Большинство из вас, наверное, уже заметили, что текущий спрос на аналитика данных достаточно высок по сравнению с предыдущими годами, он продолжает расти, и даже прогнозы говорят, что это может быть самая популярная профессия в ближайшие годы.

Идеальное время для работы аналитиком данных, верно?

Что, если я скажу вы уже являетесь аналитиком данных и хорошо справляетесь со своей работой.

Я знаю, что у вас есть сомнения, но сначала позвольте мне кратко объяснить, чем занимается аналитик данных.

Допустим, наш герой Брайан — младший аналитик данных.

Он сидит в офисе и просматривает данные, показывающие ежемесячную прибыль компании за последние 12 месяцев.

Он хочет понять причину недавнего увеличения прибыли компании.

Как им удалось увеличить прибыль?

Глядя на данные о продажах, цифры выручки и наблюдая значительный рост выручки, компания увеличила продажи за последние 3 месяца.

В конце концов, почему объем продаж компании начал расти за эти 3 месяца?

Может быть, есть изменение в бюджете, выделенном на что-то? За 6 месяцев изменений в выделенных бюджетах не было.

Может есть изменения в работе отдела продаж? Нет существенных изменений и в цифрах за последние 6 месяцев.

Отдел маркетинга?

Ага, хотя в бюджете, выделенном на маркетинг, нет никаких изменений, результаты, связанные с маркетингом, увеличились за последние 3 месяца. Точнее, у него значительно выше ROI (окупаемость инвестиций)

Что произошло 3 месяца назад?

Брайан понимает, что 3 месяца назад компания обучила свою маркетинговую команду базовому анализу данных для A/B-тестирования.

После этого, хотя компания выделила тот же бюджет на маркетинговые расходы на квартал, команда потратила его более эффективно и достигла более высоких результатов при тех же затратах.

Покончив с описательной аналитикой, Брайан приступает к проверке гипотезы об увеличении маркетингового бюджета для увеличения прибыли с помощью прогнозной аналитики. Он получает определенный результат и начинает создавать отчеты для представления заинтересованным сторонам, используя визуализацию (диаграммы, графики и т. д.) максимально интуитивно, чтобы это выглядело как более понятная «история».

Если обобщить, что он сделал?

По сути, он проанализировал последние изменения в компании, чтобы понять, что пошло не так. Что они изменили, чтобы он работал лучше? Затем он предположил, что если они продолжат делать это чаще, результаты снова станут лучше?

Мы делаем одно и то же уже много лет.

Что ж, с момента нашего рождения мы все повторяем один и тот же процесс.

В детстве, когда мы делаем первые шаги, мы падаем на очень короткое время, и в следующий раз мы помним об этой ошибке и делаем более удачный шаг. В конце концов, мы начинаем ходить и бегать.

Когда мы касаемся рукой горячей поверхности, мы чувствуем боль, в следующий раз мы запоминаем эти данные и стараемся не касаться горячей поверхности. Каждый раз, когда мы добавляем в нашу базу данных новые данные об этом опыте, мы получаем лучший результат. Говоря языком науки о данных, мы получаем более точный результат, потому что данных достаточно.

То, что мы называем опытом, – это больше данных.

Если старший может выполнить задачу быстрее и с меньшим количеством ошибок, чем младший, это означает, что у старшего больше опыта — больше конкретных точек данных для этой конкретной задачи — в этом вопросе.

Вы, наверное, слышали такие фразы, как: «Я лучше успеваю ночью, когда высыпаюсь», «Я могу готовиться к экзаменам более сосредоточенно, когда у меня играет спокойная музыка на заднем плане». Люди, высказывающие подобные мнения, обычно не являются экспертами в области сна или внимания, они просто знают, как добиться лучших результатов благодаря анализу данных из предыдущего опыта.

Философская концепция, называемая самосознанием, означает, что когда мы становимся взрослыми, мы берем необходимые данные из нашей повседневной жизни и более точно объясняем причину результатов, и, например, у нас есть четкое представление о том, к чему это приведет, когда мы изменить что-то в нашей повседневной жизни. Когда происходит неудача, мы можем понять, какая часть нашей потребности в улучшении ее вызывает.

Ваши страхи — это предвзятые данные из предыдущего опыта. Вам нужно больше данных, чтобы принять уверенное решение.

Вы можете применить анализ данных к своей повседневной жизни, чтобы достичь своих конкретных целей и оптимизировать качество жизни.

Если это звучит интересно и вы хотите узнать больше, присоединяйтесь к учебному курсу Data Analytics Bootcamp от Analytica Camp, где я являюсь инструктором, и подробно рассмотрите эту тему в первой части учебного курса.

Подключаемся на Linkedin: https://www.linkedin.com/in/orianay/