Что такое аналитика?

Содержание
  1. Какая бывает аналитика: предиктивная, описательная и еще 2 вида аналитики больших данных
  2. 4 вида аналитики данных для эффективного управления на практическомIIoT-примере
  3. Где еще используются системы аналитикиBigData и как их внедрить
  4. Пять веских причин, почему стоит пойти учиться на аналитика данных | Статьи SEOnews
  5. Чем занимается аналитик данных 
  6. Почему стоит заняться аналитикой данных 
  7. Какие навыки необходимы специалисту по аналитике данных 
  8. Где можно обучиться на аналитика данных 
  9. Системный аналитик или бизнес аналитик. В чем разница и что выбрать новичку? — Карьера на vc.ru
  10. Кто такой аналитик?
  11. Кто может стать аналитиком?
  12. А в чем все-таки разница между системными и бизнес аналитиком?
  13. Что такое аналитика?
  14. Информатизация, или увеличение объемов данных
  15. Аналитика в наши дни
  16. Аналитик
  17. Краткое описание: кто такой аналитик?
  18. Особенности профессии
  19. Плюсы
  20. Минусы
  21. Важные личные качества
  22. Обучение на аналитика
  23. Лучшие вузы для аналитиков
  24. Место работы
  25. Зарплата аналитика
  26. Карьерный рост
  27. Профессиональные знания
  28. Известные аналитики
  29. Чем занимаются аналитики
  30. Кто такой аналитик?
  31. Чем занимается аналитик?
  32. Зачем нужен аналитик?

Какая бывает аналитика: предиктивная, описательная и еще 2 вида аналитики больших данных

Что такое аналитика?

В этой статье мы разберем одно из ключевых понятий цифровизации: что такое предиктивная аналитика и чем она отличается от дескриптивной.

Также рассмотрим на практических примерах, какие виды аналитики больших данных (Big Data) еще бывают и где они используются.

Читайте в нашем сегодняшнем материале, как машинное обучение (Machine Learning) и другая аналитика Big Data помогают руководителям получать целостную картинку всех аспектов бизнеса и принимать эффективные управленческие решения.

4 вида аналитики данных для эффективного управления на практическом IIoT-примере

Начнем с практического определения: аналитика данных – это процесс поиска системных закономерностей в массивах информации и интерпретации найденных фактов с целью получения важных для бизнеса сведений (инсайтов, insights), которые позволят оптимизировать деятельность: увеличить доход, сократить затраты или достичь других важных результатов [1].

Принято выделять 4 вида аналитики данных, отличающихся уровнем сложности работы с информацией и степенью человеческого участия [2]:

  • Описательная (дескриптивная), которая отвечает на вопрос «Что случилось?», создавая сводку исторических данных для их дальнейшего анализа. Например, непрерывный сбор информации с производственного оборудования с помощью smart-датчиков и других IoT/IIoT-устройств позволит точно идентифицировать момент сбоя в технологическом процессе.
  • Диагностическая, которая анализирует информацию, чтобы ответить на вопрос «Почему это случилось?». Здесь используются статистические методы анализа данных с целью их кластеризации, классификации, детализации и обнаружения корреляции, чтобы выявить основные факторы влияния на результаты. В рассмотренном выше примере с промышленным интернетом вещей (Industrial Internet of Things, IIoT) диагностическая аналитика покажет, что авария случилась по причине выхода из строя модуля приемки сырья.
  • Предиктивная (прогнозная, предсказательная), которая прогнозирует неизвестные события в будущем, отвечая на вопрос «Что может случиться?» на основе анализа накопленной информации. Здесь используется множество методов: математическая статистика, моделирование, машинное обучение и другие области Data Science, а также интеллектуальный анализ данных (Data Mining). К примеру, предиктивная аналитика текущих и прошлых показателей работы производственного оборудования заблаговременно определит время его профилактического ремонта, чтобы избежать поломки дорогостоящей техники. Как это работает на практике в нефтегазовой отрасли, мы рассказывали в этой статье.
  • Предписывающая (предписательная), которая отвечает на, пожалуй, главный управленческий вопрос «Что делать?». Здесь машинное обучение и другие методы искусственного интеллекта анализируют все накопленные и обработанные данные, чтобы найти наилучшие решения для конкретной ситуации. В рассматриваемом примере модуль предписывающей аналитики подскажет, какая именно деталь производственного оборудования больше всего износилась и как это исправить наиболее оптимальным с точки зрения экономики образом: заменить на новую или отремонтировать.

Аналитическая пирамида: от описательной к предписывающей аналитики данных

Где еще используются системы аналитики Big Data и как их внедрить

Отметим области деятельности с наиболее высоким спросом на аналитику данных, как дескриптивную, так и предписывающую [3]:

