Эту статью в сотрудничестве с GoPractice написал Женя Козлов. Женя 8 лет руководил аналитикой: 3,5 года строил функцию аналитики в Яндекс.Маркете, затем 4,5 года – в Яндекс.Такси. Сейчас Женя находится в творческом отпуске и нашел время поделиться опытом. Подписывайтесь на телеграмм-канал Жени “Секрет лапшичного супа”.

Далее повестовование ведется от лица автора.

 

За 8 лет в аналитике я прособеседовал и нанял сотни людей и хорошо представляю, как устроен рынок аналитиков.

Ключевое знание про аналитиков данных – этого рынка практически нет. В 2019 году я нанял в свою команду 34 аналитика, из которых 23 (68%) – это стажеры и джуниоры. Мы были бы рады нанимать более зрелых ребят, но их просто нет, поэтому приходится нанимать людей с потенциалом и растить.

Для сравнения, в команду дата-инженеров мы наняли 23% джунов (5 человек из 22) – здесь рынок есть. Эта дисциплина развита в банках, телекомах, ритейле – а значит, на рынке больше готовых специалистов.

Эта статья преследует две цели.

Первая – поделиться с рынком терминами, в которых мы в Яндексе думаем про уровни аналитиков. Это позволит уменьшить энтропию на рынке, где сегодня за вакансией и резюме аналитика может скрываться произвольный набор ожиданий и навыков: от проектного менеджмента и системного анализа, до автоматизации рутинных операций бизнеса. Приставки же младший / старший / ведущий вообще не несут никакой информации.

Вторая – дать понятный план для роста и развития в роли аналитика данных. В Яндекс.Такси мы вынуждены выстраивать конвейер для роста сотрудников, так как иначе мы просто не будем справляться. Сама формализация уровней аналитиков является следствием этого подхода. Но не все работают в больших компаниях, не у всех рядом есть сильный наставник или ментор – эта статья призвана помочь таким людям взглянуть на свои точки роста и поработать над ними.

 

Если вы хотите научиться управлять продуктом на основе аналитики и данных, то Симулятор, образовательный продукт от GoPractice, вам в этом поможет.

А еще мы завели канал «GoPractice!» и чат «Ask Kevin!» в Телеграмме. Подписывайтесь.

навыки и требования к аналитикам данных на разных уровнях

 

Что подразумевает роль аналитика данных

Аналитик данных – это человек, который помогает команде:

  • Принимать решения более объективно, основываясь на фактах и данных (в противовес мнению, интуиции и опыту).
  • Искать точки роста продукта и бизнеса.

Работа аналитика подразумевает работу с данными через использование SQL, Python и других языков программирования, создание дешбордов, автоматизацию процессов. Но это лишь инструменты для достижения двух целей, описанных выше. Если человек занимается только этим, то его не стоит относить к аналитикам. Возможно, он – дата-инженер, разработчик-автоматизаций, но это совсем другие роли с другими требованиями к людям.

Аналитик концентрируется на изучении данных, структурировании сложных систем, осмыслении процессов, чтобы приносить пользу бизнесу. Продукт аналитика — это ответы на заданные и незаданные вопросы, создание мыслительных моделей и фреймворков, и выведенные из них рекомендации, которые приводят к росту показателей бизнеса.

Способ достижения этого в большинстве случаев — работа с данными, но не обязательно. Аналитика помогает принимать решения, приводит к действиям в продукте и бизнесе. В ряде случаев можно принять решение и без анализа данных, просто хорошо формализовав все возможные ситуации и вилки решений, а далее откинув большую часть вариантов, опираясь на то, что уже известно команде.

Базовые навыки аналитика данных

Для того, чтобы эффективно справляться с описанными задачами, аналитику нужно:

  • иметь отличную математическую базу – за аналитиком не хочется перепроверять выкладки и формулы,
  • понимать базовую теорию вероятности и математическую статистику – нужно уметь проверять гипотезы, понимать ошибки разного рода, зависимость / независимость испытаний и т. д.
  • иметь математическую культуру – если аналитик использует метод или алгоритм, он должен знать область его применимости,
  • обладать критическим мышлением – реже, чем другие люди попадаться в ловушки когнитивных искажений,
  • обладать продуктовым мышлением – уметь оцифровывать пользовательский опыт в метриках, а также видеть за метриками пользователей, пытающихся решить определенную задачу,
  • обладать бизнесовым мышлением – уметь оцифровывать бизнес-процессы компании и изменения рынка, связать это воедино с продуктом и пользователями,
  • быть технарём – аналитик не обязан программировать как разработчик (эффективно, отказоустойчиво и масштабируемо), но у него не должно быть технических блокеров для того, чтобы решать задачи бизнеса: почитать документацию, сходить в какую-то новую БД и вытащить нужные данные, написать парсер, воспользоваться каким-то API для автоматизации и т. д.

