Як зробити дата-науковця щасливим
15.07.2020
Аналітики даних відчувають себе недооціненими з боку керівництва компанії. Більше третини опитаних кажуть, що не мають змоги донести важливість data analysis до топ-менеджерів чи осіб, які приймають рішення.
Більше чверті фахівців з дата-аналітики кажуть, що відчувають себе незадоволеними чи дуже незадоволеними на нинішніх посадах. Це з’ясувало проведене у червні 2020 року опитування Sigma Computing. Особливо дратують дата-науковців запити на ad hoc звіти з низькою дослідницькою цінністю – вони забирають половину їхнього робочого часу, каже звіт. За словами більше 50 відсотків опитаних, такі звіти переростають у “спіраль безкінечних проєктів”, із у середньому чотирма додатковими запитами на кожен завершений документ з даними.
“Відомо, що левову долю часу дата-науковця забирає очищення та організація даних – порівняно з роботою з алгоритмами у пошуку інсайтів”, – каже Сентіл Кумар, віцепрезидент з інжинірингу у FogHorn. “Які тільки інсайти знайшлися, наступає ще одна трудоємна фаза – запуск у моделі у продуктових середовищах. Один із способів зробити фахівців з аналізу даних щасливим – спростити ці процеси та дати їм більше часу для пошуку висновків та закономірностей”.
Що ще може сприяти задоволенню знавців data science у роботі, розповідає CMS Wire.
Чіткі правила та відповідальність
Скотт Бейлі, віцепрезидент зі стратегії та аналітики Aisle Rocket, каже, що його компанія робить дата-науковців щасливими завдяки чітким правилам очищення та попередньої обробки даних – цим займаються спеціальні техніки. Аж потім до датасету беруться аналітики. “Наші фахівців з data analytics знають, чого очікувати, та впевнені у якості вихідних даних”, – каже Бейлі.
Крім того, у компанії автоматизували рутинні задачі зі звітності щодо баз даних та результатів кампанії – їх перенесли до десктопних інтерактивних інструментів. Доступ до них мають як команди, так і клієнтська сторона. Апдейти надсилаються автоматично, коли отримується новий набір даних. “Ми заохочуємо дата-аналітиків напряму взаємодіяти з клієнтами, коли йдеться про роз’яснення певних питань чи інсайтів”, – додає Бейлі.
Почуття залученості
Майкл Геррісон, керівний партнер Winterberry Group, закликає організації чітко визначати цілі та очікування від проєктів. Крім того – залучати дата-науковців до розробки відповідних рішень, а не просто “віддавати їм накази”.
Він також пропонує створювати чіткі розмежування між ролями та відповідальністю. Спроможність дата-аналітиків, пояснює Геррісон, можна збільшувати, якщо вони відчувають себе більш залученими до проєкту, наприклад не просто займаються предиктивним моделюванням, але й оцінкою його ефективності.
Головний data scientist у Emtropy Labs Мохамед Кейн також наголошує на важливості “чіткого бачення”. Він каже, що керівникам бізнесів варто бути прозорими щодо того, яку частину процесів прийняття рішень вони хочуть зробити базованою на даних. “Звучить просто, але є і гротескні сценарії на кшталт “Агов, ми тут зібрали чимало даних про поведінку користувачів за останні кілька років – зробіть щось з цим”. Розпливчатість задач, каже Кейн, лишає чимало проблем без вирішення.
Допомога із розвитком soft skills
Навряд чи є багато data scientists, які обирають цей напрямок, бо люблять працювати з людьми. Часто питання комунікацій стає бар’єром для ефективності дата-аналітиків та применшує їхню цінність, каже професор data analytics у Kellogg School of Management Джоель Шапіро. Він пропонує організаціям допомагати фахівцям з науки про дані розвивати свої soft skills: комунікацію, ведення переговорів та розуміння людей.
“Без розвинених soft skills дата-аналітики можуть виконувати високоякісну роботу, яка не матиме особливого впливу. Дуже рідко аналітика сама по собі може призводити до змін. Утім, аж надто багато дата-науковців думають: “Ок, я зробив круту модель, вона сама говорить за себе, на цьому моя робота все”. Насправді ж таким спеціалістам потрібно ще й “продати” свою аналітику менеджменту – через побудову і розвиток стосунків та ефективну стратегію комунікації”, – пояснив професор.
