分析能力のスペクトル

公開: 2015-10-15

分析の世界には、データ収集、モデリング、人工知能が含まれます。ビジネスアナリストの知識も、彼/彼女のキャリアの過程で一連のスキルから別のスキルに移動します。さまざまなツールがさまざまな種類の問題を解決するための専門知識を提供し、さまざまな企業がさまざまなドメインや分析機能の操作に焦点を合わせています。これらすべてをまとめると、スペクトルにまたがる分析能力を見ることができます。それで、そのスペクトルは何ですか、それはどのように重要ですか？

分析スペクトルの現在の領域を知ることは、分析の専門家と分析会社の両方にとって便利です。企業は自社の製品でスペクトル全体をカバーすることを目指す必要がありますが、アナリストは分析のマスターになるためにスペクトルに沿って移動することを目指す必要があります。この投稿では、さまざまな分析機能を紹介し、自分がどこにいて、どこになりたいかを把握できるようにします。

どんな質問をしていますか？

あなたがビジネス分析プロジェクトを始めるとき、あなたはしばしばビジネス問題を解決するという文脈で行います。学者とは異なり、プロのデータサイエンティストは多くの場合、最終的に収益に追加される目標を念頭に置いています。その問題の解決策は、特定の関連するビジネス上の質問への回答としてしばしば試みられます。また、問題やプロジェクトごとに多くの質問をすることができますが、質問自体は分析提供地域のさまざまな領域に分類されます。

いくつ、どのくらいの頻度で、いつ、誰が、そして他のカウント関連の質問

多くの場合、さまざまなカットによってデータを要約および集約することにより、データを説明する質問は、記述的分析を構成します。目標は、以前の既知のディメンションについてデータが何を言っているかを理解することであり、タスクには、さまざまな形式のカウントやその他のメトリックが含まれます（例：ピボットテーブル）。これは多くの場合、ビジネス分析の開始点であり、収集されたすべてのデータを理解しようとします。ほとんどの企業では、このタスクが分析の最大のチャンクを構成しますが、このようなタスクは自動化されることが多いため、人的労力がかかる場合とそうでない場合があります。

何が起こったのか、何をすべきか、そして他の理由に焦点を当てた質問

なぜ何かが起こったのか、またはデータで観察されたのかを理解しようとする質問は、次のレベルの診断分析を形成します。目標は、観測されたデータの理由を見つけることです。タスクには、さまざまな潜在的な理由の仮説検定、データの集計と分割の適切なディメンションの検索、およびデータのパターンの確認が含まれます。このような問題を解決するには、ビジネスの理解と基本的な統計知識が不可欠になります。ほとんどの分析ジョブは、主にこのスペクトル領域にあります。

もしも、誰が、いつ、いつ、それで、どのくらいの場合、そして他の将来の関連する質問

予測または予測を試みる質問は、予測分析の領域に分類されます。予測されるものはアナリストによって提供され、過去に基づいて未来をモデル化するためのパターンのデータがマイニングされます。多くの専門分析会社は、スペクトルのこの部分で運営されています。目標は、さまざまなwhat-ifシナリオの下で、さまざまな程度の自信を持って将来の結果を予測することです。ほとんどの場合、機械学習の方法、モデリングの前提条件とベストプラクティス、統計、およびExcel以外のツール（SAS、R、SPSS、Pythonなど）をしっかりと理解する必要があります。

何が最善か、何が正しいか、そして質問を求めるその他の推奨事項

予測分析は、さまざまなアクションの下で将来を垣間見ることができますが、アクション自体についてはアドバイスしません。 処方分析は予測を超えており、すべての制約、ビジネス要件、および目標を総合的に検討している複数のエンティティに最適な一連のアクションを推奨します。分析能力のこの領域では、最適化と意思決定のアルゴリズム/ツールの知識が重要になります。非常にニッチな組織と企業だけが、処方分析を提供および利用できます。

何ができるか、何を教えてください–そして質問を求める他の行動

分析の最後の聖杯は、プリエンプティブ分析と呼ばれます。 事後的に問題を解決しようとする予測および処方分析とは異なり、プリエンプティブ分析はビジネスと顧客のすべての領域を監視し、問題が明らかになる前に常に問題を予測して解決します。完全に統合されたデータ、フィードバックループ、および限られた人間の介入でシステム全体に組み込まれた人工知能が必要なため、このスパンで実際に運用していると主張できる組織はほとんどありません。

誰のために働いていますか？

分析スペクトルに反映される分析機能の進歩とは別に、スキルセットに影響を与える他の直交する次元は次のとおりです。クライアントは誰ですか。多くの場合、分析会社は、他の会社にサービスを提供するサードパーティの分析会社と、自社内の他の部門にサービスを提供するキャプティブ分析会社に分類できます。チームの専門分野はまだあるかもしれませんが、前者は仕事の種類が多いことがよくあります。後で、ドメインの専門知識の機会が増える可能性があります。

他の方法では、クライアントが分析機能に影響を与えるのは、適切な一連の質問を提示することです。ほとんどの場合分析に不慣れな一部のクライアントは、複雑な「ブラックボックス」モデルを信頼して意思決定を行うことに不安を感じますが、他のクライアント、ほとんどの場合、過去に分析の恩恵を受けたクライアントは、新しい、おそらく直感に反するアイデアに対してよりオープンです。

あなたはこれをもう一度（そしてもう一度）やっていますか？

最後に、一部のチームは、さまざまなクライアントに同様の分析ソリューションを何度も提供することに焦点を当てており、他のチームは、さまざまなタイプのソリューションを提供することに焦点を当てています。

最初のタイプのチームは、問題解決に深く入り込み、プロジェクトを引き受けるための詳細なプロセスとチェックリストを持ち、事前の分析に多額の投資を行い、通常、カスタマイズされたツールと部分的または完全に自動化された分析開発を行います。これらの種類のプロジェクトに取り組んでいるアナリストは、そのドメインのマスターになることを期待できます。ただし、実際には各プロジェクトは異なり、賢明なアナリストは学ぶ機会がありますが、これには少し単調さが伴う場合があります。

2番目のタイプのチームは、作業の柔軟性と多様性が高く、退屈を軽減しますが、さまざまな問題の解決、さまざまなデータ構造のナビゲート、より多くのカスタム作業、およびデータ探索の課題をもたらします。多くの場合、これらのチームで働くアナリストは、さまざまなビジネスドメインやサブドメインに幅広く触れることができますが、深さやビジネス知識は限られている可能性があります。

世界がビッグデータ、人工知能、モノのインターネットに移行するにつれ、高度なレベルの分析スペクトルで働く経験豊富な分析専門家の必要性は、歴史上最も高いままです。