Spektrum analytischer Fähigkeiten

Die Welt der Analytik umfasst die Datenerfassung über die Modellierung bis hin zur künstlichen Intelligenz. Das Wissen des Business Analysten würde sich im Laufe seiner Karriere auch von einer Reihe von Fähigkeiten zu einer anderen verschieben. Verschiedene Tools bieten Fachwissen zur Lösung verschiedener Arten von Problemen, und verschiedene Unternehmen konzentrieren sich auf die Arbeit mit verschiedenen Domänen und Analysefunktionen. Wenn man all dies zusammenfasst, kann man analytische Fähigkeiten betrachten, die ein ganzes Spektrum umfassen. Also, was ist das Spektrum, wie wichtig ist es?

Die Kenntnis der aktuellen Region im analytischen Spektrum kann sowohl für analytische Fachleute als auch für analytische Unternehmen nützlich sein. Während Unternehmen darauf abzielen sollten, das gesamte Spektrum in ihren Angeboten abzudecken, sollten Analysten darauf abzielen, sich entlang des Spektrums zu bewegen, um Meister der Analytik zu werden. Dieser Beitrag stellt Ihnen das Spektrum der analytischen Fähigkeiten vor, damit Sie wissen, wo Sie stehen und wo Sie hinwollen.

Welche Fragen stellen Sie?

Wenn Sie ein Business-Analytics-Projekt initiieren, tun Sie dies oft im Zusammenhang mit der Lösung eines Geschäftsproblems. Anders als Akademiker haben professionelle Data Scientists oft ein Ziel vor Augen, das letztendlich zum Endergebnis beiträgt. Die Lösung dieses Problems wird oft als Antwort auf bestimmte relevante Geschäftsfragen versucht. Und während für jedes Problem und Projekt viele Fragen gestellt werden können, fallen die Fragen selbst in einen anderen Bereich des Analyseangebots.

• Wie viele, wie oft, wann, wer – und andere Fragen rund ums Zählen

Fragen, die die Daten beschreiben , oft durch Zusammenfassen und Aggregieren von Daten durch verschiedene Schnitte, bilden Descriptive Analytics . Ziel ist es, zu verstehen, was Daten über zuvor bekannte Dimensionen aussagen, und die Aufgabe umfasst das Zählen und andere Metriken in unterschiedlicher Form (z. B. Pivot-Tabellen). Dies ist oft der Ausgangspunkt für Geschäftsanalysen und Versuche, alle gesammelten Daten zu verstehen. In den meisten Unternehmen stellt diese Aufgabe den größten Teil der Analytik dar, obwohl der menschliche Aufwand groß sein kann oder auch nicht, da solche Aufgaben oft automatisiert sind.

• Was ist passiert, was ist zu tun – und andere grundbezogene Fragen

Fragen, die versuchen zu verstehen, warum etwas passiert ist oder in den Daten beobachtet wird, bilden die nächste Ebene von Diagnostic Analytics . Ziel ist es, Gründe für beobachtete Daten herauszufinden, und Aufgaben umfassen das Testen von Hypothesen verschiedener potenzieller Gründe, das Finden der richtigen Dimensionen für die Aggregation und Aufteilung der Daten und das Betrachten von Mustern in den Daten. Betriebswirtschaftliches Verständnis und grundlegende statistische Kenntnisse werden für die Lösung solcher Probleme entscheidend. Die meisten Analytics-Jobs liegen größtenteils in diesem Bereich des Spektrums.

• Was wäre, wer wird, wann wird, was wäre, wie viel wäre, wenn – und andere zukunftsbezogene Fragen

Fragen, die versuchen, Vorhersagen oder Vorhersagen zu treffen, fallen in den Bereich von Predictive Analytics . Was vorhergesagt wird, wird von Analysten bereitgestellt, und Daten werden nach Mustern durchsucht, um die Zukunft basierend auf der Vergangenheit zu modellieren. Viele professionelle Analysefirmen sind in diesem Teil des Spektrums tätig. Ziel ist es, zukünftige Ergebnisse mit unterschiedlichem Vertrauensgrad unter verschiedenen Was-wäre-wenn-Szenarien vorherzusagen. Ein solides Verständnis von Machine-Learning-Methoden, Modellierungsannahmen und Best Practices, Statistiken und Tools jenseits von Excel wie SAS, R, SPSS, Python sind fast immer erforderlich.