Важное свойство хорошего аналитика — объективность по отношению к самому себе. Аналитик должен контролировать собственное желание казаться лучше, чем он есть. Даже самые сильные аналитики ошибаются (это нормально и без ошибок невозможно развитие), очень важно уметь отслеживать свои ошибки и быстро доносить их до команды, особенно если это может изменить принятое ранее решение. Сокрытие ошибок — флаг профнепригодности аналитика.

В Яндекс.Такси аналитики закреплены за какими-то командами, но мы не придаём большого значения предметной области: маркетинг, продукт или операционка — требования к уровню мышления, описанные выше, позволяют переключаться с одного на другое (разумеется, требуется время на погружение).

Саммари уровней аналитиков: от стажера до супер-звезд и супер-боссов

Используйте таблицу с осторожностью! В Яндексе понимание грейдов приходит в результате калибровок в процессе перформанс-ревью. Это процесс, когда тимлиды аналитиков отстаивают оценки своих подопечных, опираясь на их результаты за полгода. По опыту, нужно пройти как минимум пару ревью, чтобы понять требования настолько, чтобы уметь их транслировать – это часть культуры, она впитывается не мгновенно.

Таблица – это шпаргалка: она хорошо помогает, если вы знаете, о чем речь, и вводит в заблуждение, если это единственный источник информации. Поэтому таблицу стоит использовать только совместно с текстом ниже.

Далее мы будем рассматривать 2 ветви развития аналитиков – как специалиста, и как менеджера аналитиков.

Полную версию таблицы с уровнями аналитиков данных в формате pdf вы можете скачать тут.

грейды аналитиков Яндекс

Уровни аналитиков данных (специалисты)

1. Аналитик-стажер (trainee data analyst)

Чуть выше я описывал требования к аналитику. Это скрининговые требования, то есть все они должны выполняться даже на уровне стажера.Чаще всего аналитик-стажер не имеет никакого профильного опыта, кроме университетского. При этом у него есть необходимые качества, чтобы вырасти в сильного аналитика.

И тут вы можете удивиться – не слишком ли много? Ответ – нет, и вот почему.

Стажер все 3 месяца своей стажировки будет отнимать силы и время руководителя и коллег (а не добавлять ресурса, как может показаться), поэтому в качестве стажеров имеет смысл нанимать только ребят с заметным потенциалом, чтобы максимизировать возврат инвестиций на обучение.

Наиболее важными критериями при найме человека на позицию аналитика-стажера являются: академическая база, способ мышления (mindset) и опыт программирования в университете или на каких-то проектах.

Академическая база

Аналитик работает со статистическими данными. У стажера может не быть практического опыта, но за время стажировки он разберется, зачем же у него был этот курс в университете. Если курса не было — объём обучения стажера становится слишком большим. Мы в Яндексе, скорее всего, не возьмем такого человека в команду.

Способ мышления

Это сложно формализуемая штука, но мы пытаемся придумать тесты на входе, которые не зависят от рабочего опыта кандидата. Например, взять процесс, с которым сталкивается каждый житель города ежедневно и формализовать его в виде продуктовых метрик.

Таким образом мы проверяем способность человека поставить себя на место потребителя и выделить самое главное в его потребительском опыте. Это не что-то специальное, чему учат – это способ смотреть на мир, уровень эмпатии, критический взгляд.

Примеры задач: придумать пользовательские метрики для светофора, оцифровать процесс нагревания воды в электрическом чайнике и т. д.

Опыт программирования

Речь не о промышленном программировании. В работе аналитика данных нужно уметь читать документацию, быстро разбираться и использовать инструменты работы с данными, а также автоматизировать свою рутину. Это SQL разных реализаций, python, библиотеки pandas, библиотеки визуализации, умение использовать API.