  • медицина – постановка диагноза на основании симптомов болезни, выявление факторов, провоцирующих заболевание, определение склонности к заболеванию в будущем, формирование рекомендаций и выписка лекарств для лечения и профилактики болезней. Впрочем, некорректная настройка модуля Machine Learning в этом случае может привести к трагическим последствиям, о чем мы рассказывали здесь.
  • реклама и маркетинг – определение эффективности промо кампаний, выявление наиболее результативных каналов и форм подачи информации (персонализированный таргетинг), построение рекомендательных систем, формирование спроса на основе интересов пользователя и его поведения в сети, прогнозирование и предупреждение оттока клиентов (Churn Rate), оптимизация ценообразования.
  • страхование и кредитование – точное определение суммы возмещения или кредита, скоринговая оценка клиента. Например, сегодня это уже реализовано в совместном проекте российских банков с компанией Яндекс, когда банки оценивают платежеспособность потенциального заемщика по истории его запросов в поисковой системе. Подробнее об этом мы писали здесь.
  • промышленность – выявление ключевых факторов, влияющих на качество продукции и выполнение производственных процессов, предсказание отказов оборудования, составление графика профилактических проверок и ремонта техники, прогнозирование спроса на продукцию, оптимизация загрузки производственных мощностей и предупреждения о будущих внештатных ситуациях. Реальные примеры промышленного использования Big Data систем предиктивной и предписывающей аналитики на базе IoT/IIoT и Machine Learning читайте тут.
  • финансы и безопасность – выявление и предупреждение случаев мошеннических операций (антифрод-системы), распознавание вредоносных программ и случаев утечки данных, о чем мы рассказывали здесь.
  • управление человеческими ресурсами (HR) – выявление ключевых факторов, влияющих на компетентность сотрудников, составление модели профессиональных компетенций, прогнозирование увольнений, предупреждение профессионального выгорания и рабочих конфликтов [4]. Подробнее об этом мы расскажем в следующей статье.

Внедрение аналитических Big Data систем – это комплексный поэтапный проект, который часто выполняется в рамках цифровизации бизнеса. Предписывающая аналитика находится на вершине пирамиды и опирается на предыдущие уровни: предиктивную, диагностическую и описательную [2].

Поэтому для формирования оптимальных управленческих решений на основе данных необходимо, прежде всего, накопить релевантный объем этой информации, достаточный для корректного обучения алгоритмов Machine Learning.

Некоторые аналитические задачи решаются с помощью современных BI-инструментов, например, коммерческих платформ типа Oracle Data Mining, SAP BusinessObjects Predictive Analysis, SAP Predictive Maintenance and Service, IBM Predictive Insights или open-source решений (KNIME, Orange, RapidMiner) [3].

На практике многие предприятия, вступившие на путь цифровой трансформации, создают собственные системы аналитики больших данных. При этом используются разнообразные технологии Big Data, например, Apache Hadoop – для хранения информации (в HDFS или HBase), Kafka – для сбора данных из различных источников, а Spark или Storm – для быстрой аналитической обработки потоковой информации.

В частности, именно так реализована рекомендательная система стримингового сервиса Spotify, о которой мы рассказывали здесь. Таким образом, организация предиктивной и, тем более, предписывающей аналитики данных – это одна из ключевых задач цифровизации бизнеса.

Виды аналитики данных и вопросы, на которые они отвечают

Как внедрить систему аналитики больших данных и запустить цифровую трансформацию своего предприятия, вы узнаете, пройдя обучение на наших образовательных курсах в лицензированном учебном центре обучения и повышения квалификации руководителей и ИТ-специалистов (менеджеров, архитекторов, инженеров, администраторов, Data Scientist’ов и аналитиков Big Data) в Москве:

  • Аналитика больших данных для руководителей

Источники

Источник: https://www.bigdataschool.ru/blog/types-of-data-analytics.html

Пять веских причин, почему стоит пойти учиться на аналитика данных | Статьи SEOnews

Что такое аналитика?

09 Декабря 2019 года, 08:42

Партнерский материал

Аналитика — это модно. Аналитика — это то, о чем все сейчас говорят. Аналитика меняет мир. Неудивительно, что в последние годы растет интерес к этой сфере деятельности. Чем эта профессия так привлекательна? Можно ли стать аналитиком данных с нуля и какие знания необходимы? Давайте разбираться.

Чем занимается аналитик данных 

Аналитик, если объяснять простыми словами, занимается сбором информации, анализом и поиском наилучших решений на основе данных.

Изначально многие задачи, которые сейчас выполняют аналитики, выполняли специалисты по математике или статистике.

Но с распространением технологий, развитием машинного обучения и искусственного интеллекта, к анализу данных подключилась информатика. Процесс пошел быстрее и эффективнее, а аналитика стала применяться в самых разных сферах. 

Так что же входит в обязанности аналитика данных? 

  • поиск аномалий, например, необычного поведения клиентов на сайте интернет-магазина или попыток мошенничества; 
  • составление прогнозов, например, как пользователи отреагируют на внедрение новой функции в сервисе; 
  • поиск эффективных бизнес-решений, например, увеличение продаж; 
  • оценка потенциала компании, например, расчет ROI и других экономических показателей, окупаемость рекламы и т.п. 

Почему стоит заняться аналитикой данных 

Это востребовано на рынке 

Специалисты по аналитике очень востребованы на рынке. Как показывают исследования, 94% специалистов, прошедших обучение по аналитике данных, получили работу в этой области. Количество вакансий в этой сфере постоянно растет. 

Согласно прогнозу Superjob, аналитик данных — одна из самых востребованных профессий в российском сегменте IT-сферы в 2020 году. Соотношение числа вакансий и резюме составляет в данном сегменте 1 к 4,5. 

Совместно исследование Яндекса и HeadHunter также подтверждает высокий спрос на аналитиков. Эта профессия входит в ТОП-15 самых востребованных в сфере IT.

Но не только в России, во всем мире вот уже несколько лет растет спрос на аналитиков. 

По данным опроса, проведенного IBM, в 2020 году число вакансий для специалистов по аналитике данных в США составит 2,72 млн. Спрос на аналитиков за год вырастет на 28%.

