Realmente no estoy seguro de si hay alguna herramienta de BI que aproveche el algoritmo ‘EdgeRank’, pero esto es algo que se puede implementar en el repositorio. La forma más común de “sopesar” un informe es ver la cantidad de visitas que recibe de los usuarios comerciales.
E implementar el algoritmo EdgeRank alrededor de los “hits” sería más significativo porque, a diferencia de Facebook, no tendrías la opción de comentar o dar me gusta. EdgeRank está construido con tres ingredientes clave (fuente: edgerank.net), a saber, AffinityScore, EdgeWeight y TimeDecay.
AffinityScore para un informe posiblemente podría calcularse por dependencia de un informe a un grupo empresarial / proceso empresarial. Digamos que un informe de ventas año tras año podría ser un informe clave para la vertical de ventas y para el negocio en sí, y habría muchas personas que dependen de este informe para tomar decisiones clave. Entonces, el AffinityScore para este informe en particular es alto en comparación con los otros informes.
- ¿Qué es la ciencia de datos y el análisis de big data?
- ¿Por qué Udacity se enfoca en Python para el análisis de datos y el aprendizaje automático en lugar de R?
- Cómo seleccionar núcleos SVM
- ¿Cuál es el mejor entre las redes, big data y tecnología en la nube?
- ¿Cuál es la diferencia entre Driven-data y Data?
Edge Weight sería algo así como un clic en el informe porque la única acción definida en el elemento del informe sería un clic. Ahora puede definir diferentes acciones, como ingresar un valor de parámetro dentro del informe, hacer clic en un elemento dentro de un informe, como un informe detallado o un subinforme, y asignar valores a estas acciones.
Deterioro del tiempo y, como su nombre lo indica, a medida que el informe envejece, pierde su valor a menos que la empresa los considere críticos.
