Conversión de problemas comerciales en problemas de ciencia de datos

Publicado: 2018-07-03

En muchas entrevistas de ciencia de datos, es común hacer preguntas relacionadas con el negocio. Se espera que el entrevistado resuelva el desafío que enfrenta una empresa en una entrevista. Por ejemplo, las ganancias obtenidas por una empresa de periódicos están cayendo, ¿qué se puede hacer para salvar la situación? Cómo Reliance Jio puede decidir si es beneficioso comenzar sus operaciones desde una nueva ubicación. Cómo afectará el lanzamiento de Baba Ramdev SIM al negocio de Reliance Jio, etc.

Es común que los entrevistados se preparen bien para las preguntas de ciencia de datos. Esperan y se preparan bien para preguntas como "Cómo imputar valores faltantes", "¿Cómo decide qué algoritmo es adecuado para un conjunto de datos?". Sin embargo, los candidatos quedan completamente desconcertados cuando se enfrentan a casos de negocio. Una parte de la razón es que los candidatos no esperan preguntas de casos de negocios en una entrevista. Otra razón es que ninguno de los blogs o cursos de ciencia de datos no menciona cómo convertir problemas comerciales en problemas de ciencia de datos. Hay marcos disponibles para el análisis de datos, pero son sorprendentemente silenciosos sobre cómo convertir el negocio en problemas de datos. Por ejemplo, el marco CRISP-DM es muy famoso por el análisis de datos. El primer y segundo paso de CRISP-DM son 'Entendimiento de negocios' y 'Entendimiento de datos'. La mayoría de los aspirantes a científicos de datos no saben cómo proceder del primer al segundo paso. El objetivo de este artículo es llenar este vacío. El libro y los videos de Victor Cheng me ayudaron a comprender cómo convertir los problemas comerciales en problemas de datos. Este artículo está basado en sus enseñanzas.
Problemas comerciales a problemas de ciencia de datos

Tabla de contenido

Mentalidad del entrevistador

Antes de profundizar en cómo responder a las entrevistas de casos, comprendamos la mentalidad del entrevistador. ¿Qué buscan los entrevistadores cuando hacen preguntas de negocios? Algunas de las cosas que buscan los entrevistadores son: -

  • ¿Los candidatos poseen una mentalidad de pensamiento independiente?
  • ¿Son las respuestas lo suficientemente buenas si no son precisas?
  • ¿Las soluciones ofrecidas por el candidato son amigables con el cliente (En caso de empresas consultoras)
  • ¿La solución que ofrecen los candidatos es lineal?
  • ¿Explicó el candidato la solución visualmente?
  • ¿La solución del candidato es práctica de implementar?

La solución candidata debe proceder lineal y lógicamente desde un desafío hasta una solución. Si la solución es dispersa, saltando de un punto a otro arbitrariamente, entonces esa entrevista se acaba inmediatamente en la mente del entrevistador. Además, se prefiere un enfoque correcto con una respuesta incorrecta a una respuesta correcta con un enfoque incorrecto. Si el enfoque es incorrecto y la respuesta es correcta, los entrevistadores supondrán que el candidato tuvo suerte. Este no será el caso en todas las situaciones. Si el enfoque es correcto, entonces es repetible y se puede aplicar a muchas situaciones comerciales.
¿Qué es la ciencia de datos? ¿Quién es un científico de datos? ¿Qué es Analítica?

Responder preguntas de 'Entrevista de caso'

Las respuestas a las preguntas de la entrevista de caso se pueden dividir en tres etapas. Abrir, analizar y cerrar. Abrir y cerrar son fórmulas y se pueden responder fácilmente con la práctica. La etapa de análisis difiere según el problema empresarial e implica pensamiento y creatividad. Veamos qué hacer en cada etapa de la respuesta a la pregunta.
Los pasos para responder las preguntas de la entrevista del caso son: -

  • estancamiento
  • Verifique su comprensión
  • Identificar la estructura del problema.
  • Analizar
  • Cerrar

Stalling (Etapa de apertura)

Victor Cheng pide hacer una pausa de cinco segundos antes de decir algo similar a "Ah, este es un problema muy interesante". Esto se conoce como 'estancamiento'. Si espera más de cinco segundos para responder, el entrevistador pensará que no conoce la solución. El estancamiento ayuda a obtener un tiempo valioso para pensar en el problema.

Verifique su comprensión

Por lo general, las preguntas de la 'Entrevista de caso' son de una sola línea. No se proporcionará toda la información necesaria para responder a la pregunta. Se espera que los candidatos hagan preguntas y verifiquen su comprensión. Como se dijo anteriormente, si se trata de aumentar las ganancias del periódico, entonces puede hacer preguntas como "¿qué temas cubre el periódico?", "¿Cuál es el público objetivo de este periódico?", etc. Aclare cualquier terminología que haya usado el entrevistador. y de los que no estás seguro. Aquí es importante que no asumas nada. Asumir puede llevar a resolver problemas erróneos que la empresa no enfrenta. Este ejercicio también informará al entrevistador sobre su habilidad para buscar ayuda cuando sea necesario.
Durante las fases iniciales de respuesta, tendrá la libertad de hacer preguntas abiertas. A medida que pase el tiempo, perderá libertad y solo podrá hacer preguntas cerradas. Hacer preguntas abiertas hacia el final hará que el entrevistador piense que estás tratando de preguntar las respuestas. Por lo tanto, no dude y haga preguntas que considere valiosas para responder.
¡“Cómo convertirse en un científico de datos” respondido!

