introduction
'Business Analytics' et 'Data Science': Ces deux termes sont utilisés de manière interchangeable partout où vous regardez.. Mais il y a un fait incontestable.: les deux secteurs connaissent une croissance rapide.
Aujourd'hui, la taille actuelle du marché pour l'analyse commerciale est de $ 67 milliards et pour la science des données, $ 38 mille millions. On s'attend à ce que la taille du marché en 2025 atteigne le $ 100 milliards et $ 140 mille millions, respectivement. Cela signifie que nous pouvons nous attendre à une augmentation de la demande pour ces deux profils très bientôt.
J'ai rencontré de nombreux professionnels en devenir de la analytiqueL’analytique fait référence au processus de collecte, Mesurer et analyser les données pour obtenir des informations précieuses qui facilitent la prise de décision. Dans divers domaines, Comme les affaires, Santé et sport, L’analytique peut identifier des modèles et des tendances, Optimiser les processus et améliorer les résultats. L’utilisation d’outils et de techniques statistiques de pointe est essentielle pour transformer les données en connaissances applicables et stratégiques.... qui veulent choisir « Analyse d'affaires » O « Science des données » comme carrière, mais ils ne sont même pas sûrs de la distinction entre ces deux rôles. Avant de plonger dans votre propre choix, vous devez être clair sur le chemin que vous voulez prendre, vérité? Cela pourrait être un choix déterminant pour votre carrière!!
Voici ce que je suggère. Vous pouvez vous inscrire au cours gratuit Introduction à l'analyse d'affaires cours, où Kunal Jain, CEO et fondateur de DataPeaker, explique la différence entre ces deux rôles et présente également une méthodologie pour décider quel chemin choisir (Business Analytics ou Data Science) basé sur plusieurs facteurs comme l'éducation, compétences et autres. .
Table des matières
- Analyste commercial vs scientifique des données: une analogie simple
- Types de problèmes résolus par les analystes commerciaux et les scientifiques des données
- Compétences et outils nécessaires
- Parcours de carrière
1) Analyste commercial vs scientifique des données: une analogie simple
Prenons l'exemple d'une start-up passionnante dans les véhicules électriques. Cette start-up est maintenant suffisamment grande pour créer des familles de métiers. Et ils ont décidé de créer trois familles de métiers, l'une est un scientifique, et les deux autres sont un ingénieur et un la gestion professionnel. Maintenant, je veux que vous preniez un moment et imaginiez quel rôle vous jouez dans l'entreprise.
Nous pouvons déduire leur rôle à partir du niveau général de compréhension:
- Scientifique – Travaillez sur des problèmes complexes et différents, comment trouver une solution pour construire une batterie efficace ou comment améliorer la conception du véhicule. Bien que ces problèmes puissent ne pas générer de bénéfices directs pour l'entreprise, ils sont cruciaux pour les développements avancés. Oui, dans le futur, ces développements peuvent aider les nouvelles entreprises à avoir une croissance non linéaire (exponentiel).
- Ingénieur – Prenez ces développements et appliquez des techniques de l'industrie pour les transformer en production. Par exemple, faire une chaîne de montage pour fabriquer ces véhicules en utilisant la machinerie adéquate.
- La gestion – Dirigez l'entreprise et résolvez les problèmes liés à l'activité au quotidien. Par exemple, pour trouver le marché approprié pour ouvrir un magasin pour le véhicule. Décisions concernant les ventes et le marketing de ces produits et bien d'autres.
À présent, prenons ces fonctions et transformons-les en profils basés sur les données.
Fonctions basées sur les données:
- Data scientist – Travaille sur des problèmes complexes et spécifiques pour apporter une croissance non linéaire à l'entreprise. Par exemple, faire une solution de risque de crédit pour le secteur bancaire ou utiliser l'imagerie des véhicules et évaluer automatiquement les dommages pour une compagnie d'assurance.
- Ingénieur de données – Mettre en œuvre les résultats obtenus par le scientifique des données en production en utilisant les meilleures pratiques de l'industrie. Par exemple, mettre en œuvre le modèle d'apprentissage automatique créé pour la modélisation du risque de crédit dans les logiciels bancaires.
- Analyste d'affaires – Diriger l'entreprise et prendre des décisions au jour le jour. Vous communiquerez simultanément avec le côté informatique et le côté commercial.
Ceci est une analogie très basique que vous devez garder à l'esprit pour différencier le rôle de scientifique des données, analyste commercial et ingénieur des données.
Mise en garde: ces termes sont utilisés rarement dans l'industrie. Le rôle exact peut dépendre de la maturité de votre organisation dans les initiatives de données.
Maintenant que notre analogie basique est claire, voyons les types de problèmes que résolvent les scientifiques des données et les analystes commerciaux.
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 transactionLa "transaction" fait référence au processus par lequel un échange de biens a lieu, services ou argent entre deux ou plusieurs parties. Ce concept est fondamental dans le domaine économique et juridique, puisqu’il implique un accord mutuel et la prise en compte de conditions spécifiques. Les transactions peuvent être formelles, sous forme de contrats, ou informel, et sont essentielles au fonctionnement des marchés et des entreprises.... es fraudulenta
Tómese su tiempo para comprender los problemas. ¿Qué opinas, quel problème convient le mieux à quel profil?
La première formulation du problème nécessite de faire plusieurs hypothèses commerciales et d'incorporer des changements macro dans la stratégie. Cela nécessitera plus d'expérience en affaires et de prise de décision, ce sera le travail d'un analyste d'affaires.
La deuxième formulation du problème nécessite de traiter une grande quantité de données comportementales des clients et de comprendre les schémas cachés. Pour cela, Le professionnel doit avoir une très bonne connaissance de la formulation des problèmes et des algorithmes. Un data scientist sera la personne appropriée pour aborder ce type de problème spécifique et complexe.
Compétences et outils nécessaires en analyse d'affaires et en science des données
Analyse commerciale
Les professionnels de l'analyse commerciale doivent maîtriser la présentation de simulations commerciales et de planification commerciale.. Une grande partie de votre rôle consisterait à analyser les tendances commerciales. Par exemple, analyse web / analyse des prix.
Certains des outils qui sont largement utilisés dans l'analyse d'affaires sont Exceller, Tableau, SQL, Python. Les techniques les plus utilisées sont: Méthodes statistiques, prévision, modélisation prédictive Oui narration.
Science des données
Un scientifique des données doit être compétent en algèbre linéaire, la programmation, fondements de l'informatique. Quelques exemples de projets de science des données varient de la création de moteurs de recommandation aux emails personnalisés.
Les outils courants d'un scientifique des données sont R, Python, scikit-apprendre, Dur, PyTorche et les techniques les plus utilisées sont Statistiques, Apprentissage automatique, L'apprentissage en profondeur, PNL, CV.
Et pour les deux rôles, pensée structurée, Oui formulation du problème est une compétence clé pour bien performer dans leurs domaines respectifs.
Parcours professionnels pour scientifiques des données et analystes commerciaux
Les points forts d'un scientifique des données résident dans le codage, les mathématiques et les compétences en recherche et nécessitent un apprentissage continu tout au long du parcours professionnel, tandis qu'un analyste commercial doit être davantage un penseur stratégique et avoir une grande capacité en gestion de projets.
L'analyste commercial a tendance à assumer des rôles commerciaux, des rôles stratégiques et des rôles d'entrepreneuriat au fur et à mesure de l'avancement de sa carrière, tandis que nous constatons que les data scientists occupent davantage des rôles d'entrepreneurs technologiques, car ils ont une solide formation technique.
Vous pouvez consulter le parcours professionnel suivant pour voir un itinéraire plus détaillé depuis le début du parcours en science des données et en analyse commerciale:
Remarques finales
J'ai essayé de couvrir quelques conseils de base que j'ai appris dans le cours gratuit « Introduction à l'analyse d'affaires". Si vous souhaitez en savoir plus sur l'analyse commerciale et la science des données. Vous pouvez également suivre le cours pour construire une base solide. Voici un programme complet du cours:
- Qu'est-ce que l'analyse commerciale?
- Scientifique des données contre ingénieur des données contre analyste commercial
- Carrière en analyse commerciale
- Spectre de l'analyse commerciale
- Termes liés à l'analyse commerciale
- Systèmes d'information de gestion (QUEL)
- Analyse de détective
- L'intelligence d'entreprise
- Modélisation prédictive
- Intelligence artificielle et apprentissage automatique
- Sur quel type de problèmes travaillent les analystes commerciaux?
- Compétences nécessaires pour les fonctions d'analyse commerciale
Si vous êtes intéressé par le rôle de la science des données, consultez celui qui définit les étapes de votre parcours en science des données. Utilisez cette feuille de route pour suivre votre parcours en science des données, ver dónde se encuentra y cuál debería ser su próximo paso.