• Was ist am besten, was ist richtig – und andere Fragen zur Suche nach Empfehlungen

Während Predictive Analytics bei verschiedenen Aktionen einen Einblick in die Zukunft geben kann, beraten sie selbst nicht zu Aktionen. Prescriptive Analytics geht über die Vorhersage hinaus und empfiehlt die besten Aktionen für mehrere Einheiten, die alle Einschränkungen, Geschäftsanforderungen und Ziele ganzheitlich betrachten. In diesem Bereich der analytischen Fähigkeiten werden Kenntnisse über Optimierungs- und Entscheidungsfindungsalgorithmen/-werkzeuge entscheidend. Nur Nischenorganisationen und Unternehmen können präskriptive Analysen bereitstellen und nutzen.

• Was könnte, Sag mir was – und andere aktionssuchende Fragen

Der letzte und heilige Gral der Analytik heißt Preemptive Analytics . Im Gegensatz zu Vorhersage- und Rezeptanalysen, die versuchen, das Problem nachträglich zu lösen, überwacht Preemptive Analytics alle Geschäftsbereiche und Kunden und antizipiert und löst ein Problem ständig, bevor es überhaupt offensichtlich wird. Nur sehr wenige Organisationen können wirklich behaupten, in dieser Spanne zu operieren, da sie vollständig integrierte Daten, eine Rückkopplungsschleife und künstliche Intelligenz erfordern, die mit begrenztem menschlichem Eingreifen in das gesamte System integriert sind.

Für wen arbeiten Sie?

Abgesehen von der Weiterentwicklung der analytischen Fähigkeiten, die sich im analytischen Spektrum widerspiegeln, ist eine andere orthogonale Dimension, die Ihre Fähigkeiten beeinflusst, folgende: Wer sind Ihre Kunden? Analyseunternehmen können häufig in Analyseunternehmen von Drittanbietern – die Dienstleistungen für andere Unternehmen erbringen – und firmeneigene Analyseunternehmen – die Dienstleistungen für andere Abteilungen innerhalb des eigenen Unternehmens erbringen – eingeteilt werden. Ersteres hat oft mehr Abwechslung in der Arbeit, kann aber immer noch Teamspezialisierungen haben. Später bietet sich möglicherweise mehr Gelegenheit für Fachkenntnisse.

Auf andere Weise werden Ihre Kunden Ihre analytischen Fähigkeiten beeinflussen, indem sie die richtigen Fragen stellen. Einige Kunden, die meist neu in der Analytik sind, fühlen sich unwohl, wenn sie Entscheidungen einem komplexen „Black-Box“-Modell anvertrauen, während andere, meist diejenigen, die in der Vergangenheit von Analysen profitiert haben, offener für neue und möglicherweise kontraindividuelle Ideen sind.

Machst du das wieder (und wieder)?

Schließlich konzentrieren sich einige Teams darauf, verschiedenen Kunden immer wieder ähnliche analytische Lösungen anzubieten, und andere Teams konzentrieren sich darauf, unterschiedliche Arten von Lösungen bereitzustellen.

Erste Arten von Teams gehen wirklich tief in die Problemlösung, haben oft detaillierte Prozesse und Checklisten für die Übernahme von Projekten, investieren viel in Vorausanalysen und arbeiten normalerweise mit maßgeschneiderten Tools und teil- oder vollautomatisierter Analyseentwicklung. Analysten, die an solchen Projekten arbeiten, können damit rechnen, Meister dieser Domäne zu werden. Dies kann jedoch von etwas Monotonie begleitet sein, obwohl in der Praxis jedes Projekt anders ist und scharfsinnige Analysten Gelegenheit zum Lernen finden werden.

Zweite Arten von Teams haben mehr Flexibilität und Abwechslung in der Arbeit, was Langeweile lindert, aber Herausforderungen mit sich bringt, wie das Lösen unterschiedlicher Probleme, das Navigieren durch unterschiedliche Datenstrukturen, mehr kundenspezifische Arbeit und die Datenexploration. Häufig haben Analysten, die in diesen Teams arbeiten, einen breiteren Kontakt mit verschiedenen Geschäftsdomänen und Unterdomänen, aber die Tiefe und das Geschäftswissen können begrenzt sein.

Während sich die Welt in Richtung Big Data, künstliche Intelligenz und Internet der Dinge bewegt, bleibt der Bedarf an erfahrenen analytischen Fachleuten, die auf einem fortgeschrittenen Niveau des Analysespektrums arbeiten, am höchsten in der Geschichte.