Но это еще не все. Эксперты IBM утверждают, что спрос на таких специалистов настолько высок, а профессионалов в этой сфере так мало, что такие вакансии остаются открытыми в среднем в течение 45 дней, а это на пять дней больше по сравнению с другими вакансиями на рынке. 

Это неплохо оплачивается 

По данным Яндекса и HeadHunter, средняя зарплата начинающего data science (анализ данных или машинное обучение) с опытом меньше года, составляет 50 тысяч рублей. Специалисты с опытом более 6 лет могут рассчитывать на зарплату 208 тысяч рублей в месяц, что сравнимо с зарплатой разработчиков, а иногда и превышает ее.

Средняя заработная плата начинающего аналитика данных в США, по данным IBM, составляет более $80 тысяч в год. Опытные специалисты могут рассчитываться на среднюю годовую зарплату $100-116 тысяч.

Это приносит пользу

Бизнес сегодня получает множество разных данных от клиентов: количество посещений сайта, транзакции, взаимодействие с рекламой. При этом 65% компаний не могут проанализировать имеющиеся данные, показал опрос Gemalto. 89% организаций считают, что если бы они умели правильно анализировать информацию, то получили бы конкурентное преимущество. 

Специалисты по анализу данных могут внести вклад в развитие бизнеса и увидеть результаты в виде повышения эффективности. 

Это перспективно 

Сайт LinkedIn составил список профессий, которые позволяют быстро построить карьеру. Исследователи посчитали, что специалисты по аналитике данных имеют высокие шансы получить повышение по службе. Карьерные перспективы в данной отрасли LinkedIn оценил на 9 из 10. 

Аналитика данных — универсальная область, а специалисты по аналитике востребованы в самых разных отраслях. Аналитики данных могут работать не только в IT-компаниях, но и реализовать себя в самых разных сферах. 

Здравоохранение использует данные, чтобы предоставлять более качественные услуги и программы. В сельском хозяйстве данные используются для повышения урожайности и даже для контроля за прорастанием семян.

В автомобильной отрасли аналитика помогает разрабатывать более удобные транспортные средства, предсказывать неисправности, прогнозировать спрос. А есть еще сфера финансовых услуг, коммерция и различные сектора бизнеса, которые работают с данными.

Так что у специалиста есть возможность не только погрузиться в мир цифр и статистики, но и ближе познакомиться с новыми для себя отраслями от ритейла до освоения космоса и внести ценный вклад в развитие компании. 

Какие навыки необходимы специалисту по аналитике данных 

Для освоения специальности требуются соответствующие знания и навыки. Аналитики данных должны: 

  • знать как минимум один язык программирования (Python, SQL и т. д.),  
  • хорошо разбираться в статистике, 
  • понимать линейную алгебру, 
  • уметь работать с таблицами, 
  • иметь аналитическое мышление.  

На первый взгляд может показаться, что обучение и вход в профессию слишком сложен, особенно для гуманитариев. На самом деле все зависит от желания, стремления и умения обучаться новому. А еще играет роль бэкграунд. Маркетологам, финансистам, менеджерам, которые ежедневно имеют дело с разными данными, будет проще погрузиться в сферу аналитики. 

Где можно обучиться на аналитика данных 

Самый простой способ для людей, которые уже работают и хотят приобрести новую специальность — пойти на курсы. Многие школы и центры предлагают программы, позволяющие приобрести профессию аналитика. Но при выборе важно обратить внимание, чтобы программа занятий включала в себя не только теорию, но и практику. 

Фундаментальный курс «Аналитик данных» от SkillFactory позволяет с нуля освоить эту специальность. Большим плюсом обучения является упор на практику. Студенты развивают практические навыки в процессе решения кейсов в онлайн-тренажерах. А на выходе обладают всеми необходимыми знаниями, чтобы найти работу в этой сфере или применять анализ данных в своей текущей работе.

Источник: https://www.SEOnews.ru/analytics/5-prichin-zabyt-vse-chemu-vy-uchilis-do-etogo-i-zanyatsya-analitikoy-dannykh/

Системный аналитик или бизнес аналитик. В чем разница и что выбрать новичку? — Карьера на vc.ru

Что такое аналитика?

Руководитель проектов «Технократии» Алина Шарафеева, опираясь на собственный опыт в аналитике, объясняет, в чем отличие между двумя видами аналитиков и подсказывает, что выбрать новичкам.

Нет, это не Алина, а просто фейковое превью с Максимом Кацом

В спорах о том, кто такие бизнес и системные аналитики, и какой функционал они в себе собой несут, сломано немало копий. А особенно важен этот вопрос для новичков в профессии, которые не знают, какое направление работы выбрать.

Кто такой аналитик?

Аналитик – это палочка-выручалочка на проекте, он умеет выявлять истинную потребность и боль заказчика, выступает переводчиком с языка «программистов» на «человеческий» и обратно.

Но если вам важны описания из Википедии, то вот определение из русскоязычной версии:

Аналитик — специалист, занимающийся изучением аналитических исследований и обобщений в определенной сфере деятельности, который в совершенстве владеет методами анализа, обычно способен прогнозировать процессы и разрабатывать перспективные программы развития.

При работе над проектом, обычно, процесс передачи информации строится следующим образом: Заказчик — > Аналитик -> Разработчик; Разработчик — > Аналитик — > Заказчик.

Кто может стать аналитиком?

В глобальном смысле — любой человек. Но с определенными требованиями, о которых расскажу далее. Сейчас, несмотря на обилие вакансий на рынке, на такую специальность достаточно редко обучают в ВУЗах.

