4 навыка, которые необходимо развивать следующему поколению специалистов по обработке данных

Раз в год я провожу курс для начинающих специалистов по обработке данных. В начале первого занятия я спрашиваю своих учеников, чему они надеются научиться. Часто их ответы звучат так: «анализировать данные» или «построить хорошие модели». Сравните эти ответы с семинарами, которые я провожу с практикующими специалистами по обработке данных, которые говорят по-разному, обсуждая то, чем они занимаются. Они называют это «решением проблем» — шагом в правильном направлении — но даже это слишком узко.

Поскольку зависимость от данных и аналитики продолжает расширяться во всех отраслях: от сельского хозяйства до производства, от здравоохранения до финансовых услуг, вполне понятно, что следующее поколение лидеров данных будет играть далеко идущие роли, которые повлияют на стратегию, принятие решений, операции и бесчисленное множество других функций. Чтобы помочь подготовить этот новый талант, я разработал систему, состоящую из четырех ключевых областей навыков и способностей, которые помогут нынешним и будущим специалистам по обработке данных отточить свои способности, чтобы повысить ценность бизнеса. Это достигается за счет того, что работа по науке о данных рассматривается коллегами из бизнес-функций как важная и незаменимая.

Используя эту структуру и лучше понимая, что влечет за собой каждая область бизнеса, современные ученые, работающие с данными, и те, кто приходит в эту область, могут увидеть, как складываются их знания и опыт — и где им требуется дальнейшее развитие.

1. Выявление проблем: видение реальной проблемы

Углубляясь в аналитику по всему бизнесу, лидеры данных занимают первое место практически во всех операциях и функциях. Это дает им уникальную точку зрения как для решения проблем, так и для выявления новых. Вот реальный пример. Руководитель отдела по работе с гостями сети отелей среднего класса подвергся критике со стороны высшего руководства за низкие оценки процесса регистрации. Опросы показали, что гости считают, что регистрация заезда организована плохо, занимает слишком много времени и не дает желаемых результатов, в частности, беспрепятственного и приятного опыта. Руководство также обнаружило, что люди, которые плохо оценили регистрацию заезда, реже возвращались в отель.

Отдел по работе с гостями обратился к команде аналитиков данных, чтобы выяснить причину проблемы с заселением. Даже когда они смотрели на демографические данные клиентов, типы номеров, которые они хотели, и регистрировались ли они на стойке регистрации, в киоске или по телефону, а также время суток, время года и были ли клиенты в программе лояльности. программа — команда данных не смогла определить основную причину.

Затем сотрудник предложил им просмотреть опросы клиентов, которые собирались по мере поступления. Некоторые анализы текста на естественном языке выявили некоторые темы, а именно: инфраструктура отеля не была оптимальной. У гостей возникали проблемы с Wi-Fi, ключи от номеров иногда не работали, мебель была сломана, а к моменту прибытия номера были грязными. Эти проблемы не были напрямую связаны с заселением, но гости списали их на процесс заселения, потому что он им запомнился. Итог: проблема заключалась в том, как управлялся отель, а не в процессе регистрации.

Вывод: Решение стоящей перед вами проблемы может означать упущение возможностей помочь бизнесу улучшиться другими способами. Те, кто работает с данными, часто имеют доступ к глубокой и уникальной информации о многочисленных аспектах бизнеса. Чтобы стать экспертом в выявлении проблем, лидерам данных необходимо охватить эту общую картину и получить более глубокое понимание, с большей прозрачностью в отношении того, что наиболее важно для бизнес-лидеров. Таким образом, лидеры данных могут повысить ценность, выявляя проблемы, которые в противном случае остались бы незамеченными.

2. Определение масштаба проблемы: достижение ясности и конкретики

Как только проблема обнаружена, следующим шагом является определение ее масштаба, то есть получение ясности в природе проблемы и в том, как аналитика может помочь ее решить. Это особенно важно, если бизнес-лидер обратился к команде по обработке данных со смутной обеспокоенностью или проблемой.

