Convertir les problèmes métier en problèmes de science des données

Publié: 2018-07-03

Dans de nombreux entretiens en Data Science, il est courant de poser des questions liées aux affaires. On s'attend à ce que la personne interrogée résolve le défi auquel est confrontée une entreprise lors d'un entretien. Par exemple, les bénéfices réalisés par une entreprise de presse sont en baisse, que peut-on faire pour sauver la situation. Comment Reliance Jio peut décider s'il est avantageux de démarrer ses opérations à partir d'un nouvel emplacement. Comment le lancement de Baba Ramdev SIM affectera les activités de Reliance Jio, etc.

Il est courant que les personnes interrogées se préparent bien aux questions sur la science des données. Ils s'attendent et se préparent bien à des questions telles que "Comment imputer les valeurs manquantes", "Comment décidez-vous quel algorithme convient à un ensemble de données". Cependant, les candidats sont complètement déconcertés lorsqu'ils sont confrontés à des analyses de rentabilisation. Une partie de la raison est que les candidats ne s'attendent pas à des questions d'analyse de rentabilisation lors d'un entretien. Une autre raison étant qu'aucun des blogs ou cours de science des données n'aborde la façon de convertir les problèmes commerciaux en problèmes de science des données. Il existe des cadres disponibles pour l'analyse des données, mais ils sont étonnamment silencieux sur la façon de convertir l'entreprise aux problèmes de données. Par exemple, le framework CRISP-DM est très célèbre pour l'analyse de données. Les première et deuxième étapes de CRISP-DM sont la « compréhension commerciale » et la « compréhension des données ». La plupart des data scientists en herbe ne savent pas comment passer de la 1ère à la 2ème étape. Le but de cet article est de combler cette lacune. Le livre et les vidéos de Victor Cheng m'ont aidé à comprendre comment convertir les problèmes commerciaux en problèmes de données. Cet article est basé sur ses enseignements.
Des problèmes commerciaux aux problèmes de science des données

Table des matières

État d'esprit de l'intervieweur

Avant de plonger dans la façon de répondre aux entretiens de cas, laissez-nous comprendre l'état d'esprit de l'intervieweur. Que recherchent les enquêteurs lorsqu'ils posent des questions commerciales ? Certaines des choses que les enquêteurs recherchent sont : -

  • Les candidats possèdent-ils un état d'esprit indépendant ?
  • Les réponses sont-elles suffisamment bonnes si elles ne sont pas précises ?
  • Les solutions proposées par le candidat sont-elles conviviales (dans le cas de sociétés de conseil)
  • La solution proposée par les candidats est-elle linéaire ?
  • Le candidat a-t-il expliqué visuellement la solution ?
  • La solution du candidat est-elle pratique à mettre en œuvre ?

La solution candidate doit procéder de manière linéaire et logique d'un défi à une solution. Si la solution est dispersée, sautant d'un point à un autre arbitrairement, alors cet entretien est terminé immédiatement dans l'esprit de l'intervieweur. De plus, une bonne approche avec une mauvaise réponse est préférable à une bonne réponse avec une mauvaise approche. Si l'approche est mauvaise et que la réponse est correcte, les enquêteurs supposeront que le candidat a eu de la chance. Ce ne sera pas le cas dans toutes les situations. Si l'approche est correcte, elle est reproductible et peut être appliquée à de nombreuses situations commerciales.
Qu'est-ce que la science des données ? Qu'est-ce qu'un Data Scientist ? Qu'est-ce qu'Analytics ?

