Компания Product Masters (Казахстан), специализирующаяся на развитии компетенций специалистов в области ИТ, реализовала комплексный проект, нацеленный на подготовку аналитиков данных. Особое внимание в нем уделялось развитию компетенций, помогающих встраивать бизнес-аналитику в реальную практику компаний. Помимо обучения, очень большое внимание уделялось популяризации лучших методик и практик в профессиональной среде аналитиков. Подробностями о проекте, его целях, задачах, результатах и перспективах делится Даниил Демитров, партнер по развитию образовательных программ компании Product Masters, номинант на премию Data Award.

- Как появилась идея проекта? Какие обстоятельства способствовали началу его реализации?

Идея появилась в ходе анализа моей практики работы в области бизнес-аналитики. Я заметил, что часть специалистов достигает высокого технического уровня, но не понимает, каким образом данные становятся активом компании и как конвертируются в эффективные бизнес-решения. Другая часть аналитиков и вовсе остается на уровне применения базовых методов и избегает продвинутых решений. Причины этого могут быть различными: кому-то освоение серьезных инструментов аналитики кажется долгим и сложным, а кто-то считает, что в условиях наблюдаемой в компании ситуации будут немалые сложности при их внедрении.

В этих паттернах поведения специалистов я увидел точки роста, и мне захотелось их реализовать, действуя сразу по нескольким направлениям. Во-первых, создать практико-ориентированную образовательную программу с имитацией корпоративной среды — от постановки задачи на kanban-доске и работы с данными до интерпретации результатов и формирования аналитических выводов. Во-вторых, систематизировать наши собственные рабочие подходы в форме воспроизводимых методологий и распространять их через конференции и открытые публикации. В-третьих, апробировать аналитические практики, внедрив их в одной из компаний, и добиться превращения ее данных в актив, который можно монетизировать.

- Насколько задачи, которые решает проект, важны для рынка в целом?

Для рынка это важно, потому что специалистам сейчас явно не хватает умения применять аналитику в управленческих процессах: правильно формулировать вопрос, правильно выбирать метод, учитывать ограничения данных и конвертировать результат в конкретные меры или полномасштабный план действий.

Образовательный проект был нацелен именно на подготовку специалистов, соединяющих в себе техническую компетентность и ориентацию на бизнес-эффект. Практическим результатом этого проекта стало трудоустройство наших выпускников в крупные компании региона и за его пределами: они успешно трудятся и в гигантах региона, таких как Kaspi, Uzum, TBC и в компаниях Европы.

Компании региона также получают множество положительных эффектов от этих инициатив. С одной стороны, формируется кадровый резерв специалистов с прикладными навыками, сокращаются сроки адаптации начинающих аналитиков. С другой — растет общий уровень культуры продвинутой аналитики на рынке, что обеспечивает принятие и внедрение новых методов — более точных и информативных, это помогает бизнесу быть «на острие» прогресса аналитических методов. Кроме того, повышается роль аналитики в принятии управленческих решений.

Чтобы убедиться в правильности наших подходов, в одной из крупных ИТ-компаний региона были внедрены практики применения продвинутой аналитики (A/B-тестирование, квази-эксперименты, прикладное машинное обучение) и реализованы скоринговые модели для выстраивания приоритетов маркетинговых рассылок — это позволило оптимизировать соответствующие бюджеты на 5–10%. Разработанные модели работают на основе реальных продуктовых, транзакционных и маркетинговых данных компании, в том числе продуктовых метриках, показателях пользовательского поведения и откликов на коммуникации. Аналитические и ML-решения реализованы на базе корпоративных аналитических платформ с использованием инструментов анализа данных и машинного обучения: Python, ML-библиотеки, экспериментальные и аналитические пайплайны.

- Какой подход был выбран?

Выбрали комбинированный подход, чтобы совместить глубину и масштаб. Для развития аналитического сообщества и практик региона потребовалось, во-первых, практико-ориентированное обучение — через приближенные к реальной работе аналитика кейсы, включающие постановку задачи, выбор метода, проверку качества, интерпретацию и рекомендации. И, во-вторых, открытое распространение методологий — выступления на конференциях и публикация материалов, чтобы подходы могли воспроизводиться другими командами и компаниями. Для внедрения внутри отдельной ИТ-компании мы выбрали проактивность во внедрении — выстроили проектные циклы, начиная с формирования идеи и ее «продажи» стейкхолдерам и заканчивая реализацией MVP аналитического продукта, тестированием и внедрением.

- Как вы определили для себя цель проекта?

