Introdução
“Data Scientist: El trabajo más sexy del siglo XXI” es uno de los artículos más populares de Harvard Business Review (HBR) y ha inspirado a toneladas de personas a seguir sus carreras en el campo de la analíticaAnalytics refere-se ao processo de coleta, Meça e analise dados para obter insights valiosos que facilitam a tomada de decisões. Em vários campos, como negócio, Saúde e esporte, A análise pode identificar padrões e tendências, Otimize processos e melhore resultados. O uso de ferramentas avançadas e técnicas estatísticas é essencial para transformar dados em conhecimento aplicável e estratégico..... Uno de los temas principales de este artículo publicado en HBR fue la tendencia al aumento de puestos de trabajo en la industria de la analítica.
IBM predijo recientemente la misma inferencia diciendo que el número de profesionales de datos de EE. UU. Aumentará de 364.000 uma 2,72 millones para 2020.
Y eso ha sucedido este año.
Unánimemente, en toda la industria, estamos viendo un aumento en Análise de negócio vacantes de trabajo, pero ¿todos estes trabalhos precisam exatamente o mesmo conjunto de habilidades? He received una serie de consultas centradas en cuáles son las posibles trayectorias profissionais en la indústria de la analítica. Estas consultas geralmente provienen de personas que buscan um descanso no domínio da analítica o pessoas que já trabalham na indústria e procuram um rol mais profundo.
Neste artigo, veremos los roles principales disponibles en la industria de la analítica. También te propondré un marco para pensar tu carrera en el espacio de la analítica empresarial.
Si está buscando hacer una carrera en análisis de negócios, asegúrese de consultar el completo curso múltiple Programa Certificado de Análise de Negócios.
Tabela de conteúdo
- Acerca del mercado de análisis
- O que faz um profissional de análise empresarial?
- Funções de relatórios
- Funções analíticas intermédias
- Funções de estratégia
- Funções dos cientistas de dados
Acerca del mercado de análisis
Permitam-me começar com algumas linhas / pontos de dados que foram publicados num relatório da McKinsey sobre Big Data (Maio de 2011):
Apenas os Estados Unidos enfrentam uma escassez de 140.000 uma 190.000 pessoas com experiência em análise e 1,5 milhões de gestores e analistas com as competências para compreender e tomar decisões baseadas na análise de big data.
Preste atenção às palavras 'com as competências para compreender e tomar decisões baseadas na análise de big data'. A indústria irá necessitar de uma grande quantidade de especialistas em big data e aprendizagem automática e precisa ainda de mais (aproximadamente 10 vezes) personas que possam tomar decisões basadas em el análisis, aunque no sean experts en big data o aprendizagem automática.
These roles serán principalmente roles de estratégia y roles de gestão de productos que pueden definir nuevos desafíos para que los resolvan sus especialistas en análisis. Contrastaremos estos roles estratégicos con los roles de los científicos de datos más adelante en este artigo. Primeiro, intentemos compreender cuán diversa es realmente esta industria.
Si traza una nube de palabras de todos los artículos relacionados con la analítica (un exemplo que se muestra en la imagen a continuación), aparecerá todo tipo de palabras, incluidas estadísticas, programación de computadoras, estratégia, planificación, relatórios, etc. No campo dos negócios, a análise é extremamente diversa e procuram-se pessoas com competências analíticas e perspicácia para os negócios em todas as indústrias, em cargos numerosos e diversos. Pensar na sua carreira com tantas opções possíveis pode ser esmagador e é possível que sinta que está a perder a noção de se está a progredir na sua carreira ou não.
O que faz um profissional de análise empresarial?
Palavra “Análise de negócio” resume perfeitamente cada tipo de trabalho que classificamos em análise de negócios. "Negócios" enfatiza a importância da compreensão empresarial, e "Análise" refere-se à importância da estatística, a engenharia informática e a investigação operacional neste tipo de função.
Un profesional de la analítica puede, em última instância, trabajar en un rol muy orientado a la estrategia o puede trabajar como un científico de aprendizado profundoAqui está o caminho de aprendizado para dominar o aprendizado profundo em, Uma subdisciplina da inteligência artificial, depende de redes neurais artificiais para analisar e processar grandes volumes de dados. Essa técnica permite que as máquinas aprendam padrões e executem tarefas complexas, como reconhecimento de fala e visão computacional. Sua capacidade de melhorar continuamente à medida que mais dados são fornecidos a ele o torna uma ferramenta fundamental em vários setores, da saúde... muy especializado. El primer rol tiene un componente más fuerte de negocio, mientras que el segundo rol tiene un componente mucho más fuerte de análisis. Obviamente, su rol generalmente tiene una compensación entre estos dos componentes y puede cambiar entre roles que tienen diferentes proporciones de los dos componentes. El valor que crea para sí mismo es una función correlacionada positivamente de comprensión y análisis empresarial. Matemáticamente hablando:
Value = function (Business understanding , Analytics)
Mas se você quiser criar uma combinação de valores únicos em, he trazado varios roles en nuestra industria en un gráfico de tabla cruzada a continuación:
Obviamente, el gráfico anterior es mi comprensión personal de la industria y la posición de cada función en este gráfico ciertamente puede ser debatida. La idea principal en la que quiero que se centre es en la diversidad de roles que puede asumir en la industria de análisis de negocios y la variación en el camino que puede tomar desde su rol actual. Primero tratemos de entender cada uno de los 5 recuadros resaltados arriba con respecto a la categoría de roles.