Поэтому, ориентироваться на строчку в дипломе работодателю крайне сложно, и в ход идут стандартные способы выявления необходимых способностей у соискателя.

Лично у меня хватает знакомых, которые в другой жизни могли быть психологами, ветеринарами, маркетологами и механиками, но в конечном счете они стали аналитиками.

Если Вы умеете выстраивать причинно-следственную связь, правильно задавать вопросы и слышать (а не слушать), что вам говорят, хотите узнавать новое и погрузиться в мир ИТ, то у вас есть все шансы стать аналитиком.

А в чем все-таки разница между системными и бизнес аналитиком?

В разных компаниях требования к бизнес-аналитикам и системным могут отличаться. Даже в крупной ИТ-компании при наличии нескольких структурных подразделений люди, находясь на одной должности, могут выполнять разные обязанности.

Поэтому ниже я опишу собственный опыт по поводу отличий двух типов аналитиков.

Бизнес-аналитик – про общение с заказчиком и погружение в предметную область.

Системный – про общение с разработчиками и погружение в продукт.

Я не буду рассказывать про то, какими качествами должен обладать каждый сотрудник – ответственность, вежливость, самостоятельность, уверенное пользование ПК и т.д.– это все должно идти в комплекте поставки по умолчанию.

Лучше рассмотреть подробнее каждый из типов. Начнем с бизнес-аналитиков:

  • Их основная работа это общение с заказчиками. Бизнес-аналитики являются лицом компании. По ним судят уровень компетенций всей команды. Они должны быть сосредоточены в моменте, аккуратны, уметь задавать правильные вопросы, не испытывать терпение заказчика, мусоля одну и ту же тему множество раз.
  • Они много читают. Очень много читают. Эти люди погружаются в новые области с головой, следят за изменениями законодательства, изучают требования от заказчика. Термин «ходячие энциклопедии» придумали, когда смотрели на аналитика.
  • Они отсеивают ненужное и формируют требования, излагая только суть. При этом не нужно переусердствовать, в нашей сфере краткость не всегда сестра таланта. Итогом на выходе являются задачи в таск-трекере, ЧТЗ, ТЗ и т.д.
  • Порой они занимаются тестированием проведенных доработок и разработкой документации по ним, например, ПМИ, руководств пользователя.
  • Обычно консультированием пользователей занимается техническая поддержка, но я не исключаю тот вариант, что эта обязанность может лечь и на плечи аналитика, поэтому он должен обладать железными нервами, ведь ему предстоит общение с множеством людей.
  • Они ездят в командировки – кто-то меньше, кто-то больше — зависит от работодателя. Возможны любые варианты.
  • Они шпионят и наблюдают за конкурентами, изучают их решения, перенимают опыт.
  • Есть шансы начать карьеру, не имея специализированного образования. Все примеры, приведенные мной во вступлении, были как раз про бизнес-аналитиков. Эти люди пришли в профессию, не имея опыта, но имея желание и необходимые качества.

Теперь переходим к системным аналитиками. Вот, что нужно знать, выбирая эту профессию:

  • Они общаются именно с разработчиками, переводя требования на «технический» язык.
  • Они изучают новые технологии, постоянно мониторят предметную область и изучают изменения в ней.
  • Если бизнес-аналитики решают поставленную задачу «в лоб», то системные аналитики смотрят на ее решение комплексно, выявляя сферы, которые могут быть затронуты при решении вопроса и находят оптимальное решение, которое удовлетворит максимальное количество пользователей.
  • Системные аналитики редко общаются с заказчиками, они появляются только в самых сложных случаях, когда знаний бизнес-анализа недостаточно. И командировки у них случаются, соответственно, крайне редко.
  • Часто системные аналитики занимаются проработкой новых решений и продумывают создание новых систем/модулей от и до.
  • Не имея специализированного образования, пройденных курсов или достаточного опыта работы бизнес-аналитиком нереально получить эту должность. Поэтому первым шагом к карьере является обучение и опыт работы с ИТ.

Конечно, часто бывает так, что обязанности пересекаются, а иногда функции системного и бизнес аналитика пытаются объединить в одном лице. Но найти такого многостаночника зачастую гораздо сложнее, чем работать с двумя отдельными специалистами.

Если вы хорошо знаете технический язык и/или успели поработать в разработке, но при этом не хотите заниматься непосредственно программированием, то вам открыт путь в системные аналитики.

А если у вас есть желание «войти в ИТ» из другой области бизнеса и вы готовы поработать транслятором идей заказчика, то бизнес-аналитика ваш выбор.

В любом случае, выбирайте какая профессия вам по душе, и добро пожаловать в мир ИТ!

Алина Шарафеева

Руководитель проектов «Технократии»

Источник: https://vc.ru/hr/151372-sistemnyy-analitik-ili-biznes-analitik-v-chem-raznica-i-chto-vybrat-novichku

Что такое аналитика?

Что такое аналитика?

Аналитика – это то, о чем должен знать любой руководитель, лидер… да и вообще кто угодно! И не только потому, что это популярное слово встречается на каждом шагу, но и потому, что оно в скором времени изменит всю нашу жизнь.

Информация окружает нас со всех сторон, а потому аналитика затрагивает не только бизнес, но и, например, спорт, здравоохранение и правительство. Сложно представить себе аспект нашей жизни, в котором не будет использоваться аналитика.

