Эффективная аналитика данных сегодня может быть конкурентным отличием, предоставляя компаниям глубокое понимание предпочтений клиентов, тенденций развития и использования продуктов и рыночных колебаний, которые другие не могут увидеть.

Чтобы получить максимальную отдачу от своих аналитических усилий, предприятиям необходимо собрать талантливую команду, чтобы понять все данные, поступающие из разных источников, и перевести анализы в реальную ценность для организации.

Что нужно, чтобы создать превосходную команду аналитиков? Вот некоторые ключевые передовые методы, предлагаемые экспертами.

Правильное сочетание навыков

Вообще говоря, высокопроизводительная команда аналитиков должна обладать тремя основными навыками: техническими умениями работы с данными для расширения возможностей команды, аналитическими навыками для управления самой работой и бизнес-навыками для обеспечения правильной работы  которая ведет к повышению ценности бизнеса, говорит Дэн Магестро, старший менеджер передовой аналитики консалтинговой фирмы West Monroe.

«Очень немногие люди обладают таким полным набором навыков, - говорит Магестро. «На самом деле то, что я только что описал, - из области фантастики. Но команда людей с этими тремя элементами может быть еще более эффективной».

Знания технических данных могут предоставляться теми, кто понимает, как организовать данные. «Скорее всего, более традиционные ИТ-сотрудники, и в том числе пара из них в команде аналитиков, могут стать мощным компонентом успеха команды», - говорит Магестро.

Ученые по данным приносят аргументированность или «науку» в аналитическую команду, говорит Магестро. «Технические навыки ученого по данным очень важны, - говорит он. «Мы также обнаружили, что навыки решения проблем и критического мышления невероятно важны, часто важнее, чем глубокий опыт работы с определенной платформой».

И специализированный эксперт по бизнесу может быть необходим в команде , чтобы убедиться, что анализируемая информация имеет отношение к бизнесу, говорит Магестро. Этот человек будет эффективно передавать информацию в более крупную организацию. «Бизнес-эксперт связывает частые разрывы между аналитическими работами и потребностями бизнеса», - говорит он.

На более гранулированном уровне первоклассные аналитические группы должны включать людей с пониманием таких областей, как реляционные таблицы, размерные модели, кубы, обозначение объектов JavaScript (JSON), расширяемый язык разметки (XML) и значения, разделенные запятыми (CSV ), говорит Майк Бауэрс, главный архитектор и руководитель отдела управления данными в Церкви Иисуса Христа Святых последнего дня.

«По крайней мере, один эксперт должен понимать REST [передача состояния представления] и как эффективно извлекать данные через REST», - говорит Бауэрс. «По крайней мере один эксперт должен понимать реляционные базы данных и как получать данные с помощью инструментов ETL [Извлечение, преобразование и загрузка] и экспортировать файлы. Команде нужен как минимум один эксперт для каждого типа базы данных, включая SQL, NoSQL document и NoSQL wide column.

Поставьте во главу сильного лидера

Возможно, самое главное - убедиться в том, что команду возглавляет кто-то, кто не только понимает важность аналитики и принципы ее работы, но и вовлечен в потребности и цели организации.

«Это требует лидерства, которое может эффективно интегрировать, организовывать и сопоставлять все эти требования и команды работать вместе, чтобы создать первоклассную аналитическую команду, способную сперва разработать, а затем масштабировать продукт в соответствии с современными требованиями аналитики», - говорит Джеймс Берк, директор ИТ-аутсорсинг и предоставление цифровых консультационных услуг в консалтинговой фирме ISG.

«Предпринимательское деловое и технологическое лидерство на высшем и среднем уровнях, которое способно [посредством финансирования] брать все самое смелое из технологий - это неотъемлемое требование», - говорит Берк.

Когда Санжита Эдвин, директор по бизнес-аналитике в Rockwell Automation, была назначен руководителем аналитической команды в компании, ее первым шагом было четкое определение целей и задач команды и согласование заинтересованных сторон.

