Людей, которые попадают в категорию профессионалов в области аналитики, именуют по-разному: «аналитик», «специалист в области интеллектуального анализа данных», «специалист по созданию прогнозных моделей» и «специалист по статистике».

В последнее время стал довольно популярным термин «ученый в области науки о данных» (data scientist), особенно среди тех, кто много времени тратит на анализ больших данных и работу с такими инструментами, как MapReduce. Мы будем называть всех этих людей «профессионалами в области аналитики».

Дело в том, что основные навыки людей, о которых идет речь, имеют больше сходств, чем различий. День за днем каждый из этих специалистов использует данные для решения бизнес-задач. Инструменты или алгоритмы могут быть различными, однако профессионал в области аналитики, работающий в одной области, может при необходимости подстроиться под работу в другой области. Как мы увидим далее, хорошего профессионала в области аналитики от всех остальных отличают не инструменты, алгоритмы или данные, которыми он обычно пользуется.

Наиболее показателен тот факт, что новое сообщество ученых в области науки о данных не сильно отличается от сообщества традиционных аналитиков. И те и другие пытаются найти новые эффективные способы использования данных для решения бизнес-задач. Тот факт, что ученые в области науки о данных, как правило, используют другие наборы инструментов, языки программирования и наборы данных, не меняет их основных целей и задач. В игру вступают одни и те же базовые навыки и компетенции.

Для того чтобы хороший аналитик стал хорошим ученым в области науки о данных и наоборот, требуется только дополнительное обучение. Любой хороший профессионал в области аналитики легко может научиться использовать новый язык программирования или инструмент. И любой хороший специалист непременно ухватится за возможность узнать о новом источнике данных и способах его применения.

Те, кто считает себя профессионалом в области аналитики независимо от того, как он себя называет, должны согласиться со всем, что сказано в этой главе. Те, кто взаимодействует с этими специалистами, тоже с этим должны согласиться. Очень важно, чтобы профессионалы в области аналитики понимали, как много у них общего.

Распространенные заблуждения

Бóльшая часть людей, которых попросят составить список важных черт для профессионала в области аналитики, назовут наличие какой-либо ученой степени. Считается, что настоящий специалист нуждается в дипломе по статистике, математике, информатике, исследованию операций и т. п. Нередко предполагается, что успех требует магистерской или докторской степени. Как правило, большое значение придают наличию опыта программирования: говорят, что хороший специалист должен уметь использовать один из множества языков программирования, предназначенных для анализа. Логика данного критерия заключается в том, что такие люди владеют определенными инструментами и хороший аналитик должен уметь эффективно их применять.

Однако это не так. Дело в том, что большинству профессионалов в области аналитики необходимы глубокие знания математики и статистики. Наличие диплома не обязательно. Все эти знания можно приобрести в процессе работы или другим образом, отличным от формального обучения. Хорошему специалисту, конечно, нужны навыки программирования, поскольку использование всех основных аналитических инструментов требует определенного уровня знаний в области программирования. Тем не менее навыки программирования еще не гарантируют успех.

Эти ответы неправильны по той причине, которую можно сформулировать с помощью фразы, используемой в математических доказательствах: «Необходимое, но не достаточное условие».

Наличие навыков в области статистики, математики и программирования, безусловно, необходимо, но их недостаточно, чтобы человек стал профессионалом в области аналитики. Для этого требуется гораздо больше. Наличие базовых знаний по математике и программированию — данность. Эти факторы важны, но не они отличают хорошего специалиста от всех остальных. Это лишь отправная точка.

Если менеджер по найму слишком много внимания уделяет техническим навыкам и академическим знаниям, то рискует принять на работу человека, который сконцентрирован именно на них, а не на общей картине, связанной с проведением содержательного анализа. Важно, чтобы при поиске профессионалов в области аналитики организации опирались и на другие критерии. В конце концов, никому не нужен «помешанный на статистике» сотрудник, сидящий в углу и круглосуточно запускающий сложные алгоритмы. Это не приводит к успеху.

