Why Be A Business Intelligence Analyst

by

Why Be A Business Intelligence Analyst – Saya repost blog ini (dengan grafik yang sudah diupdate) karena saya masih mendapatkan banyak pertanyaan tentang perbedaan antara Business Intelligence dan Data Science. Semoga blog ini membantu.

Seorang klien saya baru-baru ini meminta saya untuk menjelaskan kepada tim kepemimpinan perbedaan antara analis intelijen bisnis (BI) dan ilmuwan data. Saya sering mendengar pertanyaan ini dan biasanya mengacu pada Gambar 1 (BI Analyst vs. Data Scientist Traits chart). , menunjukkan pendekatan perlakuan yang berbeda untuk masing-masing)…

Why Be A Business Intelligence Analyst

… dan Gambar 2 (Business Intelligence vs Data Science, menunjukkan berbagai jenis pertanyaan yang coba dipecahkan oleh masing-masing) sebagai jawaban atas pertanyaan ini.

Become A Business Intelligence Analyst: Scope, Career, & Jobs In 2022

Tapi slide ini tidak memiliki konteks yang diperlukan untuk menjawab pertanyaan secara memadai; Saya tidak pernah yakin apakah audiens benar-benar memahami perbedaan inheren antara apa yang dilakukan analis BI dan apa yang dilakukan ilmuwan data. Kuncinya adalah memahami perbedaan antara analis BI dan analis. tujuan, alat, teknik, dan pendekatan ilmuwan data. Inilah penjelasannya. Proses Bisnis Analisis Kecerdasan Bisnis (BI).

Gambar 3 mengilustrasikan proses analitik tingkat tinggi yang digunakan oleh analis BI biasa saat berinteraksi dengan pengguna bisnis.

Langkah 1: Membangun model data. Prosesnya dimulai dengan membangun model data dasar. Apakah Anda menggunakan gudang data, database, pendekatan simpul-dan-percakapan, atau skema bintang, skema kepingan salju, atau bentuk normal ketiga. Seorang analis BI harus melalui proses pengumpulan persyaratan formal dengan pengguna bisnis untuk mengidentifikasi semua (atau setidaknya sebagian besar) pertanyaan yang ingin dijawab oleh pengguna bisnis. Dalam proses mengumpulkan persyaratan ini, analis BI harus mengidentifikasi pertanyaan tingkat pertama dan kedua yang ingin dijawab oleh pengguna bisnis untuk membuat gudang data yang kuat dan dapat diskalakan. Sebagai contoh:

Analis BI kemudian bekerja sama dengan tim gudang data untuk menentukan dan membangun model data dasar yang mendukung pertanyaan yang diajukan.

Business Intelligence Roles

Catatan: Data warehouse adalah pendekatan “skema-on-load” karena skema data harus didefinisikan dan dibangun sebelum data dapat dimuat ke dalam data warehouse. Tanpa model di balik data, alat BI tidak akan berfungsi.

Langkah 2: Tentukan laporan. Setelah persyaratan analitis diuraikan menjadi model data, langkah ke-2 prosesnya adalah analis BI menggunakan produk Business Intelligence (BI): SAP Business Objects, MicroStrategy, Cognos, Qlikview, Pentaho. dan seterusnya. – buat kueri berbasis SQL untuk pertanyaan yang diinginkan (lihat Gambar 4).

Analis BI akan menggunakan antarmuka pengguna grafis (GUI) alat BI untuk membuat kueri SQL dengan memilih dimensi dan metrik; pemilihan deskriptor halaman, kolom dan halaman; menentukan batas, subtotal dan total, membuat perhitungan individu (rata-rata, rata-rata bergerak, peringkat, rasio) dan memilih kriteria penyortiran. BI GUI menyembunyikan sebagian besar kerumitan pembuatan SQL

Langkah 3: Buat perintah SQL. Saat analis BI atau pengguna bisnis menentukan laporan atau kueri yang diinginkan, alat BI menghasilkan perintah SQL. Dalam beberapa kasus, analis BI akan memodifikasi perintah SQL yang dihasilkan oleh alat BI. Termasuk perintah SQL unik yang tidak didukung oleh alat BI.

