原文：
www.kdnuggets.com/2021/12/data-scientists-get-ear-cfos-want.html
评论
图片由 StartupStockPhotos 提供于 Pixabay
数据科学家掌握着无限的可能性。其中许多可能性存在于商业智能和数据分析的领域。这些学科可以在商业环境中发挥重要作用，其中发现增长机会、识别低效以及超越竞争对手至关重要。
1. Google 网络安全证书 - 加速你的网络安全职业生涯。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 为你的组织提供 IT 支持
数据专家可以通过了解首席财务官（CFO）关心的信息和报告来引起他们的注意。数据科学可以提供有价值的商业智能和预测。以下是如何引起 CFO 的关注，给公司提供高质量的分析，并在过程中提升你的价值和职业生涯。
商业分析预计将在 2030 年成为一个 $6840 亿的行业。那些能够帮助公司和 CFO 在这场军备竞赛中取得领先的数据科学家往往能够稳固自己的职位并展示其价值。
为了实现这一点，数据科学家必须了解 主要的商业分析类型以及它们如何应用于以数据为驱动的企业规划。
这一商业分析分支提供了对过去事件的见解，如公司绩效和更广泛的行业趋势。研究过去发生的事情帮助公司了解自身的弱点和优势。
对于首席财务官来说，这可能包括市场波动、现金流问题、员工流动和消费模式等。其他因素也会影响公司的灵活性和未来的准备情况。
诊断性商业分析建立在描述性分析发现的基础上。它对公司数据进行更细致的调查，以发现隐藏的风险和问题，并最终阐明事情发生的原因。
这是未来战略规划的重要组成部分。清楚地看到低效发生的地方或浪费的地方可以大大简化首席财务官的工作。
预测性商业分析实现了最初收集组织数据的承诺。历史信息帮助数据科学家和决策者理解事件或趋势重现的可能性。在商业环境中，这包括预测劳动力的增长或减少，考虑未来需求和购买行为的变化，以及检测金融欺诈或网络安全事件。
财务规划和分析行业的专家表示，公司使用的方法进展并不像许多人期望的那样快。在数据分析专业人员需求未得到满足的就业市场中，强大的专业知识使该领域的工作更加抢手。根据一些统计数据，2021 年美国的空缺职位大约有 140,000 个。
这种类型的商业分析是之前分析的综合。规范性分析将当前的洞察与关于未来的理性数据驱动推断相结合，并将其转化为首席财务官和其他决策者关心的语言。
将原始数据转换为分析，再到为高层管理人员提供可操作的建议的过程还缺少一些步骤。其中最关键的涉及报告工具。
数据科学家可以轻松找到有关商业智能工具的客观评价和仪表板。他们需要了解如何提取决策者关心的信息，以便与首席财务官和高层管理人员有效沟通，
一些最有可能引起首席执行官、首席财务官和其他决策者兴趣的仪表板包括以下内容：
-
收入和支出仪表板
-
趋势仪表板
-
资产负债表仪表板
-
KPI 仪表板
-
基准仪表板
-
方差和异常仪表板
目前市场上的许多工具提供了针对特定业务领域预设计的模板。各种产品还可能包括数据阶段和数据仓储功能，以组织可用数据——这是从中挖掘任何附加价值的第一步。
在许多业务领域和关键工作流中，这种以数据为导向的思想交流正成为创新和业务精简的热土。这些是一些数据科学正在定义更精简、更清晰、更盈利和透明的企业结构的地方：
-
财务规划和商业模型： 理解这一领域的数据科学家可以帮助公司建立响应迅速的定价结构，了解反馈的使用方式，并主动且详细地跟踪收入。
-
工程、研究与开发： 如果通过描述性和预测性分析来了解新产品或服务的投资价值，这个过程将会顺利得多。
-
扩展、可扩展性、税务和财务： 进入新领域或进行收购不能仅仅依靠高层次的假设。了解可能的税务和财务影响，并研究目标人群以引导扩展方向，都依赖于数据科学及其科学家。
-
采购： 数据科学不断构建新工具，帮助公司更详细地跟踪其原材料和人员。运行高效的操作是实现可持续性的部分，而数据科学可以揭示使供应链更高效的机会。
是否有一种途径可以让以业务智能为导向的数据科学家成为首席财务官？答案是肯定的——而且成功案例也描述了这种进阶过程。
例如，有一位数据监控系统专家——该系统旨在识别欺诈迹象或寻找投资机会——将其大数据驱动的财务策略知识转化为首席财务官的角色。这里所利用的风险洞察和业务机会，以及公司角色的跃升，之所以成为可能，是因为这位科学家知道如何充分利用“数据废料”。
数据监控和金融科技领域的机器学习只是数据科学家角色与首席财务官角色互补的一个例子。在商业智能报告和对每天产生的 exabytes 信息的深入分析之间，如果数据科学家知道如何抓住机会，他们能为决策者提供很多帮助。
简介：德文·帕提达 是一名大数据和技术作家，同时也是ReHack.com的主编。
相关：
-
2021 年数据科学家招聘的顶级行业
-
数据科学家如何在全球就业市场竞争
-
如何成功成为自由职业数据科学家