Business Analytics se ha convertido en una keyword para cualquier cosa que tenga que ver con los datos.
Por eso, si es nuevo en este campo y no comprende a qué se refiere la gente «Análisis de negocio», ¡evita preocuparte!
Inclusive después de pasar más de 6 años en esta industria, hay momentos en los que me cuesta comprender el trabajo que ha realizado una persona leyendo su CV.
Así es como se vería un extracto de un JD típico:
- Analizar, preparar informes y presentarlos al equipo de liderazgo con una frecuencia establecida.
o
- Dirigir múltiples proyectos analíticos y planificación empresarial para ayudar al equipo de liderazgo a ofrecer rendimiento empresarial.
Por una parte, esto crea confusión en la mente de la persona que solicita un puesto en particular. Por otra parte, deja a los selectores con un papel difícil de comprender y juzgar lo que una persona ha hecho en el pasado.
Ahora, si obtuviera esto como descripción para uno de los trabajos a los que había solicitado, ¡estaría asustado! Asustado, no debido a que no conozca el tema, sino debido a que pueden significar cualquier cosa. El trabajo podría referirse a la preparación de informes básicos a un nivel junior para realizar inmersiones profundas multivariadas sobre múltiples temas.
Entonces, ¿qué haces cuando estás en tal situación?
Bueno, lo primero que debe hacer es comprender el espectro de Business Analytics. Una vez que lo haya entendido, pregunte a qué parte del espectro se aplica el rol y después decida si se adapta a sus habilidades o no.
A continuación se muestra una buena representación de este espectro:
Permítanme explicar cada una de estas áreas con un poco más de detalle.
Informes: respuesta a ¿Qué sucedió?
El dominio de Analytics comienza con responder una pregunta simple: ¿Qué sucedió? Esta actividad se conoce regularmente como informes. Por lo general, estos son los MIS que la gente quiere recibir a primera hora de la mañana. Es una instantánea de lo sucedido. A continuación, se muestra un ejemplo de cómo se vería un reporte típico:
Herramientas utilizadas en la elaboración de informes:
La mayoría de los informes elementales se realizan en MS Excel en todo el mundo. Las instituciones más evolucionadas pueden extraer los datos por medio de bases de datos usando herramientas como SQL, MS Access u Oracle. Pero, por lo general, la difusión de informes se realiza por medio de Excel.
Habilidades requeridas para informar:
- MS Excel
- Comprensión empresarial
- Capacidad para realizar tareas monótonas con diligencia.
Análisis detective: respuesta a ¿Por qué sucedió?
Detective Analysis comienza donde termina la presentación de informes. Comienza a buscar las razones de los cambios inesperados. Los problemas típicos en los que trabaja son «¿Por qué bajaron las ventas en los últimos 2 meses?» o «¿Por qué la última campaña tuvo un rendimiento inferior o superior?». Para hallar respuestas a estas preguntas, observa las tendencias pasadas o los cambios de distribución para averiguar las razones de los cambios. A pesar de esto, todo esto es retrospectivo.
Algunas de estas ideas, que descubre después de analizar el análisis hacia atrás, se pueden usar para la planificación empresarial, pero el propósito del análisis suele ser averiguar qué ha funcionado y qué no.
Herramientas utilizadas en el análisis de detectives:
Las herramientas más utilizadas son MS excel, MS Access, Minitab, R (regresión básica). Suele usar tablas dinámicas y de Excel avanzadas para arreglar estos problemas y, por lo general, la creación de gráficos de series de tiempo ayuda mucho.
Habilidades indispensables para el análisis de detectives:
- Pensamiento estructurado
- MS Access, Excel, regresión básica
- Comprensión empresarial
Paneles de control: respuesta a ¿Qué está sucediendo ahora?
El tablero es un resumen organizado y bien presentado de las métricas comerciales clave. Generalmente son interactivos para que el usuario pueda hallar la información exacta que busca. El tablero, en estado ideal, debe proporcionar información en tiempo real sobre el rendimiento. A continuación, se muestra un ejemplo de cómo se vería un tablero:
Toda la ciencia de la creación de modelos de datos, paneles e informes basados en estos datos además se conoce como «Inteligencia de Negocio“.
Herramientas utilizadas para crear cuadros de mando:
Para un tamaño limitado de datos, se pueden crear paneles con Excel avanzado. Pero, por lo general, las instituciones usan herramientas más avanzadas para la creación y difusión de herramientas. Business Objects, Qlikview, Hyperion son nombres de algunos de estos softwares.
Habilidades indispensables para crear paneles de control:
- Pensamiento estructurado fuerte: la persona deberá crear toda la arquitectura y el modelo de datos
- Comprensión empresarial: si no comprende lo que quiere representar, ¡Dios le ayude!
Modelado predictivo – Respuesta a ¿Qué es probable que suceda?
Aquí es donde toma todas sus tendencias e información históricas y las aplica para predecir el futuro. Intenta predecir el comportamiento del cliente basándose en información pasada. Tenga en cuenta que existe una pequeña diferencia en la previsión y el modelado predictivo. La previsión se realiza regularmente a nivel agregado, mientras que el modelado predictivo regularmente se realiza a nivel de cliente / instancia.
Herramientas utilizadas para el modelado predictivo:
SAS tiene la participación de mercado más alta entre las herramientas utilizadas para el modelado predictivo, seguida de SPSS, R, Matlab.
Habilidades indispensables para el modelado predictivo:
- Pensamiento estructurado fuerte
- Comprensión empresarial
- Resolución de problemas
Big data – Respuesta a ¿Qué puede pasar, dado el comportamiento de la comunidad?
Imagínese la aplicación de modelos predictivos con un microscopio en la mano. ¿Y si puede almacenar, analizar y dar sentido a cada información sobre el cliente? ¿A qué tipo de comunidad de redes sociales está vinculado? ¿Qué tipo de búsquedas está realizando? Los problemas de big data surgen cuando los datos han crecido en las tres V (volumen, velocidad y variedad). Necesita científicos de datos para extraer estos datos.
Herramientas utilizadas en Big Data:
Este es un dominio muy dinámico en este momento. Una herramienta que solía ser líder del mercado hace 6 meses ya no es la mejor. Por eso, es difícil precisar herramientas específicas. Estas herramientas suelen funcionar en Hadoop para guardar los datos.
Habilidades indispensables para aprovechar Big Data:
- Pensamiento estructurado fuerte
- Conocimientos avanzados de arquitectura de datos
- Capacidad para trabajar con datos no estructurados.
Entonces, ahora que comprende el espectro de Analytics, si se encuentra con un rol que no le queda claro, dedique el tiempo necesario a comprender a qué dominio se refiere y si encaja bien con lo que desea lograr.
Si se ha encontrado con esta confusión sobre la comprensión «Análisis de negocio“, Este post debería haberte ayudado. En caso de que haya más confusión, hágamelo saber.
