LO
Analista de dados — tarefas, uma a uma
A unidade de análise é a tarefa, não o nome do cargo. Cada uma das seguintes traz a sua direção, se o juízo assenta em prova ou numa inferência da plataforma, o raciocínio e o que não estabelece.
Todas as tarefas desta página#
Escrever consultas e montar painéis
A automatizar-se✓ Com provaTraduzir «quantos utilizadores fizeram X no mês passado» para SQL, e ligar o resultado a um gráfico que alguém possa atualizar.
Passar de linguagem natural para SQL e gerar gráficos estão entre as aplicações mais maduras dos modelos de linguagem, e os fornecedores de BI meteram-nas dentro dos produtos que os analistas já usam. O passo mecânico de tradução que ocupava boa parte da semana de um analista é hoje uma instrução, quando os dados estão limpos e a pergunta é clara.
«Quando os dados estão limpos e a pergunta é clara» é uma condição enorme. Na maioria das empresas não se verifica nenhuma das duas, e as ferramentas produzem respostas erradas com toda a confiança sobre esquemas ambíguos.
Perceber o que está mesmo a ser perguntado
Continua a ser levada por uma pessoa≈ Inferência da plataformaTransformar a preocupação vaga de uma chefia numa pergunta mensurável, e saber a que definição de «utilizador ativo» se refere.
A parte difícil da análise está a montante da consulta: conhecer as definições da organização, a sua política interna e que decisão o número vai alimentar. Uma ferramenta responde à pergunta tal como foi feita; o valor do analista esteve sempre em reparar que a pergunta estava errada.
As ferramentas de autosserviço deixam as chefias fazer mal as suas próprias perguntas em vez de perguntarem a um analista. Enquadrar a pergunta continua a valer, mas o analista tem de estar na sala para o dar, e são cada vez menos.
Saber quando os dados estão a mentir
Continua a ser levada por uma pessoa✓ Com provaApanhar o pipeline partido, os eventos duplicados, o erro de fuso horário, a definição que mudou em março.
Isto exige história com aqueles dados concretos — lembrar-se do que lhes aconteceu e porquê — que é exatamente o que falta a um modelo sem memória da organização. Gerar consultas mais depressa torna isto mais importante, e não menos, porque as respostas erradas chegam agora mais cedo e com melhor aspeto.
A memória institucional dos dados constrói-se trabalhando com eles todos os dias. Se as consultas diárias passarem para o autosserviço, a memória que torna esta tarefa possível deixa de se acumular.
Fazer com que um número mude uma decisão
Aumentada pela máquina≈ Inferência da plataformaApresentar uma conclusão de modo que quem tem de agir a perceba, acredite nela e aja.
Escrever a narrativa e os diapositivos é mais rápido. Convencer um diretor cético numa reunião, e saber com que ressalva começar para aquele público, continua a ser tarefa humana porque depende de ler a sala e da credibilidade do próprio analista.
A credibilidade é pessoal e acumula-se devagar, o que protege os analistas estabelecidos e mais ninguém. O primeiro analista que uma empresa contrata não tem nenhuma, e agora tem menos tarefas de rotina com que a ganhar.
Ser dono das definições de que as ferramentas dependem
Tarefa nova≈ Inferência da plataformaManter as definições das métricas, a documentação e a camada semântica que fazem com que consultar em linguagem natural dê respostas certas.
A analítica em linguagem natural só funciona em cima de métricas bem definidas, por isso o valor do analista passa de responder a perguntas para tratar da camada que permite a toda a gente responder às suas. É trabalho novo, mais perto da governação de dados do que dos relatórios, e é para aí que os efetivos de analistas estão a ser redirecionados.
Tratar das definições é um trabalho mais pequeno do que responder a perguntas era, e há um por organização. Os efetivos serem «redirecionados» para ali é um eufemismo para uma equipa mais pequena a fazer outra coisa.