На моих занятиях и семинарах мы практикуем обзорность с помощью упражнений. Я беру на себя роль лидера по продукту, стратегии или маркетингу с четко определенной проблемой в голове. Например, возможно, я управляю клиентами и хочу иметь возможность определять, какие клиенты рискуют получить низкий рейтинг чистого промоутера (NPS), чтобы мы могли вмешаться и улучшить их опыт. Любой разумный специалист по данным знает, как выбрать правильные данные и методы науки о данных для решения этой проблемы. Но лидеры бизнеса редко говорят подобное. Поэтому я рассматриваю проблему, используя преувеличенный жаргон и слишком общие термины. Это звучит примерно так: «Мы изо всех сил пытаемся достичь наших целей по обслуживанию клиентов — нам нужно сосредоточиться на нашей стратегии выхода на рынок. Это может быть проблема с трубопроводом, но у нас просто нет согласованности. Я думаю, мы играем в правильных песочницах, теперь нам просто нужно знать, кто и почему. Звучит неплохо?”

Студент в роли специалиста по обработке данных практикуется задавать уточняющие вопросы — возможно, начиная со слов: «Что вы подразумеваете под «согласованием?»» и «Как мы измеряем целевые показатели клиентов?» и «Какие показатели указывают на то, что мы добились успеха (или нет)?» В результате возникает итеративный процесс извлечения информации, помогающий создать четко определенную проблему, которую можно решить с помощью инструментов и концепций анализа данных.

В работе моего директора по аналитике с клиентами одна из самых важных (и сложных) частей моей работы — взять то, что приходит в голову бизнес-лидеру, и превратить это в хорошо продуманную бизнес-задачу. У меня есть контрольный список наводящих вопросов, которые я задаю, например:

• Какую именно проблему мы пытаемся решить?
• Какие результаты, если они улучшатся, будут указывать на то, что проблема действительно решена?
• Какие данные в идеале должны быть доступны для решения проблемы и какие данные доступны на самом деле?
• Как анализ приведет к решению?

Ответ на последний вопрос, возможно, является наиболее важной частью, поскольку он определит подходящую аналитическую технику — например, некоторые простые идеи или более формальную модель прогнозирования или причинного вывода. Здесь я вместе с бизнес-командой рассматриваю множество сценариев «что, если»; например: «Что, если результаты покажут то или иное? Как это поможет вам принять лучшее решение?» Часто бизнес-лидеры пытаются отложить этот вопрос, предполагая, что мы сможем рассмотреть действия, как только будут получены аналитические результаты. Это ошибка: знание того, как анализ приведет к решению, является ключевой частью формулирования аналитического плана.

Вывод: Чтобы преуспеть в определении проблем, лидерам данных необходимы хорошие коммуникативные навыки, чтобы обсудить проблему с бизнес-лидером и прийти к необходимой специфике, которая позволит инструментам и концепциям анализа данных внести значимый вклад в бизнес. Только после этого проблему можно будет передать группе обработки данных для анализа.

3. Решение проблем: получение обновлений, сбор отзывов.

После того как проблема выявлена ​​и ограничена, многие аналитики данных уходят в изоляцию и выходят на поверхность только тогда, когда нашли решение. Такой подход весьма проблематичен. Чтобы быть наиболее эффективным, этот процесс требует активного обмена информацией и установления ожиданий — или того, что я называю «наставлением по решению проблем».

Для руководителей данных это означает, что их команда сможет чувствовать себя более комфортно, предоставляя предварительный результаты для бизнес-команды. Каждый обмен мнениями становится возможностью получить обратную связь. Например: «Интересны ли эти первоначальные результаты для бизнес-команды?» и «Правильно ли мы определяем термины?» От одного обновления к другому результаты объединяются с последовательными обновлениями, пока проект не будет завершен.

