Analiza danych – podstawowe pojęcia

Wśród naszych usług znajdziesz również usługę analizy danych w Twojej firmie i przygotowanie odpowiednich narzędzi w celu usprawnienia podejmowania decyzji biznesowych.

Analiza danych to ciągły proces pracy nad „surowymi” danymi , który powinien zapewnić jasny obraz tego:

Gdzie byłeś
Gdzie jesteś
Jaki powinieneś obrać cel – dokąd zmierzasz

Podział analityki danych na typy

Analityka danych to szeroka dziedzina , którą możemy podzielić na cztery podstawowe typy:

Analityka opisowa
Analityka diagnostyczna
Analityka predykcyjna
Analityka nakazowa

Każdy z wymienionych typów ma inny cel i inne miejsce w procesie analizy danych. Są to również podstawowe podejścia do analizy danych w biznesie.

Analityka opisowa

Analityka opisowa pomaga odpowiedzieć na pytania dotyczące tego co się stało, czyli przeszłości. Dzięki analityce opisowej w oparciu o duże zbiory danych możemy np tworzyć kluczowe wskaźniki – KPI. Dzięki określeniu tych wskaźników możemy dzięki nim śledzić sukcesy i porażki o określonych obszarach w firmie. Dodatkowo można też określić miary , dzięki którym poznamy zyskowność naszego przedsiębiorstwa z podziałem na różne wymiary – np w wymiarze czasu , geografii czy też z podziałem na osoby wpływające na generowanie zysku.
Proces analityki opisowej wymaga więc gromadzenia i przetwarzania i wizualizacji odpowiednich danych. Dzięki niemu mamy wgląd w dotychczasowe wyniki.

Analityka diagnostyczna

Celem analityki diagnostycznej jest pomoc w uzyskaniu odpowiedzi dotyczących przyczyn zdarzeń i wyników. Analityka diagnostyczna jest uzupełnieniem analityki opisowej z której czerpie wnioski z analiz i sięga głębiej , aby znaleźć przyczyny.
W procesie tym dokładniej są badane wskaźniki KPI , aby odpowiedzieć na pytanie co miało wpływ na ich poprawienie lub pogorszenie.

Analityka predykcyjna

Celem procesu analizy predykcyjnej jest pomoc w uzyskaniu odpowiedzi na pytania dotyczące tego co się stanie w przyszłości. Techniki te wykorzystują dane historyczne do identyfikowania trendów i określenie prawdopodobieństwa ich wystąpienia. Predykcyjne narzędzia analityczne zapewniają wgląd w to , co może się wydarzyć i bazują miedzy innymi na technikach uczenia maszynowego takich jak sieci neuronowe, drzewa decyzyjne , wzorce sekwencyjne.
Częścią analityki predykcyjnej jest analityka preksryptywna , która na bazie zgromadzonych danych pomaga odpowiedzieć na pytania – co należy zrobić , by osiągnąć zamierzony cel. Wykorzystując wnioski z analiz predykcyjnych, można podejmować decyzje w oparciu o dane. Dzięki temu przedsiębiorstwa mogą podejmować świadome decyzje w obliczu niepewności.

Techniki analizy preskryptywnej opierają się w głównej mierze na strategiach uczenia maszynowego, które potrafią znajdować wzorce w dużych zbiorach danych. Analizując więc przeszłe zdarzenia można oszacować prawdopodobieństwo wystąpienia różnych, przyszłych zdarzeń.

Role w procesie analiz danych

Poniżej postaram się przedstawić niektóre z ról, które mają odpowiednie obszary działań w tak szerokim procesie jakim jest analiza danych.

Architekt danych

Zadaniem architekta jest projektowanie i tworzenie nowych systemów bazodanowych dopasowanych do wymagań konkretnego modelu biznesowego. Zadaniem architekta jest również utrzymanie tych systemów pod kątem funkcjonalnym jak też administracyjnym (nadawanie uprawnień do edycji i manipulacji danymi).

Inżynier danych

Osoba odpowiedzialna za utrzymanie źródeł danych , jak też ich wsadowe przetwarzanie w celu przygotowania ich do dalszej analizy. Zadaniem inżyniera danych jest również zapewnienie odpowiedniej wydajności systemów bazodanowych jak też zapewnienie ich dostępności dla analityków i naukowców danych.

Analityk danych

Rolą analityków danych jest zapewnienie wglądu w czasie rzeczywistym w całą organizację. Zadaniem analityka jest zatem łączenie i przekształcanie danych pochodzących z różnych źródeł w biznesie a następnie umożliwienia wyciągnięcia wiedzy z przygotowanych danych w postaci wizualnych raportów e celu podejmowania trafnych decyzji biznesowych.

Data scientist – naukowiec danych

Naukowiec danych to osoba zajmująca się zbieraniem, analizą i wizualizacją danych. Zadaniem naukowca jest też opracowywanie i stosowanie algorytmów to wyszukiwania np wzorców.

Data Storyteler – narrator danych

To całkiem nowa rola w dziedzinie Data Science. Zadaniem tej osoby jest znalezienie odpowiedniej narracji , która najlepiej opisuje dane i wykorzystuje ją do ich wyrażenia. Zadaniem narratora jest więc uproszenie wyników i przekazanie wniosków interesariuszom, aby pomóc im zrozumieć zgromadzone dane.

Machine Learning Scientist – naukowiec zajmujący się uczeniem maszynowym

Osoba zajmująca się badaniem nowych podejść do manipulacji danymi jak też projektowaniem nowych algorytmów do wykorzystania w przetwarzaniu danych. Osoba posiadająca dobre umiejętności statystyczne i programistyczne , oraz pewną wiedzę z zakresu inżynierii oprogramowania.

Business Intelligence Developer – programista inteligencji biznesowej

Rola odpowiedzialna za projektowanie i rozwijanie strategii. które pozwalają użytkownikom biznesowym szybko i sprawnie znaleźć informacje potrzebne do podjęcia decyzji.

Administrator bazy danych

Rola odpowiedzialna za monitorowanie bazy danych pod kątem funkcjonalności oraz tworzenia i odzyskiwania kopii bezpieczeństwa. Nadawanie odpowiednich uprawnień pracownikom w oparciu i wymagania stanowiskowe.