Воскресенье, 4 декабря 2016 г.
Блог Молодого аналитика
Доступно о сложном
Искусство быть мудрым состоит в умении знать, на что не следует обращать внимания.
Уильям Джеймс

аналитика

Подписаться на эту метку по RSS

Аналитика всему голова

Аналитика всему голова

Информационные данные и аналитика таят в себе скрытые возможности, ведь нам доступны огромные массивы информации, компьютерные мощности и специализированное ПО для последующей обработки.

Научитесь определять и формулировать аналитическую проблему, т.е. устанавливать суть проблемы, а затем приступать к работе над ее решением. Проблема может быть определена через простое любопытство, наблюдение за событиями, на основе предыдущего опыта работы или потребности в каком-либо решении или действии. Изначально понимание того, что для дальнейшей работы может потребоваться некий анализ, может основываться на догадках или интуиции. Первоначальные доказательства вашего мнения/понимания/предположения будут скромными и смысл анализа как раз и будет состоять в том, чтобы в конце концов проверить ваши догадки с помощью фактических данных.

После определения проблемы вам нужно собрать нужные сведения и проанализировать их, и для этого не бойтесь привлекать профессионалов, экспертов и аналитиков, будьте готовы поделиться смыслом проблемы, вашим видением и наработками.

Учтите, различают несколько видов данных. Обычные данные - данные небольших объемов, имеют заранее заданную структуру (ряды и столбцы) и относительно редко изменяются. Их источником в основном являются корпоративные системы транзакций — такие, как финансовая система, система управления взаимоотношениями с клиентами, управление заказами. Эти данные обычно анализируются продолжительное время и имеют наработанные методы и выводы, тем не менее они имеет важнейшее значение. Благодаря им организация узнает о предпочтениях своих клиентов, оценивает свои финансовые успехи и корректирует цепочки поставок. Большие данные - хаотичны и беспорядочны, их объем очень велик, у них нет строго заданной структуры, они быстро меняются. Обычно это данные о процессах за пределами транзакций вашего бизнеса: что говорят ваши реальные и потенциальные покупатели в социальных сетях, с какими проблемами они обращаются в центры поддержки клиентов, как они передвигаются по вашему магазину. Большие данные предоставляют большие возможности, но структурировать и систематизировать их для последующего анализа — чрезвычайно трудная задача, для решения которой может потребоваться не простой аналитик, а исследователь данных (data scientist).

Также различают несколько разновидностей специалистов-аналитиков. Подавляющее большинство аналитиков - специалисты по описательной аналитике — они составляют простые отчеты или графики с данными о том, что произошло в прошлом. Специалисты занимающиеся прогностическим анализом накладывают статистические модели на данные, полученные в прошлом, чтобы прогнозировать будущее. Специалисты по инструментальной аналитике рекомендуют решения, которые следует принимать сотрудникам в различных обстоятельствах. И прогностическая и инструментальная аналитика, как правило, дают гораздо более ценные результаты, чем описательный анализ. Однако в последнее время наибольшую популярность набирает автоматизированная аналитика, где решения принимают не люди, а компьютеры, которые полностью берут на себя множество простых аналитических задач, таких как выдача кредитов или страховых полисов.

Итогом анализа всегда является как внутреннее, так и внешнее использование аналитики. По большей части в прошлом аналитика была направлена на поддержку внутренних корпоративных решений, однако в последнее время компании научились использовать данные и аналитику для разработки новых продуктов и услуг, это раскрывает новые возможности, ведь в современном мире незнание аналитики и не умение использовать этот инструмент может стать угрозой как вашему личному успеху, так и процветанию компании.

Скачать статью бесплатно

С уважением Молодой Аналитик