Книги на эту тему становятся мировыми бестселлерами, а профессия специалиста по обработке данных считается одной из самых перспективных. Так что же такое аналитика?

На базовом уровне, аналитика – это способность собирать и использовать информацию, принимая решения на основе фактов.

Прогресс в области компьютерных технологий и полная информатизация мира в скором времени позволит принимать такие решения обо всем на свете, а люди приобретут поистине безграничные возможности.

Для начала поговорим об информатизации мира, а затем приведем примеры эффективного использования аналитики.

Информатизация, или увеличение объемов данных

День за днем люди создают все больше и больше данных, и этот процесс ускоряется с течением времени. Каждый аспект нашей жизнедеятельности оценивается и отслеживается, а аналитика позволяет раскрыть истинную суть вещей. Вот лишь несколько примеров, наглядно иллюстрирующий степень информатизации нашего мира:

  1. Факты общения с другими людьми постоянно фиксируются: специальные сервера хранят наши электронные письма, посты в социальных сетях и записи телефонных разговоров.
  2. Компании создают большие хранилища цифровых данных обо всем, что в них происходит. Только представьте, какой объем данных может создать бухгалтерия, стол обработки заказов или кадровый отдел! И эти объемы растут с каждой минутой!
  3. Все наши действия в цифровом мире также отслеживаются. Например, браузеры ведут историю просмотров и поисковых запросов, а онлайн-магазины запоминают, что мы купили. Когда мы читаем книгу или слушаем музыку в электронном виде, устройство (книга или проигрыватель) собирает информацию о том, что конкретно, когда и как долго мы делаем.
  4. Нас окружают едва заметные сенсоры, которые создают дополнительные данные. Например, в смартфонах есть сенсоры, определяющие местоположение владельца и скорость его движения, сенсоры кораблей измеряют температуру и направление потока воды в океане, сенсоры автомобилей контролируют процесс вождения, а сенсоры в упаковках товаров позволяют узнать, где находится наш заказ.
  5. Данные исходят и от различных аксессуаров –  “умных” часов, очков Google Glass и шагомеров. Например, я ношу фитнес-браслет, ежедневно измеряющий количество пройденных шагов, сожженных калорий и часов сна.
  6. Большое количество фотографий и видеороликов хранится в электронном виде, не говоря уже о записях с камер наблюдения. В частности, пользователи 
    ежеминутно загружают более 100 часов видео, а пользователи – более 200 000 фотографий.
  7. Устройства, подключенные к Интернету, способны самостоятельно создавать и передавать данные. Например, “умные” телевизоры запоминают программы, которые смотрят их хозяева, и даже могут определить, сколько человек сидит перед экраном.
  8. Все больше и больше информации публикуется в открытом доступе – например, статистика и прогнозы от метеобюро, ранее цензурированные правительственные данные, популярные поисковые запросы Google Trends или карты Google Maps.

Я думаю, вы уже поняли, что в наши дни наблюдается настоящий информационный взрыв, который служит катализатором для развития аналитики.

Аналитика в наши дни

За последние годы человечество не только создавало все больше и больше данных, но еще и научилось их обрабатывать.

Теперь мы можем анализировать большие объемы информации из различных источников, что приводит нас к недоступным ранее решениям. Анализ больших неструктурированных блоков часто именуется “аналитикой больших данных”.

Для анализа цифр, текста, фотографий, звуков и видео применяются различные методы. Рассмотрим некоторые примеры из практики.

Спорт: Аналитика активно используется для улучшения спортивной производительности профессиональных атлетов и обычных людей. Например:

  • Каждый желающий может купить бейсбольный мяч с 200 сенсорами, позволяющими определить силу удара, направление движения и т.д. Мяч был создан компанией InfoMotion Sports Technologies совместно с Мичиганским университетом и в настоящее время проходит доработку.
  • Мобильные приложения Run Keeper и Nike + Running используют встроенные в смартфон сенсоры, чтобы отслеживать и анализировать скорость бега и количество потраченных калорий.
  • Для Олимпийских гонок используются велосипеды с сенсорами в педалях, которые определяют величину ускорения, придаваемого транспорту при каждом толчке. Эта информация  позволяет оценить производительность спортсмена и улучшить ее.
  • Система SlamTracker предназначена для записи теннисных матчей и предоставляет статистику в режиме реального времени.
  • Наконец, мы все видели фильм “Человек, который изменил все”, рассказывающий историю жизни Билли Бина. Он работал генеральным менеджером команды Окленд Атлетикс и не мог найти новых игроков традиционными методами, но аналитика помогла ему добиться успеха и обыграть более богатые клубы.

Здравоохранение: Аналитика медленно, но верно меняет современную систему здравоохранения. Рассмотрим следующие примеры:

  • Больничные отделения, которые оказывают помощь недоношенным и больным младенцам в буквальном смысле анализируют каждый их вздох. Это помогает выявить определенные закономерности – например, заподозрить инфекцию за 24 часа до появления симптомов и начать заблаговременное лечение.
  • Мощные аналитические инструменты позволяют расшифровывать ДНК гораздо быстрее, чем раньше (в частности, в настоящее время на расшифровку уходит всего один день). Это позволяет предсказывать некоторые закономерности (например, вероятность того или иного заболевания) и принимать информированные решения (например, о превентивных мерах). Кроме того, расшифровка ДНК способствует появлению новых методов лечения болезней (например, рака).