Люди технического склада как правило сталкиваются с программированием существенно раньше, чем выходят на работу, они проще и быстрее прокачивают технические навыки – это то, что мы хотим от людей, которые пришли в профессию.

Софт-скиллы

Без организованности и ответственности, умения вести конструктивную коммуникацию с коллегами сложно добиться какого-либо результата в команде. Бывают исключения из этого правила, но это большая редкость.

Постановка задач

Аналитик-стажер работает на уровне четко сформулированных и хорошо формализованных задач. Задачи стажеру ставит исключительно старший товарищ-аналитик (наставник или руководитель). Он же проверяет результаты выполнения этих задач перед тем, как отдать эти данные куда-либо еще. Функции проверки, осмысления данных, их визуализации и коммуникации выводов пока лежат на руководителе, хотя стажер может делать свои первые подходы к этим частям работы.

2. Младший аналитик (junior data analyst)

Обработка данных

Младший аналитик – это стажер, который освоил инструменты обработки данных. Для него уже не существует ограничений в задачах по трансформации имеющихся данных к необходимой форме. Он всё ещё может делать что-то неоптимально: излишне греть вычислительный кластер неэффективными расчетами, тратить на простые задачи много времени, — но задачу он решит.

Недоверие к данным / валидация данных

Опыта младшего аналитика уже хватает, чтобы не доверять данным. Когда младший аналитик начинает работать с какими-то данными, он узнаёт природу этих данных и делает проверки: убеждается, что в данных именно то, что ожидается. Например, что показатели в нужной размерности, распределение величин выглядит разумно, нет странных выбросов, данные отражают реальную картину изучаемого явления и т. д.

Постановка задач

Младшему аналитику не хватает опыта в реальном продукте и бизнесе, поэтому он склонен решать задачи так, как они поступают:
– Нужно выгрузить эксельку с вот такими колонками? – держите.
– Нужно сделать дешборд? – нарисуйте на листочке, как он должен выглядеть.
и т. д.

Как правило при постановке задачи на младшего аналитика обсуждается детальный алгоритм с описанием данных, которые нужно использовать, способом трансформации этих данных (фильтрации, группировки, join’ы) и буквальным описанием, как должен выглядеть результат (если это график, то какие должны быть оси, нормировки, подписи, способ визуализации).

Простые задачи младшему аналитику бизнес-заказчик может ставить напрямую, но это не рекомендуется. В идеале все задачи всё ещё должны контролироваться его руководителем.

По мере роста опыта младший аналитик может работать более уверенно со знакомыми данными и с меньшей детализацией задачи со стороны наставника. При этом флагом для определения уровня является то, как он работает с незнакомыми данными.

Внедрение и применение результатов работы

Как правило младший аналитик не в состоянии подготовить аналитический отчет или исследование в формате рекомендаций с понятным обоснованием. И тем более не способен довести свои рекомендации и выводы до уровня реальных изменений на уровне продукта, процессов или бизнеса.

Младшие аналитики всё ещё приносят мало пользы бизнесу, поэтому критично чтобы они как можно быстрее росли. Принцип, прокачивающий младшего аналитика, – “делай как я”. Аналитик постарше (в присутствии младшего) обсуждает новую задачу с командой проекта, задаёт уточняющие вопросы, погружается в контекст проблемы, и в результате этого диалога возникает подход к решению. Дальше этот подход старший товарищ декомпозируют на задачи по обработке данных для младшего аналитика. Это позволяет наблюдать, как проблемы бизнеса превращаются в задачи на написание кода и рисование графиков и находят своё решение в них. Со временем младший аналитик должен научиться делать это самостоятельно.

Почему важно глубоко обсуждать постановку задачи с младшими аналитиками
Обычно при ведении проекта возникают вопросы и проблемы, с которыми могут помочь аналитики. Вместе с идеей сходить к аналитику у бизнес-заказчика, как правило, возникает и примерное решение, с запросом на которое он, скорее всего, и придет («а построй мне вот такой график?»). Но у проектного менеджера, дизайнера или продакта может просто не хватать информации о том, какие ещё есть данные и инструменты для получения ответа. Возможно, существует более точный способ дать ответ или более простой. Может быть, в рамках возникшей гипотезы вообще не нужно обрабатывать данные, а достаточно посмотреть на дешборд, где будет пусть не идеальный, но график, позволяющий с некоторыми допущениями ответить на заданный вопрос.