Répondre aux questions « Cas lors de l'entretien »

Les réponses aux questions d'entretien de cas peuvent être divisées en trois étapes. Ouvrir, analyser et fermer. L'ouverture et la fermeture sont des formules et peuvent être répondues facilement avec de la pratique. L'étape d'analyse diffère selon le problème de l'entreprise et implique la réflexion et la créativité. Voyons ce qu'il faut faire à chaque étape de la réponse à la question.
Les étapes pour répondre aux questions de l'entretien de cas sont : -

  • Stabulation
  • Vérifiez votre compréhension
  • Identifier la structure du problème
  • Analyser
  • Fermer

Décrochage (étape d'ouverture)

Victor Cheng demande de faire une pause de cinq secondes avant de dire quelque chose comme "Ah, c'est un problème très intéressant". C'est ce qu'on appelle le « blocage ». Si vous attendez plus de cinq secondes pour répondre, l'intervieweur pensera que vous ne connaissez pas la solution. Le calage aide à obtenir un temps précieux pour réfléchir au problème.

Vérifiez votre compréhension

Habituellement, les questions d'« entrevue de cas » sont d'une seule ligne. Toutes les informations requises ne seront pas fournies pour répondre à la question. Les candidats sont censés poser des questions et vérifier leur compréhension. Comme indiqué précédemment, s'il s'agit d'augmenter les bénéfices du journal, vous pouvez alors poser des questions telles que "quels sujets le journal couvre-t-il ?", "quel est le public cible de ce journal", etc. Clarifiez la terminologie utilisée par l'intervieweur et dont vous n'êtes pas sûr. Ici, il est important que vous ne supposiez rien. Assumer peut conduire à résoudre de mauvais problèmes qui ne sont pas rencontrés par l'entreprise. Cet exercice informera également l'intervieweur de votre capacité à demander de l'aide lorsque cela est nécessaire.
Au cours des premières phases de réponse, vous aurez la liberté de poser des questions ouvertes. Au fil du temps, vous perdrez votre liberté et ne pourrez poser que des questions fermées. Poser des questions ouvertes vers la fin amènera l'intervieweur à penser que vous essayez de demander les réponses. Alors, n'hésitez pas et posez des questions auxquelles vous pensez qu'il est utile de répondre.
"Comment devenir un scientifique des données" a répondu !

Identifier la structure

Une fois que vous avez obtenu les informations requises après avoir posé des questions, identifiez la structure à laquelle appartient la question. Victor spécifie quatre cadres différents auxquels une question d'entretien de cas peut appartenir. Les cadres dans leur ordre d'importance (selon la fréquence demandée dans les entretiens) sont :

  • Profit
  • Situation des affaires
  • Fusion & Acquisition
  • Offre et la demande

Les exemples de cadre de situation commerciale sont - le lancement d'un nouveau produit, la réponse au comportement des concurrents, les changements de la demande, les stratégies de croissance pour une entreprise, etc. Des exemples de problèmes d'offre / demande sont la construction d'une nouvelle usine ou la fermeture d'une usine, changement de capacité par acquisition, changement de la demande, etc.
Ces cadres ne sont pas durs et rapides. Le problème du profit peut finir par déboucher sur une situation commerciale ou sur un problème d'offre/de demande. Néanmoins, cette catégorisation fournira une structure à notre réflexion et nous aidera à aller de l'avant avec le défi à relever.
Une fois que vous avez identifié la structure du problème et que vous l'avez associée au cadre approprié, l'étape suivante consiste à décrire les composants clés du cadre. Par exemple, en cas d'augmentation des bénéfices d'un journal, vous pouvez parler de revenus et de coûts. Soyez prudent et ne nommez pas explicitement le framework. Un cadre sert uniquement à structurer votre réflexion et non à le mentionner à l'intervieweur. Dessinez les éléments clés du cadre avec votre description. Au fur et à mesure que vous pratiquerez ces étapes, cela deviendra une seconde nature pour vous. Les points clés de l'identification de la structure sont les suivants :

  • Identifier la nature du problème
  • Faites correspondre le problème au cadre approprié
  • Décrire les éléments clés du cadre
  • Dessiner

Une fois cela fait, passez à l'étape suivante du processus qui consiste à analyser le problème.
Top 17 des questions et réponses d'un entretien avec un analyste de données

