Data Scientist

Vill ni ta er dataanalys till nästa nivå? Då är det troligen en så kallad Data Scientist ni är ute efter. Det som skiljer en Data Scientist från en traditionell BI-utvecklare är framförallt kombinationen av kompetenser.

En traditionell BI-konsult fokuserar vanligtvis på ett specifikt område, exempelvis ETL-utveckling, Front End, Data Mining eller krav och projektledning. En Data Scientist besitter alla dessa kunskaper. Det innebär att man snabbt kan ta sig från hypotes till fakta genom att använda verktyg som är Open Source-baserade, såsom R och Python.

Vi använder oss av färdigkonfigurerade virtuella maskiner. Vi spenderar därmed inte tid på att sätta upp och konfigurera dessa miljöer. På en eller ett par veckor kan ni få svar på komplexa frågeställningar utan att behöva belasta den interna IT-organisationen.

Process

Processen är mycket lik ett traditionellt BI-projekt med den skiljer sig markant när det gäller bemanningen och mjukvaran. Istället för att tillsätta ett projekt med flera individer med olika specialistkunskaper har ni en person som tar hand om hela analysen. Analysen sker dessutom ofta utanför ert traditionella datalager och helt eller delvis utan att utnyttja traditionella BI-programvaror.

Hypotes – Vilken frågeställning utgår vi ifrån? Här diskuterar vi vad som är praktiskt möjligt och statistiskt påvisbart inom en given tidsram.

Samla och integrera data – Vi identifierar relevanta datakällor, samlar in och preparerar data för analys.

Hitta rätt algoritm för att analysera data – I detta steg itererar man och värderar även data för att hitta signifikanta indikatorer.

Visualisera och redovisa resultat – Resultatet prepareras och visualiseras på ett pedagogiskt sätt som är anpassat till målgruppen/beställaren.

Vad kan en Data Scientist hjälpa er med?

Vanliga frågeställningar:

  • Implementation i befintlig BI-lösning tar för lång tid
  • Behov av avancerad analys, inte bara summering, trender och genomsnitt
  • Textanalys
  • Identifiera sätt att dra nytta av er data, gå från reaktion till datadrivna beslut
  • Integrera och dra nytta av både interna och externa datakällor utan att driva långa projekt
  • Utvärdera kampanjer, integrera data från sociala medier och webb med er försäljningsdata
  • Social analys, vad säger era kunder om er, vad säger de om konkurrenterna? Påverkar det försäljningen?
  • Churn analysis
  • Modellering (tillväxtmodeller, riskmodeller, kundbeteende, etc.)
  • Prognostisering och regression
  • Korganalys
  • Marknadssegmentering och klustring
  • Statistisk konsultation
  • Out layer detection (identifiera aktiviteter som är utanför det normala genom att analysera loggar från webb och applikationer)