Kun yritykset ovat hankkimassa uusia teknologioita eri toimintoihin, kuten analytiikkaan, useimmiten viitataan Gartnerin tutkimuksiin. Näistä tunnetuimmat ja eniten siteeratut ovat Magic Quadrant -raportit. Näistä analytiikkaan liittyen tärkeimmät ovat "Magic Quadrant for Analytics and Business Intelligence Platforms" -raportti, jota Solutiven Janne ruotii blogikirjoituksessaan, sekä "Magic Quadrant for Data Science and Machine Learning Platforms", jota tulen käsittelemään tässä kirjoituksessa.

👉 Lataa kyseinen raportti itsellesi tästä 

Raportissa Gartner listaa Data Science and Machine Learning (lyhyesti DSML) alustoille useita haasteita. Nämä ovat:

  1. Käyttäjien vaihteleva osaamistaso.
  2. Platformin ympärillä olevan ekosysteemin hyödyntäminen.
  3. Saumaton käyttöliittymä/käyttäjäkokemus itse tuotteen, että ekosysteemin välillä.
  4. Erilaisten prosessien, niiden toimintojen sekä eri käyttäjäroolien yhdistäminen, joita ovat:
    • datan sisäänluku eri lähteistä (data ingestion)
    • datan esikäsittely (data preparation)
    • datan tutkiminen (data exploration)
    • ominaisuuksien käsittely (feature engineering)
    • mallien luonti ja opettaminen (model creation and training)
    • mallien testaus (model testing)
    • käyttöönotto (deployment)
    • monitorointi (monitoring)
    • ylläpito (maintenance)
    • yhteiskäyttö (collaboration)

Platformin moninaisille käyttäjäjille pitää siis pystyä tarjoamaan integroitu ja helppokäyttöinen alusta, jossa kaikki yllä mainitut tarpeet saadaan hoidettua nyt ja tulevaisuudessa. Toimittajille on muitakin vaatimuksia, joita Gartner pisteyttää, mutta nämä tuotteeseen liittyvät ominaisuudet on nostettu erityisen merkittäviksi vaatimuksiksi. Nämä vaatimukset tunnistan myös Solutiven asiakaskunnassa ja projektien parissa jokapäiväisessä työskentelyssä. Raportissa on arvioituna kuusitoista merkittävintä toimittajaa, jotka valittiin ennakkovaatimukset täyttäneiden 70. toimittajan joukosta.

Varsinaisen huipun muodostaa kuusi toimittajaa, jotka on nimetty Leader-kategoriaan. Tuosta kuusikosta korkeimmat pisteet asteikolla "Ability to Execute" (varsinainen tuote, elinkelpoisuus, myynti/hinnoittelu, markkinaherkkyys/-tuloksellisuus, markkinointi, asiakaskokemus, toiminnot) sai Alteryx. Se on pysynyt suunnilleen samalla paikalla Magic Quadrantissa jo useamman vuoden ajan. Alteryxin vahvuudet liittyvät Alteryxin kattavaan ja kypsään tuoteperheeseen, joilla voidaan hallita koko analytiikkaprosessia. Samoin helppokäyttöiseen no-code käyttöliittymään, joka on integroitavissa erilaisiin yrityksen prosesseihin. Ja viimeisimpänä, muttei vähäisimpänä, aktiiviseen ja kokemuksiaan jakavaan käyttäjäyhteisöön.

Pientä kritiikkiä Alteryx saa open source -pohjaisia ratkaisuja korkeammasta hinnoittelustaan, sekä hieman hankalasta hinnoittelumallista joissain tuotteissa. Linux-tuen puuttuminen osassa tuotteista, sekä streaming/iot-datan rajoitettu tuki vaatii myös lisäratkaisuja. Solutivessa olemme käyttäneet Alteryxiä useita vuosia hyvin erilaisissa analytiikkatarpeissa, joista kertyneillä kokemuksilla uskallamme tarjota sitä etenkin silloin kun tarvitaan erittäin monipuolista, helppokäyttöistä ja intuitiivista ratkaisua, jolla voidaan hoitaa tulevaisuudenkin tarpeet.

Kuinka Alteryx siis vastaa yllä mainittuihin haasteisiin?

Eritasoisten käyttäjien haasteeseen Alteryxin käyttöliittymässä käytetään hyvin yksinkertaista, visuaalisilla työkaluilla kuvattavaa työnkulkua, joka suorittaa halutun analytiikkaprosessin. Tämä on useinmiten nopein ja riittävä ratkaisu, mutta edistyneemmille käyttäjille voidaan lisäksi tarjota työkalut joilla voidaan käyttää muita ohjelmointirajapintoja, kuten Python tai R-kieltä ja niiden kirjastoja. Samoin ulkoiset palvelut voidaan liittää osaksi työnkulkua.

Prediktiivisten mallien, paikkatietojen ja muiden edistyneemmän analytiikan ominaisuuksien käyttö on intuitiivista ja käytettävissä saman käyttöliittymän sisällä. Aktiivinen käyttäjäyhteisö ja sen tarjomat malliratkaisut helpottavat eritasoisia käyttäjiä nostamaan omaa osaamistaan, ja ratkaisemaan kulloisenkin analytiikkahaasteen. Nämä sekä tekniset ominaisuudet, että niitä tukevat toiminnot ovat tärkeitä, jotta kaikki osat toimisivat saumattomana kokonaisuutena. Tämä näkyy huikean hyvinä käyttäjäarvioina yleisesti ja meidänkin asiakaskunnan palautteena.

Spesifisiin, Gartnerin listaamiin analytiikkahaasteisiin löytyy vastauksia Alteryxin sivuilta seuraavista linkeistä:

- Datan sisäänluku
- Datan esikäsittely
- Datan tutkiminen
- Ominaisuuksien käsittely
- Mallien luonti ja opettaminen
- Mallien testaus
- Käyttöönotto, monitorointi ja ylläpito
- Yhteiskäyttö 

 

Haluaisitko päästä kokeilemaan Alteryxia?

Täysin toimiva ja maksuton kokeiluversio on rekisteröinnin jälkeen vapaasti käytettävissä 14 vuorokautta. Saat käyttöösi täydellisen ohjelmiston kaikkien toiminnallisuuksien kanssa. Luottokorttia ei kokeilujaksoon tarvita. Lataa kokeiluversio itsellesi täällä.

 

Lataa Magic Quadrant for Data Science and Machine Learning Platforms -raportti

Lataa raportti

Get Free Widget