Business Intelligence Analyst Resume Sample And Template

Langkah 4: Buat laporan. Pada langkah 4, alat BI mengeluarkan perintah SQL terhadap gudang data dan menghasilkan widget laporan atau dasbor yang sesuai. Ini adalah proses yang sangat berulang di mana seorang analis bisnis akan men-tweak SQL (baik menggunakan GUI atau mengkodekan pernyataan SQL secara manual) untuk menyempurnakan kueri SQL. Analis BI juga dapat menentukan opsi tampilan grafis (grafik batang, diagram garis, diagram lingkaran) hingga mereka mendapatkan laporan dan/atau grafik yang diinginkan (lihat Gambar 5).

Omong-omong, ini adalah contoh yang bagus dari kekuatan rangkaian pada beban. Pendekatan skema-on-load tradisional ini menghilangkan banyak kompleksitas data yang mendasari dari pengguna bisnis yang dapat menggunakan alat GUI BI untuk berinteraksi dengan lebih mudah. dan jelajahi data (pikirkan BI swalayan).

Singkatnya, pendekatan BI sangat bergantung pada gudang data pra-bangun (pemuatan skema) yang memungkinkan pengguna dengan cepat dan mudah mengajukan pertanyaan tambahan selama data yang mereka butuhkan sudah ada di gudang data. Menambahkan data ke gudang yang ada (dan membuat semua proses ETL pendukung) dapat memakan waktu berbulan-bulan jika data tidak ada di gudang data.

Langkah 1: Tentukan hipotesis uji. Langkah 1 dari proses Ilmuwan Data dimulai dengan Ilmuwan Data mengidentifikasi prediksi atau hipotesis yang ingin mereka uji. Sekali lagi, ini adalah hasil kolaborasi dengan pengguna bisnis untuk memahami sumber bisnis utama. diferensiasi (misalnya bagaimana organisasi memberikan nilai) dan kemudian mengumpulkan data dan variabel yang dapat menghasilkan kinerja yang lebih baik

How To Become A Business Intelligence Analyst & Get Hired In 2023

Pertunjukan. Di sinilah proses Lokakarya Visi dapat menambah nilai signifikan untuk mendorong kolaborasi antara pengguna bisnis dan ilmuwan data

Langkah 2: Pengumpulan data. Langkah 2 dari proses ilmu data adalah saat ilmuwan data mengumpulkan data yang relevan dan/atau menarik dari berbagai sumber, idealnya baik internal maupun eksternal organisasi. Danau data adalah pendekatan yang bagus untuk proses ini karena Ilmuwan Data dapat mengambil data apa pun yang mereka inginkan, memeriksanya, menentukan nilainya dalam kaitannya dengan hipotesis atau prediksi, lalu memutuskan apakah akan memasukkan data tersebut ke dalam model prediksi atau tidak. buang mereka. #FailFast #FailQuietly

Langkah 3: Membangun model data. Pada Fase 3, ilmuwan data mendefinisikan dan menyusun skema yang diperlukan untuk mengatasi hipotesis yang sedang diuji. Seorang ilmuwan data tidak dapat menentukan skema sampai mereka mengetahui hipotesis yang mereka uji dan apa sumber datanya. mereka akan menggunakannya untuk membangun model analitis mereka.

Catatan: proses “skema kueri” ini sangat berbeda dari proses “skema muat” dari gudang data tradisional. Seorang ilmuwan data tidak menghabiskan waktu berbulan-bulan untuk mengintegrasikan semua sumber data yang berbeda ke dalam model data formal. Sebaliknya, ilmuwan data akan menentukan skema yang dibutuhkan berdasarkan data yang digunakan dalam analisis. Seorang ilmuwan data kemungkinan akan mengulangi beberapa versi skema yang berbeda sampai mereka menemukan skema (dan model analitik) yang cukup memenuhi hipotesis yang sedang diuji.

Decoding The Data Savvy Business Intelligence Analyst Career

Langkah 4: Jelajahi data. Langkah 4 dari proses ilmu data menggunakan alat visualisasi data yang menonjol untuk mengidentifikasi korelasi dan indikator yang menarik dalam data. Alat visualisasi data seperti Tableau, Spotfire, Domo, dan DataRPM[1] adalah alat yang sangat baik untuk ilmuwan data. memeriksa data dan mengidentifikasi variabel yang mungkin ingin Anda uji (lihat Gambar 8).