Identificar la estructura

Una vez que obtenga la información requerida después de hacer preguntas, identifique la estructura a la que pertenece la pregunta. Victor especifica cuatro marcos diferentes a los que puede pertenecer una pregunta de entrevista de caso. Los marcos en su orden de importancia (según la frecuencia preguntada en las entrevistas) son:

  • Ganancia
  • situación empresarial
  • Fusión y Adquisición
  • Oferta / Demanda

Los ejemplos del marco de situación empresarial son: el lanzamiento de un nuevo producto, la respuesta al comportamiento de la competencia, los cambios en la demanda, las estrategias de crecimiento de una empresa, etc. Ejemplos de problemas de oferta/demanda son la construcción de una nueva fábrica o el cierre de una fábrica, cambio en la capacidad a través de la adquisición, cambio en la demanda, etc.
Estos marcos no son duros y rápidos. El problema de las ganancias puede terminar en última instancia en una situación comercial o en un problema de oferta y demanda. Sin embargo, esta categorización proporcionará una estructura a nuestro pensamiento y nos ayudará a avanzar con el desafío que tenemos entre manos.
Una vez que identifique la estructura del problema y la haga coincidir con el marco apropiado, el siguiente paso es describir los componentes clave del marco. Por ejemplo, en caso de aumentar las ganancias de un periódico, se puede hablar de ingresos y costos. Tenga cuidado y no nombre el marco explícitamente. Un marco es solo para estructurar su pensamiento y no para mencionárselo al entrevistador. Dibuje los componentes clave del marco junto con su descripción. A medida que practique estos pasos, se convertirá en una segunda naturaleza para usted. Los puntos clave para identificar la estructura son:

  • Identificar la naturaleza del problema.
  • Relacionar el problema con el marco apropiado
  • Describir los componentes clave del marco.
  • Dibujar

Una vez hecho esto, continúe con el siguiente paso en el proceso que es analizar el problema.
Las 17 principales preguntas y respuestas de la entrevista del analista de datos

Analizar

Aquí Analizar no significa analizar los datos. Todavía está lejos. Los datos vienen al final. Antes de solicitar datos, hay otras cosas que deben abordarse.
Comience su análisis preguntando por dónde empezar. Para mejorar la rentabilidad de un periódico, pregúntese si debe proceder con los costos o los ingresos. Dependiendo de la elección del entrevistador proceda con su respuesta.
Visualice el problema subyacente como un árbol de decisiones y comience desde la raíz. Plantee la hipótesis y escoja una sucursal de acuerdo a la elección del entrevistador. Identificar y exponer los problemas clave dentro de una sucursal. Haga preguntas estándar y siga profundizando. En este proceso, siga refinando su hipótesis. Si llega a un callejón sin salida de una rama sin ninguna resolución, siga hasta el nodo de la rama y atraviese la dirección opuesta.
Piensa en voz alta durante todo el proceso. Esto ayudará a los entrevistadores a conocer sus habilidades analíticas y de pensamiento. Si hay alguna falla en su pensamiento, incluso pueden señalarla y ayudarlo en la dirección correcta. Siempre es una buena práctica pensar en voz alta sobre las preguntas de la entrevista del caso.
Una vez que llegue a la hoja de su árbol de decisiones con una hipótesis o llegue a un punto en el que los entrevistadores no estén seguros acerca de la hipótesis, puede continuar y solicitar datos. Datos que pueden ayudar a aceptar o refutar su hipótesis. Datos que ayudarán a obtener información y tomar decisiones comerciales. Un punto a recordar es que todas las solicitudes de datos deben estar respaldadas por una explicación sólida. Pedir datos sin ninguna explicación no les irá bien a los entrevistadores ni a los clientes en caso de consultoría.
Esto completa la conversión de problemas comerciales a problemas de análisis de datos. Una vez hecho esto, ya sabe cómo continuar con el análisis de los datos. A partir de aquí, los pasos estándar de CRISP-DM son los siguientes:

  • Entender los datos
  • Modelando los datos
  • Validando el modelo
  • Despliegue del modelo
  • Actualizar el modelo y mantenerlo relevante

Consejos y trucos para responder las preguntas de la entrevista de caso

  • Segmenta tus números
  • Empresa vs competidor
  • Año actual Vs año pasado
  • piensa en voz alta
  • Explique por qué necesita datos antes de pedirlos
  • no asumas nada
  • Practicar la respuesta a problemas de negocios.
Cómo hacer una carrera brillante en datos

