Lange Zeit, Ich habe einen Beitrag über . geschrieben „So starten Sie eine Karriere in Business Analytics?“. Der Beitrag wurde von Leuten, die an Business Analytics teilnehmen möchten, gut angenommen. Immer noch einer der beliebtesten Beiträge zu DataPeaker. Als Antwort auf diesen Beitrag, Ich habe viele Anfragen zur Karriere in Analytics erhalten. Obwohl einige davon gute Anfragen waren, einige von ihnen waren wiederkehrende Mythen.
Deswegen, Ich habe mich für einen Follow-up-Post entschieden. Nicht einfach so, diese Mythen vollständig zu entlarven, Ich habe mich entschieden, die Beiträge in allen relevanten Foren zu veröffentlichen.
Dies sind die Mythen, die ich durch Beratungen erhalten habe / Bemerkungen / E-Mails und meine Meinung dazu:
-
Sie müssen Ingenieur sein, um eine Karriere in Business Analytics zu beginnen: Die Wahrheit ist, dass es nicht so ist. Alles, was Sie brauchen, ist die Fähigkeit, strukturell zu denken und sich mit der Zahlenverarbeitung vertraut zu machen. Solange Sie unstrukturierte Probleme strukturieren und Berechnungen rückwärts durchführen können, wird so gut sein wie jeder Analytiker.
Nachdem ich das gesagt habe, Unternehmen bevorzugen Menschen mit quantitativem Hintergrund, da von ihnen erwartet wird, dass sie mit Zahlen besser umgehen. Durch quantitatives Training, Ich meine Leute aus einer dieser Disziplinen: Maschinenbau, Wirtschaft, Mathematik, Statistiken, Physik oder MBA mit Abschlüssen in diesen Bereichen.
- Das AnalyseAnalytics bezieht sich auf den Prozess des Sammelns, Messen und analysieren Sie Daten, um wertvolle Erkenntnisse zu gewinnen, die die Entscheidungsfindung erleichtern. In verschiedenen Bereichen, wie Business, Gesundheit und Sport, Analysen können Muster und Trends erkennen, Prozesse optimieren und Ergebnisse verbessern. Der Einsatz fortschrittlicher Werkzeuge und statistischer Techniken ist unerlässlich, um Daten in anwendbares und strategisches Wissen umzuwandeln.... se trata de trabajar con grandes conjuntos de datos / Unternehmen arbeiten Tag für Tag mit Big Data: Dieser optimistische Ausblick ist in den meisten Institutionen weit von der Realität entfernt. Experten schätzen die Big-Data-Penetration bei den Instituten im niedrigen einstelligen Bereich. Meistens, das Analyseteam arbeitet an spezifischen Problemen, die große Datensätze beinhalten können oder auch nicht. Die Anforderung an die Stelle ist, unstrukturierte Problemstellungen strukturieren zu können und anhand von Zahlen das Geschäft und die notwendigen Strategieänderungen zu verstehen.
- Sie müssen Programmierer sein: Er war ein guter C-Programmierer ++ als ich meine Karriere in Analytics begann. bedauerlicherweise, Keine dieser Fähigkeiten wurde in letzter Zeit verwendet 7 Jahre und darf in Zukunft nicht mehr verwendet werden. Sie müssen nur die Programmierung für das Werkzeug lernen, das Sie für Ihre Analyse verwenden (als Beispiel, SAS, R, SQL, etc.), aber man muss vorher kein guter Programmierer sein, um das zu lernen. Zur selben Zeit, Die meisten dieser Tools haben eine grafische Benutzeroberfläche (GUI), die Sie ohne Programmierkenntnisse nutzen können.
- Bei Learning Analytics geht es darum, ein Werkzeug zu lernen (SAS / SPSS / ein anderes Werkzeug): Ein Werkzeug ist nur ein Werkzeug zur Durchführung von Analysen. Kann Analyse nicht alleine durchführen. Sie müssen die Argumente verstehen, die für die Durchführung von Analysen erforderlich sind, wie z:
- Was ist bei der Regression zu beachten??
- Was lässt sich aus den Koeffizienten und dem Ergebnis der t-Tests ableiten?
- Wie beweist oder widerlegt man eine Geschäftshypothese??
Sobald du sie verstanden hast, Wenn Sie sie über ein beliebiges Tool anwenden, können Sie Ihre Analytics-Reise beginnen.
- Es ist schwer Arbeit zu finden – Es ist eigentlich umgekehrt. Die Analytikbranche kämpft mit Fluktuation und Fachkräftemangel. Laut McKinsey Global Institute (in einem Bericht vom Mai 2011): "Zum 2018, nur die Vereinigten Staaten könnten mit einem Mangel an 140,000 ein 190,000 Menschen mit tiefen analytischen Fähigkeiten, ebenso gut wie 1.5 Millionen von Managern und Analysten mit dem Wissen, Big Data Analytics zu nutzen, um effektive Entscheidungen zu treffen „. Wenn du die richtigen Fähigkeiten hast, es wird heiß begehrt (zumindest unter den aktuellen Marktbedingungen).
Gibt es andere Mythen, die du kennst? Falls Sie es sind oder nicht sicher sind, ob es ein Mythos oder eine Tatsache ist, füge es unten hinzu.
