Spektrum Kemampuan Analitik

Dunia analitik meliputi pengumpulan data, hingga pemodelan, hingga kecerdasan buatan. Pengetahuan tentang analis bisnis juga akan berpindah dari satu set keterampilan ke keterampilan lain selama karirnya. Alat yang berbeda memberikan keahlian untuk memecahkan berbagai jenis masalah, dan perusahaan yang berbeda fokus dalam bekerja dengan domain dan fungsi analitik yang berbeda. Menempatkan semua ini bersama-sama, orang dapat melihat kemampuan analitik yang mencakup spektrum. Jadi, apa spektrum itu, apa bedanya?

Mengetahui wilayah saat ini pada spektrum analitik dapat berguna bagi profesional analitik dan perusahaan analitik, keduanya. Sementara perusahaan harus bertujuan untuk mencakup seluruh spektrum dalam penawaran mereka, analis harus bertujuan untuk bergerak di sepanjang spektrum untuk menjadi ahli analitik. Posting ini akan memperkenalkan Anda pada spektrum kemampuan analitik, sehingga Anda tahu di mana Anda berada, dan di mana Anda ingin berada.

Pertanyaan apa yang Anda tanyakan?

Ketika Anda memulai proyek analitik bisnis, Anda sering melakukannya dalam konteks memecahkan masalah bisnis. Tidak seperti di bidang akademik, ilmuwan data profesional sering memiliki tujuan dalam pikiran yang pada akhirnya akan menambah keuntungan. Solusi untuk masalah itu sering dicoba sebagai jawaban atas pertanyaan bisnis tertentu yang relevan. Dan sementara untuk setiap masalah dan proyek, banyak pertanyaan dapat diajukan, pertanyaan itu sendiri termasuk dalam wilayah yang berbeda dari wilayah penawaran analitik.

• Berapa banyak, Seberapa sering, Kapan, Siapa – dan pertanyaan terkait penghitungan lainnya

Pertanyaan yang menggambarkan data , seringkali melalui ringkasan dan penggabungan data dengan berbagai potongan, merupakan Analisis Deskriptif . Tujuannya adalah untuk memahami apa yang dikatakan data tentang dimensi yang diketahui sebelumnya dan tugas melibatkan penghitungan dan metrik lainnya dalam bentuk yang berbeda (misalnya: tabel pivot). Ini sering kali merupakan titik awal analitik bisnis dan upaya untuk memahami semua data yang dikumpulkan. Di sebagian besar bisnis, tugas ini merupakan bagian terbesar dari analitik, meskipun upaya manusia yang dihabiskan mungkin atau mungkin tidak besar karena tugas seperti itu sering otomatis.

• Apa yang terjadi, Apa yang harus dilakukan – dan pertanyaan yang berfokus pada alasan lainnya

Pertanyaan yang mencoba memahami mengapa sesuatu terjadi atau diamati dalam data, membentuk Diagnostik Analytics tingkat berikutnya. Tujuannya adalah untuk menemukan alasan untuk data yang diamati dan tugas-tugas yang melibatkan pengujian hipotesis dari berbagai alasan potensial, menemukan dimensi yang tepat untuk agregasi dan pemisahan data, dan melihat pola dalam data. Pemahaman bisnis dan pengetahuan statistik dasar menjadi penting untuk memecahkan masalah semacam ini. Sebagian besar pekerjaan analitik sebagian besar terletak di wilayah spektrum ini.

• Bagaimana jika, Siapa yang akan, Kapan akan, Jadi apa, Berapa banyak jika – dan pertanyaan terkait lainnya di masa mendatang

Pertanyaan yang mencoba meramalkan atau memprediksi jatuh dalam domain Predictive Analytics . Apa yang diprediksi dipasok oleh analis, dan data ditambang untuk pola untuk memodelkan masa depan berdasarkan masa lalu. Banyak perusahaan analitik profesional beroperasi di bagian spektrum ini. Tujuannya adalah untuk meramalkan hasil masa depan dengan berbagai tingkat kepercayaan di bawah berbagai skenario bagaimana-jika. Pemahaman yang kuat tentang metode pembelajaran mesin, asumsi pemodelan dan praktik terbaik, statistik, dan alat di luar Excel seperti SAS, R, SPSS, Python hampir selalu diperlukan.

