Sfruttare le competenze analitiche

Data Fluency

Konstantinos Kattidis

Data Analytics Lead

Oltre l’esplorazione e la descrizione dei dati

• Andare oltre la semplice esplorazione o descrizione dei dati
• Metodi analitici complessi includono:
  • Analisi di grandi dataset
  • Creazione di dashboard KPI
  • Sviluppo di modelli predittivi

Conoscere le tecniche

• Le persone data fluent non devono padroneggiare i dettagli dei metodi avanzati
• Ma dovrebbero conoscerne esistenza e potenziale
• E collaborare con gli esperti di dati
• Questo aiuta ad applicare soluzioni analitiche più efficaci

Identificare use case per l’analisi avanzata

• Le persone data fluent possono identificare use case per l’analisi avanzata
• Per esempio:
  • Un marketing manager vede il potenziale di prevedere il churn per mirare le strategie di retention

Collaborare con gli esperti di dati

• La collaborazione con gli esperti di dati è la chiave del successo
• Le figure di business apportano conoscenza del dominio
• Gli esperti di dati portano competenze tecniche
• Questo ambiente collaborativo favorisce l’innovazione: insight di business e competenze tecniche convergono per risolvere sfide complesse

Capire i limiti

• L’efficacia dei metodi analitici avanzati dipende dalla qualità dei dati in input
  • Gestire i valori mancanti e gli outlier è essenziale
• Serve:
  • Competenze specialistiche
  • Risorse computazionali
  • Tempo

Esempio: bilanciare accuratezza e tempi

• Un operations manager in un negozio retail richiede una previsione della domanda per prendere decisioni di riassortimento informate
• Un modello complesso può dare maggiore accuratezza, ma richiede molto tempo e risorse
• Si usa un approccio più semplice per bilanciare accuratezza e tempi

Passiamo alla pratica !

Data Fluency