I Business Intelligence Analyst dovrebbero imparare a programmare?

Ogni giorno generiamo una quantità di dati inimmaginabile. Secondo Statista, la quantità totale di dati prodotta a livello globale ha raggiunto 64,2 zettabyte (uno zettabyte = mille miliardi di terabyte) nel 2020 e, nei prossimi cinque anni, si prevede che crescerà fino a oltre 180 zettabyte. 

Con questa esplosione dei volumi di dati, data science e business intelligence stanno giocando un ruolo chiave nell’aiutare le organizzazioni a dare un senso a questi dati. 

Mentre la cassetta degli attrezzi del data scientist ruota principalmente attorno a strumenti basati sul codice come Python, R, strumenti da riga di comando e altro ancora, gli analyst di business intelligence sfruttano sofisticati strumenti con interfaccia grafica come Tableau o Power BI. 

In questo contesto, gli analyst di business intelligence svolgono un ruolo significativo nell’alimentare il livello di insight di qualsiasi organizzazione. Ecco perché i ruoli in business intelligence sono sempre più richiesti. Ad esempio, negli Stati Uniti lo stipendio medio annuo per un business intelligence analyst è di 84.019 $ all’anno. 

Man mano che gli strumenti low-code diventano più sofisticati e le funzioni di business intelligence continuano a generare valore per le organizzazioni, quanto è importante la capacità di programmare per un BI analyst che vuole crescere nella propria carriera? In questo articolo, ci proponiamo di rispondere proprio a questa domanda. 

È difficile dare una risposta breve senza offrire una panoramica dell’evoluzione del ruolo dell’analyst moderno, del tipo di attività che richiedono codice e del valore dell’apprendimento della programmazione. Iniziamo!

La storia della Business Intelligence

Il termine “business intelligence” fu coniato per la prima volta nel 1865 dall’autore Richard Millar Devens quando lo utilizzò nella Cyclopaedia of Commercial and Business Anecdotes per descrivere come un finanziere avesse battuto con successo i suoi concorrenti raccogliendo e agendo sulle informazioni. 

Tuttavia, le basi della moderna business intelligence arrivarono solo con lo sviluppo del disco rigido, inventato da IBM nel 1956. Questo consentiva agli utenti di archiviare 5 MB di dati, che all’epoca rappresentavano quantità enormi. 

Due anni dopo, il ricercatore IBM Hans Peter Luhn pubblicò un articolo, A Business Intelligence System, che introdusse i principi della Business Intelligence evidenziando le sfide che le imprese affrontano nel gestire e utilizzare grandi quantità di dati per prendere decisioni migliori. Per questi motivi, Hans è considerato il padre della business intelligence.

Tra gli anni ’60 e ’70 furono sviluppati i primi sistemi di gestione dei dati e i sistemi di supporto alle decisioni, che negli anni ’80 portarono alla creazione del data warehouse, ancora oggi in uso. 

I data warehouse sono sistemi che raccolgono e organizzano dati da fonti diverse in un unico repository centrale, consentendo analisi più efficaci e approfondite. Avanzando fino alla fine degli anni ’90, i precursori dei moderni sistemi di BI diventarono realtà grazie alle innovazioni tecnologiche, all’ascesa dei personal computer e alla nascita di internet. 

L’ascesa del BI analyst moderno

Negli ultimi due decenni, il ruolo del business intelligence analyst si è evoluto enormemente. L’ascesa del big data e i volumi di dati in costante crescita hanno generato una domanda crescente di piattaforme e strumenti di BI sofisticati per aiutare gli analyst a interpretare i dati della propria azienda. 

Alla fine degli anni ’90 e all’inizio dei 2000, gli analyst utilizzavano strumenti come Excel, SQL o rudimentali strumenti di BI per analizzare e visualizzare i dati della propria organizzazione. Tuttavia, con il rilascio di strumenti come Power BI, Tableau e Qlik, agli analyst moderni è richiesto di padroneggiare vari strumenti nelle attività quotidiane. 

Oltre all’expertise tecnica in strumenti specifici, oggi ci si aspetta che gli analyst moderni siano esperti nel “pensare in ampiezza”. Questo significa possedere forti competenze di project management, conoscenza del dominio, storytelling e comunicazione: abilità ormai imprescindibili per l’analyst di oggi.  

Detto ciò, è il momento di riprendere la domanda principale posta all’inizio: i Business Intelligence Analyst dovrebbero imparare a programmare? La risposta è sì! 

Sebbene molti ruoli in Business Intelligence possano non richiedere competenze di coding, apprendere la programmazione può permettere agli analyst di accelerare il valore che offrono alle organizzazioni e aiutarli a distinguersi nella ricerca di lavoro. Di seguito troverai cinque motivi chiave per cui i Business Intelligence Analyst dovrebbero imparare a programmare. 

