Hur man bygger en karriär inom Analytics – det är en fråga som många har ställt till mig ett oändligt antal gånger! Mitt svar till de flesta av dem har varit att Analytics finns överallt omkring dig – du behöver bara ta tillfället i akt att tillämpa Analytics i affärsvärlden. Nu kan detta tyckas vara ett moderat uttalande, som görs med avsikt att inte ge någon konkret vägledning om hur det kan uppnås. Men sanningen ska fram, möjligheten att byta till Analytics som karriär lockar nu mer än någonsin.
Nästan alla större konsult- och forskningsföretag på planeten har förstått de långtgående konsekvenserna av Analytics och har börjat skapa team för att förbereda sig för att öppna företagens slussar för att integrera Analytics i deras dagliga beslutsprocesser och för att forma deras strategiska tänkande. Det finns en enorm brist på personer med kompetens inom analys som kan hjälpa företagen att utnyttja de data som lagras och genereras i en rasande fart.
Här är mina fem tips för att komma in i en karriär inom analys:
1. Lär dig hantverksverktygen – SAS, SPSS, R och SQL. Börja med vilket verktyg som helst som du kan få tillgång till. Ibland kommer du att bli förvånad över att upptäcka att ett verktyg som du trodde inte fanns i din organisation faktiskt gör det. På ett av mina tidigare jobb, när jag var upptagen med att förhandla med SAS om licenser för mitt team, berättade en kollega som var aktuarie för mig att han hade sett en SAS-session på en av sina teammedlemmars datorer för en tid sedan. Jag följde upp med den medlemmen och vi fann att vi redan hade en SAS-server på plats som väntade på att användas!
Lärande handlar inte om att veta allt, utan om att lära sig väsentliga delar grundligt och att skaffa sig gedigna kunskaper om det man lär sig. Jag skulle föredra en kandidat som vet mycket om hur man utför en regression i SPSS, framför en person som har halvdana kunskaper (vet lite om CHAID, har gjort lite regression, vet lite om SAS och lite om SPSS). Om man kan uppbringa ett verktyg och några moduler/tekniker i verktyget har man större chans att få ett jobb och att kunna utföra ett arbete.
Plocka upp ett verktyg som är lätt tillgängligt för dig och börja lära dig det – SAS, SPSS, R (numera tillgängligt som öppen källkod).
Jag rekommenderar inte att du använder piratkopierade programvaror, även om de numera är öppet tillgängliga på marknaden.
2. Lär dig knepen – Om du har lärt dig verktygen är ditt jobb bara halvt gjort. Du måste lära dig hantverkets knep. Nu har du två alternativ – a) Lär dig av andra erfarna personer som kanske finns i din organisation b) Lär dig av professionella kursplaner.
Självhjälpshandledningarna kommer inte att ge dig den hemliga såsen i Analytics, som är mycket viktig för att du ska kunna använda Analytics för att lösa problem i det verkliga livet. Resultaten från körda procs i SAS eller modeller i SPSS ger upphov till ett stort antal statistiska uppgifter. Att veta vilken statistik man ska titta på och vilken man ska ignorera är en av de viktigaste hemligheterna som endast erfarna analytiker kan dela med sig av.
3. Leta efter en möjlighet inom din arbetssfär att tillämpa Analytics i din nuvarande organisation. Ganska ofta har människor svårt att identifiera var de ska börja. Den enkla tumregeln här är att identifiera datakällor och se om data samlas in i något dataregister. Om data samlas in i en viss affärsprocess eller funktion är chansen stor att den väntar på att användas.
Visst alltid att det är bra att börja med de lågt hängande frukterna. Försök inte bygga en prediktiv modell från första början. Din organisation kommer inte att vara redo för en sådan plötslig stor förändring; ännu viktigare är att du måste förtjäna organisationens förtroende innan de börjar lita på analytikens prediktiva kraft och på din förmåga att utnyttja den.
Start med att generera enkla insikter från de data som för närvarande inte fångas upp i verksamhetsrapporterna. Skapa enkla metriska uppgifter som kommer att ge företagen ett enormt värde och få de viktiga personerna i din organisation att bli intresserade av vad du gör. Jag talade en gång med en av mina kunder (som sysslade med direktförsäljning) som hade det bästa BI-systemet på plats, men de hade inga väldefinierade metriska metoder som kunde hjälpa dem att utnyttja BI-systemet. De kände inte ens till enkla fakta som:
- Vilka regioner hade den största efterfrågan på deras produkter och behövde ett större säljteam?
