Solo negli ultimi due anni è stato generato il 90% dei dati di tutto il Mondo.
E’ fondamentale saper misurare, gestire e prendere decisioni sulla base di tutti questi dati.
Per questo ci viene in soccorso la figura del Data Analyst.
Il Data Analyst è quella figura che trova le giuste strade per tracciare, analizzare e prendere decisioni sulla base dei dati.
Ci sono diversi dubbi e luoghi comuni sulla figura professionale del Data Analyst e anche sulla materia che tratta, la data analysis.
Le competenze di un Data Analyst sono prevalentemente abilità analitiche, ossia qualità e caratteristiche associate alla risoluzione dei problemi, usando i fatti.
I fatti?
Sì, perché i dati sono un insieme di fatti.
Ci sono molti aspetti delle abilità analitiche, ma ci concentreremo su cinque punti essenziali.
Sono la curiosità, la comprensione del contesto, la mentalità tecnica, la progettazione dei dati e la strategia dei dati.
Ora, potresti pensare: “Non ho questo tipo di abilità” o “Ne ho solo un paio“.
Ma resta con me, e scommetto che cambierai idea.
In questo articolo analizzeremo le 5 competenze chiave di un Data Analyst.
Ti servono i giusti consigli per diventare un Full Stack Marketer?
Se sei qui per la prima volta, questo è il 1° sito in Italia sul Full Stack Marketing. Condividiamo idee, esperienze e fonti per costruire le tue competenze comb-shaped e prosperare nel disordine del mondo attuale.
Data Analyst e Data-driven-decision-making
Cosa significa “data-driven-decision-making” e perché è importante?
In un contesto come quello attuale, in cui siamo potenzialmente chiamati ad analizzare 2,5 quintilioni di byte di dati creati ogni giorno servono competenze fortemente analitiche.
Per competenze analitiche intendonon solo saper analizzare i dati e comprenderne il significato, ma anche creare un processo che sia iterativo.
Quel processo è la Data Analysis.
Più nello specifico per Data Analysis intendo “la raccolta, la trasformazione e l’organizzazione dei dati al fine di trarre conclusioni, fare previsioni e guidare un processo decisionale informato”.
Ecco che arriva il processo!
Questo parolone “data-driven-decision-making” nient’altro è che un processo continuo basato su raccolta, gestione e analisi dei dati, per prendere le decisioni corrette.
Però per portare a termine – con successo – tutti i passi del processo di Data Analysis bisogna possedere determinate caratteristiche e competenze.
Le principali competenze per un Data Analyst sono:
– Curiosità
– Comprensione del contesto
– Mindset analitico
– Data design (progettazione dei dati)
– Data strategy (strategia dei dati)
Andiamo in ordine , scomponendo le varie parti…
Iniziamo!
Curiosità
Cominciamo con la curiosità. La prima competenza che deve possedere un Data Analyst (e non solo, in realtà).
Ma cos’è la curiosità?
La curiosità è semplicemente voler imparare. Le persone curiose solitamente cercano nuove sfide ed esperienze.
Grazie a queste sfide ed esperienze creano nuova conoscenza.
Il fatto stesso che sei qui a leggere un mio articolo, in questo momento, dimostra che hai curiosità.
Questo era semplice. Ora passiamo ad analizzare il contesto.
Comprensione del contesto
Il contesto è la condizione in cui qualcosa esiste o accade.
Possiamo definirlo come una struttura o un ambiente, in cui le cose accadono.
Perdona la definizione un po’ semplificatrice, utilizzerò degli esempi per passare meglio il messaggio.
Un modo semplice per capire il contesto è contare fino a 10.
Uno, due, tre, quattro, cinque, sei, sette, otto, nove, dieci.
Tutti questi numeri esistono nel contesto da uno a dieci.
Ma se ti dicessi: uno, due, quattro, cinque, tre, sei, sette, nove, otto, dieci?
Bene, il tre ed il nove sarebbero fuori contesto.
Semplice, no?
Apparentemente sì, con un esempio del genere. Capita però che non ci si accorga che alcuni elementi sono fuori contesto.
Per questo è fondamentale la fase di ascolto e di comprensione del contesto.
Voglio farti un altro esempio basato sulle esperienze di vita di tutti noi.
Nella vita, mettiamo sempre le cose nel loro contesto.
Per esempio, pensiamo alla nostra lista della spesa.
Se raggruppi voci come pesche, mele, pere, stiamo aggiungendo un contesto alla spesa.
Questo ci fa risparmiare tempo quando saremo nella corsia della frutta.
Ancora un altro esempio. Per farlo, cambiamo contesto [<– :-)].
Quale carta noti subito, mischiando un mazzo di carte da poker appena acquistato?
Probabilmente il jolly.
Se stai giocando a poker, che non prevede jolly, identificare quella carta significa capire che è fuori contesto.
Rimuovila e avrai molte più probabilità di giocare una partita di successo.
Dopo il contesto, parliamo di Mindset.
Mindset analitico
Un mindset analitico implica la capacità di dividere i fatti in piccoli pezzi, lavorando in modo ordinato.
Più in dettaglio, le persone con mindset analitico riescono ad identificare e definire un problema, per poi risolverlo utilizzando i dati in modo organizzato, passo dopo passo.
Per esempio, quando paghi le tue bollette, probabilmente hai già suddiviso il processo in passi più piccoli.
Forse inizi a ordinarle in base alla data di scadenza. Poi, potresti sommarle e confrontare l’importo con il saldo del tuo conto corrente.
