Nuestra organización de salud conductual tenía datos aislados en más de seis sistemas diferentes. No había una manera fácil de entender nuestros datos sin que mi equipo se involucrara en una gran cantidad de trabajo manual (inserte suspiros de mi personal mientras pasaban horas encorvados sobre sus pantallas de computadora tratando de exportar archivos CSV y hacer tablas dinámicas). Y luego descubrimos Knowi, y todo cambió. Knowi nos proporciona una vista unificada de todos nuestros datos aislados. Tenemos paneles de liderazgo y departamentales entregados automáticamente a nuestro equipo para que puedan gestionar sus métricas clave de manera eficiente y transparente (no más exportaciones de CSV y tablas dinámicas). Lo más importante, usar Knowi ha devuelto un tiempo valioso a nuestro equipo que pueden usar para enfocarse en apoyar a nuestro personal y pacientes.

Knowi tiene una capa de ingeniería de datos de primera categoría que elimina la necesidad de ETL y recursos de ETL. Permite conectarse a cualquier fuente de datos, independientemente de la tecnología, y luego simplemente comenzar a consultar y unir estas fuentes dispares. Junto con sus habilidades de PLN, es realmente asombroso.

En el primer trimestre de 2022, realicé una serie de pruebas de visualización de datos entre Grow, PowerBI, Mode, trevor.io, GoodData, Klipfolio, Domo, Sisense, Knowi, entre otros. Las pruebas incluyeron a los miembros de mi equipo, pero fuimos superados en número (por diseño) por usuarios de negocios no técnicos. La mayor sorpresa fue lo rápido que Mode ("demasiado inflexible y lento") fue eliminado; pensé con certeza que serían finalistas. Construimos el mayor número de paneles útiles más rápido usando Knowi, una clara victoria. Después de las pruebas, migramos todo lo que hicimos a Knowi, ya que no probamos ningún caso de uso predefinido, solo casos de "necesidad" del mundo real. Aunque seleccionamos Knowi como herramienta de visualización, también estoy contento de haberlo hecho desde una perspectiva de ingeniería de datos. Los modelos de arquitectura de Knowi estructuran los datos de manera reflexiva, lo cual atribuyo a la habilitación de una colección de características elegantes. Como la capacidad de actualizar en vivo el contenido de un conjunto de datos de manera incremental a través de API. O la capacidad de Knowi para consultar una fuente, devolviendo un conjunto de datos que puedes volver a consultar inmediatamente donde se convierte en un conjunto de datos transformado/derivado... que puede conservar para ti, o persistir en un destino diferente, o Knowi incluso puede reescribir ese conjunto de datos derivado de nuevo a la fuente original.