Цель образовательных проектов и инициатив — развитие профессионального сообщества в плане работы с данными и их анализа и повышение качества подготовки специалистов по данным. Достичь этой цели мы рассчитываем через вовлечение этих специалистов в практико-ориентированный образовательный проект, передачу воспроизводимых методологий продвинутой аналитики, ориентированных на реальные бизнес-задачи, и публичное распространение подходов через конференции и открытые материалы.

- Какие принципы пытались соблюдать?

К образовательным инициативам было два ключевых требования. Первое — прикладная ценность: польза и возможности каждого инструмента должны быть продемонстрированы через решение конкретной задачи бизнеса или ситуацию в рабочей среде и доведены до уровня, когда специалист понимает, как применять этот инструмент в компании. Второе требование — воспроизводимость: материалы и подходы должны быть изложены и представлены так, чтобы их могли применить в своей практике другие специалисты независимо от того, в какой отрасли и с какими именно данными они работают.

Главный принцип можно обозначить так: прежде всего — польза. Проект и инициативы были ориентированы на формирование навыков внедрения аналитических подходов, в том числе в реальную практику.

- Какие навыки, знания и компетенции получают клиенты? На что они становятся способны?

Клиенты образовательного проекта получают компетенции, которые обычно формируются только в условиях корпоративной среды. Например, они учатся транслировать бизнес-вопрос в корректную аналитическую постановку, выбирать метод, наиболее приемлемый в условиях ограничений времени с учетом требований к качеству и достоверности результата, интерпретировать результаты аналитики как рекомендации и планы действий, чтобы сделать возможным принятие решений на их основе. Ключевой результат заключается в том, что прошедший обучение специалист сумеет сделать аналитику частью управленческого цикла.

Инициативы по распространению методов и подходов продвинутой аналитики нацелены на формирование у специалистов по данным навыков использования комплексных методов, применяемых ведущими мировыми компаниями, такими как Netflix, в повседневной рабочей практике.

- Что было сложнее всего? Где возникали основные проблемы?

Сложнее всего было удерживать баланс между актуальностью и качеством. Инструменты и технологические тенденции меняются быстро, но реальную ценность дает именно глубина понимания, помноженная на способность встраивать подходы в практику компаний.

В образовательной части главный вызов — не обучение инструментам, а изменение мышления: аналитикам нужно отойти от функции «машины для отчетности» и взять на себя роль бизнес-партнера по данным.

- Кто является основными клиентами? По каким направлениям они обучались?

Основные участники — начинающие аналитики и специалисты, желающие повысить уровень компетенций до корпоративных ожиданий: выйти за рамки работы с базовой отчетностью, развить свои навыки и научиться решать достаточно сложные прикладные задачи бизнеса. Название программы звучит так: «Data Analytics. Фокус — прикладная аналитика: постановка задач, работа с данными, проверка гипотез, интерпретация результатов и подготовка решений».

- Какие ключевые результаты достигнуты?

Обучение прошли более 70 специалистов по аналитике данных. Выпускники трудоустроены в крупные технологические и финтех-компании региона (включая Kaspi и Uzum) и в компании Европы. Методологии и материалы опубликованы в открытом доступе и широко используются профессиональным сообществом. Выступления на профильных конференциях обеспечили популяризацию практик среди широкой аудитории. Я считаю отличным результатом внедрение наших наработок в аналитические процессы в других компаниях. Это действительно мотивирует — видеть, как эти подходы широко применяются на практике.

- В чем выражаются полученные эффекты?

Для компании прямой эффект — снижение затрат времени на закрытие вакансий и адаптацию специалистов-юниоров благодаря тому, что в бизнес приходят люди с более практичным, востребованным набором навыков и быстрее достигают нужных, полезных результатов.

В образовательном проекте финансовая составляющая была вторичной: компенсация от платных участников реинвестировалась в развитие программы и качество материалов. Финансовый эффект для рынка отдельно не оценивался, но косвенно он проявляется через ускорение найма, а также через повышение качества управленческих решений в компаниях, куда пришли наши выпускники.

- Каковы основные направления развития проекта?

Есть планы по запуску специализации 'Business Data Partner', которая бы содержала в себе систематическое изложение наших подходов и методов работы с данными и их монетизации. Параллельно продолжим выступать на конференциях, надеемся выйти на мероприятия международного масштаба в СНГ, Западной Европе и США. В этом году особое внимание планируем уделить распространению практик внедрения ИИ в аналитическую работу.

Очень важным треком остается не только развитие сообщества, но и массовое внедрение наработанных практик в компаниях — оно будет способствовать успешной монетизации данных.