Questo ti aiuterebbe a capire se puoi pagare le tue bollette ora o se dovresti aspettare fino al prossimo stipendio. Infine, le pagheresti.
L’esempio di vita quotidiana ci permette di renderci conto che tutti noi possediamo un mindset analitico. Sta solo nel riconoscerlo ed allenarlo, utilizzandolo nel giusto contesto.
Perché?
Perché quando si prende qualcosa che sembra un singolo compito, come pagare le bollette e lo si spezza in passi più piccoli con un processo ordinato, si riesce a risolvere problemi in modo sistematico.
Per farlo, però, non bastano curiosità, comprensione del contesto e la giusta mentalità.
Servono anche competenze di progettazione e strategiche.
Parliamo quindi di Data Design e subito dopo di Data Strategy.
Data design
L’abilità di Data Design (progettazione dei dati) è il modo in cui si organizzano le informazioni.
Come analista di dati, la progettazione ha tipicamente a che fare con un vero e proprio database.
Ma, di nuovo, le stesse abilità possono essere facilmente applicate alla vita quotidiana.
Per esempio, pensa a come organizzi i contatti nel vostro telefono. Questo è in realtà un tipo di design dei dati.
Forse li elenchi per nome invece che per cognome, o forse usi gli indirizzi email invece dei loro nomi.
Quello che stai facendo in realtà è progettare una lista chiara e logica che ti permette di chiamare o mandare un messaggio a un contatto in modo semplice e veloce.
Semplice, se lo applichiamo ad un esempio di vita quotidiana, ma non facile se pensiamo di doverlo applicare ad un dataset.
Proprio perché è semplice, ma non facile, bisogna usare la testa per creare la giusta strategia.
Data Strategy
L’ultima, ma in realtà la più importante competenze di un Data Analyst, è la Data Strategy.
Per Data Strategy intendo la gestione delle persone, dei processi e degli strumenti usati nell’analisi dei dati.
Andiamo più in profondità su questo concetto, scomponendolo.
– Le persone. Gestisci le persone assicurandoti che sappiano come utilizzare i dati corretti per trovare soluzioni al problema su cui stai lavorando.
– I Processi. Si tratta di verificare che il percorso verso la soluzione desiderata sia chiaro e accessibile per tutti.
– Gli strumenti. Dovrai assicurarti che venga usata la tecnologia giusta per arrivare alla soluzione.
Fammi indovinare, queste ultime righe ti hanno fatto sbadigliare.
Lo so, lo so, anche a me. Ma delle volte è necessario dare definizioni teoriche per creare un po’ di contesto (eh sì, quello torna sempre!).
Ora passiamo alla parte più divertente: gli esempi di vita quotidiana per la Data Strategy.
Immagina di star tagliando il tuo prato di casa.
Se non hai un prato, usa quello del vicino, che è sempre più verde 🙂
Il primo passo per tagliare il prato sarebbe leggere il manuale del tosaerba.
Questo è assicurarsi che le persone coinvolte, o te stesso in questo esempio, sappiano come usare i dati disponibili.
Il manuale indica di indossare occhiali protettivi e scarpe chiuse.
Si passa adesso alla fase 2: rendere il processo chiaro e accessibile.
Questo comporta che tu cammini intorno al prato, raccogliendo grandi bastoni o rocce che potrebbero intralciare il tuo cammino.
Fase 3: controlli il tosaerba, il tuo strumento, per assicurarti che abbia abbastanza benzina e olio, e sia funzionante in generale, in modo che il prato possa essere tagliato in sicurezza.
Ecco fatto…
Il tuo vicino ti sarà grato per aver tagliato il suo prato con questa efficienza!
Ora conosci le cinque abilità essenziali di un analista di dati, ma come integrare queste competenze di data analyst nell’approccio Full Stack Marketing?
Come si integra nell’approccio Full Stack Marketing?
L’analisi dati ti consente di avere una competenza verticale, ma spendibile orizzontalmente in più ambiti (advertising, business intelligence, lancio prodotti, etc).
Prendi in considerazione che siamo esseri umani e non basta studiare un argomento per acquisire una competenza.
Ci sono degli aspetti – quelle che spesso chiamano “soft skills” – che vanno valorizzati.
Essere curioso, comprendere il contesto in cui operi, sviluppare una mentalità analitica e riuscire a gestire persone, processi e strumenti organizzando i dati non sono cose che puoi imparare al 100% con lo studio.
Devi essere (o diventare) un certo tipo di persona.
Come?
Facendo esperienza e affinando le tue attitudini.
Potrai essere un grande Data Analyst perchè non ti sei focalizzato solo sull’imparare, ma anche sull’essere e sul fare.
Tutto questo si ripercuoterà positivamente su tutte le altre competenze da full stack marketer.
Come iniziare?
Sempre in ottica “snella” o di lean startup. Testa, sbaglia, impara, ripeti.
Conclusioni
Ora conosci le cinque abilità essenziali di un Data Analyst.
Curiosità, comprensione del contesto, avere un mindset analitico, progettare i dati (data design) e utilizzarli in modo strategico (data strategy).
Ti ho detto che sei già un pensatore analitico e che possiedi già buona parte di queste competenze!
Ora, puoi iniziare a praticare attivamente queste abilità mentre leggi gli altri articoli del blog.
Curioso di sapere cosa c’è dopo?
Esploralo da qui: Vai al blog
Ti è stato utile questo contenuto? Condividilo con una persona a cui tieni:
