av produktanalyse hos et dokumenthåndteringsselskap. De brukte et av førstegenerasjons produktanalyseverktøy på markedet til å analysere dokumentreiser og livssykluser. Kjernenheten de trengte å modellere, var et dokument. Dessverre var førstegenerasjons produktanalyseverktøyet de brukte, utviklet for brukersentrerte applikasjoner av typen "handlekurv". Dette tvang selskapet til å prøve å modellere et dokument som en bruker. Resultatet var at de slet med å generere verdifulle analyser med denne kontekstuelt unøyaktige modellen. Høres dette kjent ut?
Selv om applikasjoner har en tendens til å være brukersentrerte, er det mange som ikke er det. Kjerneenheter kan være dokument, billett, server, konto, enhet, prosjekt, oppgave, plan osv. Enheter som gjenspeiler mennesker som utfører handlinger, må modelleres på en annen måte enn de som gjenspeiler ikke-mennesker som utfører handlinger. Neste generasjons produktanalysesystemer tilbyr fleksible datamodeller som kan modellere din unike virksomhet og gi mye rikere analyser.
Spesialbygde vs. generelle produktanalysesystemer
For over ti år siden så vi fremveksten av førstegenerasjons produktanalyseverktøy. Med sine SDK-er for instrumentering gjorde de det mulig å fange opp brukerinteraksjonshendelser i produkter. I tillegg til instrumenteringen leverte disse verktøyene ferdige rapporteringsmaler for vanlige analyser, for eksempel hendelsessegmentering, konvertering, oppbevaring, reiser osv. Disse verktøyene var spesialutviklet for svært spesifikke analyser med en rapportmal for hver type analyse. Derfor har de en enkel datamodell med bruker, hendelse og økt. En ferdigbakt datamodell har den fordelen at den er enkel å bruke, men den begrenser utvalget av analysespørsmål som kan stilles og besvares.
Generelle analyseverktøy som Business Intelligence-verktøy (BI) ble utviklet som universelle plattformer for å støtte et bredt spekter av analytiske behov. Med generiske abstraksjoner av relasjons- og dimensjonsmodeller kunne de utføre praktisk talt alle analytiske beregninger ved hjelp av SQL, noe som muliggjorde et bredt utvalg av bruksområder. BI-verktøyene gjorde det også mulig å svare på ad hoc-spørsmål ved hjelp av grensesnitt som gjorde det enkelt å sette sammen spørringer. Selv om de har abstraksjoner for modellering av alle enheter og deres relasjoner til andre enheter, mangler BI-verktøy noen av de spesialiserte modelleringsmulighetene knyttet til hendelsesstrømmer (f.eks. modellering av en sekvens av hendelser med tid mellom hendelsene). Teknisk sett kan du gjøre dette ved hjelp av SQL, men det vil være svært tungvint å uttrykke (flere sider med SQL for én enkelt analyse) og ofte ineffektivt å beregne.
Neste generasjons produktanalyse
Det dukker opp en ny type produktanalyseverktøy som utvider mulighetene til de tradisjonelle førstegenerasjonsverktøyene. Disse verktøyene har rapporteringsmaler for grunnleggende produktanalyse, men lar deg gå videre til ad hoc-undersøkende analyser fra et hvilket som helst punkt. Grunnlaget for dette er en datamodell som i utgangspunktet er relasjonell med BI-fleksibilitet, men som har utvidelser for hendelsesorientering som er typisk for produktanalyse. I tillegg til denne fleksible datamodellen finnes det et visuelt ad hoc-grensesnitt for utforsking og full SQL-støtte.
Et dokument kan altså modelleres som nettopp det - et dokument. Du kan jobbe med alle forretningsenhetene dine slik du ser dem i kildesystemene eller i datavarehuset. Du kan stille spørsmål på en naturlig måte ut fra denne rike, opprinnelige datamodellen, f.eks. Hva er gjennomsnittlig antall signatarer for dokumenter i personlige abonnementer kontra bedriftsabonnementer? Hva er den ukentlige produktbrukstrenden for kontoer som skal fornyes i løpet av de neste 30 dagene?
Med neste generasjons verktøy slipper du å tvinge forretningsmodellen din inn i en datamodell som er utviklet for noe helt annet. I stedet kan du bruke omfattende modelleringsfunksjoner som virkelig gjenspeiler din unike virksomhet. Dette gir deg muligheten til å stille og besvare et bredt spekter av kontekstrike spørsmål på et språk som er intuitivt og naturlig for alle interessentene dine. Når denne muligheten er tilgjengelig på toppen av alle dataene i datavarehuset, får du tilgang til bredere produktinnsikt som er korrelert med forretningsresultater.
Warehouse-Native produkt- og atferdsanalyse
Optimizely Warehouse-Native Analytics innleder neste generasjon av selvbetjent produktanalyse - med kraften fra BI, som fungerer naturlig fra datavarehuset.
- Analyse
- Last modified: 25.04.2025 21:30:36