Специалисты корпоративной образовательной платформы Грейд от Яндекс Практикума опросили CTO крупного бизнеса и узнали, какие пробелы в знаниях аналитиков данных из своих команд они видят. Больше всего дата-аналитикам недостает навыка в презентации результата анализа данных, этот пробел отметили 85% опрошенных руководителей.
Геннадий Штех, руководитель группы R&D компании Embedika, порекомендовал, как прокачать слабые места аналитиков.
Ниже приводим текст оригинальной публикации.
На основании оценок респондентов аналитики Грейда проранжировали 20 цифровых навыков специалистов по анализу данных с точки зрения их нехватки у кадров и составили рейтинг пробелов в знаниях. Так, первым в рейтинге «проблемных» навыков у дата-аналитиков оказалось умение презентовать данные — коэффициент нехватки составил 3,63 балла из 5.
«Примечательно, что больше всего дата-аналитикам не хватает навыка из категории софт-скиллз. Презентация результатов анализа данных — компетенция, которую специалисты редко развивают сознательно, тогда как технические пробелы сотрудники чаще всего стремятся закрыть курсами для апскиллинга или повышения квалификации.
Зачастую именно от навыка аргументировать стейкхолдерам зависит то, насколько убедительно выглядят выводы, сделанные на основе анализа данных, для сотрудников бизнес-подразделений»
Галина Лебедова, руководитель b2b-направления Яндекс Практикума.
Кроме того, среди наиболее значимых пробелов в умениях дата-аналитиков оказалась предобработка данных (преобразование необработанной информации в понятный формат и ее подготовка к анализу, от этого зависит правильно ли сработают аналитические алгоритмы и насколько достоверным будет результат) — коэффициент нехватки составил 3,04 балла из 5.
Также в тройку «проблемных» направлений попал навык проектирования баз данных (2,85 баллов из 5), то есть умение систематизировать масштабные массивы информации и создавать схемы систем управления данными.
Меньше всего российские аналитики данных нуждаются в навыках NLP (от англ. Natural Language Processing или «обработка естественного языка») и CV (от англ. Computer Vision или «компьютерное зрение») — средний коэффициент нехватки составил 0,89 и 0,81 из 5, основываясь на мнении руководителей и тимлидов из сферы анализа данных.
Эксперт компании Embedika считает, что аналитикам также не хватает навыков в бизнес-аналитике, автоматизации ручной работы и умении строить поддерживаемые автоматизированные системы.
«На мой взгляд, специалисту стоить вникать в бизнес-процессы, которые он анализирует. Такой подход позволяет лучше интерпретировать результаты и говорить с заказчиком на одном языке, что как раз поможет и с презентациями.
Что касается автоматизации ручной работы, она поможет высвободить человеческий ресурс на новые задачи и снизит вероятность ошибок за счет исключения человеческого фактора.
А вот как раз процесс построения поддерживаемых автоматизированных систем вытекает из желания автоматизировать рутинные задачи. Важно не только настроить процессы, но и создать возможность оперативно и просто вносить изменения в систему в будущем»
Геннадий Штех, руководитель группы R&D компании Embedika
Для развития навыка бизнес-аналитики в компании должен быть настроен трансфер знаний. Специалисты из направления бизнес-аналитики могут взять менторство над отделом data science аналитики и помочь в формировании «бизнес-мышления» сотрудников.
Чтобы автоматизировать ручную работу, стоит использовать решения из мира классического и уже привычного Software Development. Контроль версий кода и данных (Git, DVC), системы непрерывной доставки результатов (CI-CD) могут быть либо переиспользованы полностью, либо послужить вдохновением для проекта автоматизированного конвейера. Программная инженерия поможет и с построением поддерживаемых автоматизированных систем.
В ближайшее время наш менеджер свяжется с Вами.
