renchen.ru
Что не так с «новой нефтью»
Томас Редман
Аналитика данных существует уже давно, при этом неудачных проектов в области исследования больших данных, в частности, на основе искусственного интеллекта, насчитывается великое множество. Несмотря на весь ажиотаж вокруг так называемой «новой нефти», чистого дохода аналитика данных пока не приносит. Что же происходит?
Недавно мы с Роном Кенеттом, известным израильским экспертом по аналитике данных, делились опытом успехов и неудач наших подопечных и коллег. Стало ясно, что в основе успешных кейсов лежали не технические достижения, а глубокое понимание бизнес-задач, формирование доверия у тех, кто принимает решения, умение представить результаты исследований просто и доходчиво, способность терпеливо разбираться с возражениями и замечаниями всех участников процесса. И наоборот, безупречные проекты гибнут на корню, если не суметь наладить контакт с нужными людьми в нужное время.
Во многих компаниях аналитики не уделяют этим менее четко обозначенным, но не менее сложным моментам достаточно внимания. Этому есть две причины: во-первых, аналитикам привычнее заниматься прямыми обязанностями, то есть копаться в данных и находить в них что-то интересное, а не решать бизнес-задачи. И это в какой-то степени логично. Их учат обращать внимание только на данные и на инструменты для работы с ними — так они и зарабатывают признание коллег. К тому же, заниматься новыми технологиями гораздо интереснее, чем разбираться с корпоративными дрязгами.
Во-вторых, с точки зрения работодателей, аналитики — штучный товар. Их нужно оберегать от хаоса повседневности. От этого пропасть между аналитиками и общим вектором движения компании только растет. Осложняет этот процесс и то, что для многих аналитика данных — что-то новое и незнакомое, к чему не знаешь, как подступиться. Легче всего взять давно работающий отдел и прикрепить к нему аналитиков, а дальше будь что будет.
Итак, что нужно сделать, чтобы получить максимум отдачи от аналитиков в штате компании?
