Hvordan du bygger et prediktivt Analytics-team - dummier

For å samle ditt prediktive analyseteam må du rekruttere forretningsanalytikere, datavitenskapere og informasjonsteknologer. Uavhengig av deres spesifikke kompetanseområder, bør gruppemedlemmene være nysgjerrige, engasjert, motiverte og glade for å grave så dypt som nødvendig for å gjøre prosjektet - og virksomheten - lykkes.

Få forretningskompetanse ombord

Forretningsanalytikere fungerer som dine domenekunnskaper: De gir det forretningsbaserte perspektivet på hvilke problemer som skal løses - og gir verdifull innsikt i alle forretningsmessige spørsmål. Deres erfaring og domenekunnskap gir dem en intuitiv kunnskap om hvilke tilnærminger som kanskje eller kanskje ikke fungerer, hvor du skal begynne og hva du skal se på for å få noe til å gå.

En modell er bare like relevant som de spørsmålene du bruker den til å svare på. Solid kunnskap om din spesifikke virksomhet kan starte deg i riktig retning; Bruk eksperternes perspektiver for å bestemme:

• Hvilke er de riktige spørsmålene? (Hvilke aspekter av virksomheten din vil du ha forutsigbar analyse å forbedre?)
• Hvilke riktige data skal inkluderes i analysen? (Skal fokuset være på effektiviteten av dine forretningsprosesser? Demografien til kundene dine? Hvilken type data er mest kritiske?)
• Hvem er forretningspartnere og hvordan kan de ha nytte av innsiktene fra din predictive analytics prosjekt?

Ansette analytiske teammedlemmer som forstår din bransje, hjelper deg med å fokusere oppbyggingen av dine prediktive analyse løsninger på de ønskede forretningsresultatene.

Ferdiggjøring av IT- og mattekompetanse

Datavitenskapere kan spille en viktig rolle for å knytte sammen forretnings- og dataverdenen til teknologien og algoritmen, mens de følger veletablerte metodikker som har vist seg å være vellykkede. De har et stort uttrykk i utviklingen av de faktiske modellene, og deres synspunkter vil påvirke utfallet av hele prosjektet.

Denne rollen vil kreve ekspertise i statistikk som kunnskap om regresjon / ikke-regresjonsanalyse og klyngeranalyse. (Regresjonsanalyse er en statistisk metode som undersøker forholdet mellom variabler.) Rollen krever også muligheten til riktig å velge de riktige tekniske løsningene for forretningsproblemet og evnen til å artikulere forretningsmessig verdi av resultatet til interessentene.

Datavitenskapene dine skal ha kunnskap om avanserte algoritmer og teknikker som maskinlæring, datautvinning og naturlig språkbehandling.

Deretter trenger du IT-eksperter til å søke teknisk kompetanse til implementering, overvåking, vedlikehold og administrasjon av de nødvendige IT-systemene. Deres jobb er å sikre at IT-infrastrukturen og alle IT-strategiske eiendeler er stabile, sikre og tilgjengelige for å muliggjøre forretningsmisjonen. Et eksempel på dette er at datamaskinnettverket og databasen fungerer jevnt sammen.

Når dataforskere har valgt de riktige teknikkene, kan de (sammen med IT-eksperter) overvåke den generelle utformingen av systemets arkitektur og forbedre ytelsen som følge av ulike miljøer og ulike datamengder.

I tillegg til de vanlige mistenkte - bedriftseksperter, matematiske og statistiske modeller og datavitenskapere, vil du kanskje spike opp teamet ditt med spesialister fra andre disipliner som fysikk, psykologi, filosofi eller liberal kunst for å generere friske ideer og nye perspektiver.