In questa pagina:
🎁 4° casella della settimana e oggi è il turno del Glossario della Business Intelligence.
Così come per la Supply Chain e Digital Transformation abbiamo deciso di regalarvi in questa casella del calendario alcune definizioni chiave riguardanti il mondo della Business Intelligence, per agevolare i meno avvezzi a una più facile comprensione di questo mondo.
Nell’interessante report di Osservatori. net: “Data-Driven Culture: connettere algoritmi e persone” vengono citati alcuni termini chiave che fungono da premessa per la comprensione del complesso mondo della Business Intelligence. Analizziamone alcuni insieme.
Advanced Analytics
Insieme delle metodologie che ricadono nelle categorie : predictive , prescriptive o automated analytics. Queste metodologie partono dall’analisi esplorativa e dalla visualizzazione dei dati a disposizione e si pongono obiettivi di predizione e ottimizzazione, offrendo un più ampio supporto ai decisori aziendali.
Data Lineage
Tecnica che consente di identificare e rappresentare il ciclo di vita del dato, dalle sue origini alla sua destinazione, evidenziando i principali processi che lo coinvolgono, i suoi movimenti e le trasformazioni nel tempo.
Data Literacy
Capacità di generare informazioni a partire dai dati e di supportare le proprie decisioni comunicando attraverso le evidenze empiriche emerse. La generazione di informazioni nel contesto di riferimento include la comprensione delle fonti dati, la conoscenza dei metodi di analisi e l’esperienza pratica nelle principali tecnologie in uso.
Data Management
Insieme delle attività associate alla gestione e alla governance dei dati.
Data Ops
Insieme di pratiche, processi e tecnologie con lo scopo di accelerare la creazione, consegna e manutenzione di data products, mediante l’automazione e l’orchestrazione delle diverse fasi del ciclo di vita del prodotto.
MLOps
Il Machine Learning Operations (MLOps) è un insieme di pratiche che combina la realizzazione di modelli di Machine Learning, il DevOps e la Data Engineering, con lo scopo di sviluppare, rilasciare, monitorare e scalare in produzione sistemi di ML di alta qualità , facendo leva su aspetti organizzativi, culturali e tecnologici che favoriscano il governo e l’automazione del ciclo di vita dei modelli di ML.
Vuoi sapere come Gung attraverso consolidate metodologie e strumenti supporta le aziende nel trarre il massimo delle informazioni dai dati, organizzandoli e analizzandoli al meglio?