Einführung
'Business Analytics' und 'Data Science': Diese beiden Begriffe werden überall, wo man hinsieht, austauschbar verwendet. Aber es gibt eine unbestreitbare Tatsache: Beide Branchen erleben ein rasantes Wachstum.
Heute, Die aktuelle Marktgröße für Business Analytics beträgt $ 67 Milliarden und für Data Science, $ 38 Milliarde. Es wird erwartet, dass die Marktgröße im 2025 erreichen wird $ 100 Milliarden und $ 140 Milliarde, beziehungsweise. Das bedeutet, dass wir bald mit einer steigenden Nachfrage nach diesen beiden Profilen rechnen können.
Ich habe viele angehende Fachkräfte der 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.... die wählen möchten „Geschäftsanalysen“ Ö „Datenwissenschaft“ als Karriere, aber sie sind sich nicht einmal des Unterschieds zwischen diesen beiden Rollen sicher. Bevor Sie in Ihre eigene Wahl eintauchen, Sie müssen sich klar sein, welchen Weg Sie einschlagen möchten, Wahrheit? Es könnte eine karrierebestimmende Entscheidung sein!!
Das ist, was ich vorschlage. Du kannst dich für den kostenlosen Kurs einschreiben Einführung in die Geschäftsanalyse Kurs, wo Kunal Jain, CEO und Gründer von DataPeaker, den Unterschied zwischen diesen beiden Rollen erklärt und auch eine Methodik präsentiert, um zu entscheiden, welchen Weg man einschlagen sollte (Business Analytics oder Data Science) basierend auf mehreren Faktoren wie Ausbildung, Fähigkeiten und andere. .
Inhaltsverzeichnis
- Business-Analyst gegenüber Data Scientist: eine einfache Analogie
- Arten von Problemen, die von Business-Analysten und Data Scientists gelöst werden
- Erforderliche Fähigkeiten und Werkzeuge
- Karriereweg
1) Business-Analyst gegenüber Data Scientist: eine einfache Analogie
Nehmen wir ein Beispiel eines spannenden Start-ups für Elektrofahrzeuge. Dieses Start-up ist jetzt groß genug, um Arbeitsfamilien zu schaffen. Und sie haben beschlossen, drei Arbeitsfamilien zu erstellen, eine ist ein Wissenschaftler, und die anderen beiden sind ein Ingenieur und ein Management Fachmann. Jetzt möchte ich, dass Sie sich Zeit nehmen und vorstellen, welche Art von Rolle Sie im Unternehmen spielen.
Wir können ihre Rolle aus dem allgemeinen Verständnisniveau ableiten:
- Wissenschaftler – Arbeiten Sie an komplexen und unterschiedlichen Problemen, wie man eine Lösung findet, um eine effiziente Batterie zu bauen oder wie man das Fahrzeugdesign verbessert. Obwohl diese Probleme möglicherweise keine direkten Vorteile für das Unternehmen bringen, sind sie entscheidend für fortgeschrittene Entwicklungen. Ja, in der Zukunft, diese Entwicklungen können neuen Unternehmen helfen, ein nicht-lineares Wachstum zu erzielen (exponentiell).
- Ingenieur – Nehmen Sie diese Entwicklungen und wenden Sie Industrietechniken an, um sie in Produktion umzusetzen. Zum Beispiel, eine Montagelinie einrichten, um diese Fahrzeuge mit geeigneten Maschinen herzustellen.
- Verwaltung – Führen Sie das Unternehmen und lösen Sie die geschäftsbezogenen Probleme im Tagesgeschäft. Zum Beispiel, um den geeigneten Markt zu finden, um ein Geschäft für das Fahrzeug zu eröffnen. Entscheidungen über den Verkauf und das Marketing dieser Produkte und viele andere.
Jetzt, tomemos estas funciones y conviértalas en perfiles basados en datos.
Funciones basadas en datos:
- Datenwissenschaftler – Trabaja en problemas complejos y específicos para traer un crecimiento no lineal a la empresa. Zum Beispiel, erstellen Sie eine Kreditrisikolösung für die Bankenbranche oder nutzen Sie Vehicle Imaging und bewerten Sie den Schaden automatisch für eine Versicherungsgesellschaft.
- Dateningenieur – Würde die vom Data Scientist erzielten Ergebnisse in der Produktion unter Verwendung von Best Practices der Branche umsetzen. Zum Beispiel, Implementieren des für die Kreditrisikomodellierung erstellten Machine-Learning-Modells in Bankensoftware.
- Business Analyst – Führen Sie das Geschäft und treffen Sie tägliche Entscheidungen. Sie kommunizieren gleichzeitig mit der IT-Seite und der Business-Seite.
Esta es una analogía muy básica que debe tener en cuenta para diferenciar el rol de científico de datos, analista de negocios e ingeniero de datos.
Precaución: estos términos se utilizan con poca frecuencia en la industria. El rol exacto puede depender de la madurez de su organización en las iniciativas de datos.
Ahora que tenemos clara nuestra analogía básica, veamos los tipos de problemas que resuelven los científicos de datos y los analistas de negocios.
