Content
- Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
- Més informació sobre el "costat de l'usuari?"
- Obtenció tècnica amb anàlisi de BI avançada
- El futur de l’anàlisi de BI
Font: Denisismagilov / Dreamstime.com
Emportar:
L’analista d’intel·ligència empresarial té un paper ampli, basat en un conjunt d’habilitats divers.
Un analista en intel·ligència empresarial té un paper clau en una empresa. Aquest treball està relacionat amb els programes integrals i els actius de dades que ajuden a les empreses a presentar un curs endavant i prendre decisions sobre operacions.
En el sentit més ampli, l’analista d’intel·ligència empresarial és responsable de treballar amb les dades d’intel·ligència empresarial, crear visions i establir maneres d’utilitzar aquests actius de dades a l’empresa. (Què és exactament la intel·ligència empresarial? Més informació sobre això en una introducció a Business Intelligence.)
Aquesta funció general té diversos components. Els analistes d’intel·ligència empresarial poden treballar recopilant i documentant els requeriments tècnics i mostrant com les tecnologies d’informació i les eines d’anàlisi analitzen el funcionament empresarial.
Normalment utilitzaran eines de base de dades SQL i altres tecnologies per crear solucions d'informació i modelar activament diferents tipus de dades per donar suport a la generació de coneixement.
Un altre component clau és donar suport a l'usuari final, per exemple, un analista d'intel·ligència empresarial pot ajudar a crear o millorar un tipus particular de tauler visual o, fins i tot, formar-ne usuaris després que es crei.
Per obtenir més informació, fem un cop d’ull a un anunci mitjà d’aquest paper professional.
Si s'anomena l'anàlisi de la BI una "posició pràctica", un anunci de Procession Systems de Maryland inclou aquests punts:
- Ajuda en la creació i presentació de materials de formació per a solucions de BI
- Recomaneu millores i modificacions per optimitzar els processos d’intel·ligència empresarial
- Abordeu les qüestions i qüestions d’intel·ligència empresarial oportunament
- Crear i executar plans de projecte dins del pressupost i els terminis assignats
Aquests només són quatre punts bàsics en una llarga llista, però ajuden a il·lustrar algunes de les maneres en què el treball de l'analista de BI barreja la capacitat tècnica i les capacitats comunitàries com la gestió del temps.
Sense errors, sense estrès: la vostra guia pas a pas per crear programes que canvien la vida sense destruir la vida
No podeu millorar les vostres habilitats de programació quan ningú es preocupa per la qualitat del programari.
Més informació sobre el "costat de l'usuari?"
Una de les maneres d’intentar delimitar el que fa un analista d’intel·ligència empresarial és contrastar el paper amb d’altres de natura més tècnica.
Això és el que ha de dir Ganes Kesari, cofundador i responsable d'Analytics de Gramener:
Els analistes de BI treballen per identificar els coneixements de les dades i convertir-los en històries visuals. Utilitzen eines de descobriment de dades d’autoservei com Tableau, Power BI. Molts d'ells tenen bones habilitats SQL i una programació moderada. Tanmateix, no comptem amb ells per a un desenvolupament de gran backend, que és el domini dels enginyers ML.
Els analistes de BI solen estar alineats amb l’equip de TI, però treballen estretament amb usuaris empresarials. Entenen les necessitats funcionals, són capaços de plasmar les dades, de crear consultes i de crear taulers de taulers de BI ad-hoc.
Obtenció tècnica amb anàlisi de BI avançada
Tot i que plataformes com Tableau són populars en el món de la intel·ligència empresarial, alguns analistes van més enllà d’aquestes plataformes construïdes per utilitzar la codificació crua en Python i idiomes assortits o crear programes numèrics “des de zero”.