Il valore dell’apprendimento della programmazione per i Business Intelligence Analyst

1. Migliori capacità di problem solving

Che si tratti di capire l’impatto di un test A/B su metriche chiave, costruire dashboard per gli stakeholder o fornire raccomandazioni basate sui dati, i Business Intelligence Analyst risolvono problemi ogni giorno. Imparare a programmare può accelerare queste capacità, perché la programmazione offre una nuova lente attraverso cui osservare i problemi tecnici. 

Il legame tra programmazione e miglioramento delle capacità di problem solving è stato ampiamente studiato, poiché allena a pensare a un ampio spettro di soluzioni ai potenziali problemi. 

2. Collaborare meglio con gli altri membri del team dati

I Business Intelligence Analyst spesso fanno parte di team di analytics o data più ampi. Ciò significa che collaboreranno con professionisti orientati al coding come data engineer, data scientist e data analyst. Un risultato chiave dell’apprendimento della programmazione per i business intelligence analyst è una migliore empatia e collaborazione con gli altri membri del team. 

Imparare a programmare aiuterà i business intelligence analyst a formulare richieste più efficaci agli altri membri del team, creare soluzioni ad hoc che richiedono competenze di coding quando il tempo degli altri è limitato e comprendere meglio i flussi di lavoro dei colleghi. Una migliore coesione del team può solo generare risultati migliori per l’organizzazione nel suo complesso. 

3. Creare visualizzazioni e workflow più complessi

Padroneggiare strumenti di Business Intelligence come Tableau e Power BI è il minimo indispensabile per gli analyst moderni. Tuttavia, imparare a programmare può accelerare il workflow di un Business Intelligence Analyst in vari modi. 

Innanzitutto, Tableau e Power BI offrono integrazioni con R e Python. Questo consente agli analyst di automatizzare i propri flussi di lavoro usando script all’interno del loro strumento di business intelligence preferito. Un esempio chiave è l’esecuzione di Python in Power BI per automatizzare uno step di manipolazione dati su un dataset usato di frequente. 

Inoltre, i linguaggi di programmazione, come R e Python, permettono di costruire analisi e visualizzazioni dei dati più complesse, non possibili con gli strumenti di BI. Ad esempio, con pacchetti come ggplot2 di R e Matplotlib di Python, è possibile progettare visualizzazioni e report estremamente personalizzati. 

4. Entrare a far parte della community open source

Un aspetto unico dei linguaggi di programmazione è che quasi tutti gli strumenti utilizzati dai migliori professionisti e ricercatori sono open source. Ciò significa che chiunque, in qualsiasi momento, può scaricare gratuitamente gli strumenti più potenti e sofisticati, con barriere d’ingresso pari a zero. 

Inoltre, questo significa anche che i professionisti possono interagire direttamente con i creatori di questi strumenti, fornendo suggerimenti di miglioramento al codice sorgente. Far parte di una community open source può aiutare gli analyst ad arricchire carriera, conoscenze e reputazione. Questo si traduce in migliori opportunità professionali nel tempo e connessioni più ricche nel mondo dei dati. 

5. Opportunità di crescita professionale

Un grande vantaggio dell’apprendimento della programmazione è la possibilità di ampliare le opportunità di carriera e persino di passare ad altri percorsi professionali. La business intelligence è un campo vasto con molti percorsi diversi, come data analyst, product analyst, BI developer e business intelligence architect. I lavori che richiedono coding sono molto richiesti, offrono ottimi stipendi e grande soddisfazione, secondo le statistiche di Glassdoor. 

Esempi di tali ruoli sono le posizioni da data analyst, strettamente correlate al ruolo di Business Intelligence ma che richiedono un grado più elevato di conoscenze di programmazione e statistiche. Lo stipendio mediano dei Data Analyst negli Stati Uniti è di circa 94.687 $ annui e può arrivare fino a 391.000 $. 

Inoltre, registriamo continuamente una forte domanda di data engineer e data scientist. I data engineer hanno un ruolo rilevante nel consolidare grandi quantità di dati, che verranno sfruttati e utilizzati dai data scientist per estrarre insight e creare modelli di machine learning. Gli stipendi mediani per data engineer e data scientist sono rispettivamente di 112.493 $ all’anno e 117.212 $ all’anno.

Il futuro del ruolo dell’analyst

Man mano che la business intelligence continua a evolversi, anche il business intelligence analyst moderno dovrà evolversi. Acquisire competenze di programmazione può abilitare migliori capacità di problem solving, una collaborazione più efficace con gli altri membri del team, workflow efficienti e complessi, opportunità di crescita professionale e altro ancora. 

Se questo articolo ti ha ispirato a iniziare a programmare, dai un’occhiata alle risorse qui sotto.