Zawartość
- Bez błędów, bez stresu - Twój przewodnik krok po kroku do tworzenia oprogramowania zmieniającego życie bez niszczenia życia
- Więcej na „stronie użytkownika?”
- Uzyskiwanie pomocy technicznej dzięki zaawansowanej analizie BI
- Przyszłość analizy BI
Źródło: Denisismagilov / Dreamstime.com
Na wynos:
Analityk analityki biznesowej ma szeroką rolę, opartą na zróżnicowanym zestawie umiejętności.
Analityk analityki biznesowej odgrywa kluczową rolę w firmie. To zadanie jest związane ze zintegrowanym oprogramowaniem i zasobami danych, które pomagają firmom wytyczać kurs i podejmować decyzje dotyczące operacji.
W najszerszym znaczeniu analityk Business Intelligence odpowiada za pracę z danymi Business Intelligence, tworzenie spostrzeżeń i ustalanie sposobów wykorzystania tych zasobów danych w firmie. (Czym dokładnie jest inteligencja biznesowa? Dowiedz się więcej na ten temat we Wstępie do inteligencji biznesowej).
Ta ogólna rola zadania składa się z różnych elementów. Analitycy analityki biznesowej mogą gromadzić i dokumentować wymagania techniczne oraz pokazywać, w jaki sposób technologie raportowania i narzędzia analityczne wpływają na operacje biznesowe.
Zazwyczaj będą używać narzędzi bazy danych SQL i innych technologii do tworzenia rozwiązań raportowania i aktywnego formowania różnego rodzaju danych w celu wsparcia generowania wglądu.
Innym kluczowym elementem jest wspieranie użytkownika końcowego - na przykład analityk Business Intelligence może pomóc w tworzeniu lub ulepszaniu określonego rodzaju wizualnego pulpitu nawigacyjnego, a nawet może szkolić użytkowników po jego utworzeniu.
Aby uzyskać więcej informacji, spójrzmy na przeciętną reklamę dla tej profesjonalnej roli.
Nazywając analityka BI „praktyczną pozycją”, reklama z Procession Systems w Maryland zawiera następujące punkty:
- Pomoc w tworzeniu i prezentacji materiałów szkoleniowych dla rozwiązań BI
- Polecaj ulepszenia i modyfikacje, aby zoptymalizować procesy analizy biznesowej
- Szybko reaguj na zapytania i problemy z zakresu analizy biznesowej
- Twórz i wykonuj plany projektów w ramach przydzielonego budżetu i terminów
Są to tylko cztery punkty na długiej liście, ale pomagają zilustrować niektóre sposoby, w jakie praca analityka BI łączy umiejętności techniczne i funkcje zdrowego rozsądku, takie jak zarządzanie czasem.
Bez błędów, bez stresu - Twój przewodnik krok po kroku do tworzenia oprogramowania zmieniającego życie bez niszczenia życia
Nie możesz poprawić swoich umiejętności programistycznych, gdy nikt nie dba o jakość oprogramowania.
Więcej na „stronie użytkownika?”
Jednym ze sposobów na określenie, co robi analityk analityki biznesowej, jest porównanie roli z innymi, które mogą mieć bardziej techniczny charakter.
Oto co powiedział Ganes Kesari, współzałożyciel i szef działu analizy w Gramener:
Analitycy BI pracują nad identyfikowaniem spostrzeżeń z danych i przekształcaniem ich w wizualne historie. Korzystają z samoobsługowych narzędzi do wyszukiwania danych, takich jak Tableau, Power BI. Wiele z nich ma dobre umiejętności SQL i umiarkowane przygotowanie programistyczne. Nie należy jednak na nich liczyć z powodu intensywnego rozwoju zaplecza, które jest domeną inżynierów ML.
Analitycy BI często współpracują z zespołem IT, ale ściśle współpracują z użytkownikami biznesowymi. Rozumieją potrzeby funkcjonalne, potrafią zbierać dane, zestawiać zapytania i tworzyć dashboardy BI ad-hoc.
Uzyskiwanie pomocy technicznej dzięki zaawansowanej analizie BI
Chociaż platformy takie jak Tableau są popularne w świecie inteligencji biznesowej, niektórzy analitycy wykraczają poza te wbudowane platformy, wykorzystując surowe kodowanie w Pythonie i różnych językach lub tworząc programy numeryczne „od zera”.