"Utilitzo eines basades en Python com NumPy i Matplotlib quan les eines més convenients però bàsiques no tenen la funció que necessito", afirma el científic de dades Bruce Kuo a Codementor, mentre que admet que Tableau i Looker solen ser les seves primeres parades. A més, els enginyers de la BI se centren més en la lògica del processament de dades. L’objectiu és proporcionar dades de millor qualitat per als analistes empresarials. ”
Kuo va parlar sobre l'ús de NumPy, una biblioteca de matrius per a Python, en treballs de BI.
"En processar", diu, "puc fer servir operacions NumPy, però no Matplotlib ja que no necessito crear visualitzacions. En la majoria dels casos, puc generar informació a partir de regles i supòsits simples si considero el problema amb deteniment. Generalment no és necessari col·laborar amb programes d’aprenentatge automàtic, excepte en casos de agrupació com ara l’etiquetatge de grups d’usuaris pel comportament de l’usuari, perquè les regles són difícils de definir.
Kuo explica a més que NumPy és útil per importar entrades en un format determinat.
"Utilitzo NumPy per a la BI quan la biblioteca de visualització o el paquet necessita entrades de tipus NumPy", afirma. "Per exemple, necessitem una" forma USB "per treballar amb el" port USB ". En aquest cas, la" forma USB "és NumPy i el" port USB "és el paquet de visualització. Les dades s’han de processar al format adequat abans de ser importades a eines de visualització ... Per a mi, NumPy no actua com a emmagatzematge, sinó que és més que un concepte informàtic.
Per exemple, podeu fer operacions de matriu amb NumPy, fonamental per a l'aprenentatge automàtic. En enginyeria, NumPy implementa diversos trucs d’optimització per ajudar a millorar el rendiment. "
Després, també hi ha el poder de l’aprenentatge automàtic, que Kuo diu que pot ajudar a crear models més sofisticats del que podem “pensar” en paper sense anàlisi automatitzada.
"Abans d'aprenentatge automàtic, la gent intentava definir i separar els usuaris per regles", afirma Kuo. “Per exemple, sabem que els usuaris de 30-40 anys solen comprar cervesa. Tot i això, de vegades els factors 1-5 simples no són suficients per descriure correctament els usuaris. El nombre de combinacions de regles és simplement massa gran perquè el cervell humà pugui calcular. Llavors, com ho solucionem? Així va començar l’aprenentatge automàtic. ML pot considerar molts factors de manera eficient. Com a científic de dades, la meva feina passa a ser acuradament definint problemes, mètriques o experiments. "
El futur de l’anàlisi de BI
El món de la intel·ligència empresarial està acceptant l’aprenentatge automàtic com una futura interrupció innovadora? Sí, segons Dave Mariani, director d'estratègia d'AtScale.
"Tenint en compte la facilitat d'ús de les plataformes d'aprenentatge de màquines i la introducció d'eines de lluita de dades, hi ha una nova categoria d'analistes de BI, de vegades anomenada científic de dades ciutadanes", afirma Mariani. "Aquests analistes avançats de BI estan cada cop més experimentats en les dades i comencen a utilitzar algunes de les plataformes d'aprenentatge automàtic per generar prediccions i crear funcions". Per a més informació, consulteu el paper dels científics de les dades ciutadanes al Big Data World.)
L’avaluació de Mariani s’ajusta al que sovint s’anomena el “model d’autoservei” –la idea, amb serveis en núvol fins i tot incloent plataformes d’aprenentatge automàtic– és que els usuaris finals que s’estan convertint en més tècnics comencen a utilitzar aquestes plataformes per si mateixes que no pas confiant en "IT people" per fer consultes, crear taules o generar informació.
Aquesta idea també combina totes les funcions de l'analista de BI. Es tracta d’obtenir les dades, treballar amb les dades i aportar valor que constituirà una “intel·ligència empresarial” en tota la seva esplendor i diversitat. Com innova una empresa la seva línia de productes? Quines categories específiques de clients representen l’activitat de l’embut? Per què canviar una marca o logotip?
Els analistes de BI ajuden a respondre a totes aquestes preguntes convincents i molt més, mitjançant treballs de ciències de dades.