Segmenta tus números

La ciencia de datos se trata de descomponer el problema en sus partes constituyentes. Analice las partes y obtenga ideas. Combine las partes y ofrezca recomendaciones respaldadas por análisis de datos. Esta combinación de partes también se conoce como 'síntesis' en el lenguaje de la consultoría.
Se pueden obtener mejores conocimientos cuando los datos se segmentan en partes. Supongamos que las ganancias del periódico disminuyen debido a las pérdidas en los ingresos. La pérdida de ingresos en su conjunto no ofrece muchas ideas. Si estos ingresos se segmentan en diferentes segmentos según la edad de los suscriptores, puede proporcionar información más valiosa. Una empresa puede ejecutar una acción dirigida a un grupo de edad en particular para mejorar los ingresos. Dado un problema de negocios, siempre busque la mejor manera de dividirlo en diferentes partes.
Ante un problema empresarial, piense si lo enfrenta solo una empresa en particular o toda la industria. La solución y las recomendaciones serán diferentes para ambos casos. Otra línea de pensamiento es la comparación entre el desempeño pasado y el presente. Ambas líneas de pensamiento proporcionarán una dirección para avanzar en la respuesta a la pregunta de la entrevista del caso.
Problemas comerciales a problemas de ciencia de datos
Conocer los pasos y los diferentes marcos solo lo llevará hasta cierto punto. Lo que lo ayudará a responder con éxito las preguntas de la entrevista de caso es: 'Práctica, práctica y más práctica'. Esta no es otra forma de evitarlo. La fluidez para hacer preguntas de verificación, identificar la estructura, hacer coincidir el problema con un marco, formular la hipótesis, recorrer el árbol de decisión, etc., solo se logrará con la práctica. Es imposible descifrar una pregunta de entrevista de caso o convertir un problema comercial en un problema de análisis de datos sin práctica.
Científicos de datos: mitos frente a realidades

En resumen, la conversión de problemas comerciales en problemas de ciencia de datos se puede equiparar con una pregunta de entrevista de caso. Para responder con éxito a las preguntas de la entrevista de caso, los pasos que se deben seguir son: detener al entrevistador, identificar la estructura del problema, relacionarlo con el marco subyacente, formular una hipótesis, recorrer el árbol de decisiones haciendo preguntas relevantes y finalmente solicitar los datos. explicando por qué lo quieres. Finalmente, para tener éxito en responder las preguntas de la entrevista de caso, practíquelo. Una vez que pueda convertir un problema comercial en un problema de ciencia de datos, siga el marco CRISP-DM para analizar los resultados y brindar recomendaciones respaldadas por datos.

¡Únase hoy al Programa de Certificado Profesional en Ciencia de Datos para la Toma de Decisiones Empresariales de IIM-Kozhikode!

¿Se puede resolver un problema empresarial utilizando la ciencia de datos?

La respuesta es sí. En estos días, la mayoría de los problemas comerciales se resuelven utilizando Data Science and Analytics. Data Science utiliza 5 pasos para abordar y resolver problemas comerciales

1. Entender el problema empresarial
2. Uso de análisis para resolver problemas comerciales
3. preparación de datos
4. Desarrollo de modelos
5. Pruebas de rendimiento

La ciencia de datos y el análisis no pueden solucionar mágicamente todos los problemas de una organización. Estas son herramientas muy útiles que ayudan a las empresas a tomar decisiones precisas, automatizar el trabajo repetitivo y las elecciones que deben hacer los equipos. Las empresas pueden utilizar los enfoques de ciencia de datos para ayudar a su gerencia a tomar mejores decisiones, anticipar ganancias futuras y desarrollar mejor contenido.

¿Cómo se puede traducir un problema empresarial en una solución de inteligencia artificial y ciencia de datos?

Para traducir un desafío comercial en una solución de inteligencia artificial y ciencia de datos, un científico de datos primero debe comprender el problema, así como los objetivos y los KPI del análisis de datos, así como los enfoques de inteligencia artificial y ciencia de datos que se pueden utilizar para resolver el problema. . Un científico de datos también debe comprender lo que la organización espera obtener del análisis de datos y cómo planea utilizar los resultados.

¿Cómo aplicar Data Science para resolver problemas comerciales reales?

Hoy en día, las empresas invierten en Data Science para varios propósitos. Casi todos los diferentes sectores comerciales, como finanzas, marketing, venta minorista, fabricación, etc., pueden aprovechar la ciencia de datos de diferentes maneras. Pero el único objetivo de todas las empresas que utilizan Data Science es resolver problemas comerciales.

Los científicos de datos usan sus habilidades de diferentes maneras para resolver los problemas comerciales, como

1. Innovación: los científicos de datos desarrollan nuevas formas de resolver los problemas comerciales que han existido en la empresa durante un largo período de tiempo y que no podrían haberse resuelto con los enfoques anteriores. En resumen, reemplazan las viejas soluciones por las nuevas.
2. Mejora continua: los científicos de datos realizan mejoras continuas en el proyecto de ciencia de datos existente para que funcione mejor.
3. Exploración del valor de los datos: cuando las empresas recién comienzan a usar Data Science, tienen una gran cantidad de datos que se guardan de manera desorganizada. Aquí, un científico de datos juega un papel vital al extraer información útil de todos los datos disponibles y explorarlos en busca de oportunidades potenciales.