Faz tempo, Eu escrevi um post sobre “Como começar uma carreira em Business Analytics?”. A postagem foi bem recebida por pessoas que desejam entrar em Business Analytics. Ainda uma das postagens mais populares sobre DataPeaker. Em resposta a esta postagem, Recebi muitas perguntas sobre a carreira em Analytics. Embora alguns deles fossem bons questionamentos, alguns deles eram mitos recorrentes.
Por isso, Eu decidi fazer uma postagem de acompanhamento. Não só assim, para desmascarar completamente esses mitos, Decidi publicar as postagens em todos os fóruns relevantes.
Esses são os mitos que recebi nas consultas / comentários / e-mails e minha opinião sobre eles:
-
Você deve ser um engenheiro para iniciar uma carreira em Business Analytics: A verdade é que não é assim. Tudo que você precisa é a capacidade de pensar estruturalmente e estar confortável com o processamento de números. Contanto que você possa estruturar problemas não estruturados e realizar cálculos de trás para frente, será tão bom quanto qualquer analista.
Tendo dito isto, as empresas preferem pessoas com experiência quantitativa, já que se espera que sejam melhores com números. Por treinamento quantitativo, Quero dizer, pessoas de qualquer uma dessas disciplinas: Engenharia, Economia, Matemática, Estatisticas, Física ou MBA com graduação nessas áreas.
- Analytics é trabalhar com grandes conjuntos de dados / As empresas trabalham com big data dia após dia: Essa visão otimista está longe da realidade na maioria das instituições. Especialistas estimam que a penetração do big data esteja na casa dos poucos dígitos entre as instituições. A maioria das vezes, a equipe de análise trabalha em problemas específicos, que pode ou não envolver grandes conjuntos de dados. O requisito da posição é ser capaz de estruturar problemas não estruturados e ser capaz de usar números para entender o negócio e as mudanças necessárias na estratégia.
- Você precisa ser um programador: Ele era um bom programador C ++ quando comecei minha carreira em Analytics. Infelizmente, nenhuma dessas habilidades foi usada recentemente 7 anos e não pode ser usado no futuro. Você só precisa aprender a programar para a ferramenta que usa para sua análise (como um exemplo, SAS, R, SQL, etc.), mas você não precisa ser um bom programador para aprender isso. Ao mesmo tempo, a maioria dessas ferramentas tem uma interface gráfica do usuário (GUI), que você pode começar a usar sem conhecimento de programação.
- Análise de aprendizagem é aprender uma ferramenta (SAS / SPSS / outra ferramenta): Uma ferramenta é apenas uma ferramenta para conduzir análises. Não é possível realizar análises por conta própria. Você deve compreender os argumentos necessários para realizar análises como:
- Quais são as coisas para prestar atenção ao fazer a regressão?
- O que pode ser inferido dos coeficientes e do resultado dos testes t?
- Como você prova ou refuta uma hipótese de negócios?
Depois de entendê-los, aplicá-los por meio de qualquer ferramenta pode ajudá-lo a iniciar sua jornada no Analytics.
- É difícil encontrar trabalho – Na verdade, é o contrário. O setor de análise está lutando contra o desgaste e a escassez de talentos. De acordo com McKinsey Global Institute (em um relatório de maio 2011): "Para 2018, apenas os Estados Unidos poderiam enfrentar uma escassez de 140,000 uma 190,000 pessoas com profundas habilidades analíticas, assim como 1.5 milhões de gerentes e analistas com conhecimento para usar a análise de Big Data para tomar decisões eficazes “. Se você tiver as habilidades certas, será muito procurado (pelo menos nas atuais condições de mercado).
Existem outros mitos que você conhece? Caso você seja ou não tenha certeza se é um mito ou um fato, adicione abaixo.