Этот подход противоречит тому, как предпочитают работать некоторые ученые, работающие с данными. Иногда они очарованы своими моделями и творческими методами решения проблем и не могут дождаться большого открытия. Но «большие разоблачения» — это плохая практика, которая может иметь неприятные последствия. Слишком много неожиданностей в заключительной презентации может заставить аудиторию занять оборонительную позицию. Причина? Неожиданные результаты часто побуждают людей подвергать сомнению лежащие в их основе данные и методы.

Каждая модель данных требует предположений (например, что делать с отсутствующими данными, как обрабатывать выбросы и т. д.). Если группы обработки данных, активно работающие над анализом, не раскроют и не обсудят свои предположения заранее, а вместо этого будут ждать до конца, бизнес-команда будет накапливать вопросы и придираться к слабым местам. Однако, вовлекая бизнес-команду в процесс принятия решений, они будут доверять результатам и доверять им.

Многие бизнес-лидеры говорили мне, что лучшие окончательные данные — это те, в которых нет сюрпризов. Они все время тесно сотрудничали с командой по обработке данных, и окончательный результат или презентация — это просто кульминация их работы на сегодняшний день. Именно так решение проблем получает поддержку благодаря сотрудничеству, раскрывая трудный выбор, который приходится делать ученым, работающим с данными.

Вывод: Решение проблем представляет собой процесс регулярного предоставления обновлений и сбора отзывов от бизнес-команды. Ученые, работающие с данными, и руководители групп, которые сильны в этой области, могут поощрять и способствовать откровенным дискуссиям, которые гарантируют, что конечный результат попадет в цель бизнес-команды — без каких-либо сюрпризов.

4. Перевод решения: говорить на языке аудитории

На этом этапе мы переходим от проблемы к решению, успех которого зависит от того, насколько хорошо руководители данных и их команды справились с первыми тремя шагами. Команда по обработке данных должна не только определить окончательный ответ, но и предложить решение, которое будет понятным и, следовательно, действенным.

Речь идет не только о размещении данных в виде диаграммы или другого визуального представления. Скорее, решение — будь то анализ данных или новый курс действий, рекомендованный моделью — должно быть передано на языке, понятном бизнес-команде. Один из инструментов, который я рекомендовал, — это двухстраничная памятка по анализу данных, в которой освещаются наиболее важные элементы проблемы, которую необходимо решить. Хотя две страницы могут показаться очень сжатыми, особенно по сравнению с объемистыми отчетами, которые часто создают группы данных, краткость — это сила этого секретного оружия.

Ограничение на две страницы поможет избежать искушения продолжать подробно рассказывать о деталях анализа данных и побудит сосредоточиться на предлагаемых рекомендациях и доказательствах в их пользу. Я, конечно, не единственный, кто выступает за более короткие записки. Основатель Amazon Джефф Безос требовал от руководителей представлять свои идеи в шестистраничных памятках (а не в презентации PowerPoint), которые можно было легко усвоить и обсудить.

Вывод: Трансляция решений требует, чтобы лидеры данных сделали шаг назад и обдумали, как добиться максимального эффекта с помощью своего анализа и рекомендаций. Используя простой язык, не жертвуя при этом сложностью, лидеры обработки данных, преуспевающие в этой области, могут произнести эквивалент речи в лифте, чтобы привлечь бизнес-лидеров убедительными и понятными решениями.

Поскольку данные и аналитика все больше внедряются в процесс принятия бизнес-решений и решений, командам обработки данных приходится выходить далеко за рамки простого решения поставленных перед ними задач. Вместо этого лидеры данных и их команды должны сосредоточиться на терминах «сотрудничество и общение». Это означает, что они должны стать более искусными в более широких ролях, которые помогут им выявить реальную проблему, определить ее характер и важность, управлять процессом с помощью периодических обновлений, а также предлагать и переводить решения, которые действительно окажут влияние.