08.10.21 14:33

Новости

Автор:

Администратор

Как собрать высокоэффективную команду аналитиков

 Успех, основанный на данных, зависит от сильных, разнообразных, кросс-функциональных команд обработки данных. ИТ-лидеры предлагают советы по созданию и поддержке команд, настроенных на...

Успех, основанный на данных, зависит от сильных, разнообразных, кросс-функциональных команд обработки данных. ИТ-лидеры предлагают советы по созданию и поддержке команд, настроенных на предоставление глубокого анализа данных.


Автор: Боб Виолино, автор CIO

 

Что происходит, когда организация внедряет новейшие и лучшие инструменты анализа данных, но не может собрать первоклассную команду аналитиков? Упущенные возможности и много потраченного впустую времени и денег.

 

Звездная команда аналитиков может сделать гигантский скачок по сравнению с конкурентами. Но вы не можете собрать команду аналитиков за одну ночь. Требуется упорный труд и усердие, чтобы собрать вместе нужных людей и правильное сочетание навыков.

 

«Одна из самых больших проблем для организаций – не сбор самих данных, а создание команды, которая будет применять данные и управлять изменениями во всей организации», - говорит Лаура Смит, директор по информационным технологиям компании-поставщика медицинских услуг UnityPoint Health.

 

«Создание и поддержание успешной команды никогда не было более сложной задачей, чем в последние 18 месяцев, особенно в сфере здравоохранения», - говорит Смит. «Для меня самый большой карьерный успех – это команда, которую я создала в UnityPoint Health. Это была непростая задача; рынок аналитики является высококонкурентным».

 

Однако это можно сделать. Вот несколько рекомендаций, которые следует иметь в виду.

 

Предоставьте современные, эффективные инструменты и значимую работу

 

Первоклассные аналитики данных должны иметь оборудование и доступ к данным, которые позволят им добиться успеха.

 

«Я видела, как многие аналитики разочаровывались и уходили из компании, потому что их ноутбуку было пять лет и он не мог управлять объемом данных, который им нужно было обработать», - говорит Тереза Кушнер, руководитель практики данных и аналитики в NTT Data Services, глобальной консалтинговой ИТ-компании. «Или им было отказано в доступе к данным, которые им необходимы для построения правильных алгоритмов. Обеспечение того, чтобы ваши аналитики располагали новейшим оборудованием, актуальным программным обеспечением и доступом к данным, является основой успеха аналитиков данных».

 

Так же как и предоставление значимых заданий. «Ни один аналитик данных не хочет быть частью команды, работа которой не влияет на общий бизнес», - говорит Кушнер. «Это означает выбор проектов, которые оказывают влияние. Это легче сказать, чем сделать, но это так важно для создания надежной команды аналитиков данных».

 

Членам команды нужно показать, насколько их работа значима для всего мира, говорит Смит. «Я думаю, что мы все хотим знать, как наша работа способствует большему благу», - добавляет она. «В сфере здравоохранения мы сравниваем это с призванием. Мы все приходим к этому призванию, обладая уникальными навыками и талантами».

 

По словам Смит, для аналитической команды UnityPoint ключевым является определение положительного влияния, которое кто-то может оказать на сообщества. «Я ставлю это во главу угла всякий раз, когда набираю членов команды», - говорит она. «Люди хотят знать, как то, что они делают, способствует большему благу».

 

Например, аналитическая группа сыграла решающую роль в обеспечении пациентов и сотрудников надлежащими средствами индивидуальной защиты (СИЗ) на протяжении всей пандемии. По словам Смит, команда создала информационную панель, которая объединила данные СИЗ для отображения значимой информации для руководителей. «Имея под рукой актуальные данные, руководители могут уверенно принимать решения о поставках на основе данных в режиме реального времени, обеспечивая здоровье и безопасность наших пациентов и членов команды».

 

Развивайте таланты с помощью внутренних программ обучения

 

Нехватка специалистов в области анализа данных хорошо задокументирована, и конкуренция за эти навыки очень жесткая. Компаниям, у которых есть ресурсы, следует рассмотреть возможность предложения программ обучения и непрерывного обучения, которые помогают генерировать собственные таланты. Это может включать внутренние программы или внешние курсы.