„Korzystam z narzędzi opartych na języku Python, takich jak NumPy i Matplotlib, gdy wygodniejsze, ale podstawowe narzędzia nie mają potrzebnej mi funkcji” - mówi Bruce Kuo z Codementor, badacz danych, jednocześnie przyznając, że Tableau i Looker to zazwyczaj jego pierwsze kroki. „Ponadto inżynierowie BI koncentrują się bardziej na logice przetwarzania danych. Celem jest zapewnienie analitykom biznesowym lepszej jakości danych. ”
Kuo mówił o używaniu NumPy, biblioteki tablicowej dla Pythona, w pracy BI.
„Podczas przetwarzania”, mówi, „mogę korzystać z operacji NumPy, ale nie Matplotlib, ponieważ nie muszę tworzyć wizualizacji. W większości przypadków mogę wygenerować spostrzeżenia na podstawie prostych reguł i założeń, jeśli dokładnie rozważę problem. Zasadniczo nie jest konieczne angażowanie się w programy uczenia maszynowego, z wyjątkiem przypadków grupowania, takich jak oznaczanie grup użytkowników według zachowań użytkowników, ponieważ zachowanie użytkowników jest trudne do zdefiniowania za pomocą reguł. ”
Kuo wyjaśnia dalej, że NumPy pomaga importować dane wejściowe w określonym formacie.
„Używam NumPy do BI, kiedy biblioteka wizualizacji lub pakiet potrzebuje danych wejściowych typu NumPy”, mówi. „Na przykład potrzebujemy„ kształtu USB ”do pracy z„ portem USB ”. W tym przypadku„ Kształtem USB ”jest NumPy, a„ portem USB ”jest pakiet wizualizacji. Przed zaimportowaniem do narzędzi do wizualizacji dane muszą zostać przetworzone do odpowiedniego formatu… Dla mnie NumPy nie działa jako pamięć, a raczej koncepcja komputerowa.
Na przykład możesz wykonywać operacje na macierzach za pomocą NumPy, który jest podstawą uczenia maszynowego. W inżynierii NumPy wdraża różne sztuczki optymalizacyjne, aby poprawić wydajność. ”
Istnieje również moc uczenia maszynowego, która według Kuo może pomóc w tworzeniu bardziej wyrafinowanych modeli, niż możemy „myśleć” na papierze bez automatycznej analizy.
„Przed uczeniem maszynowym ludzie próbowali definiować i rozdzielać użytkowników według reguł”, mówi Kuo. „Na przykład wiemy, że użytkownicy w wieku 30–40 lat kupują piwo. Czasami jednak proste 1-5 czynniki nie wystarczą, aby poprawnie opisać użytkowników. Liczba kombinacji reguł jest po prostu zbyt duża, aby ludzki mózg mógł to obliczyć. Jak więc to rozwiązać? Tak zaczęło się uczenie maszynowe. ML może efektywnie uwzględniać wiele czynników. Jako specjalista ds. Danych moja praca zaczyna ostrożnie definiować problemy, metryki lub eksperymenty. ”
Przyszłość analizy BI
Czy świat wywiadu gospodarczego akceptuje uczenie maszynowe jako zakłócenie innowacji w przyszłości? Tak, według Dave'a Mariani, dyrektora ds. Strategii w AtScale.
„Biorąc pod uwagę łatwość użycia ulepszeń platform uczenia maszynowego i wprowadzenie narzędzi do przekłamywania danych, pojawiła się nowa kategoria analityków BI, czasami nazywana naukowcami danych obywatelskich” - mówi Mariani. „Ci zaawansowani analitycy BI coraz bardziej rozumieją dane i zaczynają wykorzystywać niektóre platformy uczenia maszynowego do generowania prognoz i tworzenia funkcji.” (Aby uzyskać więcej informacji, zapoznaj się z rolą Citizen Data Scientists in the Big Data World).
Ocena Mariani pasuje do tak zwanego „modelu samoobsługowego” - idei obejmującej usługi w chmurze, włącznie z platformami uczenia maszynowego - że użytkownicy końcowi, którzy stają się bardziej biegli technicznie, zaczynają korzystać z tych platform samodzielnie, a nie poleganie na „pracownikach IT” w celu wykonywania zapytań, budowania tabel lub generowania informacji.
Pomysł ten łączy także w pewnym sensie rolę analityka BI. Pobiera dane, pracuje z nimi i zapewnia wartość, która będzie stanowić „inteligencję biznesową” w całej okazałości i różnorodności. Jak firma wprowadza innowacje w swojej ofercie produktów? Jakie konkretne kategorie klientów reprezentują aktywność na ścieżce? Po co zmieniać markę lub logo?
Analitycy BI pomagają odpowiedzieć na wszystkie te ważne pytania, a nawet więcej, poprzez prace związane z analizą danych.