Langkah 4: Bangun dan sempurnakan model analitik. Langkah 4 adalah saat pekerjaan sains data yang sebenarnya dimulai, di mana ilmuwan data mulai menggunakan alat seperti SAS, SAS Miner, R, Mahout, MADlib, dan Alpine Miner untuk membangun model analitik. Itu benar. Sains sayang!! Pada titik ini, ilmuwan data akan mengeksplorasi berbagai teknik dan algoritme analitik dalam upaya untuk membuat model yang paling prediktif. Seperti yang dibagikan oleh teman ilmuwan data saya, Wei Lin, ini melibatkan beberapa teknik algoritmik berikut:

Rantai Markov, Algoritma Genetika, Geo-fencing, Pemodelan Personalisasi, Analisis Kecenderungan, Jaringan Neural, Penalaran Bayesian, Analisis Komponen Utama, Dekomposisi Nilai Singular, Optimasi, Pemrograman Linear, Pemrograman Non-Linear, dll.

Semua atas nama mencoba mengukur sebab dan akibat. Saya tidak menyarankan Anda memenangkan permainan catur melawan salah satu dari orang-orang ini.

Business Analytics And Business Intelligence Careers

Langkah 5: Periksa kesesuaiannya. Langkah 5 dalam proses ilmu data adalah di mana ilmuwan data akan berusaha menentukan kecocokan model. Good of fit model statistik menggambarkan seberapa baik model tersebut cocok dengan serangkaian pengamatan. Sejumlah teknik analisis yang berbeda akan digunakan untuk menentukan kecocokan, termasuk uji Kolmogorov-Smirnov, uji chi-square Pearson, analisis varians (ANOVA), dan matriks kebingungan (atau kesalahan).

Maksud saya bukanlah bahwa kecerdasan bisnis dan skema pemuatan itu buruk, ilmu data dan skema kueri itu bagus. Mereka menjawab berbagai jenis pertanyaan. Mereka adalah pendekatan berbeda yang dirancang untuk lingkungan yang berbeda dan digunakan pada tahapan proses analisis yang berbeda. Dalam proses BI, skema pertama-tama harus dibuat dan dibuat untuk mendukung berbagai macam pertanyaan di berbagai fungsi bisnis. Dengan demikian, model data harus dapat diperluas dan diperluas, menunjukkan bahwa itu sangat berkembang. Perhatikan kualitas pembuatannya. Dalam proses ilmu data, skema dibangun hanya untuk mendukung hipotesis yang diuji sehingga model data dapat dieksekusi lebih cepat dan dengan sedikit usaha. atas. Pertimbangkan kualitas temporal.

Proses ilmu data sangat kolaboratif; semakin banyak ahli yang terlibat dalam proses, semakin baik model yang dihasilkan. Dan mungkin yang lebih penting, melibatkan pengguna bisnis dalam proses, memfokuskan perhatian ilmuwan data pada S.A.M. tes – Strategis

(di mana biaya bertindak berdasarkan konsep lebih tinggi daripada biaya bertindak berdasarkan konsep). Masuki dunia Business Intelligence untuk lebih memahami bagaimana peran, proses, keterampilan, dan alat BI bersatu untuk menghasilkan wawasan yang lebih baik.

Business Intelligence Analyst Vs. Data Analyst: A Comparison

Pengantar Business Intelligence Kursus ini memberikan gambaran tentang business intelligence. Kursus dimulai dengan pemahaman dasar tentang intelijen bisnis dan perbedaannya dari ilmu data, sebelum meninjau peran dan proses utama yang terlibat. Anda akan mempelajari secara detail keterampilan apa yang dibutuhkan untuk setiap peran dan setiap posisi. Saat Anda maju melalui kursus, Anda akan mengerti caranya

Contoh business intelligence, business intelligence adalah, business intelligence power bi, business intelligence technologies, dashboard business intelligence, business intelligence analyst adalah, bi business intelligence, contoh aplikasi business intelligence, apa itu business intelligence, software business intelligence, business intelligence, business intelligence erp

Leave a Reply

Your email address will not be published. Required fields are marked *

No More Posts Available.

No more pages to load.