Spettro delle capacità analitiche

Il mondo dell'analisi include la raccolta di dati, la modellazione, l'intelligenza artificiale. La conoscenza dell'analista aziendale passerebbe anche da un insieme di competenze all'altro nel corso della sua carriera. Diversi strumenti forniscono competenze per risolvere diversi tipi di problemi e diverse aziende si concentrano sul lavoro con diversi domini e funzionalità analitiche. Mettendo tutto questo insieme, si possono vedere le capacità analitiche che abbracciano uno spettro. Allora, qual è quello spettro, che importanza ha?

Conoscere la regione attuale sullo spettro analitico può tornare utile sia per i professionisti analitici che per le aziende analitiche. Mentre le aziende dovrebbero mirare a coprire l'intero spettro delle loro offerte, l'analista dovrebbe mirare a spostarsi lungo lo spettro per essere padroni dell'analisi. Questo post ti introdurrà allo spettro delle capacità analitiche, in modo da sapere dove sei e dove vuoi essere.

Quali domande stai ponendo?

Quando avvii un progetto di analisi aziendale, lo fai spesso nel contesto della risoluzione di un problema aziendale. A differenza degli accademici, i data scientist professionisti spesso hanno in mente un obiettivo che alla fine si aggiungerà alla linea di fondo. La soluzione a questo problema viene spesso tentata come risposta a determinate domande aziendali rilevanti. E mentre per ogni problema e progetto possono essere poste molte domande, le domande stesse ricadono in diversi regni della regione dell'offerta analitica.

• Quante, quante volte, quando, chi e altre domande relative al conteggio

Le domande che descrivono i dati , spesso attraverso la sintesi e l'aggregazione dei dati per vari tagli, costituiscono l' analisi descrittiva . L'obiettivo è capire cosa dicono i dati sulle dimensioni note precedenti e l'attività implica il conteggio e altre metriche in forma diversa (ad esempio: tabelle pivot). Questo è spesso il punto di partenza dell'analisi aziendale e dei tentativi di dare un senso a tutti i dati raccolti. Nella maggior parte delle aziende, questa attività costituisce la parte più importante dell'analisi, sebbene gli sforzi umani spesi possano essere o meno elevati poiché tali attività sono spesso automatizzate.

• Cosa è successo, cosa fare e altre domande focalizzate sui motivi

Domande che cercano di capire perché qualcosa è accaduto o è stato osservato nei dati, formano il livello successivo di Diagnostic Analytics . L'obiettivo è scoprire le ragioni per i dati osservati e le attività implicano la verifica di ipotesi di varie potenziali ragioni, la ricerca di giuste dimensioni per l'aggregazione e la divisione dei dati e l'analisi dei modelli nei dati. La comprensione del business e le conoscenze statistiche di base diventano cruciali per risolvere questo tipo di problemi. La maggior parte dei lavori di analisi si trovano in gran parte in questa regione dello spettro.

• E se, chi lo farà, quando lo farà, e allora, quanto se – e altre domande future correlate

Le domande che tentano di prevedere o prevedere rientrano nel dominio dell'analisi predittiva . Ciò che viene previsto viene fornito dall'analista e i dati vengono estratti per modelli per modellare il futuro in base al passato. Molte società di analisi professionali operano in questa parte dello spettro. L'obiettivo è prevedere i risultati futuri con vari gradi di confidenza in vari scenari ipotetici. Quasi sempre sono necessari una solida comprensione dei metodi di apprendimento automatico, ipotesi di modellazione e best practice, statistiche e strumenti oltre a Excel come SAS, R, SPSS e Python.

• Cosa è meglio, Cosa è giusto e altre domande in cerca di consigli

Sebbene l'analisi predittiva possa fornire uno sguardo al futuro in diverse azioni, non fornisce consigli sulle azioni stesse. L'analisi prescrittiva va oltre la previsione e consiglia la migliore serie di azioni per più entità che osservano in modo olistico tutti i vincoli, i requisiti aziendali e gli obiettivi. In questa regione di capacità analitiche, la conoscenza dell'ottimizzazione e degli algoritmi/strumenti decisionali diventa cruciale. Solo le organizzazioni e le aziende molto di nicchia possono fornire e utilizzare analisi prescrittive.

• Cosa potrebbe avere, Dimmi cosa e altre domande in cerca di azione

L'ultimo e santo Graal dell'analisi si chiama Analisi preventiva . A differenza dell'analisi delle previsioni e delle prescrizioni, che tentano di risolvere il problema a posteriori , l'analisi preventiva vigila su tutte le aree di attività e sui clienti e anticipa e risolve costantemente un problema prima ancora che il problema diventi evidente. Pochissime organizzazioni possono davvero affermare di operare in questo arco di tempo poiché richiede dati completamente integrati, ciclo di feedback e intelligenza artificiale integrati nell'intero sistema con un intervento umano limitato.

Per chi lavori?

Oltre al progresso delle capacità analitiche riflesse nello spettro analitico, un'altra dimensione ortogonale che influenza il tuo set di abilità è: chi sono i tuoi clienti? Spesso, le società di analisi possono essere classificate in società di analisi di terze parti – che forniscono servizi ad altre società – e società di analisi captive – che forniscono servizi ad altri dipartimenti all'interno della propria azienda. Il primo ha spesso più varietà nel lavoro, sebbene possa ancora avere specializzazioni di squadra. Successivamente può fornire maggiori opportunità per competenze di dominio.

In altro modo, i tuoi clienti avranno un impatto sulle tue capacità analitiche ponendo la giusta serie di domande. Alcuni clienti, per lo più nuovi all'analisi, si sentono a disagio nel fidarsi di un modello complesso di "scatola nera" per prendere decisioni, mentre altri, per lo più coloro che hanno beneficiato dell'analisi in passato, sono più aperti a idee nuove e forse controintuitive.

Lo stai facendo ancora (e ancora)?

Infine, alcuni team si concentrano sulla fornitura di soluzioni analitiche simili a clienti diversi ancora e ancora e altri team si concentrano sulla fornitura di diversi tipi di soluzioni.

I primi tipi di team approfondiscono molto la risoluzione dei problemi, spesso dispongono di processi dettagliati e checklist per l'assunzione di progetti, investono molto in analisi anticipate e di solito lavorano con strumenti personalizzati e sviluppo analitico parzialmente o completamente automatizzato. L'analista che lavora su questo tipo di progetti può aspettarsi di diventare padrone di quel dominio. Questo può tuttavia essere accompagnato da un po' di monotonia, anche se in pratica ogni progetto è diverso e l'analista astuto troverà l'opportunità di imparare.

Il secondo tipo di team ha una maggiore flessibilità e varietà di lavoro, il che allevia la noia ma introduce sfide per la risoluzione di problemi diversi, la navigazione in strutture dati diverse, lavoro più personalizzato ed esplorazione dei dati. Spesso l'analista che lavora in questi team avrà un'esposizione più ampia a diversi domini e sottodomini aziendali, ma la profondità e la conoscenza aziendale possono essere limitate.

Mentre il mondo si muove verso i Big Data, l'Intelligenza Artificiale e l'Internet delle cose, la necessità di un professionista analitico esperto che lavori a un livello avanzato dello spettro di analisi rimane la più alta nella storia.