3. Аналитик 1 (Middle data analyst 1 step)

Аналитик 1 обладает всеми навыками младшего аналитика данных с точки зрения технической работы с данными и критического мышления, но при этом продвигается дальше в следующих аспектах своей работы и влияния на бизнес.

Постановка задач

Это первый уровень самостоятельного аналитика. Почти все его задачи возникают в прямом взаимодействии с командой или бизнес-заказчиком.

Младший аналитик перебирается на этот уровень после появления желания больше влиять на бизнес или продукт. Понятно, что одного желания недостаточно. Нужно подкопить опыта и кармы, чтобы желание трансфомировалось в возможность.

Аналитик 1 всё чаще и чаще докапывается до сути идей и вопросов, с которыми к нему пришли. Думает про задачи в терминах решений, которые будут приняты, а не в терминах работы с данными.

Сложность решаемых задач и глубина решения

Аналитик на этом уровне справляется с большинством простых задач самостоятельно. Однако с учетом небольшого опыта решения задач именно в бизнесовой постановке (с обработкой данных, как мы помним, всё нормально уже с уровня джуниора), аналитику на этом грейде может не хватать глубины мышления или ширины контекста, чтобы лучше понимать природу сложных задач и подбирать лучший способ решения.

Как правило трудности вызывают:

  • ситуации с высокой степенью неопределенности,
  • задачи вокруг сложных и многослойных бизнес-процессов,
  • задачи со сложным заказчиком, когда нужно аккуратно работать с возражениями.

В этих ситуациях аналитику 1 требуется помощь старшего товарища для понимания задачи, её декомпозиции или презентации результатов (чтобы они были применены).

Аналитик 1 – чаще других грейдов сталкивается с проявлением синдрома Даннинга-Крюгера. Он уже стал самостоятельным, научился помогать бизнесу, поэтому ему кажется, что ему любая задача по плечу (и вообще он уже дорос до старшего аналитика).

Проблема в том, что Аналитик 1 не понимает, в какой из своих задач он мог бы копнуть глубже. Поэтому руководитель такого аналитика старается быть в курсе почти всех его задач и выбранных способов решения. Формат контроля может быть разный, например: стендапы всей команды или регулярные встречи 1 на 1.

Аналитик 1 хорошо (и самостоятельно) справляется с задачами, которые имеют понятный путь к решению, например, подготовка и анализ рутинного а/б теста. Если аналитик проявляет проактивную позицию и не только отвечает на прямой вопрос а/б теста «можно катить или нет?», а смотрит (и находит!) проблемы в каких-то срезах, что позволяет улучшить показатели продукта, – это инициатива уже на грейд выше.

Сложные комплексные исследования аналитик 1 может делать только под присмотром наставника, который помогает и с сутью, и с декомпозицией и, зачастую, с оформлением и презентацией результата.

Софт-скиллз

Высокая степень самостоятельности означает, что сотрудник на этом уровне обладает навыками тайм-менеджмента, формирования ожиданий, прогнозирования сроков. Аналитик 1 несёт ответственность за результат.

Данные

Аналитик 1 начинает договариваться со смежниками о логировании или поставках данных, если ему их не хватает для решения задач. Не факт, что он это делает оптимально с точки зрения развития аналитического хранилища, но свои локальные проблемы он уже может решать. В полной мере это умение развивается к следующему грейду.

4. Аналитик 2 (Middle data analyst – 2 step)

Аналитик 2 — автономный аналитический юнит. Наносит пользу бизнесу. Это более опытная версия предыдущего грейда, но есть и отличия, которые являются качественными, существенными: это понимание контекста и выросший уровень рефлексии. Ниже о том, почему это важно и как меняется характер взаимодействия и пользы от этого аналитического юнита.

Контекст и проактивность

Аналитик 2 находится в глубоком контексте того, что происходит в его продукте или кусочке бизнеса. Это позволяет ему проявлять проактивность, приходить с идеями и предложениями, помогать тогда, когда не спрашивали. Это радикально повышает пользу от такого сотрудника.

