สเปกตรัมของความสามารถในการวิเคราะห์

โลกแห่งการวิเคราะห์รวมถึงการรวบรวมข้อมูล การสร้างแบบจำลอง ไปจนถึงปัญญาประดิษฐ์ ความรู้เกี่ยวกับนักวิเคราะห์ธุรกิจจะย้ายจากชุดทักษะไปสู่อีกทักษะหนึ่งในระหว่างเส้นทางอาชีพของเขา/เธอ เครื่องมือต่างๆ ให้ความเชี่ยวชาญในการแก้ปัญหาประเภทต่างๆ และบริษัทต่างๆ ให้ความสำคัญกับการทำงานกับโดเมนและฟังก์ชันการวิเคราะห์ที่แตกต่างกัน เมื่อนำทั้งหมดนี้มารวมกัน เราอาจมองว่าความสามารถในการวิเคราะห์ครอบคลุมสเปกตรัม ดังนั้นสเปกตรัมนั้นคืออะไรมันสำคัญอย่างไร?

การรู้ภูมิภาคปัจจุบันเกี่ยวกับสเปกตรัมการวิเคราะห์นั้นมีประโยชน์สำหรับทั้งมืออาชีพด้านการวิเคราะห์และบริษัทวิเคราะห์ ในขณะที่บริษัทต่างๆ ควรตั้งเป้าที่จะครอบคลุมทั้งสเปกตรัมในข้อเสนอของพวกเขา นักวิเคราะห์ควรตั้งเป้าหมายที่จะก้าวไปตามสเปกตรัมเพื่อเป็นผู้เชี่ยวชาญในการวิเคราะห์ โพสต์นี้จะแนะนำคุณเกี่ยวกับความสามารถในการวิเคราะห์ที่หลากหลาย เพื่อให้คุณรู้ว่าคุณอยู่ที่ไหน และคุณต้องการอยู่ที่ไหน

คุณถามคำถามอะไร

เมื่อคุณเริ่มโครงการวิเคราะห์ธุรกิจ คุณมักจะทำในบริบทของการแก้ปัญหาทางธุรกิจ นักวิทยาศาสตร์ด้านข้อมูลมืออาชีพมักมีเป้าหมายในใจซึ่งต่างจากนักวิชาการ ซึ่งท้ายที่สุดแล้วจะเพิ่มผลกำไร การแก้ปัญหานั้นมักจะพยายามเป็นคำตอบสำหรับคำถามทางธุรกิจที่เกี่ยวข้อง และในขณะที่ปัญหาและโครงการแต่ละอย่าง สามารถถามคำถามได้มากมาย ตัวคำถามเองก็ตกอยู่ในขอบเขตที่แตกต่างกันของภูมิภาคที่ให้บริการการวิเคราะห์

• จำนวน, บ่อย, เมื่อไหร่, ใคร – และคำถามเกี่ยวกับการนับอื่น ๆ ที่เกี่ยวข้อง

คำถามที่อธิบายข้อมูล ซึ่งมักจะผ่านการสรุปและรวบรวมข้อมูลโดยการตัดส่วนต่างๆ ถือเป็นการ วิเคราะห์เชิงพรรณนา เป้าหมายคือการทำความเข้าใจว่าข้อมูลที่พูดเกี่ยวกับมิติข้อมูลและงานที่ทราบก่อนหน้านั้นเกี่ยวข้องกับการนับและเมตริกอื่นๆ ในรูปแบบต่างๆ อย่างไร (เช่น ตารางสาระสำคัญ) ซึ่งมักจะเป็นจุดเริ่มต้นของการวิเคราะห์ธุรกิจและพยายามทำความเข้าใจข้อมูลทั้งหมดที่รวบรวมมา ในธุรกิจส่วนใหญ่ งานนี้ถือเป็นกลุ่มวิเคราะห์ที่ใหญ่ที่สุด แม้ว่าความพยายามของมนุษย์ที่ใช้ไปอาจจะมากหรือไม่มากก็ตาม เนื่องจากงานดังกล่าวมักเป็นแบบอัตโนมัติ