Межличностные взаимоотношения: Любовь – это неотъемлемая составляющая человеческого счастья. Каждый хочет найти свою “половинку”, но как это сделать? На помощь приходит аналитика. Взять, к примеру, сервис eHarmony.

Его основатель изучил сотни пар и на основании полученных данных вывел свой собственный алгоритм, позволяющий подобрать человеку пару с учетом его личности и социальных навыков. Каждый пользователь сайта заполняет подробную анкету, чтобы потом познакомиться с тем, кого подобрала ему система.

В некоторых случаях предложенные варианты не соответствуют привычным типажам, однако данные позволяют предположить схожесть характеров. Другие сайты знакомств используют иные алгоритмы. Например, по версии Perfectmatch.com “половинки” должны дополнять друг друга.

“Умные” дома: Наши дома наполняются “умными” устройствами, которые собирают и анализируют данные. Например, мои весы следят не только за моим весом, но и за температурой и качеством воздуха в комнате, передавая данные на смартфон.

Мой холодильник подключен к Интернету и сообщает мне о неисправностях (например, если я забыл плотно закрыть дверь).

Количество “умных” устройств увеличивается с каждым годом, а аналитика позволяет эффективнее их использовать – например, автоматически настраивать систему отопления в соответствии с потребностями жильцов или оставлять заявки на ремонт.

Предотвращение преступлений: В сфере борьбы с преступностью аналитика помогает выявлять и предсказывать противоправные действия. Например:

  • Компании, выдающие кредитные карты, отслеживают наши транзакции в режиме реального времени. Если система выявляет “нетипичное” поведение, карта “замораживается” прежде, чем деньги будут сняты со счета.
  • Полиция и федеральные агентства используют аналитические инструменты для предотвращения террористических атак.
  • Во многих полицейских управлениях установлены системы, позволяющее узнавать о перестрелках и оперативно на них реагировать, не дожидаясь сигнала очевидцев. Примером такой системы может служить ShotSpotter. Именно благодаря ей управляющие органы узнали, что большая часть (80-90%) перестрелок проходила незамеченной.

Бизнес: Разумеется, аналитика активно используется в бизнесе. Я работаю в этой сфере, помогая компаниям создавать стратегии, принимать обдуманные решения и повышать свою производительность. Вот лишь малая толика примеров, которыми я могу поделиться:

  • Многие клиенты перераспределяют маркетинговые усилия, основываясь на информации о количестве продаж. Для определения поведенческих шаблонов покупателей используются данные с карт лояльности или кредитных карт. Например, женщина, которая ждет ребенка, сильно меняет свои привычки, и супермаркет, в котором она покупает продукты, может легко это узнать. Это знание можно использовать для распространения целевой рекламы, сообщив будущим родителям о скидках на детские товары.
  • Магазины розничной торговли используют аналитику для оптимизации работы с производственными запасами. Традиционные методы включают в себя анализ продаж и закупку товаров, которые продаются лучше всего. Современная аналитика выходит за привычные рамки. Например, один из моих клиентов обнаружил товар, который не пользовался особым спросом, но приобретавшие его покупатели обычно оставляли в магазине круглые суммы. Таким образом, отказываться от закупки этого товара было бы неразумно.
  • С помощью аналитики компании оптимизируют работу системы снабжения. Данные от сенсоров, установленных на грузовиках с товарами, позволяют выработать кратчайший маршрут доставки, принимая во внимание пробки и погодные условия.
  • Другой мой клиент, представлявший ведущую телекоммуникационную компанию, разработал аналитическую модель, позволявшую предсказывать уровень удовлетворенности пользователей и возможные жалобы. На основании текстов заявлений и записей телефонных звонков все пользователи были разделены на категории. В результате анализа выяснилось, что пользователи, принадлежащие к определенному типу, чаще других разрывали контракты и уходили к конкурентам. Дальнейшие исследования позволили тщательнее изучать уровень удовлетворенности таких клиентов и принимать превентивные меры по их удержанию.
  • Крупные предприятия из сферы услуг используют аналитику, чтобы определять сотрудников, которые подумывают покинуть рабочее место. Они используют информацию о посещении сотрудниками таких сайтов, как LinkedIn, Dice и Monster. Это позволяет принимать превентивные меры до того, как ценный специалист примет решение об уходе.

Источник: https://hr-portal.ru/story/chto-takoe-analitika

Аналитик

Что такое аналитика?

Аналитик – это собирательное название профессии, суть которой сводится к сбору большого количества цифровых данных, их анализу и трактовке полученной информации. Что это за данные – зависит уже от специфики работы такого сотрудника.

Аналитик может быть специалистом в области финансов, инвестиций, конкретных рыночных сегментов, инженерии, химии, компьютерного программного обеспечения, рекламы, социологии и так далее.Профессия подходит тем, кого интересует физика, математика, биология, экономика и информатика (см.выбор профессии по интересу к школьным предметам).

В 2020 году центр профориентации ПрофГид разработалточный тестна профориентацию. Он сам расскажет вам, какие профессии вам подходят, даст заключение о вашем типе личности и интеллекте.

Краткое описание: кто такой аналитик?

 Аналитик – это человек, которого огромные разрозненные потоки информации приводят не в ужас, а в состояние профессионального азарта. Он способен обнаружить среди этих потоков определенные алгоритмы и закономерности, чтобы в итоге получить новое знание, которое можно будет с успехом применять в сфере его работы.

Особенности профессии

Чаще всего вакансия аналитика предполагает, так или иначе, работу с числами – самой подходящей формой представления информации для проведения исследований, анализа, выявления статистических принципов, прогнозирования и формирования планов дальнейшего развития.