 

Эти учебные программы также могут принимать форму наставничества или объединения межфункциональных команд для обмена опытом и знаниями.

 

«Развивайте карьеру сотрудников в области аналитики данных на ранних этапах, объединяя их с опытными руководителями», - говорит Джеймс Ринальди, главный советник по информационным технологиям в Лаборатории реактивного движения НАСА. «Они будут быстро расти, но дайте им проекты, которые позволят им двигаться с их скоростью. Позвольте им узнать, как работают архитектура и культура данных».

 

Ринальди говорит, что также хорошая идея – направлять людей в различные проекты. «Не позволяйте людям черстветь или чувствовать себя комфортно только в одной области», - добавляет он.

 

Выбирая членов команды, начинайте с сильного

 

В профессиональном спорте то, что часто привлекает свободных агентов, помимо денег, – это шанс попасть в команду-победительницу. Аналогично с командой аналитиков. Может быть проще привлечь выдающихся специалистов, когда в команде они уже есть.

«Совершенство притягивает совершенство», - говорит Кушнер. «Если вы создаете команду по анализу данных, то действительно выгодно, чтобы ваш первый сотрудник был настоящей суперзвездой».

 

Это не означает, что человек должен быть лучшим выпускником одного из самых престижных университетов, говорит Кушнер. Но у этого человека должен быть проверенный опыт использования данных для улучшения бизнеса.

 

«И не думайте, что вам нужна докторская степень в области науки о данных», - говорит Кушнер. «Это хорошо, но иногда ключевым звеном в команде анализа данных является человек, который больше всего знает о вашем бизнесе. Это также означает, что вы нанимаете кого-то, кто действительно хочет быть частью команды. Они должны быть согласованы по духу, а также по пониманию с целями всей команды».

 

Сделайте разнообразие приоритетом

 

Разнообразие сотрудников сегодня является ключевым моментом для многих организаций, и группы анализа данных должны быть частью этих усилий.

«Соберите команду людей с разным профессиональным опытом», - говорит Джессика Лакс, вице-президент по аналитике и обработке данных в DoorDash, которая предоставляет платформу для онлайн-заказа и доставки продуктов питания.

 

«Меня часто спрашивают, как выглядит стандартный профиль кандидата моей команды, и люди удивляются, когда я говорю им, что у нас его нет», - говорит Лакс. «Вступив в эту область без предыдущего опыта работы с данными и построив всю эту функцию в DoorDash, я считаю, что создание команды людей с различным опытом работы делает вашу команду в целом лучше».

 

В то время как компании ожидают, что кандидаты в команду аналитиков будут обладать навыками программирования и статистики, «мы добились успеха, нанимая людей из разных областей, включая финансы, консалтинг и экономику, в дополнение к более сопоставимым знаниям в области технологий и данных», - говорит Лакс.

 

По ее словам, такой подход создает команду, обладающую всеми навыками, необходимыми для решения различных проблем. «Даже если каждый член команды не может решить проблему самостоятельно, в результате получается более сильная команда с людьми, которые могут учиться друг у друга и вместе решать более широкий круг задач», - говорит она.

 

Делайте членов команды счастливыми

 

Дело не только в том, чтобы создать сильную команду, но и в том, чтобы сохранить ее. Учитывая спрос на аналитиков данных сегодня, если организации не смогут обеспечить удовлетворенность членов аналитической команды, они могут уйти на другие должности.

 

Таким образом, руководители групп должны поощрять достижения и позволять аналитикам продвигать себя и продолжать осваивать новые навыки. «Аналитики данных хотят создать бренд для себя и своих компаний», - говорит Кушнер. Для этого им нужно время, чтобы писать статьи, продвигающие их работу; получать сертификаты по новому программному обеспечению, новым процессам и подходам, говорит она.

«Когда они напишут статьи, поощряйте их представлять свои работы на конференциях, а также внутри компании», - говорит Кушнер. «Сделайте их достижения достоянием широкой общественности и обеспечьте постоянный поток информации о том, чего они достигают».

 

Часто менеджеры думают, что видимость для команды должна быть только внутренней, но это только половина пути, говорит Кушнер. «Видимость должна быть в масштабе всей отрасли», - говорит она. «Ваши ведущие аналитики должны быть видны другим ведущим аналитикам. Предоставление возможности вашим аналитикам проявить себя гарантирует лояльность и бросает свет на вашу команду, а также на вашу организацию».

