2017年4月11日星期二07:46

每个业务分析师应了解的关于数据世界的6件事

撰写者

您必须听说过大数据,数据科学,商业智能,数据驱动。也许不吧。这些很酷的话对业务分析师意味着什么?

业务分析师和数据科学家之间有什么区别吗?

1.大数据的定义,数据科学,商业智能,& Data Driven

让我们定义每个概念

  • 大数据–大数据是高容量,高速度和/或种类繁多的信息资产,需要新的处理形式以实现增强的决策制定,洞察力发现和流程优化。 (Ref1-Gartner的定义)

  • 数据科学–这是一个统一统计,数据分析及其相关方法以理解和分析实际现象的概念。 (Ref2- Hayashi,Chiko)

    数据科学可以包含以下3层的元素:

    第1层-数据
    第2层–数据分析
    第三层–建模& Evaluation

  • 商业智能-商业智能(BI)是一个笼统的术语,包括应用程序,基础结构和工具以及最佳实践,可用于访问和分析信息以改善和优化决策和性能。 (Ref3- Gartner的定义)

  • 数据驱动–这意味着活动的进度受数据驱动或决策受特定数据点或结果驱动。

2.概念关系

现在我们已经定义了这些概念,让我们看一下每个概念之间的关系。下面说明每个概念如何相互联系。

  • 大数据和数据科学:如果数据具有3-V特性(高容量,高速度和高多样性),则数据科学的第1层数据可能就是大数据。

  • 商业智能和数据科学:商业智能是数据科学概念中第2层和第3层的实现。

  • 数据驱动流程和数据科学:大数据由业务流程创建。商业智能将为业务流程提供服务,以改善决策制定和绩效。
    下图进一步说明了概念之间的关系:

鑫041117 1

3.业务分析师和数据科学

数据科学旨在创建和定义业务目标,并以最受欢迎的CRISP-DM方法(Ref4-Shearer C.,如下所示的CRISP-DM模型)呈现。

鑫041117 3

BABOK(第6章,第99页)概述了战略企业分析的关键部分,即业务目标或愿景的创建。基于包括数据驱动方法在内的许多因素,详细阐述和定义了业务目标和愿景。具有明确的业务目标和愿景可以为计划和项目奠定更坚实的基础。您的项目章程是否包含数据驱动的结果以支持项目的需求?该业务案例的关键部分是支持投资的数据。

CRISP-DM中的前两个步骤需要对业务流程和数据需求有充分的了解,这类似于TOGAF圈的B期和C期。哪个角色足以胜任前两个步骤并将它们无缝地桥接起来?我认为业务分析师是此职位的理想人选,因为他们具有执行特定业务目标和愿景的工作所需的特定技能。在当今世界,BA通常仅在项目级别工作,很少有机会制定业务远景和目标。然后,业务分析师可以通过使用数据科学构建支持组织的愿景和目标的数据集来实现愿景和目标。

麦肯锡(Mckinsey)的报告“分析时代:在数据驱动的世界中竞争”提到以下内容:“许多组织都将重点放在对数据科学家的需求上,假设它们的存在将促进分析转型。但是,另一个同样至关重要的角色是业务翻译人员,他充当分析人才与实际应用程序之间的联系,以解决业务问题。除了精通数据外,企业的翻译人员还需要具有深厚的组织知识以及行业或职能专业知识。”

此外,业务分析师将在整个数据转换周期“数据收集-数据准备/聚合-数据分析-部署”中与“数据科学家”或任何“商业智能专家”或“数据库开发人员”同行。为了确保Data Analytics的交付成果能够满足业务需求并带来相关的业务收益,这种团队合作绝对必要。这也是数据驱动事物的业务目标。

数据科学可用于以下几点:

  • 可用于创建业务远景,目标和目的–需要进一步进行战略性企业分析或为计划或项目建立业务案例

  • 可用于支持项目章程或业务案例–根据数据,所需的潜在投资和潜在的投资回报率显示项目的预计价值。

  • 可以在整个项目中使用–通过进一步详细说明项目章程中概述的数据点,为项目创建所需的状态度量,创建度量标准,以用于指导项目从启动到实施,最后向项目报告团队客观地了解项目解决方案设计将如何达到预期的状态和业务目标。

4.数据驱动世界和TOGAF

TOGAF用自上而下的方法表达了持续改进的理念。数据驱动试图用自下而上的方法来表达持续改进。这两个彼此之间没有任何冲突,因为数据来自业务流程,并且业务流程的输入或输出最终以数据形式呈现。 TOGAF和数据驱动方法在中间相遇。

如果双方都将重点放在相似的业务愿景或目标上,那么这种中间会议可能会导致火车事故。重要的是要考虑数据及其含义。两组可以获得相同的数据,但得出的响应却截然不同。数据点和术语的清晰定义对于确保TOGAF和数据驱动的世界相互配合非常重要。

可以说企业架构是数据驱动的。在至少不了解其数据的情况下,为组织构建架构非常困难,几乎是不可能的。数据科学填补了空白。数据科学可以将他们对业务数据的理解直接与业务远景和目标联系起来。企业体系结构需要清楚地了解业务愿景和目标,以创建更有效地支持业务所需的环境。

5.拥有工具的傻瓜仍然是傻瓜

数据驱动并不意味着您需要精美的商业智能工具或庞大的数据库仓库基础架构。这意味着您将需要轻松访问高质量数据以执行查询,提取和分析。复杂的工具可能是答案,也可能不是答案。仔细选择工具,以确保它们满足您的需求。

6.挑战数据

数据驱动意味着数据受到挑战。此数据有效吗?数据质量高吗?是否应将此数据用于决策?为了对数据做出良好的业务决策,您必须定期挑战其含义和质量。请勿以面值获取该数据集结果。执行数据分析并进行验证。在进行假设时,重要的是定义这些假设并与数据清楚地传达假设。

李新

杰出贡献者CBAP,在不同行业拥有12年的文学士学位。
-豁达的个性和真正的行动者
-成功实施各种IT解决方案
-对改进充满热情

请访问我的博客 //itbastory.blogspot.com 以了解有关我的更多信息或通过Linkedin。

此类别中的更多内容: «编者的信 CBAP是我的BA助推器»

©BA Times.com 2020

麦格雷戈徽标白色网站