Hace tiempo, escribí un post sobre «¿Cómo comenzar una carrera en Business Analytics?». El post fue bien recibido por las personas que buscan ingresar a Business Analytics. Sigue siendo uno de los posts más populares sobre DataPeaker. En respuesta a este post, Recibí muchas consultas sobre la carrera en Analytics. Aunque algunos de ellos eran buenas consultas, algunos de ellos eran mitos recurrentes.
Por eso, decidí hacer un post de seguimiento. No solo así, para desacreditar por completo estos mitos, decidí publicar los posts en todos los foros relevantes.
Estos son los mitos que recibí por medio de consultas / comentarios / correos electrónicos y mi opinión sobre ellos:
-
Debe ser ingeniero para comenzar una carrera en Business Analytics: La verdad es que no es así. Todo lo que necesita es capacidad para pensar estructuralmente y sentirse cómodo con el procesamiento de números. Siempre que pueda estructurar los problemas no estructurados y realizar cálculos al revés, será tan bueno como cualquier analista.
Habiendo dicho eso, las compañías prefieren personas con antecedentes cuantitativos, puesto que se espera que sean mejores con los números. Por capacitación cuantitativa, me refiero a personas de cualquiera de estas disciplinas: Ingeniería, Economía, Matemáticas, Estadística, Física o MBA con titulación en estos campos.
- La analítica se trata de trabajar con grandes conjuntos de datos / Las compañías trabajan con big data día tras día: Este panorama optimista está lejos de la realidad en la mayoría de las Instituciones. Los expertos estiman que la penetración de macrodatos se encuentra en un porcentaje bajo de un solo dígito entre las instituciones. La mayoría de las veces, el equipo de análisis trabaja en problemas específicos, que pueden o no involucrar grandes conjuntos de datos. El requisito del puesto es poder estructurar problemas no estructurados y poder usar números para comprender el negocio y los cambios necesarios en la estrategia.
- Necesitas ser programador: Era un buen programador de C ++ cuando comencé mi carrera en Analytics. Desgraciadamente, ninguna de esas habilidades se ha utilizado en los últimos 7 años y es factible que no se utilice en el futuro. Solo necesita aprender a programar para la herramienta que utiliza para su análisis (a modo de ejemplo, SAS, R, SQL, etc.), pero no necesita ser un buen programador de antemano para aprender esto. Al mismo tiempo, la mayoría de estas herramientas disponen una interfaz gráfica de usuario (GUI), que puede comenzar a utilizar sin tener conocimientos de programación.
- Learning Analytics se trata de aprender una herramienta (SAS / SPSS / otra herramienta): Una herramienta es solo una herramienta para realizar análisis. No puede realizar análisis por sí solo. Debe comprender los argumentos necesarios para realizar análisis como:
- ¿Cuáles son las cosas que debe prestar atención al realizar la regresión?
- ¿Qué se puede inferir de los coeficientes y el resultado de las pruebas t?
- ¿Cómo prueba o refuta una hipótesis empresarial?
Una vez que los comprenda, aplicarlos por medio de cualquier herramienta puede ayudarlo a comenzar su viaje de Analytics.
- Es dificil hallar trabajo – En realidad es al revés. La industria de la analítica está luchando contra el desgaste y la escasez de talento. De acuerdo con la McKinsey Global Institute (en un reporte de mayo de 2011): “Para 2018, solo Estados Unidos podría enfrentar una escasez de 140,000 a 190,000 personas con habilidades analíticas profundas, así como 1.5 millones de gerentes y analistas con el conocimiento para usar el análisis de Big Data para tomar decisiones efectivas «. Si tiene las habilidades adecuadas, será muy buscado (al menos en las condiciones actuales del mercado).
¿Hay otros mitos que conozca? En caso de que lo esté o no esté seguro de si es un mito o un hecho, agréguelo a continuación.