 

Кушнер говорит, что это хорошая идея – включить в календарь каждого аналитика время, чтобы подумать о том, что должно произойти дальше, задокументировать проекты, над которыми они работают, и сотрудничать с теми, кто занимается бизнесом и ИТ и теми, кто может предоставить жизненно важную информацию. «Тенденция при работе с аналитиками данных заключается в том, чтобы управлять проектами, и как следствие, управлять людьми», - говорит она. «Это формула разочарования и текучести кадров».

 

Взаимодействуйте с людьми по всей организации

 

Команда аналитиков не предназначена для работы в вакууме. Взаимодействие с другими сотрудниками по всему предприятию помогает команде быть в курсе бизнес-целей и понимать, что важно для коллег. Это также позволяет членам команды делиться важностью аналитики с другими сотрудниками организации.

 

«Вовлекайте бизнес-лидеров в этот процесс», - говорит Майкл Майта, директор по информационным технологиям города Уичито, штат Кан. «Это важный аспект, так как это люди, которые понимают данные и, что более важно, понимают, на какие вопросы нужно ответить, используя данные».

Партнерство аналитиков с бизнес-пользователями «создает опыт обучения, одновременно улучшая бизнес-процесс и ускоряя результаты», - говорит Майта. «Если аналитик понимает данные в их необработанном виде, но не понимает бизнес-потребностей или конкретных наборов данных, необходимых для принятия решения, то на общение или разработку методом проб и ошибок может быть потрачено много времени».

 

Когда в UnityPoint Health была создана своя аналитическая команда, «мы начали с взаимодействия с врачами и сотрудниками всей системы здравоохранения», - говорит Смит. «Мы собрали членов команды из самых разных медицинских учреждений, чтобы узнать их потребности и помочь им понять важность использования аналитики для улучшения ухода за пациентами».

По словам Смит, возможность участия выходит за рамки конкретной проблемы, которую пытается решить команда. «Другие возможности могут включать взаимодействие с коллегами и поощрение личностного развития с помощью программ наставничества».

 

Модель взаимодействия с бизнесом оказалась эффективной, говорит Смит. «Мы строим прочные отношения с нашим бизнесом, создавая среду, в которой члены команды могут предлагать удивительные решения», - добавляет она. «Они могут напрямую видеть, почему их ценят, и какой вклад они вносят в организацию. Это очень важно как для индивидуального, так и для командного удовлетворения».

 

Создайте культуру, основанную на данных

 

Организация, которая уделяет первостепенное внимание всем данным, будет способствовать росту и совершенствованию аналитической команды. Таков подход в городе Лонг-Бич, штат Калифорния.

 

В 2018 году городской департамент технологий и инноваций (TID) и Управление гражданских инноваций создали Комитет по сбору данных, в котором приняли участие сотрудники 90% городских департаментов. Годом позже в городе прошел Citywide Data Challenge, четырехмесячный «дататон», в ходе которого сотрудники различных департаментов объединились для решения задач с использованием инструментов анализа данных.

 

«Data Challenge позволил городским служащим сформулировать задачи или проблемы, которые могли бы выиграть от использования анализа и визуализации данных», - говорит Леа Эриксен, директор по технологиям и инновациям города Лонг-Бич. «Были выбраны четыре задачи, а затем сформированы команды, которые совместно работали над различными задачами».

 

Одним из примеров успешной задачи была оценка и составление карты мест проживания людей, прошедших CERT-подготовку, для оценки устойчивости сообществ в случае чрезвычайной ситуации. Были извлечены уроки как из Data Challenge, так и из работы Комитета по данным, «которые мы использовали для реструктуризации наших усилий в области данных», - говорит Эриксен.

 

В начале 2021 года TID запустил Общегородское сообщество по изучению данных для городских служащих. «Это интересное, ориентированное на обучение пространство, где сотрудники из всех городских департаментов могут задавать вопросы и делиться друг с другом тем, как они встраивают данные в проекты своих команд и департаментов», - говорит Эриксен. «Раз в два месяца мы приглашаем другую городскую команду представить инструменты, методы и ресурсы, которые они используют для встраивания данных в нашу ДНК здесь, в Лонг-Бич».


Ссылка на источник