Компании нужен специалист, который будет частью команды. Он должен понимать бизнес-задачи, которые стоят перед организацией, и уметь эффективно производить анализ, необходимый для их решения.

Вы не сможете укротить большие данные без первоклассного талантливого специалиста. Теперь обсудим критерии, которые необходимо учитывать при поиске такого специалиста.

Исключение из правил

Меня долгие годы удивляло, что практически каждый хороший профессионал в области аналитики, с которым я был знаком, представлял собой в некотором роде исключение из правил. Я знаю многих людей, которые подтверждают мои наблюдения. Что я имею в виду? Если посмотреть на список качеств, обычно считающихся главными признаками хороших специалистов, то самые лучшие из них будут нарушать один или более из приведенных в этом списке пунктов! Для начала посмотрим, почему некоторые черты не столь уж важны, как может показаться, прежде чем перейдем к более значимым чертам.

Образование

Много лет назад я работал с одним из лучших профессионалов в области аналитики, которых когда-либо знал. Назовем его Барт. Он присоединился к компании раньше меня, поэтому я не знал о его образовании, когда начал там работать. Однако довольно быстро я понял, что этот парень действительно знал свое дело. Я мог подойти к нему и получить ответ на вопрос, связанный с программированием, со статистикой и с делами компании, в которых пытался разобраться, будучи новым сотрудником. Самое главное, он мог помочь мне понять бизнес наших клиентов.

Со временем я узнал, что у него была «всего лишь» степень бакалавра по бизнесу. У Барта не было других ученых степеней. Не было дипломов по статистике или математике. Он окончил курсы по статистике, предусмотренные его программой бакалавриата. Барт не имел формального образования в области программирования. Он научился программировать самостоятельно.

Когда Барта приняли на работу, он окончил несколько курсов и получил необходимые ему основные знания по статистике от своих более опытных коллег. Он прочитал несколько книг. Барт научился программировать в процессе работы. Он сделал из себя одного из лучших профессионалов в области аналитики, которых я когда-либо знал. Однако у него не было формального образования и технической подготовки, наличия которых можно было бы ожидать. Это не имело значения. Но именно этому человеку вы захотели бы поручить укрощение больших данных. Не зацикливайтесь исключительно на формальном образовании. Лучше постарайтесь выяснить, изучил ли данный специалист все, что требуется для выполнения своей работы.

Отраслевой опыт

Очень часто компании и менеджеры по найму озабочены тем, в какой отрасли аналитик или кто-либо другой имеет опыт работы. Если человек работал в сфере телекоммуникаций, то многие полагают, что он не может принести дополнительную пользу в банковской сфере. Если это специалист в банковском деле, считают, что от него будет мало пользы в сфере производства. Если аналитик работает в сфере производства, они даже не подумают о том, чтобы взять его на работу в сфере розничной торговли.

Это несправедливо. Если необходимо сделать выбор между двумя одинаково квалифицированными кандидатами, один из которых знает отрасль, а второй — нет, конечно, имеет смысл принять на работу того, кто имеет опыт работы в данной отрасли.

Однако выбор редко бывает таким простым. Допустим, вам нужно сделать выбор между двумя кандидатами. Один из них — посредственный аналитик, который очень хорошо знает отрасль. Другой — выдающийся профессионал в области аналитики, который имеет опыт в другой отрасли и ничего не знает о вашей. Смело выбирайте второго. Хороший профессионал в области аналитики в одной отрасли может изучить другую и стать профессионалом и в ней. Посредственный аналитик, вероятно, таким и останется. Кроме того, новый взгляд со стороны может быть весьма полезным. В каждой отрасли есть определенные способы ведения дел. Команда может многому научиться у того, кто пришел из другой отрасли.