Tipos de problemas resueltos por analista de negocios y científico de datos
Para comprender la diferencia entre un analista de negocios y un científico de datos, es imperativo comprender los problemas o proyectos en los que trabajan. Tomemos un ejemplo interesante. Imagina que eres gerente de un banco y decides implementar dos proyectos importantes. Tiene un equipo de un científico de datos y un analista de negocios. ¿Cómo hará el trabajo de mapeo del proyecto? A continuación se presentan dos enunciados de problemas:
- Desarrolle un plan de negocios para decidir cuántos empleados necesita un banco para hacer negocios XXX en 2021
- Cree un modelo para predecir qué TransaktionDas "Transaktion" bezieht sich auf den Prozess, durch den ein Austausch von Waren stattfindet, Dienstleistungen oder Geld zwischen zwei oder mehr Parteien. Dieses Konzept ist im wirtschaftlichen und rechtlichen Bereich von grundlegender Bedeutung, da es sich um eine gegenseitige Vereinbarung und die Berücksichtigung spezifischer Bedingungen handelt. Transaktionen können formell sein, als Verträge, oder informell, und sind für das Funktionieren der Märkte und Unternehmen von wesentlicher Bedeutung.... es fraudulenta
Tómese su tiempo para comprender los problemas. ¿Qué opinas, Welches Problem passt am besten zu welchem Profil?
Der erste Ansatz des Problems erfordert die Durchführung mehrerer Geschäftsannahmen und die Integration makroökonomischer Änderungen in die Strategie. Dies erfordert mehr Geschäftserfahrung und Entscheidungsfindung, Dies wird die Arbeit eines Business-Analysten sein.
Der zweite Ansatz des Problems erfordert die Verarbeitung einer großen Menge an Kundendaten und das Verständnis verborgener Muster. Dafür, Der Fachmann muss sehr gute Kenntnisse in Problemanalyse und Algorithmen haben. Ein Data Scientist wird die richtige Person sein, um diese spezifische und komplexe Art von Problem anzugehen.
Benötigte Fähigkeiten und Werkzeuge in Business-Analyse und Data Science
Wirtschaftsanalyse
Business Analytics-Profis müssen in der Präsentation von Business-Simulationen und Business-Planung geübt sein. Ein Großteil Ihrer Aufgabe besteht darin, Geschäftstrends zu analysieren. Zum Beispiel, Webanalyse / Preisanalyse.
Einige der Tools, die in der Geschäftsanalyse weit verbreitet sind, sind Excel, Malen, SQL, Python. Die am häufigsten verwendeten Techniken sind: statistische Methoden, Vorhersage, prädiktive Modellierung Ja Erzählung.
Datenwissenschaft
Ein Data Scientist muss kompetent in linearer Algebra sein, Programmierung, Grundlagen der Informatik. Einige Beispiele für Data-Science-Projekte reichen von der Erstellung von Empfehlungssystemen bis hin zu personalisierten E-Mails.
Die gebräuchlichen Werkzeuge eines Data Scientists sind R, Python, scikit-lernen, Schwer, PyTorch und die am häufigsten verwendeten Techniken sind Statistiken, Maschinelles Lernen, Tiefes Lernen, PNL, CV.
Und für beide Rollen, strukturiertes Denken, Ja Problemlösung ist eine Schlüsselkompetenz, um in ihren jeweiligen Bereichen erfolgreich zu sein.
Karrierewege für Data Scientists und Business-Analysten
Die Stärken eines Data Scientists liegen in der Programmierung, den mathematischen und Forschungsfähigkeiten und erfordern kontinuierliches Lernen während der gesamten beruflichen Laufbahn, mientras que un analista de negocios debe ser más un pensador estratégico y tener una gran capacidad en la gestión de proyectos.
El analista de negocios tiende a asumir roles comerciales, roles estratégicos y roles de emprendimiento a medida que avanzan en la carrera, mientras que notamos que los científicos de datos son más roles de emprendedores tecnológicos, ya que tienen una sólida formación técnica.
Puede consultar la siguiente trayectoria profesional para ver una ruta más detallada desde el inicio del viaje de la ciencia de datos y el análisis empresarial:
Abschließende Anmerkungen
He tratado de cubrir algunos consejos básicos que aprendí en el curso gratuito „Einführung in die Geschäftsanalyse“. Wenn Sie mehr über Business-Analyse und Data Science verstehen möchten. Sie können auch den Kurs belegen, um eine solide Grundlage zu schaffen. Unten finden Sie eine umfassende Kursagenda:
- Was ist Business Analytics??
- Data Scientist versus Data Engineer versus Business Analyst
- Karriere in der Business-Analyse
- Spektrum der Business-Analyse
- Begriffe im Zusammenhang mit Business Analytics
- Management-Informationssysteme (WAS)
- Detektivanalyse
- Business Intelligence
- Prädiktive Modellierung
- Künstliche Intelligenz und maschinelles Lernen
- An welchen Arten von Problemen arbeiten Business-Analysten?
- Notwendige Fähigkeiten für Funktionen der Business-Analyse
Wenn Sie am Data-Science-Rollen interessiert sind, Sehen Sie sich den an, der die Meilensteine auf Ihrer Data-Science-Reise definiert. Verwenden Sie diese Roadmap, um Ihre Data-Science-Reise nachzuverfolgen, ver dónde se encuentra y cuál debería ser su próximo paso.