• Apa yang terbaik, Apa yang benar – dan pertanyaan pencarian rekomendasi lainnya

Sementara analitik prediktif dapat memberikan pandangan sekilas ke masa depan di bawah tindakan yang berbeda, mereka tidak menyarankan tindakan itu sendiri. Analitik Preskriptif melampaui prediksi dan merekomendasikan serangkaian tindakan terbaik untuk beberapa entitas yang melihat secara holistik pada semua kendala, persyaratan bisnis, dan sasaran. Di wilayah kemampuan analitis ini, pengetahuan tentang optimasi dan algoritma/alat pengambilan keputusan menjadi sangat penting. Hanya organisasi dan bisnis yang sangat khusus yang dapat menyediakan dan menggunakan analitik preskriptif.

• Apa yang bisa, Katakan padaku apa – dan pertanyaan pencarian tindakan lainnya

Cawan analitik terakhir dan suci disebut Pre-emptive Analytics . Tidak seperti analitik prediksi dan resep, yang mencoba memecahkan masalah pasca-fakta , Pre-emptive Analytics mengawasi semua area bisnis dan pelanggan dan terus-menerus mengantisipasi dan memecahkan masalah bahkan sebelum masalah menjadi nyata. Sangat sedikit organisasi yang benar-benar dapat mengklaim untuk beroperasi dalam rentang ini karena memerlukan data yang sepenuhnya terintegrasi, loop umpan balik, dan Kecerdasan Buatan yang dibangun ke dalam keseluruhan sistem dengan campur tangan manusia yang terbatas.

Untuk siapa Anda bekerja?

Selain kemajuan dalam kemampuan analitik yang tercermin dalam spektrum analitik, dimensi ortogonal lain yang memengaruhi keahlian Anda adalah: Siapa klien Anda? Seringkali, perusahaan analitik dapat diklasifikasikan ke dalam perusahaan analitik pihak ketiga – yang menyediakan layanan kepada perusahaan lain – dan perusahaan analitik captive – yang menyediakan layanan ke departemen lain dalam perusahaan sendiri. Mantan seringkali memiliki lebih banyak variasi dalam pekerjaan, meskipun mungkin masih memiliki spesialisasi tim. Nanti dapat memberikan lebih banyak kesempatan untuk keahlian domain.

Dengan cara lain, klien Anda akan memengaruhi kemampuan analitik Anda dengan mengajukan serangkaian pertanyaan yang tepat. Beberapa klien, sebagian besar baru mengenal analitik, merasa tidak nyaman mempercayai model "kotak hitam" yang kompleks untuk membuat keputusan, sementara yang lain, sebagian besar mereka yang telah mendapat manfaat dari analitik di masa lalu, lebih terbuka terhadap ide-ide baru dan mungkin kontra intuitif.

Apakah Anda melakukan ini lagi (dan lagi)?

Terakhir, beberapa tim fokus pada penyediaan solusi analitik serupa untuk klien yang berbeda lagi dan lagi dan tim lain fokus pada penyediaan berbagai jenis solusi.

Jenis tim pertama benar-benar mendalami pemecahan masalah, sering kali memiliki proses dan daftar periksa terperinci untuk mengambil proyek, berinvestasi besar-besaran dalam analitik awal, dan biasanya bekerja dengan alat yang disesuaikan dan pengembangan analitik sebagian atau sepenuhnya otomatis. Analis yang mengerjakan proyek semacam ini dapat berharap untuk menjadi master domain itu. Namun ini mungkin disertai dengan sedikit monoton, meskipun dalam praktiknya setiap proyek berbeda dan analis yang cerdik akan menemukan kesempatan untuk belajar.

Jenis tim kedua memiliki lebih banyak fleksibilitas dan variasi dalam pekerjaan, yang mengurangi kebosanan tetapi memperkenalkan tantangan untuk memecahkan masalah yang berbeda, menavigasi struktur data yang berbeda, lebih banyak pekerjaan khusus, dan eksplorasi data. Seringkali analis yang bekerja dalam tim ini akan memiliki eksposur yang lebih luas ke domain dan subdomain bisnis yang berbeda tetapi kedalaman dan pengetahuan bisnis mungkin terbatas.

Saat dunia bergerak menuju Big Data, Artificial Intelligence, dan Internet of Things, kebutuhan akan profesional analitik berpengalaman yang bekerja di tingkat lanjutan spektrum analitik tetap tertinggi dalam sejarah.