• เกิดอะไรขึ้น จะทำอย่างไร – และคำถามอื่นๆ ที่เน้นเหตุผล

คำถามที่พยายามทำความเข้าใจว่าเหตุใดจึง มีบางสิ่งเกิดขึ้นหรือถูกสังเกตพบในข้อมูล จะสร้างระดับถัดไปของ Diagnostic Analytics เป้าหมายคือการหาสาเหตุของข้อมูลที่สังเกตได้และงานที่เกี่ยวข้องกับการทดสอบสมมติฐานของสาเหตุที่เป็นไปได้ต่างๆ การค้นหามิติที่เหมาะสมสำหรับการรวมและการแยกข้อมูล และการดูรูปแบบในข้อมูล ความเข้าใจทางธุรกิจและความรู้ทางสถิติพื้นฐานมีความสำคัญต่อการแก้ปัญหาประเภทนี้ งานวิเคราะห์ส่วนใหญ่อยู่ในขอบเขตของสเปกตรัมนี้

• What if, Who will, when will, So what, How much if – และคำถามอื่นๆ ที่เกี่ยวข้องในอนาคต

คำถามที่พยายามคาดการณ์หรือคาดการณ์ อยู่ในโดเมนของ Predictive Analytics สิ่งที่คาดการณ์ไว้นั้นมาจากนักวิเคราะห์ และข้อมูลจะถูกขุดขึ้นมาสำหรับรูปแบบเพื่อสร้างแบบจำลองอนาคตโดยอิงจากอดีต บริษัทวิเคราะห์มืออาชีพหลายแห่งดำเนินการในส่วนนี้ของสเปกตรัม เป้าหมายคือการคาดการณ์ผลลัพธ์ในอนาคตด้วยระดับความเชื่อมั่นที่หลากหลายภายใต้สถานการณ์สมมติต่างๆ ความเข้าใจอย่างถ่องแท้เกี่ยวกับวิธีการเรียนรู้ของเครื่อง สมมติฐานการสร้างแบบจำลองและแนวทางปฏิบัติที่ดีที่สุด สถิติ และเครื่องมือนอกเหนือจาก Excel เช่น SAS, R, SPSS, Python นั้นมีความจำเป็นแทบทุกครั้ง

• อะไรดีที่สุด สิ่งที่ถูกต้อง – และข้อเสนอแนะอื่นๆ เพื่อค้นหาคำถาม

แม้ว่าการวิเคราะห์เชิงคาดการณ์จะช่วยให้มองเห็นอนาคตภายใต้การดำเนินการต่างๆ ได้ แต่ก็ไม่แนะนำให้ดำเนินการด้วยตนเอง Prescriptive Analytics เป็นมากกว่าการคาดการณ์ และ แนะนำชุดการดำเนินการที่ดีที่สุด สำหรับหน่วยงานหลายแห่งที่มองดูข้อจำกัด ความต้องการทางธุรกิจ และเป้าหมายทั้งหมดอย่างเป็นองค์รวม ที่ขอบเขตของความสามารถในการวิเคราะห์นี้ ความรู้เกี่ยวกับการเพิ่มประสิทธิภาพและอัลกอริธึม/เครื่องมือในการตัดสินใจจึงมีความสำคัญ เฉพาะองค์กรและธุรกิจเฉพาะกลุ่มเท่านั้นที่สามารถจัดหาและใช้การวิเคราะห์ที่กำหนดได้

• สิ่งที่อาจมี บอกฉันว่าอะไร – และการดำเนินการอื่น ๆ เพื่อค้นหาคำถาม

การวิเคราะห์สุดท้ายและศักดิ์สิทธิ์เรียกว่า Pre-emptive Analytics ต่างจากการคาดการณ์และการวิเคราะห์ใบสั่งยาซึ่งพยายามแก้ปัญหา หลังข้อเท็จจริง การวิเคราะห์แบบจองจำล่วงหน้าจะดูแลทุกด้านของธุรกิจและลูกค้า และคาดการณ์และแก้ไขปัญหาอย่างต่อเนื่องก่อนที่ปัญหาจะปรากฎชัดเจน มีองค์กรเพียงไม่กี่แห่งที่สามารถอ้างสิทธิ์ในการดำเนินงานในช่วงนี้ เนื่องจากจำเป็นต้องมีข้อมูลที่บูรณาการอย่างสมบูรณ์ วงจรป้อนกลับ และปัญญาประดิษฐ์ที่สร้างขึ้นในทั้งระบบ โดยมีการแทรกแซงของมนุษย์อย่างจำกัด

