辅助洞察：数据搜索未来_大数据

商家不愿“数据发现”，“可视化”或“分析”工具-企业希望一件事： 洞察。

我们面临的挑战是，如何来提供洞察力。二十年前的机器的处理能力是有限的。为了克服这种局限性，传统的商业智能供应商建立多维数据集和OLAP。

在过去的十年中，这些限制已解除，并使用交互式数据可视化工具在内存中的数据模型已经开花。范式转移，有了它，新的强国一样的Tableau软件已经出现。

在未来十年将会发生同样深刻转变。随着处理能力的增加和云计算成为定局，新的功能将出现全新的功能，将推动新的范式。其中之一将协助洞察。

什么是辅助洞察？

辅助见解是呈现用户提供计算机生成的见解在于分析数据时引导他们的方式的过程。使用的框架，算法和可视化相结合，协助洞察将加快新见解的发现和发掘，以前一直隐藏的见解。

新的用户界面，用户在将业务术语，而不是数学术语框架他们的问题。这将允许算法，深入挖掘和可视化呈现给最大化的新见解。如果用户输入他们的假设和预期，数据发现软件可以使用取景找到意想不到的。

通过结合使用取景统计和机器学习算法，数据发现软件会造成潜在的见解，通过排名的信心，为用户探索的列表。随着计算能力的用户的巨量今天在他们的处置，成千上万的潜在数据组合已经可以通过算法的同时，将采取用户手动探索1探讨。

一旦见解已经确定，有识之士的取景和性质将被用于配置通信的这些见解，使用最佳实践的用户交互式可视化。用户将探讨这些可视化验证的洞察力和获得它的细致入微的了解。

最后，用户将使用可视化通过改变分析的参数细化的见解和深入挖掘数据。一个周期炼出现的问题他们取景的用户，软件提出潜力的见解，和用户探索和进一步完善这些见解。

取景问题

帧指的是用户如何定义他们的分析。传统上，进行数据分析是使用“数学”帧。度量是低或高，如平均统计和中位数被计算（假设分布是钟形）和用户呈现一系列数字，他们需要转化为它们的问题空间。

通过取景使用“问题”框架分析，用户可以直接在工作，他们用它来推动其业务的概念：指标是“好”或“坏”，分布是“正常”或“异常”，值“有望“或”意外“，并且向用户呈现与被配置为通信问题的概念空间的可视化。

产生洞察与算法

算法可以帮助用户快速浏览他们的数据中的潜力组合和相关性发现未知的趋势，异常情况和关系。但算法的好坏作为自己的输入垃圾进，垃圾出。

加入含义的数据的假设，期望及已知的关系，到分析，算法可以帮助用户找到业务洞察力，而不是数学的见解。

使用可视化来缩小洞察

可视化有助于使数据耗材。通过颜色，形状等视觉方面，随着数据的含义一致，感悟理解能力增强。用户可以显示更快地洞察通过突出显示潜在的见解和被赋予的自然语言的解释。

但是，并非所有潜在的见解将是有价值的。大多数不会。

可视化可以给洞察力的情况下给用户，使他们获得了细致入微的了解，为进一步勘探弹簧垫。通过直接操纵和其他技术，用户可以细化不仅可视化本身，但问题的框架。这个新帧可被用于驱动的算法来创建新的潜在的见解。

辅助洞察今天

目前，没有一个结合了所有这些元素，创造真正的辅助洞察力。不过，公司正在快速发展这些能力。

IT运营分析供应商，如Netuitive已经开发使用的算法来学习什么是“正常”与实时“异常”，机器生成的数据的行为学习引擎。使用受限问题空间允许它们直接建立了问题的成帧到他们的软件。使这种通用需要新的用户界面，以允许用户输入他们的取景，和新的算法进行数据的问题，不容易映射到IT操作分析领域。

商业智能初创公司使用算法来寻找潜在的见解，并自动配置可视化的这些见解开始开发“自动化洞察力”功能。

在数据发现，厂商都集中在自然语言查询和故事板，但这些并不能帮助发现新的见解。自然语言查询速度配置可视化一旦用户有一个想法，如何寻找的过程中，却无可奈何，帮助用户发现隐藏的见解。故事板，有助于沟通的见解一旦被发现，不产生新的问题。

辅助洞察的未来

这将需要数年之前，辅助洞察力变成商业智能和数据发现套件的标准功能。谁开发初期它的厂商将具有优势。他们将有更多的时间来提高自己的用户界面，改进他们的算法，并开发新的可视化。

但这些片断都在那里，只是在等待有人来把它们放在一起。在接下来的几个月里，我会写这些作品以及如何将它们结合起来。跟着我得到通知对未来的职位。