«Чтобы построить свою аналитическую команду, я работала с нашей командой исполнительного руководства, чтобы согласовать стратегии и определить объем, цели и сроки работы команды», - говорит Эдвин. «Если не происходит выравнивание с верхнего уровня, аналитические команды склонны к волатильности. В Rockwell Automation аналитика данных происходит на всех уровнях; как в нашем собственном производстве от завода до уровня предприятия, так и в разработке продуктов от аппаратного обеспечения до программного обеспечения и услуг. Мне нужно было выравнивание всей компании».

Лидер аналитической команды должен обладать сильным пониманием культуры компании и распространять ее на команду. «Например, ваша компания быстро движется или заинтересованные стороны должны понимать последствия решения, прежде чем двигаться дальше?» - говорит Эдвин. «Вы должны собрать команду вокруг вас, которая соответствует более широкому климату и характеристикам компании».

Эдвин говорит, что многие компании требуют, чтобы аналитические команды разбивали технический язык на бизнес-термины. «Однако в Rockwell Automation у большинства моих коллег есть инженерный опыт, поэтому технические детали мотивируют их и радуют аналитиков», - говорит она.

Получите доступ к хранилищу данных

По словам Бауэрса, аналитическая группа мирового класса нуждается в надежном и безопасном доступе к таким ресурсам, как концентраторы данных, озер данных и хранилища данных.

Центр данных «загружает данные как есть для беспристрастного и нефильтрованного анализа», - говорит Бауэрс. «Он индексирует данные о проглатывании, чтобы запросы возвращались в подсеансах между терабайтами данных для быстрого обнаружения, анализа и перебора данных».

Концентратор одновременно индексирует данные несколькими способами для поиска, иерархических запросов, плоских запросов, графических запросов и семантического анализа. «Он может отслеживать передачу данных, обеспечивать управление данными, обеспечивать безопасность, преобразовывать данные, очищать данные и фильтровать общие данные», - говорит Бауэрс.

Озера данных, например, предоставляемые Hadoop, являются пакетно-ориентированными и позволяют аналитикам данных выполнять задания для обнаружения данных. «Время обработки не идеально подходит для обнаружения данных, но пакетные задания могут обрабатывать данные с использованием любого алгоритма, включая машинное обучение», - говорит Бауэрс. «Это отлично подходит для массовых преобразований данных, поэтому их можно загрузить в хранилище данных».

И хранилище данных идеально подходит для получения результатов из центра данных и озера данных и для предоставления информации бизнес-пользователям для ответа на вопросы в заранее определенных контекстах, говорит Бауэр.

Устраняйте силосы данных и подключайте данные к ценности бизнеса

Это возможно некоторое клише, но для того, чтобы максимально использовать возможности аналитической команды, организации должны домать стены между отделами и исключать «силосы» данных, которые не позволяют группам делиться ценной информацией друг с другом и командой аналитиков данных.

«Ключом к успешной команде аналитиков является устранение барьеров внутри организации, чтобы создать культуру, основанную на данных», - говорит Мэтт Хоган, старший директор по разработке, аналитике и отчетности в McGraw-Hill Education, провайдере образовательных услуг.

«Многие из сегодняшних организаций существуют в силосах со своими данными, процессами и отчетами», - говорит Хоган. Аналитическая группа в McGraw-Hill Education разделена на три основные роли: «которые открыли невероятные возможности в нашей организации», - говорит он.

В один набор ролей входят ученые по данным, которые в основном выполняют функции исследований и разработок в компании. Они разрабатывают новые модели и визуализации, которые  подпитывают конвейеры продуктов McGraw-Hill. «Они являются основой для разработки новых процессов, раскрывают новые идеи и проникают в нашу инфраструктуру, чтобы обеспечить нам масштабируемость и эффективность», - говорит Хоган.