Почему важно быть в контексте
Самые сложные проблемы — это задачи, которые трудно даже сформулировать. Это ситуации, в которых назрела какая-то боль или потребность, но что делать – совершенно непонятно. На такие задачи не ставят тикеты, а значит, чтобы помочь в их решении, нужно выступить проактивно. Но если аналитик не знает о проблеме, — помочь он не сможет.
Нельзя быть аналитиком высокого уровня и не быть в контексте проблем и задач своего бизнеса и продукта.

Рефлексия

Важное отличие Аналитика 2 от Аналитика 1 заключается в возросшем уровне рефлексии. Чтобы быть хорошим аналитиком, нужно во всем сомневаться и критически переосмысливать. К слову, на этом базируется наука и успешные аналитики, как и успешные ученые, обладают этим качеством.

Следствие возросшего уровня рефлексии — такого аналитика не страшно оставить одного с задачами и каким-то направлением бизнеса. Можно быть уверенным, что там не произойдёт каких-то глупостей. Если нужно, Аналитик 2 сам придёт за советом.

В результате получаем особенность менеджмента Аналитика 2. Поскольку аналитик 2 сам придет к своему руководителю за советом в случае необходимости, руководитель может быть не погружен в ежедневную рутину и обсуждать на регулярках они могут более высокоуровневые вещи.

Сложность решаемых задач и глубина решения

Другое важное отличие — более высокий доступный уровень абстракции при мышлении о бизнесе. Аналитик 2 должен уметь за рутинными операционными задачами видеть какие-то системные направления развития доверенной ему части бизнеса и понимать, как задачи связаны с целями, куда и зачем глобально движется продукт/компания.

Аналитик 2 отлично погружен в предметную область, что позволяет ему копать глубоко. Он умеет сводить задачи бизнеса к задачам оптимизации метрик. В вопросах, с которыми к нему приходят, он умеет докапываться до сути и оцифровывать эту суть.

Аналитик 2 решает задачи в бизнесовой постановке и результат его работы сформулирован обычно в таком же виде. Если это аналитический отчет — в нём есть рекомендация, как поступать и на что обратить внимание (точки роста и потенциальные проблемы). Если это дешборд или график — они помогают принимать решения.

Результатам Аналитика 2 доверяют. Это характеристика как накопленного опыта и кармы, так и того, как аналитик на этом уровне оформляет и доносит результаты своей работы. Обычно в его задачах понятно описана методология, приложены скрипты и код, описаны допущения и область применимости результата, есть блок с выводами и они написаны понятным языком. Если результату аналитика не доверяют, этот результат не будет приводить к действиям, а значит, работа этого аналитика бесполезна.

Большая часть результатов аналитика 2 — должна быть actionable. Аналитик 2 – опытный профессионал, которого мы вырастили или наняли, чтобы он приносил пользу компании. Польза аналитика, как мы помним, заключается в улучшении показателей, а не в написании SQL-запросов или создании отчетов-графиков. Поэтому между анализом данных и бизнес-результатом должен быть прочный мост actionability.

Данные

Аналитик 2 может быть самостоятельным заказчиком для команды аналитического хранилища (DWH) — описывать витрины, которые ему необходимы для работы.

Наставничество

Часто к Аналитикам 2 приставляют стажеров или младших аналитиков. Аналитик 2 должен уметь контролировать и обучать младших товарищей, в том числе должен уметь делегировать им какие-то простые задачи, растить их экспертизу и степень самостоятельности.

5. Старший аналитик (Senior data analyst)

Супер-герой – таких очень мало. Даже в режиме рутинной работы приносит колоссальную пользу бизнесу, выраженную во влиянии на ключевые показатели продукта или вверенного ему бизнес-процесса. По сравнению с предыдущим уровнем растет глубина и сложность решаемых задач, автономность и проактивность. К сожалению, не каждый аналитик 2 способен дорасти до этого уровня.

Сложность решаемых задач и глубина решения

Старший аналитик способен решать проблемы, у которых нет «решения в лоб» – и его результат вызывает доверие. Он умеет коммуницировать результат так, чтобы его поняли и приняли. Типичный пример такой задачи – оценить какой-нибудь запуск без А/Б теста, когда невооруженным глазом ничего непонятно (программа лояльности, влияние Драйва на Такси, каннибализации в перформанс-маркетинге и т.д.)

Старший аналитик обладает опытом и контекстом, который позволяет ему предугадывать, какие задачи могут возникнуть в перспективе.

