¿Hay algún testimonio de alguien que se haya desarrollado analíticamente?

Answer 1

Respuesta corta: práctica, práctica y práctica.

Respuesta larga. Rendirse. Si no eres una persona analítica y no tienes un talento natural en analítica (resolver problemas de una manera muy lógica, poder ver un montón de números y transformarlos en conocimiento), bueno, puedes ser bastante bueno en eso pero difícilmente serás el mejor en eso.

Por ejemplo, no soy un vendedor natural. He visto a gente de ventas muy buenas en acción, y no me avergüenza admitir que incluso si me esfuerzo mucho, nunca seré tan bueno como esas personas. Hay muchas habilidades que me gustan así.

Pero las habilidades analíticas son naturales para mí. Por lo tanto, Data Science es un buen camino para mí, ya que requiere que sea excelente en análisis y que sea lo suficientemente bueno en otras habilidades que no soy natural, como hacer bonitas diapositivas, ser un buen orador. Con un poco de esfuerzo, creo que logré llevar esas otras habilidades a un nivel aceptable y, si es necesario, puedo presionar más para mejorar marginalmente. Pero nunca haré las mejores diapositivas, ni daré los mejores discursos.

Y es por eso que no elegí una carrera de ventas o algo así. Y es por eso que no debes elegir una carrera de analista / gerente de datos. Sí, otras habilidades son importantes, pero ser excelente con el análisis es crucial para el trabajo. Si le pones mucho esfuerzo, sí, puedes ser bastante bueno, pero difícilmente serás el mejor. Y lo que es más frustrante, verás que las personas analíticas naturales mejoran rápidamente que tú.

Así que mi consejo es que encuentres una carrera que requiera que seas excelente en algo que ya eres natural. Siempre es mejor jugar el juego que tienes una ventaja. El mejor jugador de baloncesto enano sigue siendo mucho peor que el jugador de baloncesto promedio. Piénsalo

Answer 2

Bueno, el hecho de que “no te ves a ti mismo como una persona analítica” no significa que seguramente no eres una persona analítica.

Como usted dice, actualmente es un administrador de datos, así que asumo que trabaja muy de cerca con los números y posee buenas habilidades de cálculo; es probable que tenga que informar sobre estos números y extraer un conocimiento profundo de ellos; si este es el caso, me sugiere que tiene una mentalidad más analítica de lo que cree. ¿Por qué piensa de otra manera?

A veces creo que tenemos una visión distorsionada de nosotros mismos, a menudo basada en el hecho de que nunca antes nos hemos imaginado nuestra carrera tomando un camino determinado y nuestra mente nos engaña para pensar que tales escenarios simplemente no nos pertenecen.
Seguramente así ha sido para mí: hace algunos años nunca hubiera pensado en mí mismo trabajando en un trabajo analítico, simplemente nunca había pasado por mi mente. Sin embargo, en el otro extremo, siempre he sido una persona insaciablemente curiosa, precisa y he desarrollado un enfoque lógico de los problemas. Cuanto más usaba estas habilidades en mi vida cotidiana, más analítica se estaba volviendo mi mente; en este sentido, ser analítico se convirtió en un “efecto secundario” de mi personalidad. Luego, por supuesto, la capacitación y, en general, mucha práctica (como sugiere Caio Ishizaka Costa ) son siempre una excelente manera de mejorar; prueba y aprende; comience a seguir a algunos influenciadores de la industria, lea sus blogs pero siempre use su propia mente; Tener buenos mentores también ayuda mucho.

Mis dos peniques: como también recomienda John Barth , sé curioso, siempre. No se complique demasiado: cuando nos complicamos demasiado, no vemos las cosas con claridad y perdemos la perspectiva (me digo esto todos los días). Sea creativo: piense fuera de la caja, eche un vistazo donde otros no lo harían. Trate de desglosar los problemas grandes en los más simples y use / invente ejemplos de la vida real para ayudarlo. Sea lo suficientemente descarado como para desafiar las creencias generales y, si es necesario, cambie el rumbo: en análisis no puede confiar en “leyendas”, pregúntese “por qué” y deje que los datos decidan si algo está bien o mal.

¡No te rindas!

Answer 3

Creo que tener una curiosidad aquí ayuda mucho. Tengo muchas preguntas sobre mis clientes y sobre cómo usan nuestros productos, que solo pueden responderse revisando los datos. ¿Qué acciones están tomando nuestros clientes exitosos? ¿Qué acciones son indicativas de clientes descontentos? ¿Cuánto valen los clientes para nosotros? Encuentro todas estas preguntas intrigantes y trabajo incansablemente para descubrir cómo modelarlas y luego mejorar esos modelos en el futuro, para poder tomar las decisiones más informadas sobre las campañas de marketing que realizamos.

Siempre he sido una persona analítica, y en el modelado de datos, por lo que no estoy seguro de poder ayudarlo, ¡aparte de decir, entusiasmarse con las preguntas que está respondiendo con datos!

Answer 4

Mi sugerencia es expandirse a un área relacionada, como TI, finanzas o contabilidad.

Voy a ser sincero: si usted no es un “natural”, será difícil para usted y, a veces, nos enfurecerá. He visto suficientes analistas junior que pueden identificar fácilmente los problemas con la configuración del análisis que los directores y vicepresidentes “no naturales” proponen o aprueban. Ya es bastante malo que el estudio aún no haya comenzado y podamos solucionarlo, pero cuando un analista levanta la mano durante la presentación final y hace una pregunta puntual sobre su definición, que de una sola vez muestra que todo lo que ha hecho es ” la entrada de basura, la salida de basura “, puede ser realmente devastadora … bueno, suponiendo que incluso te des cuenta de la profundidad del abismo analítico en el que acabas de ser arrojado.

Puedes terminar en una posición menos que envidiable de ser legendario por tu propia estupidez. Por favor, encuentre algo que sea mejor para usted.

PD: Si no me crees, te daré ejemplos. Un análisis de modelo de respuesta mostró que “la ventana de respuesta está siendo elegida correctamente [por los usuarios], ya que la mayoría de las respuestas cayeron dentro de las 2-3 semanas posteriores al tratamiento”. En la presentación se planteó una pregunta sobre la definición de “respuesta” para el estudio. Solo se contabilizaron las acciones de calificación tomadas dentro de la ventana de respuesta según lo definido por los usuarios. En otras palabras, cuando observamos las acciones tomadas dentro de 2-3 semanas, todas se toman en 2-3 semanas. Otro ejemplo. Una propensión al modelo de abandono ha demostrado que las llamadas a la retención en un determinado período de tiempo fueron un factor muy importante para predecir los cierres de cuentas. Varios factores relacionados con las llamadas no se consideraron, y por lo tanto el modelo, en efecto, dijo: es muy probable que quienes nos llaman para cerrar su cuenta cierren su cuenta. Estos son ejemplos muy simples de mal diseño. Hay muchos más ejemplos en los que “basura dentro, basura fuera” es un poco menos obvio. Los no naturales parecen ser atraídos positivamente a esas configuraciones defectuosas.