Analyser

Ici, analyser ne signifie pas analyser les données. C'est encore loin. Les données viennent à la fin. Avant de demander des données, il y a d'autres choses qui doivent être traitées.
Commencez votre analyse en demandant par où commencer. Pour améliorer la rentabilité d'un journal, demandez-vous si vous devez procéder avec des coûts ou des revenus. Selon le choix de l'intervieweur, procédez à votre réponse.
Visualisez le problème sous-jacent sous forme d'arbre de décision et commencez à la racine. Énoncez l'hypothèse et choisissez une branche selon le choix de l'enquêteur. Identifier et énoncer les principaux problèmes au sein d'une succursale. Posez des questions standard et continuez à creuser. Dans ce processus, continuez à affiner votre hypothèse. Si vous atteignez une impasse d'une branche sans aucune résolution, tracez jusqu'au nœud de la branche et traversez la direction opposée.
Réfléchissez à haute voix pendant tout le processus. Cela aidera les enquêteurs à connaître vos capacités de réflexion et d'analyse. S'il y a un défaut dans votre façon de penser, ils peuvent même le signaler et vous aider dans la bonne direction. C'est toujours une bonne pratique de réfléchir à haute voix aux questions de l'entretien de cas.
Une fois que vous atteignez la feuille de votre arbre de décision avec une hypothèse ou que vous arrivez à un point où les enquêteurs ne sont pas sûrs de l'hypothèse, vous pouvez alors demander des données. Des données qui peuvent aider à accepter ou à réfuter votre hypothèse. Des données qui aideront à obtenir des informations et à prendre des décisions commerciales. Un point à retenir est que toutes les demandes de données doivent être étayées par une explication solide. Demander des données sans aucune explication n'ira pas bien avec les enquêteurs ou les clients en cas de conseil.
Ceci achève la conversion des problèmes métier en problème d'analyse de données. Une fois cela fait, vous savez maintenant comment procéder à l'analyse des données. À partir de là, les étapes CRISP-DM standard suivent :

  • Comprendre les données
  • Modélisation des données
  • Validation du modèle
  • Déploiement du modèle
  • Mettre à jour le modèle et le garder pertinent

Trucs et astuces pour répondre aux questions de l'entretien de cas

  • Segmentez vos chiffres
  • Entreprise Vs concurrent
  • Année en cours vs année précédente
  • Réfléchir à haute voix
  • Expliquez pourquoi vous avez besoin de données avant de les demander
  • Ne présumez rien
  • Entraînez-vous à répondre aux problèmes de l'entreprise
Comment faire une brillante carrière dans les données

Segmentez vos chiffres

La science des données consiste à décomposer le problème en ses éléments constitutifs. Analysez les pièces et obtenez des idées. Combinez les parties ensemble et proposez des recommandations appuyées par l'analyse des données. Cette combinaison de parties est également connue sous le nom de « synthèse » dans le langage du conseil.
De meilleures informations peuvent être obtenues lorsque les données sont segmentées en parties. Supposons que les bénéfices des journaux diminuent en raison de pertes de revenus. La perte de revenus dans son ensemble n'offre pas beaucoup d'informations. Si ces revenus sont segmentés en différents compartiments en fonction de l'âge des abonnés, ils peuvent fournir des informations plus précieuses. Une entreprise peut exécuter une action ciblant un groupe d'âge particulier pour améliorer les revenus. Étant donné un problème commercial, voyez toujours comment le diviser en différentes parties.
Étant donné un problème commercial, demandez-vous s'il n'est rencontré que par une entreprise en particulier ou par l'ensemble de l'industrie. La solution et les recommandations seront différentes pour les deux cas. Une autre piste de réflexion consiste à comparer les performances passées et présentes. Ces deux pistes de réflexion fourniront une direction pour aller de l'avant en répondant à la question de l'entretien de cas.
Des problèmes commerciaux aux problèmes de science des données
Connaître les étapes et les différents cadres ne vous mènera que jusqu'à un certain point. Ce qui vous aidera à répondre avec succès aux questions de l'entretien de cas, ce sont "Pratique, pratique et plus de pratique". Ce n'est pas une autre solution. La facilité à poser des questions de vérification, à identifier la structure, à faire correspondre le problème à un cadre, à formuler l'hypothèse, à parcourir l'arbre de décision, etc. ne viendra que par la pratique. Il est impossible de déchiffrer une question d'entretien de cas ou de convertir un problème commercial en problème d'analyse de données sans pratique.
Scientifiques des données : mythes contre réalités