Старший аналитик – ценный ресурс. С точки зрения компании важно стремиться к тому, чтобы каждый результат старшего аналитика приводил к позитивным изменениям. Если старший аналитик раскопал что-то ценное – он обязан сделать так, чтобы об этом узнали все причастные, пролоббировать нужное изменение в продукте или бизнесе.

У старшего аналитика развиты коммуникативные навыки, он умеет находить подход к разным людям в компании, уметь выбирать способ коммуникации, подходящий под решаемую задачу, умеет простым языком объяснять сложные концепции.

Данные

Опыт старшего аналитика позволяет ему быть квалифицированным заказчиком для команды DWH (аналитического хранилища). Он отлично формирует требования к данным и логированию, позволяющие решать на этих данных как текущие задачи, так и те, которые могут возникнуть в будущем.

Наставничество

Как правило, задачи и проекты старшего аналитика достаточно большие – он может декомпозировать их и раздавать части аналитикам помладше.

В условиях растущей компании у старшего аналитика почти непрерывно есть стажер или младший аналитик, которого он обучает.

Менеджмент

Как правило старший аналитик управляется целями («сейчас мы в точке А, хотим попасть в точку Б»), большую часть из которых он определяет сам и согласует с руководителем. Чаще всего регулярное общение старшего аналитика с руководителем проходит в формате обсуждения стратегии, психотерапии, hr-вопросов.

6. Ведущий аналитик (Lead data analyst)

Аналитик-легенда. Таких единицы. Мы заходим на территорию, где нет устоявшегося рынка и требований.

Сложность решаемых задач и глубина решения

Ведущий аналитик – это супер-эксперт в своей предметной наукоемкой области (как пример, алгоритмы диспетчеризации или поведенческая экономика). Требуется сильный академический бекграунд, широкий кругозор и многолетний опыт. Как правило всё это отлично сочетается с написанием научных статей и выступлениями на научных конференциях.

Чтобы реализовывать проекты в сложных предметных областях, нужно иметь сильные коммуникативные и менеджерские навыки, нести образовательную и популяризаторскую функцию.

Менеджмент

Ведущий аналитик сам определяет свои приоритеты и способы приносить пользу, и лишь согласует это видение с руководителем. Если требуется смена приоритетов, обычно это происходит в формате перефокусировки: «Мне кажется, вот этот вопрос сейчас приобрел большую важность для компании. Подумай, пожалуйста, что можно было бы тут сделать».

Уровни руководителей аналитиков данных

Задача руководителя аналитиков – масштабировать пользу от себя через свою команду. Например, если Вася – старший аналитик, то в роли менеджера Вася будет молодцом, если его команда из пяти аналитиков (и его самого) принесёт пользу хотя бы как три Васи.

Грейд руководителя обычно соответствует максимальному грейду сотрудника +1. Триггер для роста грейда руководителя – наличие трекшена по выращиванию людей до своего текущего уровня и их результативному менеджменту.

Хорошо, когда руководителями становятся старшие аналитики, но жизнь сложна и иногда в порыве роста компании менеджерскую функцию приходится брать и специалистам среднего уровня.

Руководитель аналитики 0

На самом деле такого грейда не существует, но я завел данную категорию, чтобы подчеркнуть, что наставничество не является менеджментом, как могут подумать некоторые начинающие наставники =)

Руководитель аналитики 1 (Analyst team lead)

Структура команды

Начинающий руководитель. Несколько аналитиков в прямом горизонтальном подчинении. Оптимально – до 5, но бывает и больше.

Наставничество

Руководителю аналитики 1 приходится растить своих ребят через наставничество. Помогать с задачами: декомпозировать большие задачи до необходимого уровня сложности, участвовать в постановках, решении, донесении результатов, учить новым подходам и технологиям.

Мотивация

Руководитель аналитики 1 занимается мотивацией сотрудников на ежедневной основе в рамках регулярных встреч с командой и отдельными сотрудниками. Формулирует вдохновляющие цели и помогает их достигать, делает так, чтобы команда чувствовала себя командой и возникала синергия от взаимодействия разных аналитиков, даже если они занимаются разными вопросами.

Вопросами премий, компенсации и контр-офферов начинающему руководителю заниматься сложно в силу отсутствия накопленного опыта – у него было слишком мало таких ситуаций. Обычно с этим ему помогает его руководитель.