Ищите за пределами отрасли

Время от времени, нанимая профессиональных аналитиков, ищите людей за пределами вашей отрасли. Хороший специалист быстро вникнет в ваш бизнес. Он обогатит вашу команду новыми идеями и подходами. Сотрудник конкурирующей компании, который уже умеет делать именно то, что вам нужно, — отличный выбор, однако время от времени следует его разнообразить.

В связи с этим мне вспоминается история Марка. В течение нескольких десятилетий он работал главным образом в банковской индустрии. Наша команда испытывала дефицит ресурсов, и нам нужна была помощь в работе над проектом в сфере розничной торговли. Все соглашались с тем, что Марк был очень, очень хорошим профессионалом в области аналитики. Но мог ли он справиться с проектом, связанным с розничной сферой, учитывая его опыт в банковской отрасли?

Хорошие профессионалы в области аналитики согласятся с тем, что, если кто-то смог разобраться в одной отрасли, он сможет сделать это и в другой. Вероятно, ему придется несколько изменить свой образ мыслей, познакомиться с новой терминологией и научиться вычислять некоторые новые метрики, однако он может добиться успеха. Это справедливо и в отношении многих других дисциплин. У Марка появилась возможность поработать над розничным проектом. Он согласился потратить время, чтобы познакомиться с отраслью, а также тесно сотрудничать с экспертами в области розничной торговли. Даже этот первый проект оказался успешным, и через несколько месяцев Марк уже встречался с другими розничными клиентами, которые были уверены, что он занимался розничной торговлей много лет! Это произошло благодаря тому, что Марк вник в основные концепции бизнеса и сумел применить знания, полученные в процессе работы в банковской отрасли, в сфере розничной торговли. Он был мотивированным, творческим и умным человеком. Вот это действительно имело значение.

Список предпочтений

Несколько лет назад сотрудник кадровой службы компании, в которой я работал, сказал мне: «У нас появились новые правила, так что нужно обновить список необходимых и предпочтительных черт соискателей. С этого момента все, что вы укажете в качестве требования, будет абсолютным». Другими словами, если в описании вакансии указано, что кандидат должен иметь степень бакалавра или выше в области статистики, то нельзя проводить собеседование или нанимать того, у кого ее нет.

Я подумал об этом и отправил в кадровую службу пересмотренный длинный список предпочтительных характеристик.

Мой список необходимых требований включал только один пункт: степень бакалавра в любой области.

Единственная причина, по которой я указал степень бакалавра, состояла в том, что у кандидата должен быть определенный уровень образования. По правде говоря, этот список мог показаться слишком суровым, даже учитывая наличие одного требования.

Сотрудник кадровой службы позвонил и сказал: «Эй, Билл, ты не ошибся? Ты, по сути, не указал ни одного требования. Неужели нет определенных характеристик, которые тебе абсолютно необходимы?» Я сказал им то же, о чем шла речь выше: «Честно говоря, каждый человек в моей команде не соответствует по крайней мере одному или двум критериям, которые обычно считаются необходимыми. Если я укажу какое-то требование и не смогу сделать исключение, то мне нельзя помещать это в список. Я не могу рисковать потерей хорошего человека из-за того, что описание вакансии высечено в камне. Я лучше буду использовать неоднозначное описание вакансии, чтобы иметь возможность найти нужного человека».

Нанимайте знания и навыки, а не галочки

Принимая на работу профессионала в области аналитики, начните с характеристик, касающихся опыта работы и образования. Наличие некоторого количества галочек — первый этап. Но этого недостаточно. Профессионализм в области аналитики напрямую не связан с техническим образованием. Хорошие специалисты отличаются от остальных в меньшей степени техническими навыками, чем другими характеристиками, о которых пойдет речь далее.

Укрощение больших данных: как извлекать знания из массивов информации с помощью глубокой аналитики / Билл Фрэнкс. - М.: Манн, Иванов и Фербер, 2014. Опубликовано с разрешения издательства.