В последние несколько лет роль исследователей данных (Data Scientist, или DS) значительно возросла. Эта роль может иметь множество разных трактовок, и одним из следствий роста ее важности стало изменение восприятия другой, смежной и не менее важной роли: Аналитиков данных (Data Analysts или DA). С высоты своего десятилетнего опыта в среде Analytics & Data Science я расскажу сегодня, почему растущая популярность DS позиций не должна менять наше восприятие DA.
Будущее позиций Analytics & Data Science
В Criteo я являюсь членов глобального совета директоров по Analytics & Data Science, вместе с другими лидерами компании формирующими будущее аналитиков и исследователей данных в нашей организации. В нашей компетенции находится все, что касается роли Data Science, и мы имеем дело со всеми новыми терминами вокруг нее.
Помимо моей работы в Criteo, я также тесно общаюсь с другими экспертами, от создателей молодых инновационных стартапов до представителей зрелых компаний. И все разговоры на эту тему приводили к одному заключению: Рост важности роли DS скомпрометировал важность более давней роли DA.
Между значением Data Scientist и Data Analyst все еще есть определенное недопонимание, но чаще всего DS считается более совершенной и улучшенной версией DA. Одним из неприятных последствий такого недопонимания является определенное давление на аналитиков данных по необходимости переименовать их в исследователей данных, как если бы первый термин вышел из моды. Роли аналитиков и исследователей данных часто пересекаются относительно набора необходимых навыков, но есть фундаментальные различия в их пользе для организаций. Обе роли являются важнейшими для компании, концентрирующейся на данных, и есть несколько критически важных аспектов, которые необходимо понимать.
Аналитики данных вовсе не являются предшественниками исследователей данных.
Основываясь на информационной среде вокруг этих двух понятий, зачастую аналитиков данных воспринимают как предков исследователей данных, оставленных далеко позади эволюцией. Это в корне неверная концепция. И вот почему:
1. Восприятие двух ролей слишком зависит от трендовых тем и модных словечек.
На смену эры Больших Данных пришло Машинное Обучение, которое в свою очередь заменил Искусственный Интеллект. Название роли исследователя данных проделало точно такой же путь.
Множество компаний оказалось на гребне этой волны, привлекая аналитиков на якобы DS позиции. Несмотря на несоответствие роли ее описанию, она звучит более привлекательно. Посмотрим хотя бы на открытые позиции в LinkedIn: в три раза больше вакансий по ключевым словам Data Scientist, чем Data Analyst.
2. Ценность аналитиков данных преуменьшена по ошибке.
Несмотря на сходство набора навыков DA и DS, их миссия определяет фундаментальные различия. Никто не ждет от этих ролей одинакового набора умений.
Аналитики данных фокусируются на краткосрочных данных, необходимых для принятия бизнес решений. Они ближе к топ менеджерам, которые принимают эти решения. и подчиняются строгим дедлайнам. Их работа состоит в стратегическом планировании бизнес решений в точь-в-точь тех же условиях, как и топ менеджеры: короткий жизненный цикл задачи, высококонкурентная среда, необходимость выйти на определенные показатели по прибыли и т.д.
Это не означает, что они не в состоянии работать над долгосрочными задачами, просто это не та сфера, в которой аналитики способны оказать наибольшее влияние.
3. Аналитики данных хорошо знают экосистему индустрии, продукты и показатели рынка.
Если вы хотите стать топ менеджером, вам стоит получить достаточный опыт работы аналитиком данных. Дело не только в том, что вы умеете или не умеете: Большее значение имеет влияние на бизнес, которое вы сможете получить.
Аналитики данных с большим успехом могут коммуницировать с аудиториями и различными командами и помогать обрабатывать полученные данные. Им проще менять свой лексикон и подбирать разъяснения в зависимости от аудитории.
4. Множество топ менеджеров рассматривает аналитиков как бизнес консультантов.
В свое время я руководил командами и аналитиков, и исследователей данных во множестве компаний на моем карьерном пути. Я как никто могу оценить ценность исследователей данных, если их работу применять правильно, например, в глубоком анализе и предиктивных алгоритмах.
Однако, аналитики незаменимы, когда речь заходит о влиянии на бизнес стратегию. Должен отметить, что топ менеджеры предпочитают работать совместно с аналитиками данных, которые выступают как ценные бизнес консультанты.
Аналитики и исследователи данных имеют наибольшую ценность вместе, эволюционируя и дополняя друг друга.
Расцвет популярности названия DS заставил меня пересмотреть ценность DA по отношению к DS. Это отличная возможность пересмотреть важность роли DA и оценить ее преимущества. Да здравствуют аналитики данных!
