Espectro de Habilidades Analíticas

O mundo da análise inclui coleta de dados, modelagem e inteligência artificial. O conhecimento do analista de negócios também passaria de um conjunto de habilidades para outro durante o curso de sua carreira. Diferentes ferramentas fornecem expertise para resolver diferentes tipos de problemas, e diferentes empresas se concentram em trabalhar com diferentes domínios e funcionalidades analíticas. Juntando tudo isso, pode-se ver habilidades analíticas abrangendo um espectro. Então, o que é esse espectro, como isso importa?

Conhecer a região atual no espectro analítico pode ser útil para profissionais analíticos e empresas analíticas, ambos. Embora as empresas devam ter como objetivo cobrir todo o espectro em suas ofertas, o analista deve procurar se mover ao longo do espectro para dominar a análise. Esta postagem apresentará o espectro de recursos analíticos, para que você saiba onde está e onde deseja estar.

Que perguntas você está fazendo?

Quando você inicia um projeto de análise de negócios, geralmente o faz no contexto da solução de um problema de negócios. Ao contrário dos acadêmicos, os cientistas de dados profissionais geralmente têm um objetivo em mente que acabará aumentando os resultados. A solução para esse problema é muitas vezes tentada como resposta a certas questões comerciais relevantes. E embora para cada problema e projeto muitas perguntas possam ser feitas, as próprias perguntas se enquadram em diferentes domínios da região de oferta analítica.

• Quantos, com que frequência, quando, quem – e outras questões relacionadas à contagem

As perguntas que descrevem os dados , muitas vezes por meio de sumarização e agregação de dados por vários cortes, constituem a Análise Descritiva . O objetivo é entender o que os dados estão dizendo sobre dimensões conhecidas anteriores e a tarefa envolve contagem e outras métricas de forma diferente (por exemplo: tabelas dinâmicas). Geralmente, esse é o ponto de partida da análise de negócios e tenta entender todos os dados coletados. Na maioria das empresas, essa tarefa constitui a maior parte da análise, embora os esforços humanos gastos possam ou não ser grandes, pois essas tarefas geralmente são automatizadas.

• O que aconteceu, o que fazer - e outras questões focadas no motivo

Perguntas que tentam entender por que algo aconteceu ou é observado nos dados, formam o próximo nível do Diagnostic Analytics . O objetivo é descobrir os motivos dos dados observados e as tarefas envolvem o teste de hipóteses de vários motivos potenciais, encontrar as dimensões corretas para agregação e divisão dos dados e observar os padrões nos dados. A compreensão do negócio e o conhecimento estatístico básico tornam-se cruciais para resolver esses tipos de problemas. A maioria dos trabalhos de análise encontra-se em grande parte nessa região do espectro.

• E se, quem vai, quando vai, e daí, quanto se – e outras questões futuras relacionadas

As perguntas que tentam prever ou prever caem no domínio do Predictive Analytics . O que é previsto é fornecido pelo analista, e os dados são extraídos de padrões para modelar o futuro com base no passado. Muitas empresas de análise profissional operam nesta parte do espectro. O objetivo é prever resultados futuros com vários graus de confiança em vários cenários hipotéticos. Sólida compreensão de métodos de aprendizado de máquina, suposições de modelagem e práticas recomendadas, estatísticas e ferramentas além do Excel, como SAS, R, SPSS, Python são quase sempre necessárias.

• O que é melhor, o que é certo – e outras questões em busca de recomendações

Embora a análise preditiva possa fornecer um vislumbre do futuro sob diferentes ações, elas não aconselham sobre as próprias ações. O Prescriptive Analytics vai além da previsão e recomenda o melhor conjunto de ações para várias entidades olhando de forma holística em todas as restrições, requisitos de negócios e objetivos. Nesta região de capacidade analítica, o conhecimento de algoritmos/ferramentas de otimização e tomada de decisão torna-se crucial. Apenas organizações e negócios de nicho podem fornecer e consumir análises prescritivas.

• O que poderia ter, Diga-me o quê – e outras questões de busca de ação

O último e santo graal da análise é chamado de Análise Preemptiva . Ao contrário da análise de previsão e prescrição, que tenta resolver o problema post-facto , a Análise Preemptiva vigia todas as áreas de negócios e clientes e constantemente antecipa e resolve um problema antes mesmo que o problema se torne aparente. Pouquíssimas organizações podem realmente afirmar operar nesse período, pois requer dados completamente integrados, loop de feedback e Inteligência Artificial incorporados em todo o sistema com intervenção humana limitada.

Para quem você está trabalhando?

Além do avanço nas capacidades analíticas refletidas no espectro analítico, outra dimensão ortogonal que afeta seu conjunto de habilidades é: Quem são seus clientes? Muitas vezes, as empresas analíticas podem ser classificadas em empresas analíticas terceirizadas – que prestam serviços a outras empresas – e empresas analíticas cativas – que prestam serviços a outros departamentos da própria empresa. O primeiro geralmente tem mais variedade no trabalho, embora ainda possa ter especializações de equipe. Mais tarde pode fornecer mais oportunidades para conhecimentos de domínio.

De outra forma, seus clientes impactarão seus recursos analíticos, colocando o conjunto certo de perguntas. Alguns clientes, principalmente novos em análise, sentem-se desconfortáveis ​​em confiar em um modelo complexo de “caixa preta” para tomar decisões, enquanto outros, principalmente aqueles que se beneficiaram de análises no passado, estão mais abertos a ideias novas e possivelmente contra-intuitivas.

Você está fazendo isso de novo (e de novo)?

Por fim, algumas equipes se concentram em fornecer soluções analíticas semelhantes para clientes diferentes repetidamente e outras equipes se concentram em fornecer diferentes tipos de soluções.

Os primeiros tipos de equipes se aprofundam na solução de problemas, geralmente têm processos detalhados e listas de verificação para assumir projetos, investem pesadamente em análises avançadas e geralmente trabalham com ferramentas personalizadas e desenvolvimento analítico parcial ou totalmente automatizado. O analista que trabalha nesses tipos de projetos pode esperar se tornar o mestre desse domínio. Isso pode, no entanto, ser acompanhado por um pouco de monotonia, embora na prática cada projeto seja diferente e o analista astuto encontrará oportunidade de aprender.

Os segundos tipos de equipes têm mais flexibilidade e variedade no trabalho, o que alivia o tédio, mas apresenta desafios de resolver problemas diferentes, navegar em diferentes estruturas de dados, trabalhar mais personalizado e explorar dados. Muitas vezes, os analistas que trabalham nessas equipes terão uma exposição mais ampla a diferentes domínios e subdomínios de negócios, mas a profundidade e o conhecimento de negócios podem ser limitados.

À medida que o mundo se move em direção ao Big Data, Inteligência Artificial e Internet das Coisas, a necessidade de profissionais analíticos experientes trabalhando em nível avançado de espectro de análise continua sendo a maior da história.