¿Qué campo debo elegir: análisis de negocios, análisis de datos, inteligencia de negocios y minería de datos?

Todos estos campos tienen cierta superposición y, según la empresa para la que trabaje, los definirán de manera diferente a otras compañías.

Por mi experiencia:

• Business Analysis se centra en el uso de herramientas (proporcionadas por otros) para obtener información sobre qué tan bien están haciendo las áreas específicas (marketing, ventas, compras, etc.) de un negocio. Esto implica un buen conocimiento de las áreas que está analizando, así como algunas herramientas de BI, Excel y software de presentación. El trabajo se centra principalmente en el análisis descriptivo, como en la descripción de lo que sucedió.
• El análisis de datos es el término amplio que generalmente incluye análisis empresarial, inteligencia empresarial y puede incluir tareas como el trabajo de visualización. Puede encontrar ofertas de trabajo para “analista de datos”, que es muy similar a un analista de negocios, pero puede tener un enfoque menos orientado a las finanzas.
• Business Intelligence implica herramientas y técnicas para preparar, agregar y presentar datos que son demasiado grandes o complejos para que los humanos los entiendan sin ninguna ayuda adicional. Esto generalmente incluye datos de limpieza y empaque en cubos multidimensionales para que los usuarios o analistas puedan cortar y cortar los datos, por ejemplo, ver los datos de ventas por un grupo de clientes específico y un período de tiempo y una categoría de producto, etc. El trabajo típico de BI es más técnico que Analyst funciona, pero esto también varía de los analistas de BI a los ingenieros de BI, que pueden hacer una gran cantidad de codificación y configuración de servidores.
• La minería de datos también es un término bastante amplio que ya no se usa con frecuencia. Implica un trabajo de análisis regular junto con más estadísticas y técnicas pesadas en matemáticas, incluido el aprendizaje automático para encontrar patrones e información que podrían no aparecer en el trabajo de BI centrado en la agregación. Los temas de minería de datos ahora se conocen más como análisis predictivo (lo que probablemente sucederá), aprendizaje automático (creación de modelos para predecir algo) o ciencia de datos (el término también amplio que abarca todo, desde la limpieza temprana de datos, análisis y creación de modelos para predicciones).

Si tiene experiencia en ingeniería de software, le resultará más fácil que otros entrar en el aprendizaje automático y el análisis predictivo que dependen más de la codificación con software de código abierto que las funciones de BI y analista que a menudo se basan en herramientas pagas.

Crear modelos simples de aprendizaje automático es en realidad más fácil de lo que mucha gente piensa, pero para hacer un buen trabajo de minería de datos / ciencia de datos, también necesita un conocimiento superior al promedio en matemáticas y estadísticas.

Todos estos son campos muy interesantes para entrar. Los ingenieros de BI y especialmente el científico de datos también pueden obtener muy buenos salarios.

Simplemente aprenda acerca de los enfoques básicos para la limpieza de datos, la gobernanza de datos y luego recoja algunos materiales sobre el enfoque de los profesionales de las estadísticas como numpy, scipy e introducción al aprendizaje automático. Obtener una familiaridad general y conjuntos de herramientas en torno al análisis de datos es clave, todas las otras etiquetas son realmente fungibles.

Todos suenan más o menos como el mismo campo. Podría hacer lo mismo en dos compañías diferentes y hacer que se llame inteligencia de negocios en una y minería de datos en otra. El análisis / minería de datos es un poco más amplio, ya que no necesariamente se aplica a un “negocio”, pero es el mismo conjunto de habilidades aplicadas a un conjunto potencial de problemas más amplio.

Si lo que estás haciendo es decidir entre esos términos, es mejor que solo mires posiciones individuales, descubras lo que implican y decidas eso independientemente de cómo se llame el trabajo.

¡Al final del día, el mejor trabajo será el que más disfrutes! Eche un vistazo a las descripciones de los demás y vea qué le atrae. Si no disfruta de un trabajo, nunca lo hará muy bien.

Data Mining abre la mayoría de las puertas que conducen a AI y ML (el futuro). AI y ML superarán todo lo demás que estás considerando.