¿Qué quiero decir con "banco de trabajo analítico"? Básicamente, el entorno de recursos informáticos con el que se lleva a cabo el análisis de datos. ¿Cómo describiría algunos de los bancos de trabajo analíticos en su organización? No todos son analistas de poder, por lo que no todos requieren herramientas eléctricas. Pero todos nosotros tratamos con los datos en algún nivel, y todos podemos beneficiarnos de darle sentido a nuestros datos de manera más eficiente y efectiva. Vea si hay oportunidades para hacer que los bancos de trabajo analíticos en su organización sean más productivos.
Memoria y almacenamiento
¿Tiene mucha memoria disponible en su escritorio y / o servidores? ¿Tienes un montón de almacenamiento local y remotamente? Más memoria crea más ancho de banda analítico, no solo a través de recursos informáticos más eficientes, sino también a través de un menor tiempo de espera por parte de los analistas, que se encuentran cada vez más entre los talentos más caros. Tanto la memoria como el almacenamiento, por otro lado, se han vuelto bastante económicos, como se muestra en JMP Graph Builder con datos de John C. McCallum .
Forma y función
Las interfaces fáciles de usar y bien diseñadas lo ayudan a mantenerse "en flujo". Incluso los codificadores y usuarios de hojas de cálculo más inteligentes pueden beneficiarse de la visualización interactiva y dinámica. Mantenerse "en flujo" ha sido uno de los principios rectores para los desarrolladores en JMP: minimice la monotonía y la complejidad mientras acelerando el descubrimiento .
Se incurren en grandes riesgos operativos al usar hojas de cálculo para hacer cosas que nunca tuvieron la intención de hacer. En 2008, justo antes de la crisis financiera mundial, un analista de un gran banco había estado utilizando una hoja de cálculo complicada para calcular los requisitos de capital basados en el riesgo del banco. Esta era una hoja de cálculo velluda y multitab que contenía numerosas fórmulas y celdas de referencia con lógica que solo la persona que la construyó podía seguir. Cuando el analista se fue a otro trabajo, tomó muchas, muchas horas-persona para calcular los requisitos de capital para el próximo período de informe. El tiempo y el esfuerzo desperdiciados pueden evitarse si las organizaciones dejan de confiar en las hojas de cálculo y utilizan códigos o aplicaciones bien documentados que se repiten y mantienen con mayor facilidad. Para facilitar esto, el Complemento JMP para Microsoft Excel le permite mantener la familiaridad de la interfaz de Excel con la opción de hacer cálculos en JMP, minimizando el potencial de errores ( exactitud de cálculos, así como la digitación de grasa tipo de error).
La mayoría de los analistas prefieren una mesa de trabajo analítica bastante robusta para usar la herramienta adecuada para el trabajo, pero tienden a gravitar hacia su herramienta favorita, o su centro analítico, durante la mayor parte de su trabajo. Por lo general, esta es la herramienta que les permite mantenerse "en flujo" mientras se concentran en resolver problemas de manera innovadora. Los buenos analistas están abiertos a aprender cosas nuevas para aumentar su ancho de banda, ya sea más avanzado formación con herramientas que ya utilizan o introduciendo nuevas herramientas para afinar su mesa de trabajo.
Entorno de cómputo
A SAS y en la mayoría de las empresas de tecnología, tenemos la fortuna de contar con un hardware con la potencia adecuada, un buen rendimiento y una amplia memoria y almacenamiento. Como JMP se ejecuta en ambos sistemas operativos, incluso tengo una Mac con Parallels para Windows para ejecutar ambos. Muchas organizaciones tienen hardware antiguo que ejecuta sistemas operativos que pronto serán compatibles o que ya no son compatibles. El análisis suele ser intensivo en CPU, y a medida que nuestros tamaños de muestra aumentan para mantenerse al día con big data, es imprescindible invertir en un entorno de cómputo adecuado.
Muchas organizaciones han invertido en sus servidores e ignorado el escritorio. Sin embargo, cuando su costoso talento analítico está cambiando sus pulgares debido a un ancho de banda lento o una interrupción de la red, y solo les queda una hoja de cálculo en su escritorio (si es que tienen un escritorio), los costos de oportunidad pueden ser altos. El analíticamente avanzado debe proporcionarse con opciones de cálculo, en escritorios, servidores y de forma remota. Con estos analistas haciendo malabarismos con múltiples proyectos en diferentes fases, pueden ser mucho más productivos al tener recursos de cómputo de servidor y escritorio adecuados. Especialmente en la fase exploratoria, local Las herramientas visuales en la memoria con respuesta instantánea aprovecharán un mayor ancho de banda visual: el análisis a la velocidad de la vista, revelando la estructura de los datos más rápidamente.
