Spectre des capacités analytiques

Le monde de l'analyse comprend la collecte de données, la modélisation et l'intelligence artificielle. La connaissance de l'analyste d'affaires passerait également d'un ensemble de compétences à un autre au cours de sa carrière. Différents outils fournissent une expertise pour résoudre différents types de problèmes, et différentes entreprises se concentrent sur le travail avec différents domaines et fonctionnalités analytiques. En mettant tout cela ensemble, on peut voir des capacités analytiques couvrant un spectre. Alors, quel est ce spectre, en quoi est-ce important ?

Connaître la région actuelle sur le spectre analytique peut s'avérer utile pour les professionnels de l'analyse et les entreprises d'analyse, à la fois. Alors que les entreprises devraient viser à couvrir tout le spectre de leurs offres, les analystes devraient viser à se déplacer le long du spectre pour maîtriser l'analyse. Cet article vous présentera l'éventail des capacités analytiques, afin que vous sachiez où vous en êtes et où vous voulez être.

Quelles questions poses-tu ?

Lorsque vous lancez un projet d'analyse commerciale, vous le faites souvent dans le contexte de la résolution d'un problème commercial. Contrairement aux universitaires, les spécialistes des données professionnels ont souvent un objectif en tête qui finira par s'ajouter au résultat net. La solution à ce problème est souvent tentée en réponse à certaines questions commerciales pertinentes. Et tandis que pour chaque problème et projet, de nombreuses questions peuvent être posées, les questions elles-mêmes relèvent de domaines différents de la région d'offre analytique.

• Combien, combien de fois, quand, qui - et d'autres questions liées au comptage

Les questions qui décrivent les données , souvent en résumant et en agrégeant les données par différentes coupes, constituent l' analyse descriptive . L'objectif est de comprendre ce que disent les données sur les dimensions connues antérieures et la tâche implique le comptage et d'autres mesures sous différentes formes (par exemple : tableaux croisés dynamiques). Il s'agit souvent du point de départ de l'analyse commerciale et des tentatives de donner un sens à toutes les données recueillies. Dans la plupart des entreprises, cette tâche constitue la plus grande partie de l'analyse, bien que les efforts humains dépensés puissent être importants ou non, car ces tâches sont souvent automatisées.

• Que s'est-il passé, que faire - et d'autres questions axées sur la raison

Les questions qui essaient de comprendre pourquoi quelque chose s'est produit ou est observé dans les données, forment le niveau suivant de Diagnostic Analytics . L'objectif est de découvrir les raisons des données observées et les tâches impliquent des tests d'hypothèse de diverses raisons potentielles, la recherche des bonnes dimensions pour l'agrégation et la division des données, et l'examen des modèles dans les données. La compréhension des affaires et les connaissances statistiques de base deviennent cruciales pour résoudre ce type de problèmes. La plupart des emplois d'analyse se situent en grande partie dans cette région du spectre.

• Et si, qui le fera, quand le fera, et alors, combien si - et d'autres questions liées à l'avenir

Les questions qui tentent de prévoir ou de prédire relèvent du domaine de l' analyse prédictive . Ce qui est prédit est fourni par l'analyste et les données sont extraites de modèles pour modéliser l'avenir en fonction du passé. De nombreuses sociétés d'analyse professionnelles opèrent dans cette partie du spectre. L'objectif est de prévoir les résultats futurs avec un degré de confiance variable selon divers scénarios hypothétiques. Une solide compréhension des méthodes d'apprentissage automatique, des hypothèses de modélisation et des meilleures pratiques, des statistiques et des outils au-delà d'Excel tels que SAS, R, SPSS, Python est presque toujours nécessaire.

• Qu'est-ce qui est le mieux, qu'est-ce qui est juste - et d'autres questions de recherche de recommandations

Bien que l'analyse prédictive puisse donner un aperçu de l'avenir sous différentes actions, elle ne donne pas de conseils sur les actions elles-mêmes. L'analyse prescriptive va au-delà de la prédiction et recommande le meilleur ensemble d'actions pour plusieurs entités en regardant de manière holistique toutes les contraintes, les exigences commerciales et les objectifs. Dans cette région de capacité analytique, la connaissance des algorithmes/outils d'optimisation et de prise de décision devient cruciale. Seules les organisations et les entreprises très spécialisées peuvent fournir et consommer des analyses prescriptives.

• Qu'est-ce qui aurait pu, dites-moi quoi - et d'autres questions de recherche d'action

Le dernier et saint graal de l'analyse s'appelle l'analyse préemptive . Contrairement à la prédiction et à l'analyse des prescriptions, qui tentent de résoudre le problème après coup, l'analyse préemptive surveille tous les domaines d'activité et les clients et anticipe et résout constamment un problème avant même qu'il ne devienne apparent. Très peu d'organisations peuvent vraiment prétendre fonctionner dans cette période, car cela nécessite des données complètement intégrées, une boucle de rétroaction et une intelligence artificielle intégrées dans l'ensemble du système avec une intervention humaine limitée.

Pour qui travailles-tu? Pour qui travaillez-vous?

Outre l'avancement des capacités analytiques reflété dans le spectre analytique, une autre dimension orthogonale qui affecte vos compétences est : Qui sont vos clients ? Souvent, les sociétés d'analyse peuvent être classées en société d'analyse tierce - qui fournit des services à d'autres sociétés - et société d' analyse captive - qui fournit des services à d'autres départements au sein de sa propre société. Les anciens ont souvent plus de variété dans leur travail, bien qu'ils puissent toujours avoir des spécialisations d'équipe. Plus tard, cela peut fournir plus d'opportunités pour l'expertise du domaine.

D'une autre manière, vos clients auront un impact sur vos capacités analytiques en posant le bon ensemble de questions. Certains clients, pour la plupart nouveaux dans l'analytique, se sentent mal à l'aise de faire confiance à un modèle complexe de « boîte noire » pour prendre des décisions, tandis que d'autres, principalement ceux qui ont bénéficié de l'analytique dans le passé, sont plus ouverts aux idées nouvelles et peut-être contre-intuitives.

Le faites-vous encore (et encore) ?

Enfin, certaines équipes se concentrent sur la fourniture répétée de solutions analytiques similaires à différents clients et d'autres équipes se concentrent sur la fourniture de différents types de solutions.

Les premiers types d'équipes approfondissent la résolution de problèmes, ont souvent des processus détaillés et une liste de contrôle pour entreprendre des projets, investissent massivement dans des analyses avancées et travaillent généralement avec des outils personnalisés et un développement analytique partiellement ou entièrement automatisé. Les analystes travaillant sur ce type de projets peuvent s'attendre à devenir maîtres de ce domaine. Cela peut cependant s'accompagner d'un peu de monotonie, bien qu'en pratique chaque projet soit différent et un analyste astucieux trouvera l'occasion d'apprendre.

Les deuxièmes types d'équipes ont plus de flexibilité et de variété dans le travail, ce qui atténue l'ennui mais introduit des défis de résolution de problèmes différents, de navigation dans différentes structures de données, de travail plus personnalisé et d'exploration de données. Souvent, les analystes travaillant dans ces équipes auront une exposition plus large à différents domaines et sous-domaines commerciaux, mais la profondeur et les connaissances commerciales peuvent être limitées.

Alors que le monde évolue vers le Big Data, l'intelligence artificielle et l'Internet des objets, le besoin de professionnels analytiques chevronnés travaillant à un niveau avancé du spectre analytique reste le plus élevé de l'histoire.