В другой набор входят инженеры по данным, которые помогают снизить стоимость бизнеса за счет данных. «Все их идеи и отчетность обычно начинаются с одного вопроса, ориентированного на бизнес, где они проводят анализ, чтобы ответить на этот вопрос», - говорит Хоган. «Затем они устанавливают связи относительно того, где эти идеи могут использоваться в разных частях организации, или когда некоторые вопросы и ответы начинают создавать шаблоны. Крайне важно, чтобы наши инженеры по данным работали гибко, чтобы извлекать данные, строить визуализацию и подстраиваться по мере необходимости в любой момент ».

Третья роль включает front-end инженеров, основной задачей которых является предоставление ценности продуктам компании на основе информации, которая представлена в данных. «Они создают связи между аналитикой, которую мы раскрываем, и тем, что лучше всего для продукта», - говорит Хоган.

Также важно общаться с бизнес-командами с самого начала и регулярно, говорит Эдвин. «Все вокруг вас должны уверовать в стратегию аналитики, - говорит она. «В конце концов, это те, кому придется ее использовать. Лучший способ привлечь других - понять, как они мотивированы, а затем представить ценность аналитики в этих терминах. Спросите себя: «Почему эта бизнес-группа откажется от своих устаревших систем для современной платформы аналитики? Какую ценность они получат от изменения?» Как только они поймут ценность, они будут мотивированы менять платформы».

Мотивируйте членов команды

Эдвин говорит, что хорошая практика заключается в том, чтобы держать членов команды вдохновленными и взволнованными при разработке сложные задачи. «Покажите им, что инновации, обучение, непрерывное совершенствование и эволюция являются частью вашей команды».

В Rockwell Automation группа аналитиков начала анализировать данные. «Затем, с некоторыми амбициозными целями  мы входим в аналитику данных. Затем мы создали целый центр данных и платформу IoT [internet of things]. Каждый раз, когда моя команда что-то создает, они должны внедрять новшества и развиваться. Не позволяйте вашей команде погружаться в зону комфорта».

Один из лучших способов сохранить мотивацию команды - это повысить ценность организации. «Даже лучшие команды потерпят неудачу, если они не будут поставлять аналитические решения, которые работают», - говорит Эдвин. «Доказательство ценности ваших аналитических решений, даже поэтапно, поможет мотивировать более высокую рабочую силу оставаться у вас. В конце концов, ваша работа должна сделать работу каждого человека более эффективной и улучшить потоки доходов. Докажите, что вы можете это сделать ».

Когда команда поставит решения, придет время продавать свои достижения. «Вы должны инвестировать время в демонстрации успехов вашей команды», - говорит Эдвин. «Моя команда постоянно представляет наши достижения и ключевые знания. Это помогло нам развить нашу сеть и привлечь наших коллег в Rockwell Automation. Маркетинг нашей работы гордится командой и крупной компанией, вдохновляющей будущие успехи».

Расширьте команду вне организации

«Команда первоклассных аналитиков, на данном этапе рыночной зрелости и доступности талантов или специалистов, представляет собой комбинацию лучших из нескольких организаций», - говорит Берк из ISG.

«Это связано с тем, что очень немногие организации, если таковые имеются, имеют широту, глубину или масштаб талантов, данных и технологических ресурсов для достижения этого самостоятельно», - говорит Берк. «Для создания эффективной аналитики или «легкой информации» организации требуется «цепочка создания ценности» технологий, команд и организаций».

Сюда входят группы поддержки для различных платформ или сервисов проглатывания данных, хостинга программного обеспечения и обработки числовых данных; и разработчики, программирующие ПО и алгоритмы, необходимые для требуемой аналитики.

«Роли, входящие в эту цепочку создания стоимости возможностей аналитической команды, включают поставщиков платформ, специалистов по поддержке платформы, agile / DevOps-команд, аналитиков, специалистов по базам данных и информатике, бизнес-процессов и владельцев продуктов или информации,  а также специалистов по маркетингу и опыту работы с конечными пользователями», - говорит Берк.

No Comments