Экспертиза

Руководитель аналитики 1 обладает экспертизой в той части бизнеса, за которую отвечает, и является ключевым лицом, формирующим требования к данным по своему кусочку домена (например, перформанс маркетинг или клиентский продукт). Эти данные впоследствии будут переиспользоваться другими командами. Важно, чтобы они были корректны, удобно спроектированы и задокументированы. Это позволяет снижать порог входа для коллег.

Процессы

Руководителю аналитики 1 приходится заниматься выстраиванием процессов взаимодействия с бизнес-заказчиками и смежниками, чтобы команда и коллеги могли работать эффективно. При выстроенных процессах у коллег не должно возникать вопросов: к кому приходить с задачами, как их ставить, как в целом им могут помочь аналитики, как долго ждать результата, как повлиять на приоритет задачи. С другой стороны – команда аналитиков должна находиться в одном контексте с бизнесом, они должны понимать друг друга с полуслова.

Обычно это означает, что есть принятые ритуалы взаимодействия. В разных командах и компаниях они могут быть разными. Примеры: стендапы команды аналитики, регулярные встречи про приоритеты с бизнесом, семинары для обмена опытом, регулярные встречи один на один с руководителем, отчетные выступления о результатах работы аналитиков за сезон, правила работы над задачами (тикеты, код под контролем версий, нейминг метрик в отчетах и т. д.)

Подчеркну, что всё перечисленное – это артефакты деятельности руководителя, главное же – это смысл: аналитики должны приносить максимальную пользу, работать эффективно.

Руководитель аналитики 2 (Head of some analytics)

Существенное отличие от предыдущего уровня – в структуре команды и выросшей зоне ответственности.

Структура команды

У руководителя 2 существенно больше команда, поэтому в ней появляются промежуточные руководители. Обычно их 3-4. С точки зрения ответственности – всё то же самое, но в большем масштабе.

Процессы

Руководитель этого уровня занимается системными вопросами, которые помогают его команде и компании работать эффективнее. Это может касаться:

  • hr-процессов найма,
  • процессов оценки результатов (перформанс ревью),
  • вопросов аналитической инфраструктуры,
  • инструментов отчетности
  • и т. д. (список неполный)

Как правило, руководитель такого уровня – опытный аналитик. Он хорошо знает, какие задачи бывают у аналитиков, с какими сложностями в процессе они сталкиваются.

Одна из зон ответственности руководителя аналитики 2 уровня – удобная аналитическая инфраструктура и среда: виртуалки, jupyter hub’ы, библиотеки, облегчающие рутину, удобные витрины данных и т. д. Является квалифицированным заказчиком для команды аналитического хранилища (DWH).

Руководитель аналитики может не являться профессионалом в машинном обучении, но, безусловно, с предметной областью знаком и может говорить с data scientist на одном языке. Хорошо понимает, когда задачу стоит решать методами машинного обучения. Это позволяет ему быть квалифицированным заказчиком для команды ML.

Если компания маленькая, то руководителю аналитики на данном грейде могут быть подчинены команды DWH и Data Science.

Руководитель 2 является связующим звеном между топ-менеджментом и командами аналитики. Поддерживает контекст и единое информационное поле в своей команде и в компании в целом.

Наставничество

Руководит руководителями 1 уровня. А значит, умеет воздействовать на команды и процессы в них без непосредственного вмешательства, а через промежуточного руководителя. Является наставником для начинающих руководителей.

Руководитель аналитики 3 (Директор по аналитике – Chief Data Officer / Chief Analytics Officer)

C-level*. Является частью топ менеджмента. Обладает отличным знанием и пониманием контекста (в том числе непубличного), в котором живет компания и рынок, цели и проблемы компании. В широком смысле отвечает за эффективность компании, помогая улучшать её с помощью аналитики и работы с данными. Чтобы быть успешным директором по аналитике, нужно безусловно быть профессионалом в аналитике. Но описание роли директора больше похоже на описание роли любого другого директора в компании, если не учитывать предметную область.

* Большие корпорации имеют сложные и разветвленные структуры. Здесь имеется в виду C-level на уровне отдельного бизнес-юнита или продукта, руководитель которого назывался бы CEO, если бы это была отдельная компания.