То, о чем говорят эти числа, может относиться практически к любой области жизни современного общества.

Хотя на практике аналитики все же чаще работают в областях, связанных с финансами, поскольку именно они требуют детальнейшего анализа и предельно четких прогнозов, основанных на реальных данных и научной математике, а не чьей-то интуиции.

Ключевые обязанности аналитика сводятся к следующей последовательности действий:

  • Сбор всех данных, необходимых для проведения анализа, и их первичная обработка (она направлена на приведение данных к единой форме, выделение основных признаков, переменных и неизвестных для анализа и прочие подготовительные работы).
  • Определение основных тезисов исследования, выдвижение гипотез.
  • Непосредственно анализ собранной и стандартизированной информации, выполняемый с помощью математических методов и современного программного обеспечения. В результате анализа гипотезы либо подтверждаются, либо опровергаются.
  • Составление прогнозов, планов развития, проектов, методических рекомендаций, основанных на результатах выполненного анализа.
  • Оформление аналитического отчета о результатах анализа, формирование выводов, их презентация работодателю/клиенту.

Например, бизнес-аналитик может работать в штате конкретной компании и изучать ее финансовые процессы, реальные и потенциальные договора с партнерами, конкурентов, чтобы определить ее слабые и сильные места, предложить оптимальные способы оптимизации ее работы, сокращения расходов и повышения прибыли. Финансовый аналитик может специализироваться на особенностях процессов внутреннего или международного рынка. Некоторые аналитики специализируются на биржевой торговле и могут спрогнозировать перспективность тех или иных инвестиций.

Аналитики, работающие в области компьютерных технологий, совершенствуют концепции и методы разработки программного обеспечения, консультируют по вопросам информационной безопасности, помогают внедрять более совершенные алгоритмы на практике.

Плюсы

  1. Высокая зарплата.
  2. Востребованность на рынке труда.
  3. Престижная профессия.
  4. Широкие возможности для переквалификации, работы в различных областях экономики.

Минусы

  1. Необходимость в наличии профильного образования и опыта работы для успешного трудоустройства.
  2. Высокий уровень ответственности.
  3. Работа, всегда требующая использования мозговых ресурсов, умственного напряжения.

Важные личные качества

Очевидно, что успешный аналитик должен обладать крайне ярко выраженными способностями к аналитическому мышлению.

Также у него должна быть хорошая память, умение долго сохранять концентрацию, усидчивость, внимательность, способности к оперированию большими объемами информации, дедукции, индукции, ответственность, наблюдательность.

Коммуникативные способности тоже не будут лишними, как и профессиональная интуиция (хоть аналитик и должен оперировать сугубо доказуемыми понятиями и выводами).

Обучение на аналитика

Аналитик без высшего образования не может претендовать на получение хороших высокооплачиваемых должностей. С другой стороны, таких специалистов «в чистом виде» отечественные вузы не готовят, да и специфика работы может сильно различаться в зависимости от области деятельности.

Самые близкие по характеру и смыслу варианты обучения на аналитика – это профили «Экономика» (код 38.03.01) и «Социология» (код 39.03.01). Набор предметов, которые нужно сдавать для поступления, зависит от специальности и вуза и может включать в себя русский язык, математику, обществознание и иностранный язык.

Обучение в обоих случаях длится 4 года на очном отделении, 5 лет – на всех остальных.

Лучшие вузы для аналитиков

  1. МФЮА
  2. НИУ «ВШЭ»
  3. МАСИ
  4. ИЭАУ
  5. СПбГУ
  6. СПбГУП
  7. СПбГЭУ

Место работы

Аналитики нужны компаниям, организациям, предприятиям различных профилей. Также они могут проводить исследования и оказывать консультативные услуги проектно, в рамках частных заказов.

Зарплата аналитика

Финансовые, инвестиционные аналитики, аналитики компьютерных систем, как правило, могут похвастаться достаточно высоким уровнем заработка. Несколько меньше получают спортивные аналитики. Хотя в целом зарплата такого специалиста зависит от того, в какой организации он трудится, и какими финансовыми потоками она оперирует.

Карьерный рост

Аналитик может возглавить проект, получить управляющую должность и дойти до высших уровней менеджера организации – если ему это нужно. Либо он может повышать профессионализм в своей работе и, соответственно, уровень зарплатных ожиданий и требований.

Профессиональные знания

  1. Микроэкономика, макроэкономика, международная экономика.
  2. Бухгалтерский анализ и учет, налоговый учет.
  3. Эконометрика.
  4. Макроэкономическое планирование и прогнозирование.
  5. Социологические теории.
  6. Правила проведения маркетинговых исследований.
  7. Социология управления.
  8. Социология прогнозирования.
  9. Высшая математика.
  10. Правила использования современного программного обеспечения для проведения исследований.

Известные аналитики

  1. Роберт Спингэрн, специалист из швейцарского финансового конгломерата «Credit Suisse», работающий преимущественно с рынком вооружений и аэрокосмическим рынком.
  2. Роберт Сэмпл, также сотрудник «Credit Suisse», посоветовавший приобрести акции Apple за два с половиной года до роста их стоимости на 450%.
  3. Джеймс Макилри, один из ведущих аналитиков Уолл-Стрит.

Источник: https://www.profguide.io/professions/analytic.html

Чем занимаются аналитики

Что такое аналитика?