Pour résumer, la conversion des problèmes commerciaux en problème de science des données peut être assimilée à une question d'entretien de cas. Pour répondre avec succès aux questions de l'entretien de cas, les étapes à suivre sont les suivantes : bloquer l'enquêteur, identifier la structure du problème, le faire correspondre au cadre sous-jacent, formuler une hypothèse, parcourir l'arbre de décision en posant des questions pertinentes et enfin demander les données en expliquant pourquoi vous le voulez. Enfin, pour réussir à répondre aux questions de l'entretien de cas, entraînez-vous. Une fois que vous êtes en mesure de convertir un problème métier en problème de science des données, suivez le cadre CRISP-DM pour analyser les résultats et fournir des recommandations étayées par des données.

Rejoignez le programme de certificat professionnel en science des données pour la prise de décision commerciale de l'IIM-Kozhikode dès aujourd'hui !

Un problème commercial peut-il être résolu à l'aide de la science des données ?

La réponse est oui. De nos jours, la plupart des problèmes commerciaux sont résolus à l'aide de la science des données et de l'analyse. La science des données utilise 5 étapes pour aborder et résoudre les problèmes des entreprises

1. Comprendre le problème métier
2. Utiliser l'analyse pour résoudre les problèmes de l'entreprise
3. Préparation des données
4. Développement du modèle
5. Tests de performances

La science des données et l'analyse ne peuvent pas résoudre comme par magie tous les problèmes d'une organisation. Ce sont des outils très utiles qui aident les entreprises à prendre des décisions précises, à automatiser le travail répétitif et les choix que les équipes doivent faire. Les approches de la science des données peuvent être utilisées par les entreprises pour aider leur direction à prendre de meilleures décisions, à anticiper les bénéfices futurs et à développer un meilleur contenu.

Comment traduire une problématique métier en solution d'IA et de Data Science ?

Pour traduire un défi commercial en une solution d'IA et de science des données, un scientifique des données doit d'abord comprendre le problème, ainsi que les objectifs et les KPI de l'analyse des données, ainsi que les approches d'IA et de science des données qui peuvent être utilisées pour résoudre le problème. . Un scientifique des données doit également comprendre ce que l'organisation attend de l'analyse des données et comment elle prévoit d'utiliser les résultats.

Comment appliquer la science des données pour résoudre des problèmes commerciaux réels ?

De nos jours, les entreprises investissent dans la science des données à diverses fins. Presque tous les différents secteurs d'activité tels que la finance, le marketing, la vente au détail, la fabrication, etc. peuvent tirer parti de la science des données de différentes manières. Mais le seul et unique objectif de chaque entreprise qui utilise la science des données est de résoudre des problèmes commerciaux.

Les scientifiques des données utilisent leurs compétences de différentes manières pour résoudre les problèmes commerciaux tels que

1. Innovation - Les scientifiques des données développent de nouvelles façons de résoudre les problèmes commerciaux qui existent dans l'entreprise depuis longtemps et qui n'auraient pas pu être résolus avec les approches précédentes. En bref, ils remplacent les anciennes solutions par les nouvelles.
2. Amélioration continue - Les scientifiques des données apportent des améliorations continues au projet de science des données existant pour le rendre plus efficace.
3. Explorer la valeur des données : Lorsque les entreprises commencent tout juste à utiliser la science des données, elles disposent de nombreuses données qui sont enregistrées de manière non organisée. Ici, un Data Scientist joue un rôle essentiel en extrayant des informations utiles de toutes les données disponibles et en les explorant pour des opportunités potentielles.