Izobraževanja za vaš digitalni napredek

Vsi poznamo rek »Posel delajo ljudje!« Vendar ali to še drži tudi v digitalnih časih? Kdo bi lahko urejal posle namesto nas in kakšni so ti posli? Odgovor ni več tako preprost, še posebej za tiste, ki dobro poznajo zmožnosti Umetne inteligence (Artificial intelligence). Ti bi rekli vsaj »Posel delajo ljudje s pomočjo AI!«

Seveda se posel ne dela »v prazno«. Da posel nastane, ni dovolj, da imamo produkt ali rešitev. V svetu poslovanja podjetij (B2B) posel nastane le ob potrebi kupca. In že smo pri naslednjem ključnem vprašanju, kdo najbolje pozna potrebe kupcev. Je to še vedno prodajnik? Ti časi so mimo. Posel se dela na podlag podatkov, spoznanj in uvidov na podlagi podatkov.

Informatika je v službi posla oziroma tistih, ki odločajo o poslu. Informatika je v službi kupcev in tistih, ki so najbolj pogosto v stiku z njimi. Da informatiki lahko pomagajo, potrebujejo ustrezne kompetence. V nadaljevanju se bomo osredotočili na kompetence, povezane s področjem in vlogo podatkovnega analitika, ki sodi v podmnožico IIBA poslovnih analitikov.

Ker so podatki »novo zlato, nova nafta«, se je treba naučiti »kopati in pridelovati« to novo bogastvo. Pričakovali bi, da so veščine, potrebne za to, vezane zgolj na podatkovno analizo in modeliranje podatkov, a temu ni tako.

V zadnjem času, se je pokazalo, da dober podatkovni analitik potrebuje širši nabor znanj in veščin, s katerimi lahko pomaga ustvarjati to novo bogastvo. Pa naj jih naštejemo le nekaj (več jih najdete v spletni izdaji članka na povezavi http://bit.ly/digitalni-napredek), ki niso vezane zgolj na podatke, temveč na širši pogled na stranko, problem, rešitev in njeno uporabo:

• podatkovna arhitektura,
• poznavanje podatkovnih tehnologij in rešitev,
• data Story Telling,
• vizualiziranje podatkov,
• veščine fasilitiranja,
• poznavanje modela odločitev in poslovnih pravil,
• idnetificiranje priložnosti uporabe podatkovnih rešitev,
• oblikovanje podatkovnih poslovnih primerov (business case),
• zapisovanje funkcionalnosti in uporabnosti skozi oblikovane (podatkovne) primere uporabe,
• zapisovanje uporabniške zahteve (data requirements) ali uporabniške zgodbe (data user story),
• prototipiranje in experimentiranje,
• merjenje učinkov rezultatov (KPI),
• analiziranje uspešnosti podatkovno analitičnih projektov,
• data insights …

Podrobne opise posameznih kompetenc najdete v spletni verziji članka.