Chúng ta

Khác biệt giữa chuyên gia phân tích và nhà khoa học dữ liệu

Chủ nhật, 13/12/2015 | 09:19 GMT+7

Để phát triển một chiến lược tiếp thị đa kênh hiệu quả, các thương hiệu phải tuyển dụng những người có thể “biến hóa” dữ liệu. Liệu đó là nhà phân tích dữ liệu hay nhà khoa học dữ liệu? Và sự khác biệt thực sự đó là gì?

Báo cáo Multichanel Customer Intelligence cho thấy một số điểm khác biệt chính giữa hai vai trò này, và bạn sẽ cần vị trí nào và vào thời điểm nào.

Trong báo cáo, David Langridge, Giám đốc nhóm Marketing của Fitness First, cho biết, ông đang tham gia với nhà khoa học dữ liệu nhiều hơn các chuyên gia phân tích dữ liệu, và điều này gợi mở một câu hỏi thú vị đối với nhiều nhà lãnh đạo Marketing.

Người tôi cần và những gì tôi cần ở họ?

Trong khi cả hai vai trò cực kỳ quan trọng theo cách riêng, hiểu được sự khác biệt giữa mỗi vai trò cũng không kém phần quan trọng nếu bạn muốn phát triển phương pháp tiếp cận dữ liệu hữu hiệu cho tiếp thị đa kênh.

Đối với đa kênh, thuật ngữ “nhà khoa học dữ liệu” và “chuyên gia phân tích dữ liệu” thường được những người làm Marketing - Marketer - sử dụng thay thế cho nhau như thể họ là một và giống nhau.

Blog-201512-feature-khac-biet-6193-6900-

Nhà khoa học dữ liệu và Chuyên gia phân tích.

Một ví dụ được trích dẫn trong báo cáo là bài báo trên CNBC năm 2013 có tựa đề “Công việc hấp dẫn nhất trong thế kỷ 21: Chuyên gia phân tích dữ liệu” mô tả vai trò tương tự như của một nhà khoa học dữ liệu. Chúng ta hãy cùng tìm hiểu sâu hơn hai vai trò này.

Chuyên gia phân tích dữ liệu

Có thể cho rằng vai trò quan trọng nhất của một nhà phân tích dữ liệu đó là thu thập, phân loại và nghiên cứu các bộ thông tin khác nhau.

Quá trình này có vẻ khác nhau tùy thuộc vào tổ chức, nhưng thường mục tiêu là để xác định giá trị cho một số quá trình hoặc chức năng để có thể được đánh giá và so sánh theo thời gian.

Dữ liệu này được điều chỉnh và chuẩn hóa để có thể đưa ra khỏi ngữ cảnh và sử dụng như thông tin độc lập hoặc kết hợp với các dữ liệu khác mà không làm mất tính toàn vẹn của nó.

Các chuyên gia phân tích thường được giao nhiệm vụ rút ra kết luận từ dữ liệu và giúp những người khác trong doanh nghiệp hiểu làm thế nào để sử dụng nó.

Họ thường là những người hiểu rõ nhất cội nguồn và bản chất của các con số.

Nhà khoa học dữ liệu

Các nhà khoa học dữ liệu đại diện cho một dạng phát triển từ vai trò của chuyên gia phân tích dữ liệu truyền thống hoặc phân tích kinh doanh.

Tuy hình thức đào tạo tương tự, nhưng điều làm cho nhà khoa học dữ liệu khác biệt đó là sự nhạy bén trong kinh doanh cùng với khả năng truyền đạt kết quả cho các nhà lãnh đạo cấp cao, để gây ảnh hưởng lên cách thức tổ chức đương đầu với một thách thức kinh doanh.

Các nhà khoa học dữ liệu tài năng không chỉ đơn giản giải quyết các vấn đề kinh doanh. Họ chọn những vấn đề cụ thể có giá trị nhất đối với tổ chức và giải quyết một lần.

Anjul Bhambhri, Phó Chủ tịch của mảng Big Data tại IBM, mô tả vai trò của nhà khoa học dữ liệu vừa có phần nghệ sĩ vừa có phần phân tích. “Nhà khoa học dữ liệu là người ham học hỏi, có thể nhìn chằm chằm vào dữ liệu và phát hiện ra xu hướng. Nó gần giống như một cá nhân phục hưng, những người thực sự muốn tìm hiểu và mang lại thay đổi cho tổ chức”, ông ví von.

Một chuyên gia phân tích dữ liệu truyền thống có thể xem xét dữ liệu từ một nguồn duy nhất như hệ thống CRM (Customer Relationship Management - quản lý mối quan hệ khách hàng). Nhưng một nhà khoa học dữ liệu rất có thể sẽ tìm hiểu và kiểm tra dữ liệu từ nhiều nguồn không liên quan với nhau.

Mục tiêu cuối cùng là để khám phá thông tin ẩn chứa có thể cung cấp lợi thế cạnh tranh hay giúp giải quyết một vấn đề kinh doanh.

Ed Kamm, Giám đốc khách hàng tại First Utility, cho biết: “Chúng tôi có các nhà phân tích cho các công việc thường ngày nhưng cũng có những nhà khoa học để giải quyết những vấn đề khác thường”.

>> FPT trong Top 5 cổ phiếu nên tích lũy tháng 12

ANTS (theo Econsultancy)

Ý kiến

()