Como analista de datos, proporcionas uno de los servicios más importantes que hay en los negocios hoy en día: con tus insights desencadenas decisiones importantes. Y lo haces mientras superas plazos imposibles, expectativas elevadas y cuellos de botella de TI.
CUATRO funciones principales de un analista
- Datos: búsqueda y limpieza
- Patrones: detección y descubrimiento
- Informes: interpretación y presentación
- Colaboración: interacción y aclaración
Sin embargo, lo cierto es que no todos los analistas impulsan el negocio en estas áreas y muchos dejan pasar oportunidades para ofrecer insights disruptivos a los stakeholders. Al contrario, pasan el 80 % de su día en la preparación de datos para análisis e informes básicos, y no tienen tiempo suficiente para descubrir insights significativos. ¿Es tu caso?
Veamos en detalle cómo es un día típico en la vida de los analistas que no utilizan analítica de autoservicio y centrémonos en aquellos que dejaron atrás los lentos procesos heredados.
Un día en la vida de un analista de datos antes de la analítica de autoservicio
Probablemente, tuviste interés en la analítica por la satisfacción que te genera resolver problemas. Pero en realidad, pasas tu jornada laboral preparando análisis, en lugar de realmente llevarlos a cabo, lo cual dificulta obtener insights disruptivos.
De acuerdo con el informe de IDC “State of Data Science and Analytics”, el 44 % del tiempo de los trabajadores de datos se desperdicia cada semana porque no tienen éxito en sus actividades.
Las empresas, agencias y clientes no quieren esperar los resultados del análisis de datos. Incluso tras largas horas de trabajo, te es imposible completar tus pendientes sin analítica moderna, ¡y olvídate de tu vida personal!
07:50 a. m.
Llegas temprano para recopilar algunas cifras para un informe resumido que el equipo de liderazgo necesita para su reunión de las 10 a. m. Te falta una métrica clave de alguien de otro departamento.
09:59 a. m.
Te queda un minuto y envías la información al equipo de liderazgo. Una persona del equipo ejecutivo te responde inmediatamente y te pregunta si puedes unirte a la reunión para comentarles tus conclusiones. “No te preocupes, no nos tomará mucho tiempo”.
12:00 p. m.
Finalmente, la reunión del equipo de liderazgo termina, porque es hora de comer. Les encantaron tus métricas, pero todos querían analizar posibles situaciones basándose en los datos, y ahora llevas dos horas de retraso.
12:20 p. m.
Después de un almuerzo apresurado, te concentras en tu tarea principal del día: un informe mensual del desempeño de la generación de clientes potenciales. Para ello, sabes que pasarás las próximas horas extrayendo datos de hojas de cálculo, Google Analytics, Kissmetrics, una base de datos personalizada e, incluso, de correos electrónicos.
14:00 p. m.
En los datos, notas algunas similitudes basadas en la ubicación. Si pudieras superponer con facilidad datos geoespaciales, este informe pasaría de ser impresionante a espectacular, pero también te tomaría tres días más usando el proceso actual, por lo que debes dejar GIS por ahora y retomar la conversión de datos.
16:00 p. m.
Te contactas con una stakeholder de otro departamento porque en sus métricas aparecen otros datos que no concuerdan con los tuyos. Para identificar el problema, tienes que reunirte con ella en el otro extremo del edificio. Identificas dónde está el error y vuelves a importar sus datos.
17:00 p. m.
Realizas un seguimiento con científicos de datos internos sobre un modelo predictivo que no está dando el resultado esperado. Como no sabes codificar, no puedes identificar el problema.
17:45 p. m.
Tras una explicación del científico de datos, entiendes mejor el modelo y cómo aplicarlo ahora, pero no serías capaz de volver a hacerlo en el futuro.
19:00 p. m.
Es hora de irse. Tienes que elegir entre cenar, entrenar o tu vida personal, pero el informe mensual por fin está listo. Vas al estacionamiento que ya está casi vacío. Tu informe podría haber sido mucho mejor si no hubieras dedicado la mayor parte del tiempo a la preparación y combinación de datos. Tal vez mañana será diferente.
La organización depende de ti para responder con exactitud sus dudas. Es fundamental obtener las respuestas correctas, ya que los líderes las utilizan para tomar decisiones importantes. En tu rol de estrés constante, simplemente sobrevivir puede ser un desafío, ni hablar de ser exitoso. Hazlo correctamente y lograrás ser un analista fuera de serie.
Un nuevo día para analistas con el análisis de autoservicio
Cualquier gerente de proyecto o experto en eficiencia te diría que las claves para reducir a la mitad o más el tiempo que dedicas a la preparación y combinación de datos son las capacidades de optimizar y repetir los flujos de trabajo. Necesitas acceder fácilmente a datos de todo tipo y a herramientas intuitivas para preparar y combinar datos, así como realizar análisis avanzados con herramientas que puedes arrastrar y soltar.
Si quieres aprender cómo los analistas reales han transformado el proceso, recopilamos la lista de las principales tácticas fuera de serie aquí.
NO TE MUEVAS.
Ver
En este video, se muestra cómo los analistas de datos están dejando atrás la preparación manual de datos y las trabas con las hojas de cálculo para sacar a relucir su genialidad analítica.