BIG DATA: Individu dalam sebuah Persamaan

Berbicara tentang bakat analitik, ada kekurangan besar. Menurut sebuah studi McKinsey. akan ada sekitar 140.000 sampai 190.000 posisi tak terisi ahli data analisis di Amerika Serikat pada tahun 2018 dan kekurangan 1,5 juta manajer dan analis yang memiliki kemampuan untuk memahami dan membuat keputusan menggunakan Big Data.

Setiap tren menghasilkan countertrend, dan bidang analisis data tidak kebal terhadap fenomena ini. Selama beberapa tahun, lapangan telah stabil secara demokratisasi dengan munculnya alat baru yang menarik dan teknologi untuk mengolah data yang banyak, bahkan sebesar pegunungan, dan semakin bertambah. Ketersediaan semua “perlengkapan baru” ini telah membuat beberapa aspek analisis data tampak lebih mudah atau, setidaknya, tidak terlalu rumit.

• Belajar inferensial lebih tentang pengetahuan pengalaman

Kemampuan untuk menerapkan prinsip-prinsip utama dan pendekatan terstruktur untuk memecahkan masalah yang bertentangan dengan mengandalkan pada keahlian utama masa lalu. Sejak bisnis selalu berubah dengan cepat, maka tidak lagi relevan dengan apa yang tahu lima tahun yang lalu; itu lebih penting untuk dapat menduga apa yang terjadi dalam beberapa bulan terakhir, atau hari terakhir, dan sebagainya.

• Kelincahan

Diperlukan untuk mengatasi transformasi terus menerus. Organisasi perlu mengatur organisasi mereka menjadi lebih lincah dari ketiga perspektif: Individu, Proses, dan Teknologi. Ini berarti mengadopsi kerangka kerja tangkas yang memungkinkan iterasi cepat, pemikiran terbuka, hipotesis dan visualisasi.

• Skala dan Konvergensi

Ekosistem sinergis dari bakat, kemampuan, proses, pelanggan, dan mitra yang dapat memanfaatkan seluruh vertikal, domain, dan geografi.

• Inovasi

Meningkatkan luas dan kedalaman sebuah pemecahan masalah secara terus menerus meneliti dan menggunakan teknik yang terus bermunculan, teknologi, dan bahkan aplikasi yang ada.

• Efektivitas biaya

Menjamin keberlanjutan dan pelembagaan pemecahan masalah di seluruh organisasi.

Belajar dengan Mengetahui

Belajar dan mengetahui adalah dua hal yang sama sekali berbeda. Belajar datang dengan pengalaman dan berhubungan dengan mengambil risiko. Mengetahui adalah pengetahuan sebelumnya (yaitu, “firasat”) atau, mungkin, hasil yang menyatakan bahwa fakta tertentu adalah benar tanpa mempertanyakannya. Ini adalah kebalikan dari pembelajaran sering tidak berdasarkan fakta.

Orang tidak perlu Ph.D., pelatihan formal dalam statistik, atau kemahiran dalam pemrograman logika untuk memulai ilmu keputusan. Hal ini dapat dilakukan untuk analis dengan cara yang sangat mudah, bahwa pengambilan hipotesa yang baik untuk membuat baik hipotesis terbuka, dengan pemahaman yang tajam dari bisnis dan data yang mendasarinya untuk membuat model yang efektif menggunakan spreadsheet. Memahami informasi yang tersedia, menerapkannya dalam konteks yang tepat, dan meminta hak mengatur pertanyaan adalah kunci untuk berhasil berlatih ilmu keputusan. Mengutip seorang ahli statistik terkenal, John Tukey, “Sebuah jawaban perkiraan untuk masalah yang tepat bernilai lebih banyak daripada jawaban yang tepat untuk masalah perkiraan.” Hal ini sama pentingnya untuk menemukan wawasan yang ditindaklanjuti dengan cara yang baru dan mengurangi kesenjangan antara wawasan, keputusan, dan tindakan.