Funções de relatórios
Entre 2000 e 2012, esta fue la categoría principal de funciones para los profesionales de la analítica empresarial. El rol se refería principalmente a “Qué (evento) sucedió” en lugar de “Por qué sucedió (el evento)”. Porém, la mayoría de estos roles han evolucionado en los últimos tiempos después de que las empresas automatizaran muchos de estos procesos y el aprendizaje automático se hiciera popular. Porém, todavía hay muchos roles que tendrán más del 50% de trabajo en la presentación de informes y el resto del rol en responder la pregunta: “¿Por qué sucedió el evento?”.
Este es un buen papel para comenzar su carrera en la industria de la analítica. Pero a largo plazo, debe tomar la iniciativa y asumir un rol centrado en “¿Qué está pasando ahora?” quer dizer, Business Intelligence / painelUm painel é um grupo de especialistas que se reúne para discutir e analisar um tópico específico. Esses fóruns são comuns em conferências, Seminários e debates públicos, onde os participantes compartilham seus conhecimentos e perspectivas. Os painéis podem abordar uma variedade de áreas, Da ciência à política, e seu objetivo é incentivar a troca de ideias e a reflexão crítica entre os participantes...., o centrado en “¿Qué va a pasar a continuación?” quer dizer, análise preditiva.
Roles de análisis intermedios
Este es el tipo de rol con el que comencé mi carrera. A maioria dos licenciados em Economia / Estatisticas / Informática começará a sua jornada com estes papéis. Esta é uma combinação ótima de negócios e análise. É uma excelente forma de compreender o melhor de ambos os mundos.
Os papéis na área de análise intermédia também são bastante diversos. Um papel extremo nesta categoria irá centrar-se em Business Intelligence tentando resolver 'O que está a acontecer agora'?”. O outro extremo desta categoria serão os papéis muito centrados no negócio, como a definição de preços de produtos, nos quais deve criar muitos cenários comerciais e encontrar o preço ótimo para os produtos que a sua empresa vende.
La mayoría de los roles logran un equilibrio más óptimo entre conocer el negocio y trabajar con herramientas de vanguardia como el aprendizaje profundo en la gestión de decisiones / análisis de riesgos / análisis de fraudes. La mayoría de estos roles están involucrados en la toma de decisiones automatizada. Por exemplo, es posible que se le asigne la tarea de crear un algoritmo que pueda aceptar o rechazar solicitudes de tarjetas de crédito según el perfil de riesgo del cliente, o que pueda seleccionar clientes que tengan una alta propensión a optar por una oferta de venta cruzada de un producto de seguro. . Todos estes problemas comerciais requieren que cree modelos predictivos en perfiles de clientes masivos y los clasifique en función de algunas métricas comerciales.
Si está en este grupo, casi todas sus opciones estarán abiertas. Ahora puede optar por pasar a un rol más estratégico o pode optar por convertirse en científico de datos. En caso de que no sepa a dónde ir a continuación, uma boa maneira de encontrar o seu ajuste é tomar um papel na borda das duas casillas. Por exemplo, si deseja assumir um papel estratégico no futuro, pode provar o seu ajuste assumindo um papel em um rol de análise intermediária baseada em perdas e ganâncias como o preço de produtos. Hay algunos roles más, como a análise de cartera, que pode elegir para familiarizarse con los roles estratégicos. Tenga en cuenta que es posible que tenga que viver sin técnicas de ciência de datos como o aprendizado profundo si elige avançar no caminho de los roles estratégicos.
Por outro lado, si deseja experimentar sua idoneidade como científico de datos, pode assumir roles de científico de datos integrados no negócio em lugar de roles puros de científicos de datos. Desta maneira, no es necesario que pierda el control del negocio antes de passar al camino de los roles orientados a la investigación.
Aparte de los dos caminos anteriores, tiene una forma más de encontrar una buena compensación entre negócios y análisis: Roles de Tech Product Manager. Pero estos roles no están facilmente disponíveis na indústria. As empresas utilizam principalmente a ciência de dados para encontrar uma vantagem competitiva sobre outras empresas através da criação de estratégias baseadas em dados.
