Садржај
- Без грешака, без стреса - Ваш корак по корак водич за креирање софтвера за промену живота без да вам уништи живот
- Више о корисничкој страни?
- Упознавање са напредном БИ анализом
- Будућност БИ анализе
Извор: Денисисмагилов / Дреамстиме.цом
Одузети:
Аналитичар пословне интелигенције има широку улогу која се заснива на разноврсном скупу вештина.
Аналитичар пословне интелигенције има кључну улогу у компанији. Овај посао је повезан са интегралним софтвером и подацима који помажу фирмама да планирају курс и да донесу одлуке о операцијама.
У најширем смислу, аналитичар пословне интелигенције одговоран је за рад са подацима пословне интелигенције, стварање увида и успостављање начина за коришћење тих података у компанији. (Шта је тачно пословна интелигенција? Сазнајте више о томе у Уводу у пословну интелигенцију.)
Ова укупна улога посла има различите компоненте. Аналитичари пословне интелигенције могу радити на прикупљању и документовању техничких захтева и приказивању како технологије извештавања и алати за аналитику улазе у пословне операције.
Обично ће користити алате СКЛ базе података и друге технологије за креирање решења за извештавање и активно обликовање различитих врста података као подршку генерацији увида.
Друга кључна компонента је подршка крајњем кориснику - на пример, аналитичар пословне интелигенције може помоћи у креирању или побољшању одређене врсте визуелне командне табле или чак обучити кориснике на њој након што је креирана.
За више, погледајте просечни оглас за ову професионалну улогу.
Позивање БИ аналитичара на „практичну позицију“, оглас компаније Процессион Системс у Мериленду укључује следеће тачке:
- Помоћи у креирању и презентацији материјала за обуку за БИ решења
- Препоручите побољшања и модификације за оптимизацију процеса пословне интелигенције
- Правовремено се бавите упитима и питањима пословне интелигенције
- Креирајте и извршите планове пројеката у оквиру додељеног буџета и рокова
Ово су само четири тачке меча на дугом списку, али помажу да се илуструју неки од начина на који рад БИ аналитичара спаја техничке способности и здраве разлоге као што је управљање временом.
Без грешака, без стреса - Ваш корак по корак водич за креирање софтвера за промену живота без да вам уништи живот
Не можете побољшати своје програмирање кад никога није брига за квалитет софтвера.
Више о корисничкој страни?
Један од начина да се покуша разграничити оно што аналитичар пословне интелигенције ради јесте супротстављање улога другима која би могла бити у потпуности техничке природе.
Ево шта Ганес Кесари, суоснивач и шеф Аналитике у Граменеру, мора да каже:
БИ аналитичари раде на препознавању увида из података и претварању у визуелне приче. Користе алате за откривање података о самопослуживању као што су Таблеау, Повер БИ. Многи од њих имају добре СКЛ вештине и умерену позадину програмирања. Међутим, не рачунајте на њих за развој тешких позадина, што је домен МЛ инжењера.
БИ аналитичари су често усклађени са ИТ тимом, али уско сарађују са пословним корисницима. Они разумеју функционалне потребе, способни су да обједињавају податке, састављају упите и стварају ад-хоц БИ контролне табле.
Упознавање са напредном БИ анализом
Иако су платформе попут Таблеауа популарне у свету пословне интелигенције, неки аналитичари превазилазе ове изграђене платформе како би користили сирово кодирање на Питхон-у и различитим језицима или израдили нумеричке програме „од нуле“.
„Користим алате засноване на Питхон-у, као што су НумПи и Матплотлиб када погоднији, али основни алати немају функцију која ми је потребна“, каже научник података Бруце Куо из Цодементор-а, признајући да су Таблеау и Лоокер обично прво заустављање. „Такође, БИ инжењери се више фокусирају на логику обраде података. Циљ је пружање квалитетнијих података за пословне аналитичаре. “
Куо је говорио о коришћењу НумПи-а, библиотеке низа за Питхон, у БИ раду.
„Приликом обраде“, каже он, „могу да користим НумПи операције, али не и Матплотлиб јер ми не треба да стварам визуализације. У већини случајева могу створити увид из једноставних правила и претпоставки ако пажљиво размотрим проблем. Генерално је непотребно бавити се програмима машинског учења, осим у кластерима случајева као што је означавање група корисника понашањем корисника, јер је понашање корисника тешко дефинисати правилима. "
Куо даље објашњава да је НумПи користан за увоз улаза у одређеном формату.
"Користим НумПи за БИ када библиотека за визуелизацију или пакет требају уносе типа НумПи", каже он. „На пример, потребан нам је„ УСБ облик “да бисмо радили са„ УСБ портом. “У овом случају„ УСБ облик “је НумПи, а„ УСБ порт “је пакет за визуелизацију. Подаци морају бити обрађени у исправном формату пре него што се увезе у алате за визуелизацију ... За мене, НумПи не делује као складиште, већ је више концепт рачунара.
На пример, можете да радите матричне операције са НумПи-ом, што је од суштинског значаја за машинско учење. У инжењерингу, НумПи примењује различите трикове за оптимизацију како би побољшао перформансе. "
Ту је и снага машинског учења, за коју Куо каже да може помоћи у стварању софистициранијих модела него што можемо „размишљати“ на папиру без аутоматизоване анализе.
„Пре машинског учења људи су покушали да дефинишу и раздвоје кориснике правилима“, каже Куо. „На пример, знамо да корисници старих 30-40 година купују пиво. Међутим, понекад једноставни 1-5 фактори нису довољни да правилно објасне кориснике. Број комбинација правила једноставно је превелик да би се могао израчунати људски мозак. Па како да то решимо? Тако је почело машинско учење. МЛ може да размотри многе факторе ефикасно. Као научник података мој посао тада пажљиво дефинише проблеме, метрике или експерименте. "
Будућност БИ анализе
Да ли свет пословне интелигенције прихвата машинско учење као будући иновативни поремећај? Да, према Дејву Маријанију, главном директору компаније АтСцале.
„С обзиром на побољшања у лакоћи коришћења платформе за машинско учење и увођење алата за обраду података, појавила се нова категорија БИ аналитичара, која се понекад назива и грађанин“, каже Мариани. „Ови напредни БИ аналитичари постају све паметнији у подацима и почињу да користе неке платформе за машинско учење да би генерисали предвиђања и креирали функције.“ (За више информација погледајте улогу улога података о грађанима у свету великих података.)
Маријанијева процена уклапа се у оно што се често назива „модел самопослуживања“ - идеја, са облачним сервисима до и укључујући платформе машинског учења - да крајњи корисници који постају све технички технички почињу да користе ове платформе самостално, а не ослањајући се на „ИТ људе“ да врше упите, граде табеле или стварају увиде.
Ова идеја такође комбинује све о чему се ради у БИ аналитичару. Добија податке, ради са подацима и испоручује вредност која ће представљати „пословну интелигенцију“ у свој својој раскоши и разноликости. Како компанија иновира своју линију производа? Које конкретне категорије купаца представљају активност лијевка? Зашто мењати марку или логотип?
БИ аналитичари помажу да одговоре на сва та убедљива питања и још више, кроз науку о раду на подацима.