Структура команды

Десятки или даже пара сотен человек (в зависимости от размера компании) разных специальностей:

  • аналитики,
  • специалисты по машинному обучению,
  • специалисты по визуализации и репортингу,
  • дата-инженеры,
  • системные аналитики и проектные менеджеры,
  • маркет-рисёчеры и UX специалисты,
  • (список неполный)

Лидерство

Директор – безусловный авторитет и лидер своего направления. Аналитики и инженеры не хотят делать таски, они хотят влиять на компанию, продукт, клиентский опыт и делать мир лучше.

Задача лидера – вдохновлять команду на крутые результаты, показывать, как цели и задачи конкретных ребят связаны с большими целями компании.

Почему это так важно для этого грейда? Безусловно, лидерство важно и на более младших уровнях, но если его не хватает, то с этим могут поддержать руководители постарше. Но когда ты самый большой начальник в направлении – помогать больше некому. Конечно, есть CEO, но его время очень дорого и ограничено, так что его помощь должна быть скорее исключением.

Прикладные задачи

Директор по аналитике занимается прикладными аналитическими задачами очень ограничено – как правило это важные исследования, на основании которых принимает решения топ-менеджмент.

Что такое важные вопросы, в которых директор по аналитике участвует непосредственно, но которые при этом не являются частью построения системы? Приведу примеры:

  • построение системы kpi для всей компании и выставления целей по ним,
  • оценки профита от проектов и их ранжирование в рамках регулярного планирования,
  • построение прогнозных моделей компании и рынка,
  • исследования, которые могут поменять стратегию компании,
  • оценка потенциальных сделок M&A,
  • интеграционные проекты по результатам M&A,
  • проекты про данные, несущие большие регуляторные риски, например, на соответствие GDPR, SOX и другим дорогим аббревиатурам.

Процессы

В больших компаниях директор по аналитике (как и любой другой директор) не может контролировать каждый вопрос или задачу, которые возникают в его направлении, но при этом его функция – сделать так, чтобы результатам аналитики, на основе которых принимаются решения в локальных командах, можно было доверять, аналитика была actionable и приносила измеримую пользу бизнесу.

Директор добивается этого через найм правильных людей, их развитие и мотивацию, выстраивание процессов внутри компании (в широком смысле, не только аналитических), улучшение аналитической инфраструктуры, определение фокусов и целей команд. Чтобы нанимать лучших людей с рынка, директору приходится заниматься hr-брендом своего направления.

Департамент аналитики – это нервная система компании. Благодаря аналитике менеджменту приходят сигналы и принимаются решения – задача директора организовать работу большой группы людей, чтобы эта функция выполнялась и давала рост компании.

В заключение

С тех пор, как я впервые формализовал и внедрил грейды в своей команде, я не представляю, как от них можно отказаться. Грейды так прочно засели в моём сознании менеджера, что теперь про все задачи, связанные с людьми, я думаю в терминах грейдов: найм, развитие, материальная мотивация, кому какую зону ответственности стоит доверить и т.д.

Если вы руководите аналитиками, надеюсь, фреймворк окажется вам полезен – и, спустя время, вы разделите мой энтузиазм =).

Для того, чтобы начать чувствовать систему грейдов «на кончиках пальцев» требуется много практики. Как руководителю вам нужно выставить грейд хотя бы паре десятков сотрудников, чтобы разобраться в нюансах и пограничных ситуациях.

Если вы аналитик, можете использовать этот материал как гайд по профессиональному и личностному росту. Пришлите эту статью вашему руководителю и предложите на следующей регулярной встрече обсудить, на какой ступени аналитики вы сейчас находитесь, над чем вам стоит поработать, чтобы перебраться на следующую. Заданная система координат позволяет вести подобные разговоры содержательно и ёмко.

Если по прочтении у вас остались вопросы – не стесняйтесь задавать их в комментариях и в чате «Ask Kevin!» или мне лично.

 

Автор статьи – Женя Козлов. Женя 8 лет руководил аналитикой: 3,5 года строил функцию аналитики в Яндекс.Маркете, затем 4,5 года – в Яндекс.Такси. Подписывайтесь на телеграмм-канал Жени “Секрет лапшичного супа”.

 

Если вы хотите научиться управлять продуктом на основе аналитики и данных, то Симулятор, образовательный продукт от GoPractice, вам в этом поможет.

А еще мы завели канал «GoPractice!» и чат «Ask Kevin!» в Телеграмме. Подписывайтесь.