הקדמה
באחת הסדנאות שערכתי בחודשים האחרונים, נשאלתי ע"י אחד המשתתפים לגבי משימות עיקריות של דאטה אנליסט – בהן הוא נתקל במהלך העבודה.
אז במקום לענות רק לו – הכנתי פוסט שלם בנושא…
אז קיימים ארבעה סוגים עיקריים של משימות שדאטה אנליסט מבצע בארגון, וכל תפקיד שונה קצת בהיבט התמהיל של המשימות הללו.
המשימה הראשונה – הפקת דוחות אד-הוק
מדובר בדרישות מידע מצד המשתמשים או המנהלים בארגון, שלא קיימים מסיבה זו או אחרת במערכות המידע בארגון. במקרה הזה האנליסט מרכז את הבקשות מכלל המשתמשים, מתעדף אותן, ועבור כל בקשה – שולף את הנתונים, מסדר אותם (בעיקר באקסל) ושולח אותם למשתמשים.
דוגמה למשימה: דוח של רשימת הלקוחות שנטשו את חברת הסלולר ברבעון האחרון.
הדרישה העיקרית כאן מהאנליסט היא לא רק להוציא בפועל את הדוח, ומהר. למען האמת – הדרישה העיקרית היא להבין את הצורך ולהגדיר את הדוח בהתאם.
בדוגמה שלנו נדרש להגדיר מהי בכלל נטישה, ולהבין שיכול להיות יותר מסוג אחד של נטישה.
לצורך העניין יש נטישה שהיא טריוויאלית – כמו בקשת ניתוק בטופס שהיא 'נטישה קשה'.
אך בהחלט ייתכן שלקוח אמנם לא ינטוש 'רשמית', אבל בפועל רמת השימוש שלו (שיחות/ SMS/ דאטה) תהפוך לאפסית – וחייבים לקחת את זה בחשבון.
המשימה השניה – מחקר אנליטי
כאן האנליסט לא רק שולף נתונים, אלא גם נדרש לבצע ניתוח ולזהות דפוסים/ מגמות עיקריים.
דוגמה למשימה: מה אפיין את הלקוחות שנטשו אותנו? למה הם נטשו?
החלק הראשון יהיה זהה לסוג המשימה הקודם של הוצאת דוח.
אבל כאן יהיה המשך בצורת ניתוח מהיר של הנתונים.
כמה דברים שניתן לבדוק בדוגמה הזו:
- מהו סגמנט הלקוחות שנטשו (עסקי/פרטי)? מה היתה רמת השימוש שלהם בחודשים האחרונים?
- האם היתה פניה לשירות הלקוחות לפני הנטישה? באיזה נושא?
- האם הלקוחות שנטשו מרוכזים באיזור מסוים?
הרעיון כאן הוא לא לפתח מודל רחב שיחזה נטישה, אלא לנסות למצוא 'Low Hanging Fruits' שיתנו כיוון ראשוני למנהלים להתמודד עם לקוחות שנוטשים.
דוגמה נוספת: אפיון סוג הלקוחות הממירים יותר (הרשמה/ רכישה) באתר אינטרנט.
נדרש להבין קודם כל איך מודדים המרה, ולאחר מכן לחפש שילובים של מקורות תנועה, קמפיינים, דפי נחיתה וכיו"ב – שבהם ישנן יותר המרות ביחס למקורות תנועה אחרים.
במשימות של מחקר אנליטי נדרש מהאנליסט לא רק להכיר את הנתונים ואת הצורך, אלא גם להשתמש במתודולוגיה אנליטית מסודרת – שתאפשר ניתוח אנליטי וקצת כניסה לעולם הסטטיסטי (האם ההבדל בין מקורות התנועה מובהק, או האם המאפיינים של הלקוחות שנטשו לא דומים ליתר האוכלוסיה).
הסוג השלישי של משימות אנליטיות – פיתוח מודלים אנליטיים
אם במחקר אנליטי מצאנו תובנות יחסית מהירות, כאן כבר מדובר במודל מלא – שאמור לתת לארגון יכולות ברמה מערכתית.
לדוגמה: חיזוי הסבירות לנטישה של כל לקוח, דירוג מקורות תנועה/ קמפיינים בעלי סיכוי גבוה להמרה, או חיזוי היקף המכירות בכל חודש בשנה הקרובה בהתבסס על הרבה פרמטרים.
כאן אנחנו נכנסים כבר לעולם סטטיסטי קצת יותר כבד, ובהתאם – גם לדרישות נתונים הרבה יותר נרחבות.
האנליסט נדרש במקרה הזה לידע אנליטי ומתודולוגי מאוד רחב וטכני, כולל שימוש בכלים סטטיסטיים כמו SAS/SPSS/R – ואפילו Python.
כאן גם המקום שבו נכנסים אלגוריתמים של Predictive Analytics או Machine Learning.
חשוב לציין, כי הרבה אנליסטים לא יבצעו משימות פיתוח מודלים, ונדרשת הכשרה מיוחדת לצורך כך.
סוג המשימות הרביעי – אפיון ומימוש פתרונות אנליטיים במערכות המידע
שלושת הסוגים הקודמים של המשימות עסקו בעיקר באפיון פתרונות, כולל שליפת הנתונים והניתוח שלהם לטובת מתן מענה לטווח הקצר.
בטווח הארוך, יידרש להפוך חלק מהמשימות לדוחות קבועים שירוצו בצורה שוטפת במערכות המידע, והמשתמשים יוכלו לגשת אליהם בצורה מידית.
במקרה הזה, האנליסט נדרש לאפיין את תהליך הנתונים בדוחות עבור מפתחים, לרוב אנשי BI, על מנת שיממשו את התהליך במערכות המידע.
במקרים מסוימים האנליסט עצמו יממש חלק מהפתרונות – כמו הקמת דשבורדים
כאן נדרשות מהאנליסט יכולות אפיון גם של דרישות/צרכים, וגם של תהליכי הנתונים הנדרשים.
חשוב לציין, כי במהלך השנים שמעתי לא מעט טענות מצד אנשי ה-BI – שאנליסטים בארגון לא יודעים לאפיין צרכים כאלה כמו שצריך, ולכן מאוד חשוב לסגל את היכולת הזו.
סיכום
זהו – אלה ארבעת הסוגים העיקריים של משימות, בהן נדרש דאטה אנליסט לעמוד.
בפועל, התמהיל של המשימות, ואפילו עצם הדרישה לביצוע של כל סוג משתנה בין תפקיד לתפקיד, ובין ארגון לארגון.
ביחידה תפעולית, לדוגמה, יהיו בעיקר שליפת נתונים ומחקר אנליטי זריז, וכן אפיון צרכים למערכות המידע.
ביחידת מטה בארגון גדול, יהיו בעיקר מחקרים אנליטיים ופיתוח מודלים – כולל אפיון שלהם למימוש מערכות המידע.
בסטארטאפים – יהיה בעיקר מחקר אנליטי אד-הוק וכן הקמת דשבורדים ואפיון דרישות להטמעה בכלי האנליטיקס.
מומלץ מאוד להבין מהו התמהיל המתאים עבורך, ואז ליצור תכנית הכשרה – למידה ותרגול – לפיתוח יכולת בכל אחד מהתחומים.
בהצלחה!