- Hur reagerar kunderna på kampanjer?
- Vilka typer av kampanjer är mer framgångsrika?
- Hur många kunder och vilka kunder hade dubbelt/tredubbelt ägande av deras produkter?
- När var sista gången en kund köpte någon av deras produkter? (för ett år sedan, två år sedan, tre år sedan, fyra år sedan, fem och ett halvt år sedan)
- Kunder uppgraderade vanligtvis sin produkt efter tre år – vilka kunder tillhörde den kategorin?
Hur har tekniken påskyndat övergången av färdigheter…
Smart Skilling:
Data Science Myth buster : Kunskap om statistik är inte…
Min avsikt med att belysa exemplet ovan är att driva hem poängen att de flesta organisationer inte ens gör de mest uppenbara sakerna från ett dataanalys-perspektiv.
Det bästa sättet att starta Analytics i din organisation är att börja med att ställa några enkla och uppenbara frågor, både ur aktieägarens/ledningens synvinkel och ur kundens synvinkel. När du väl har en lista med frågor och fakta som du vill se, börja använda data och se om du kan få fram dessa fakta och/eller svar på de frågor du har.
Nästa steg är att omvandla fakta till rapporter som kan genereras för olika tidsintervall och för olika delar av data. När du har gjort detta har du redan börjat bygga upp ett BI-system på plats. När du har en uppsättning rapporter som visar viktiga och engagerande fakta om verksamheten och har insikter och svar på frågor som alla chefer skulle vilja veta, har du redan byggt upp ett argument för dig själv att börja använda Analytics i ditt arbete/din organisation.
4. Gör en fallstudie av ditt arbete och visa fallet för den högsta ledningen. Annars kan du lägga till det i ditt CV. Om din organisation inte stöder ditt Analytics-initiativ kan du leta utanför inom det relevanta området. Det skulle finnas gott om möjligheter utanför för en person med dina nyfunna färdigheter!
5. Läs mycket om Analytics – Gå med i bloggar om Analytics, Analytics trådar, följ Analytics företag och håll dig uppdaterad om de senaste händelserna inom Analytics. På så sätt kan du hålla koll på hur Analytics tillämpas inom olika affärsområden och funktioner och öka dina kunskaper inom området.
Vi är trogna det magiska talet 5 och här är 5 möjliga karriärvägar som du kan välja inom Analytics.
1. Verktygsexpert/expertprogrammerare – Experter i programmering och programvarans nitty-gritty’s. Du kan bli den person du kan vända dig till när det gäller frågor om programmering och felsökning av programvara.
2. Expertmodellerare – Oftast är de bästa programmerarna inte de bästa modellerarna och vice versa. Det beror kanske på att man behöver olika typer av temperament för dessa två olika färdigheter.
3. Lösningsexpert – konceptualisera och skapa analytiska lösningar för att hjälpa till att lösa affärsproblem. En lösningsexpert förstår det problem som ska lösas och har expertisen för att skapa det lämpligaste analytiska ramverket för att lösa problemet. De rekommenderar också den bästa metoden/de bästa uppsättningarna av metoder som ska användas för att lösa problemen. De är ”analysarkitekter” om man kan kalla dem så.
4. Story Teller – du kan skapa den mest praktiska, slagkraftiga berättelsen som hjälper kunderna att förändra sin verksamhet. Du har förmågan att förstå kundens verksamhet, deras smärtpunkter och samla insikter från analysen för att väva ihop kraftfulla strategier för kunden.
5. Analyssäljare – ditt jobb är att övertyga potentiella kunder att använda analyser i sin verksamhet och visa dem hur de kan dra nytta av dem.
Låt mig lägga till en sjätte. Ge tillbaka till Analytics community – när du inser att du har lärt dig tillräckligt mycket börjar du sprida denna kunskap till det större samhället. Ju mer människor blir medvetna om kraften i Analytics i karriären, desto mer kommer de att anta det och börja använda det.
