A lungo, Ho scritto un post su “Come iniziare una carriera in Business Analytics?”. Il post è stato ben accolto dalle persone che desiderano entrare in Business Analytics. Ancora uno dei post più popolari su DataPeaker. In risposta a questo post, Ho ricevuto molte richieste sulla carriera in Analytics. Sebbene alcuni di loro fossero buone indagini, alcuni di loro erano miti ricorrenti.
Perché, Ho deciso di fare un post di follow-up. Non solo così, per sfatare completamente questi miti, Ho deciso di pubblicare i post in tutti i forum pertinenti.
Questi sono i miti che ho ricevuto attraverso le consultazioni / Commenti / e-mail e la mia opinione su di loro:
-
Devi essere un ingegnere per iniziare una carriera in Business Analytics: La verità è che non è così. Tutto ciò di cui hai bisogno è la capacità di pensare in modo strutturato e sentirti a tuo agio con l'elaborazione dei numeri. Finché puoi strutturare problemi non strutturati ed eseguire calcoli al contrario, sarà bravo come qualsiasi analista.
Avendolo detto, le aziende preferiscono le persone con background quantitativi, dal momento che dovrebbero essere migliori con i numeri. Con la formazione quantitativa, Intendo persone di una qualsiasi di queste discipline: ingegneria, Economia, Matematica, Statistiche, Fisica o MBA con lauree in questi campi.
- L'analisi consiste nel lavorare con grandi set di dati / Le aziende lavorano con i big data giorno dopo giorno: Questa prospettiva ottimistica è lontana dalla realtà nella maggior parte delle istituzioni. Gli esperti stimano che la penetrazione dei big data sia a una cifra bassa tra le istituzioni. La maggior parte delle volte, il team di analisi lavora su problemi specifici, che può o meno coinvolgere grandi set di dati. Il requisito della posizione è essere in grado di strutturare problemi non strutturati e di essere in grado di utilizzare i numeri per comprendere il business e i necessari cambiamenti di strategia.
- Devi essere un programmatore: Era un buon programmatore C ++ quando ho iniziato la mia carriera in Analytics. Sfortunatamente, nessuna di queste abilità è stata utilizzata di recente 7 anni e non può essere utilizzato in futuro. Hai solo bisogno di imparare a programmare per lo strumento che usi per la tua analisi (come esempio, SAS, R, SQL, eccetera.), ma non è necessario essere un buon programmatore in anticipo per imparare questo. Allo stesso tempo, la maggior parte di questi strumenti ha un'interfaccia utente grafica (GUI), che puoi iniziare a utilizzare senza conoscenze di programmazione.
- Learning Analytics riguarda l'apprendimento di uno strumento (SAS / SPSS / un altro strumento): Uno strumento è solo uno strumento per condurre analisi. Impossibile eseguire l'analisi da solo. È necessario comprendere gli argomenti necessari per eseguire analisi come:
- Quali sono le cose a cui prestare attenzione quando si esegue la regressione??
- Cosa si può dedurre dai coefficienti e dal risultato dei t-test?
- Come si dimostra o confuta un'ipotesi di business??
Una volta che li capisci, applicarli tramite qualsiasi strumento può aiutarti a iniziare il tuo viaggio in Analytics.
- È difficile trovare lavoro – In realtà è il contrario. L'industria dell'analisi sta combattendo l'attrito e la carenza di talenti. Secondo il McKinsey Global Institute (in un rapporto di maggio 2011): "Per 2018, solo gli Stati Uniti potrebbero far fronte a una carenza di 140,000 un 190,000 persone con profonde capacità analitiche, così come 1.5 milioni di manager e analisti con le conoscenze per utilizzare l'analisi dei Big Data per prendere decisioni efficaci “. Se hai le competenze giuste, sarà molto ricercato (almeno alle attuali condizioni di mercato).
Ci sono altri miti che conosci?? Nel caso in cui lo sei o non sei sicuro se è un mito o un fatto, aggiungilo sotto.
