Sådan bygger du et prædiktivt Analytics-team - dummies

For at samle dit prædiktive analytiketeam skal du rekruttere forretningsanalytikere, datavidenskabsfolk og informationsteknologer. Uanset deres særlige ekspertområder skal dine medarbejdere være nysgerrige, engagerede, motiverede og glade for at grave så dybt som nødvendigt for at gøre projektet - og virksomheden - lykkedes.

Forretningsekspertise om bord

Erhvervsanalytikere fungerer som dine domæneeksperter: De giver det forretningsbaserede perspektiv på hvilke problemer der skal løses - og giver et værdifuldt indblik i alle forretningsmæssige spørgsmål. Deres erfaring og domæne viden giver dem en intuitiv viden om, hvilke tilgange måske eller måske ikke virker, om hvor man skal begynde og hvad man skal se på for at få noget i gang.

En model er kun så relevant som de spørgsmål, du bruger den til at svare. Solid viden om din specifikke forretning kan starte dig i den rigtige retning; Brug dine eksperters perspektiver til at bestemme:

• Hvilke er de rigtige spørgsmål? (Hvilke aspekter af din virksomhed vil du have, at forudsigende analyser skal forbedres?)
• Hvilke korrekte data skal der indgå i analysen? (Skal dit fokus være på effektiviteten af ​​dine forretningsprocesser? Demografien hos dine kunder? Hvilken type data ser ud som den mest kritiske?)
• Hvem er forretningsinteressenterne, og hvordan kan de få gavn af indsigterne fra din predictive analytics projekt?

Ansættelse af analytiske holdmedlemmer, der forstår din forretningsstrategi, hjælper dig med at fokusere opbygningen af ​​dine prædiktive analyseløsninger på de ønskede forretningsresultater.

Oprydning af IT og matematik ekspertise

Datavidenskabsmænd kan spille en vigtig rolle, der forbinder erhvervslivets og dataens verdener med teknologien og algoritmerne, mens de følger veletablerede metoder, der har vist sig at være vellykkede. De har stor mening i udviklingen af ​​de faktiske modeller, og deres synspunkter vil påvirke resultatet af hele dit projekt.

Denne rolle vil kræve ekspertise i statistik som kendskab til regression / ikke-regressionsanalyse og klyngeanalyse. (Regressionsanalyse er en statistisk metode, der undersøger forholdet mellem variabler.) Rollen kræver også evnen til korrekt at vælge de rigtige tekniske løsninger til forretningsproblemet og evnen til at artikulere forretningsmæssig værdi af resultatet til interessenterne.

Dine datalogikere skal have viden om avancerede algoritmer og teknikker som maskinindlæring, dataudvinding og behandling af naturligt sprog.

Derefter har du brug for it-eksperter til at anvende teknisk ekspertise til implementering, overvågning, vedligeholdelse og administration af de nødvendige it-systemer. Deres job er at sikre, at it-infrastrukturen og alle it-strategiske aktiver er stabile, sikre og tilgængelige for at muliggøre forretningsmissionen. Et eksempel på dette er at sikre, at computernetværket og databasen fungerer glat sammen.

Når dataforskere har valgt de relevante teknikker, kan de (sammen med IT-eksperter) overvåge det overordnede design af systemets arkitektur og forbedre dets ydeevne som reaktion på forskellige miljøer og forskellige datamængder.

Ud over de sædvanlige mistænkte - forretningseksperter, matematiske og statistiske modeller og computerforskere - kan du spice dit team med specialister fra andre discipliner som fysik, psykologi, filosofi eller liberale kunst for at generere friske ideer og nye perspektiver.