As empresas de tecnologia como o Google e o Facebook utilizam a análise não só para desenvolver estratégias, mas também para criar produtos. Por exemplo, a pesquisa instantânea do Google é um produto tecnológico que utiliza o aprendizado automático para fornecer resultados de pesquisa. Estas empresas de tecnologia procuram pessoas com um conjunto de competências tanto em lucros e perdas comerciais como em aprendizado automático para desenhar tais produtos. Se decidir seguir este caminho, não deve apenas candidatar-se aos grandes gigantes tecnológicos, sino que también debe buscar roles de gerente de producto en empresas de habilidades de nicho como NICE, Aspect o Interactions.
Funções de estratégia
Es posible que haya oído falar de um princípio económico importante: “sin benefícios económicos en un mercado competitivo”:
La existencia de beneficios económicos atrae la entrada, las pérdidas económicas conducen a la salida y, en el equilibrio a largo plazo, las empresas de una industria perfectamente competitiva obtendrán cero benefícios económicos.
Se todas las empresas estão num mercado competitivo perfeito, ¿cómo ganan dinero? If eres estudiante de economía, conocerás bien la respuesta. Todos los negocios exitosos se basan en las ineficiências del mercado, por lo que no existe una “competencia perfeita”. O papel de um estratega é identificar estas imperfeições e alimentá-las para gerir um negócio de sucesso. Para as grandes empresas, temos estrategas tanto a nível corporativo como empresarial.
A estratégia corporativa é quando se trabalha a nível corporativo respondendo a perguntas como “Qual é o portfólio de negócios adequado para a sua empresa?”, “Para chegar a este portfólio, que novos negócios precisa adquirir / investir / crescer / encerrar?”, Qual é a estrutura organizacional adequada para o seu negócio que fomentará as sinergias nas operações e outros domínios?”. Por exemplo, se trabalha para a estratégia corporativa da Wells Fargo, desenvolverá uma estratégia para adquirir ou encerrar negócios como investimentos / banca retail / cartões de crédito; también trabajará en la criação de operaciones globales para eliminar los custos operativos de empresas individuales, etc.
La estrategia empresarial está más vinculada a una línea de negocio en particular. Si bien la estrategia corporativa puede estar más enfocada en el lado de los gastos a nivel corporativo, la estrategia comercial está mucho más enfocada en maximizar los ingresos netos. Por exemplo, los estrategas de tarjetas de crédito de Wells Fargo podrían centrarse en maximizar los ingresos provenientes de sus clientes de tarjetas. Muchas operaciones pueden ser un activo compartido en todas las líneas de negocios de Well Fargo, como centros de llamadas, centros de chat, sucursales, etc. Portanto, estos jefes de gastos están mejor optimizados a nivel corporativo que a nivel comercial. La distribución de responsabilidades puede diferir entre las empresas, mas a maioria dos estrategas empresariais e corporativos trabalham em conjunto.
Ambos os papéis exigirão que calcule os benefícios das alterações nas características de um produto, a mudança de processo e os investimentos em tecnologia através da criação de vários cenários de negócios e do cálculo do valor atual líquido de diferentes investimentos. Os profissionais de análise são muito adequados para estes papéis devido ao seu conhecimento numérico e ao seu profundo conhecimento da última tecnologia que será utilizada para criar uma vantagem competitiva. Os profissionais de análise que começaram as suas carreiras antes de 2010 constituem atualmente uma grande proporção da população em funções estratégicas.
Funções dos cientistas de dados
Chegando al papel más fascinante para la mayoría de las personas que buscan ingresar a la ciência de datos. El rol de científico de datos es un puesto para especialistas. Puede especializarse en diferentes tipos de habilidades como análise de voz, análise de texto (PNL), procesamiento de imágenes, procesamiento de vídeo, simulaciones de medicamentos, simulación de materiales, etc. Cada uno de estes roles de especialistas são muy limitados en número y, portanto, el valor de tal especialista es inmenso. Es por eso que estamos a ver uma demanda tan alta de científicos de dados en estes dias.
Para sobresalir en estes roles, debe mantenerse actualizado con las últimas herramientas y tecnologías. También debería inverter en formarse usted mismo en idiomas relevantes e ter a capacidade de explicar os seus modelos complexos em termos simples a clientes e empresas. Pode sempre regressar ao lado da estratégia caso sinta a necessidade de compreender os conceitos empresariais.
Notas finais
As trajetórias profissionais mencionadas neste artigo baseiam-se na minha experiência pessoal e numa série de discussões que tive com profissionais bem-sucedidos em vários campos da análise de dados. Com todos os recursos disponíveis online de forma GRATUITA, pode migrar facilmente para qualquer posição que deseje com a estratégia adequada. Espero que este artigo te tenha ajudado a definir a tua trajetória profissional.
Se tiveres alguma ideia ou sugestão sobre o tema, Deixe-me saber nos comentários abaixo.