คุณทำงานให้ใคร

นอกเหนือจากความก้าวหน้าในความสามารถในการวิเคราะห์ที่สะท้อนอยู่ในสเปกตรัมการวิเคราะห์ มิติมุมฉากอื่นๆ ที่ส่งผลต่อชุดทักษะของคุณคือ: ใครคือลูกค้าของคุณ? บ่อยครั้ง บริษัทวิเคราะห์สามารถจำแนกเป็นบริษัท วิเคราะห์บุคคลที่สาม ซึ่งให้บริการกับบริษัทอื่น และบริษัท วิเคราะห์แบบ Captive ซึ่งให้บริการแก่แผนกอื่นภายในบริษัทของตัวเอง อดีตมักมีความหลากหลายในการทำงานมากกว่า ถึงแม้ว่าจะยังคงมีความเชี่ยวชาญเฉพาะด้านในทีมก็ตาม ภายหลังอาจให้โอกาสเพิ่มเติมสำหรับความเชี่ยวชาญด้านโดเมน

ในอีกทางหนึ่งที่ลูกค้าของคุณจะส่งผลต่อความสามารถในการวิเคราะห์ของคุณก็คือการตั้งคำถามที่ถูกต้อง ลูกค้าบางรายซึ่งส่วนใหญ่เป็นมือใหม่ในการวิเคราะห์ รู้สึกไม่สบายใจที่จะไว้วางใจโมเดล "กล่องดำ" ที่ซับซ้อนในการตัดสินใจ ในขณะที่ลูกค้ารายอื่นๆ ซึ่งส่วนใหญ่เป็นผู้ที่ได้รับประโยชน์จากการวิเคราะห์ในอดีต เปิดรับแนวคิดใหม่ๆ

คุณกำลังทำเช่นนี้อีกครั้ง (และอีกครั้ง) หรือไม่?

สุดท้ายนี้ บางทีมมุ่งเน้นที่การนำเสนอโซลูชันการวิเคราะห์ที่คล้ายคลึงกันแก่ลูกค้าที่แตกต่างกันครั้งแล้วครั้งเล่า และทีมอื่นๆ ให้ความสำคัญกับการจัดหาโซลูชันประเภทต่างๆ

ทีมประเภทแรกจะลงลึกในการแก้ปัญหา มักจะมีขั้นตอนโดยละเอียดและรายการตรวจสอบสำหรับการทำโครงการ ลงทุนอย่างหนักในการวิเคราะห์ล่วงหน้า และมักจะทำงานกับเครื่องมือที่ปรับแต่งเองและการพัฒนาการวิเคราะห์อัตโนมัติบางส่วนหรือทั้งหมด นักวิเคราะห์ที่ทำงานในโครงการประเภทนี้สามารถคาดหวังว่าจะได้เป็นผู้เชี่ยวชาญในโดเมนนั้น อย่างไรก็ตาม นี้อาจมาพร้อมกับความน่าเบื่อเล็กน้อย แม้ว่าในทางปฏิบัติแต่ละโครงการจะแตกต่างกัน และนักวิเคราะห์ที่ชาญฉลาดจะหาโอกาสในการเรียนรู้

ทีมประเภทที่สองมีความยืดหยุ่นและความหลากหลายในการทำงานมากกว่า ซึ่งบรรเทาความเบื่อหน่าย แต่แนะนำความท้าทายในการแก้ปัญหาที่แตกต่างกัน การนำทางโครงสร้างข้อมูลที่แตกต่างกัน งานที่กำหนดเองมากขึ้น และการสำรวจข้อมูล นักวิเคราะห์ที่ทำงานในทีมเหล่านี้มักจะเปิดเผยโดเมนธุรกิจและโดเมนย่อยที่กว้างขึ้น แต่ความรู้เชิงลึกและธุรกิจอาจมีจำกัด

ในขณะที่โลกกำลังก้าวไปสู่ ​​Big Data, Artificial Intelligence และ Internet of Things ความต้องการมืออาชีพด้านการวิเคราะห์ที่มีประสบการณ์ในระดับขั้นสูงของสเปกตรัมการวิเคราะห์ยังคงสูงที่สุดในประวัติศาสตร์