Colaboración y Presentación
Cuando el analista logra un modelo útil, ella no ha terminado. Para que los resultados importen, por lo general se deben comunicar y actuar. Con tanta información, todos somos analistas en algún nivel. Incluso cuando los resultados se comparten, podemos hacer más preguntas, lo que puede llevar a un mayor análisis y comprensión. Debido a este enfoque colaborativo e iterativo, muchos analistas prefieren el poder de mostrar visualmente e interactivamente los resultados a los colegas y a los tomadores de decisiones. ¿Cuántas veces has escuchado describir este escenario? Un ejecutivo le pide algo que requiere que construya un modelo predictivo. Presenta los resultados al ejecutivo, y luego dice: "¿Qué pasa si ...?" Si muestra los resultados en vivo, tiene el potencial de ser más eficiente con el tiempo de todos.
Supongamos, específicamente, que le preguntaron cómo podría mejorar la calidad del vino. Habiendo modelado la relación de los factores que afectan la calidad, puede mostrar esas relaciones y los efectos de cambiarlas utilizando el Perfilador en JMP. A continuación, si arrastra la línea roja vertical para que el alcohol la aumente, puede ver que aumenta la calidad (hasta un punto), así como los efectos que tiene el cambio en otros factores que afectan la calidad. Puede cambiar de rojo a blanco haciendo clic en la línea vertical roja para el color. Para cualquiera de los dos colores, puede ver que la reducción de la densidad mejora la calidad. Se puede hacer mucho más con la creación de perfiles, pero el punto es que puede mostrar en vivo "qué pasaría si ...". y ver las consecuencias. En realidad, hemos escuchado reacciones como "Por primera vez en mi vida, realmente entiendo la regresión" cuando las personas ven los resultados presentados de esta manera.
[iframe src="/ content / jmp / files / 2013/05 / Profiler_wine.html" width = "620" height = "400" border = "0"]
Abrir Wine Profiler en una nueva ventana
Los datos utilizados para los fines de este ejemplo son de la Biblioteca de aprendizaje automático de la UCI .)
Datos
Si bien los datos no son estrictamente parte del banco de trabajo, los datos son la materia prima y parte de la experiencia del banco de trabajo.
Un buen analista es como un buen cocinero. Para atraer a los mejores, es obvio tener una cocina bien equipada. Pero, ¿entonces proporcionarías ingredientes de mala calidad? Las organizaciones que ignoran la calidad de los datos pagan, pagan y pagan. La forma de pago más perniciosa es lo que le hace a la cultura. He visto analistas que se ejecutan desde proyectos que requieren que trabajen con datos deficientes. Los datos son tan malos que saben que cualquier momento que pasen en ellos serán infructuosos, que cualquier recomendación que hagan será injustificable y que podrían haber dedicado su tiempo de manera más productiva. Si la mayor parte de la jornada laboral se dedica a proyectos que involucran datos deficientes, puede ser muy desmotivador y los buenos analistas pueden retirarse. El otro pago obvio por la mala calidad de los datos es en forma de decisiones y consecuencias subóptimas. La calidad de los datos es, en última instancia, una responsabilidad compartida de todos los que usan los datos. Las organizaciones con buenos datos han factorizado esa responsabilidad compartida en la cultura.
El acceso difícil a los datos es otra área que a menudo se pasa por alto. Si está pagando de manera competitiva por su talento analítico, no desea que se inviertan grandes porciones de ese tiempo en buscar y preparar datos. Idealmente, la mayoría de los datos necesarios se mantienen centralmente y se actualizan de forma rutinaria. Cualquier recuperación y manipulación de datos adicionales para fines de análisis debe ser fácil, visualmente cuando sea posible.
Mantenerse al día con la tecnología
Es un equilibrio. Si persigue la última tecnología, su tiempo para resolver problemas y agregar valor será menor. Si se queda quieto, su infraestructura analítica se vuelve menos ágil y puede ser excesivamente limitante. Debería dedicar parte de tiempo a probar cosas nuevas y evaluar dónde la inversión en una nueva infraestructura o actualización tendría el mayor rendimiento. Por lo que he visto, muchas organizaciones se ven desafiadas por los datos de varias maneras, sobreexpuestas al riesgo de las hojas de cálculo, subexpuestas a los paradigmas visuales, tanto para el descubrimiento como para la presentación, y carecen de poder en varias partes de sus entornos informáticos. Si los datos y las analíticas se consideran activos estratégicos en su organización, lo aliento a que evalúe el potencial para la actualización de algunas de las mesas de trabajo analíticas en su organización.
Nota: Una versión de este post apareció por primera vez en el Blog del Instituto Internacional de Análisis .