Профессия аналитика достаточно распространена в ИТ-секторе, и всё равно появляется достаточно много вопросов из разряда «Зачем нужен аналитик?» или «Чем занимается аналитик?» и даже «Кто такой аналитик?».

 Такие вопросы возникают не только у людей, не связанных с разработкой программного обеспечения, но иногда даже и внутри ИТ-компаний! Я уже 8 лет работаю аналитиком на различных проектах, и с уверенностью могу сказать, что трактовка этой роли в компаниях и командах может различаться, особенно, если они взяли аналитика просто потому что «так надо», без понимания его предназначения. В этой статье я хочу объединить стандарты и свой опыт, чтобы вкратце ответить на эти вопросы. Это будет интересно тем, кто хочет понять, нужен ли им на проекте такой человек, и что он должен делать, а также тем, кто недавно пошел или думает пойти в эту профессию.

Кто такой аналитик?

Уже несколько лет ИТ-сообщество ищет ответ на этот вопрос. Составляются своды знаний (см. BABOK), формируются стандарты, карты компетенций.

Однако, это всё скорее даёт почву для обсуждения, чем точно и четко описывает границы должностных обязанностей.

Любая попытка самоопределения аналитика в профсообществах может привести к длительному спору на эту тему, тем не менее, к некоторому общему знаменателю за эти годы прийти всё же удалось.

Начнем с того, что должностей аналитика достаточно много, и от этого может ограничиваться спектр его задач. Пожалуй, вот основные ипостаси аналитика в ИТ-проекте:

  • бизнес-аналитик,
  • системныйаналитик,
  • аналитиктребований,
  • UX-дизайнер,
  • специалистпо внедрению,
  • аналитикданных,
  • консультантпо вопросам управления,
  • аналитикпроцессов,
  • владелецпродукта.

Всех их объединяет одно: аналитик – это человек, который отвечает за выявление потребностей заинтересованных лиц и их отражение в том решении, которое принесет изменения в работу компании.

Хорошо нашу работу описывает шутка:
«Мы переводчики с русского на программистский и наоборот».

Чем занимается аналитик?

На разных проектах и в разных компаниях должностные обязанности аналитика, как мы помним, могут отличаться. Из опыта могу сказать, что наиболее часто функции аналитика можно свести к нескольким основным пунктам:

  • Сборинформации из различных источников.
  • Анализэтих данных и проверка достоверности.
  • Обработкаданных (гипотезы, тезисы, расчеты).
  • Разработкапредложений и стратегий для улучшения ситуации.
  • Детализациятребований и согласование их с заинтересованными сторонами.
  • Консультациидля других участников команды.
  • Презентацияготового решения.

В некоторых случаях (в зависимости от должности, роли и проекта) этих функций может становиться больше или меньше, поэтому немного расскажу, что чаще всего делают аналитики у нас в Консорциуме.

Начнем с того, что аналитик не может быть сам по себе, ценность он приносит только внутри команды:

Внашей команде среди людей, напрямую причастных к разработке,
примерно четверть – аналитики

Если говорить о разработке ПО, то аналитики сопровождают весь процесс разработки решения: от предпроектного обследования, до передачи результата пользователям.

Аналитик следит, чтобы решение закрывало потребности пользователя

Зачем нужен аналитик?

От клиентов и в других компаниях я достаточно часто слышу вопрос «Да зачем нам вообще нужен аналитик?». Давайте посмотрим, чем отличается работа команды без аналитиков и с ними.

Благодаря аналитикам:

  • Клиент знает, что его слышат, не упускает какие-то свои мысли, и понимает, что будет сделано. Нет такой проблемы, что «Я думал, что это очевидно, а вы не сделали!»
  • Разработчик знает ожидания пользователей, он получает понятные для него ответы на вопросы по необходимым доработкам
  • Тестировщик получает описание ожидаемого поведения продукта
  • Руководитель проекта видит границы проекта, планирование работ упрощается
  • Техническому писателю проще написать пользовательскую документацию, ведь известно, что реализовано, и как должно работать

Достаточно важно взглянуть на работу аналитика глазами руководителя:

«Программисты пишут код, который не является ценностью сам по себе. Программные продукты часто добавляют проблем пользователям, плохо ложатся на существующие бизнес-процессы, увеличивают временные затраты.

  Аналитик способен понять, как связать бизнес-потребности и технические возможности, как сделать так, чтобы программный продукт создавал добавленную стоимость! В конечном счёте, потребность бизнеса одна – увеличение прибыльности.

Ее увеличение может быть достигнуто за счёт снижения операционных затрат и увеличения сбыта при сохранении существующих ресурсов. Или, ещё проще, за счёт сокращения финансового цикла.

Аналитик не должен фокусироваться на программном продукте, пользовательском интерфейсе, структурах данных или красоте решений, но всегда должен помнить, что он решает первейшую задачу бизнеса – экономию времени! Время конвертируется в деньги,  в прибыль. Эту задачу не может решить программист, руководитель проекта, дизайнер или тестировщик, но решает аналитик!» – Антон Мейнцер, главный системный архитектор, Консорциум «Кодекс».

Если сказать короче, то самая главная цель, которую должен ставить аналитик перед собой: снять боль пользователя и этим принести прибыль своей и его компании.

Для этого и нужны аналитики.

Михайлова АннаНачальник отдела интеллектуального анализа данных,главный системный аналитик,

Консорциум «Кодекс»

DocPlace 2019-10-25

Источник: https://docplace.ru/analytics/

Все HR- сотруднику
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: