Convertirse en Business Analytics en seis pasos

6 pasos para convertirse en un profesional de Business Analytics

¿Cómo me convierto en un profesional de Business Analytics?

Business Analytics como trabajar de ello?.Recibo esta pregunta con frecuencia de los recién graduados y profesionales experimentados.

Así que pensé en escribir un artículo que ayudaría tanto a los profesionales frescos y experimentados a entrar en la industria analítica.

 

Ahora, vamos a sumergirnos en el enfoque.

Paso 1: Entender lo que hace un profesional de Business Analytics.

6 steps to becoming a business analytics professional

Hay una gran demanda de profesionales de Business Analytics en las industrias de tecnología y servicios financieros.

El reciente informe de Investigación y Mercados señaló que el gasto global en TI de datos en el mercado de servicios financieros crecerá un 25,5% (CAGR) durante el período 2014-2019.

Como hay una gran demanda de profesionales de Business Analytics  en la industria de tecnología y servicios financieros, he dividido estas dos industrias en cuatro categorías.

 

  • Servicios financieros: HDFC, ICICI, American Express, MasterCards.
  • Proveedores de servicios de TI: CTS, TCS, Wipro e Infosys.
  • Empresas de Internet: Google, Facebook, Amazon, Flipkart, Linkedin, Zomato, Paytm.
  • Proveedores de servicios analíticos: Mu Sigma, Fractal Analytics, Crayon Data, Latent View Analytics, Absoultdata, ZS Associates, etc.

Elija una lista de empresas de cualquier categoría, he enumerado sólo algunas empresas anteriores, hay un montón de empresas disponibles en cada categoría.

Big data usage across industries

 

Tome una categoría y, a continuación, lista de algunas empresas en esa categoría.

Utilice la función de búsqueda avanzada de LinkedIn para buscar profesionales de Business Analytics en las empresas que ha elegido y, a continuación, envíe una solicitud personalizada de LinkedIn.

Algo como esto:

Soy un gran entusiasta de los datos. Estoy muy impresionado con su experiencia y me encantaría aprender lo que atrajo a Big Data. Me encantaría estar en contacto y aprender más sobre su trabajo.

Infórmese que le gustaría obtener una llamada corta para saber más sobre su perfil de trabajo. La mayoría de estos profesionales estarán dispuestos a ayudarle. Hable con al menos diez personas para entender su perfil de trabajo mucho mejor.

Paso 2 – Pensamiento Estructurado

El pensamiento estructurado es la habilidad más importante para un analista profesional debe poseer. El pensamiento estructurado es el proceso de desarrollar un marco para un problema no estructurado. Es necesario ser capaz de diseñar un flujo de proceso a los escenarios de negocios complejos que se encuentran en su trabajo cotidiano.

El mejor método para desarrollar esta habilidad es analizar estudios de casos de negocios. Las preguntas de los casos de negocios mejoran no sólo su proceso de pensamiento estructurado, sino también su capacidad numérica y velocidad de pensamiento.

El libro Case In Point tiene muchos estudios de casos y soluciones paso a paso para estos estudios de caso. Por lo tanto, pase por el libro Case In Point al menos una vez. A continuación te recomiendo leer el libro llamado Data Science for Business; para desarrollar su proceso de pensamiento analítico.

Data Science for business le ayuda a entender los conceptos subyacentes de la ciencia de los datos y, lo más importante, cómo acercarse y ser bueno en la resolución de problemas. El libro muestra cómo las técnicas analíticas de datos como k-means, regresión logística, regresión lineal se utilizan para resolver problemas prácticos de negocios.

Paso 3- Aprendizaje álgebra lineal, cálculo multivariable, estadística y aprendizaje automático

El álgebra lineal y el cálculo multivariable son los fundamentos de la ciencia de los datos. Como profesional de Business Analytics, tiene que comunicarse frecuentemente con científicos de datos. Los científicos de datos (geeks matemáticos), que utilizarían terminologías como debajo del ajuste, overfitting, agrupación, falsos positivos, negativos verdaderos, etc. Para entender esto usted debe tener una comprensión muy buena de la estadística, álgebra del aprendizaje de máquina y cálculo multivariable. Estos son algunos recursos para aprender estas técnicas:

Álgebra lineal y cálculo multivariable: Academia Khan.

Estadísticas: Mire todos los videos en la introducción al curso de estadísticas sobre Khan Academy.

Aprendizaje automático: el curso de Andrew Ng. Basta con ver la semana 1, 2, 3, 6, 7, y 8 videos – no hacer las tareas.

Paso 4 – Aprenda R o SAS

¿Por qué R o SAS? Debido a que hay más número de ofertas de trabajo para SAS y R, en comparación con otros lenguajes de programación de ciencias de datos. Elija entre R o SAS y aprenda los conceptos básicos.

Ahora es el momento de trabajar en nuestro primer problema de ciencia de datos.

Te recomiendo que trabajes en el problema de aprendizaje de la máquina Titanic porque el problema es simple y da una buena comprensión de lo que un típico proyecto de análisis de datos se parece.

Trevor Stephens ha escrito una entrada en el blog sobre cómo resolver el problema del Titanic (el enlace apunta a la cuarta parte). Aquí está el reporte de GitHub al problema. Utilice el repo y las publicaciones del blog de Trevor GitHub como una referencia y solucione el problema.

La cosa interesante aquí es que usted puede clasificarse contra otros profesionales de Big Data en Kaggle.

Paso 5- Construir proyectos de análisis de datos

Necesita hacer más proyectos para demostrar que puede caminar a través de un problema de datos de extremo a extremo: desde la adquisición de datos, la limpieza, el análisis, hasta la comunicación de sus hallazgos.

¿Donde empezar? Para empezar, hay muchos conjuntos de datos socialmente relevantes disponibles en línea que se pueden analizar. Aquí hay tres ejemplos específicos de ricos conjuntos de datos que puede extraer para examinar datos a nivel global, nacional e hiperlocal:

  • Banco Mundial: El proyecto de datos abiertos del Banco Mundial proporciona acceso gratuito y abierto a miles de conjuntos de datos sobre el desarrollo en países de todo el mundo
  • Censo de los Estados Unidos: El Censo de los Estados Unidos ofrece un amplio potencial para captar datos fascinantes. Cortar y dados conjuntos de datos sobre todo, desde estimaciones de la población por milla cuadrada a tiempo de viaje medio para trabajar
  • Los datos de Estados Unidos: Nueva York, San Francisco, Seattle y Filadelfia, y otras ciudades, han puesto a disposición del público algunos datos de su ciudad, desde el transporte público y el uso de energía hasta los resultados de las pruebas escolares y el crimen.

Lista maestra de interesantes conjuntos de datos encontrados por algunos de los científicos de datos más conocidos en la industria.

Tener 4-5 buenos proyectos en su cartera. Para que puedas hablar sobre estos proyectos durante la entrevista.

En esta etapa, no te recomendaría participar en competiciones de Kaggle. Como competiciones Kaggle son muy difíciles. Por lo tanto, es mejor primero trabajar en su cartera y luego participar en las competiciones Kaggle.

Paso 6 – Red y solicite empleo

Tener la red profesional adecuada  puede exponerte a más oportunidades de trabajo.

Algunas buenas maneras de construir su red de contactos profesionales:

Asistir a los encuentros de ciencia de datos y Hackathons. Son grandes oportunidades de registrar tiempo de cara con otros en la industria que pueden sostener posiciones que usted quisiera alcanzar o bien acercarse a gente que lo hace.

Además, las personas que conoce pueden saber de las empresas que contratan para puestos en los que usted está calificado.

Responda preguntas en comunidades digitales populares como Quora y Cross Validated para construir su credibilidad y su huella en línea.

Escriba para famosas revistas de datos como KdNuggets, Data Science Central, Dataconomy, y Big Data Made Simple. El blog de los invitados tiene que ver con la construcción de su marca personal.

Conclusión:

Le he dado la guía completa de 6 pasos para convertirse en un profesional de Business Analytics. Me doy cuenta de que hemos cubierto un montón de detalles aquí, por lo que si tiene alguna pregunta, simplemente deje un comentario a continuación.

 

Si te gusto este post te invito a la sección de Big Data para leer mas artículos interesantes, a continuación te dejo los siguientes temas que pueden ser de tu interés:

Contact Us!
Your message was successfully sent!