Существует разрыв, который часто возникает, когда организация только начинает работать с аналитикой. Одним из ключевых факторов является то, кого и как вы нанимаете, когда речь идет о талантливых аналитиках. В последние дни у меня было несколько дискуссий на эту тему.
Первые несколько сотрудников в области аналитики — статистика, наука о данных и т. д. — имеют решающее значение, потому что они могут добиться успеха или сломать его. Неправильный найм может сбить вас с курса и даже убить для вас аналитику.
Я из первых рук увидел, что значит быть первым нанятым аналитиком. Хотя давным-давно я был единственным статистиком в организации. Я управлял аналитической консультационной практикой, среди клиентов которой были те, кто нанял нас для своей первой аналитической инициативы. Я консультировал организации, желающие начать работу с аналитикой. И я работал с организациями, которым требовались корректировки курса, потому что они допустили ошибку при первом найме аналитика.
Короче говоря: ваш первый сотрудник в области аналитики не должен быть специалистом по данным или статистиком. Это определенно не должен быть разработчик данных или инженер по машинному обучению. Скорее, это должен быть кто-то из области бизнеса/исследований с достаточным техническим опытом, чтобы понять, как работает аналитика. Кроме того, что кто-то должен понимать, как работать с техническими типами.
Есть некоторые исключения, в частности, некоторые (но не все) технологические стартапы и консалтинговые фирмы, чей бизнес решает чужие бизнес-/исследовательские проблемы. Но это особые обстоятельства; подавляющее большинство организаций, начинающих заниматься аналитикой, не относятся к ним.
Почему я не могу просто нанять специалиста по данным или статистики?
Среди прочего, вот три основные причины, почему это имеет решающее значение.
Организационная инфраструктура для использования аналитики является вещью. Ваш первый нанятый аналитик должен быть самой важной частью этой организационной инфраструктуры — мостом к техническим возможностям. Без этого моста невозможно эффективное использование этих технических возможностей. Начните с технических наймов, и у вас будет много технических возможностей на другом берегу реки, до которых вы не сможете добраться.
Самые большие первоначальные возможности в аналитике обычно связаны со сложными проблемами, для которых более простые решения в любом случае более эффективны. Это низко висящие аналитические плоды, которые должны быть тесно связаны с областью бизнеса/исследований. Удивительно легко спутать сложность проблемы со сложностью решения. Технические специалисты всегда будут интерпретировать проблему с точки зрения решения, потому что это то, что они делают естественно. «Это решение слишком простое для меня», — не сказал ни один бизнесмен или исследователь, который действительно разбирается в аналитике.
Наличие человека с точки зрения бизнеса/исследовательской области, который понимает все это, делает общий аналитический ресурс более эффективным, особенно на начальных этапах. Кто не хочет рентабельности инвестиций в аналитику? Кроме того, первые нанятые аналитики должны сосредоточиться на деятельности, которую функционально сложно передать на аутсорсинг. Разработку аналитики невероятно просто передать на аутсорсинг, если вы знаете, что делаете. Кроме того, разработка — это место, где вы можете наиболее эффективно использовать гибкие ресурсы в аналитике.
Никакое техническое мастерство не удовлетворит эти первоначальные потребности.
Но аналитики умеют решать проблемы!
Многие организации совершают ошибку, привлекая аналитические ресурсы, слишком технические для данной ситуации. Ожидается, что они будут решать важные проблемы бизнеса/исследований, потому что они умеют решать проблемы. К сожалению, статистики и специалисты по данным часто сами усугубляют это. Они считают, что решают проблемы, и они правы! Но в этом кроется ключевая проблема.
Мы часто забываем, ошибаемся или даже отказываемся признать, что основная компетенция специалистов по данным и статистиков заключается в решении проблем с данными. Не определять их, как бы нам ни хотелось верить в обратное! Некоторые специалисты по данным и статистики могут помочь сформулировать проблему, но это отличается от ее определения.
Одна из распространенных сегодня проблем в аналитике заключается в том, что технических специалистов нанимают до того, как проблема будет определена. В результате им остается самим сформулировать, в чем, по их мнению, заключается проблема. Не в чем проблема на самом деле.
Вам нужен специалист по определению проблем, а не специалист по их решению, кто-то, кто ближе к сфере бизнеса/исследований, чем к технической области. На самом деле, вам гораздо лучше иметь дело с деловым/исследователем, обладающим достаточными техническими знаниями, который знает, как работать с техническими людьми, чем с техническим специалистом, обладающим знаниями в области бизнеса/исследований. Вы всегда можете отдать разработку на аутсорсинг, хотя это отдельная тема.
Но я собираюсь нанять действительно умного специалиста по данным или статистики!
Технические люди всегда подходят к проблеме с технической стороны. Это естественно и ожидаемо — в этом их сила. Хотя опыт может помочь в понимании проблемной области, по моему опыту, это гораздо больше связано с естественным мышлением человека. Это квинтэссенция «природа против воспитания». Для многих даже многолетний опыт не может преодолеть их естественное мышление.
Хотя существуют и другие известные оценки, такие как Майерс-Бриггс и DISC, мои клиенты часто слышат, как я упоминаю HBDI (Инструмент доминирования мозга Геррмана). Я ссылаюсь на HBDI именно из-за того, что он фокусируется на стиле мышления, а не на личности.
Профили личности, безусловно, влияют на командную работу и сотрудничество, что имеет решающее значение в современном мире. Однако соответствие конкретным ролям во многом зависит от того, как этот человек думает, особенно в информационной сфере. Я годами интуитивно нанимал таким образом, и это сработало. Позже мне официально представили идею, и все это имело смысл.
В качестве реального примера, мой профиль HBDI представляет собой смесь масштабного мышления и аналитического мышления в соотношении 50 на 50. Я схематический мыслитель, который мыслит аналитически. Люди в моей команде подтвердят это («Мне нужно больше контекста»). Хотя я способен к техническому мышлению, я не ваш разработчик чистой науки о данных. Для этого на рынке есть гораздо лучшие ресурсы. К счастью, я именно там, где должен быть, — решаю организационные и другие масштабные задачи, связанные с информационной сферой, которые всегда важнее, чем данные, аналитика и технологии. Здесь я наиболее эффективен.
Я не пытаюсь продать HBDI; это не обязательно должен быть HBDI. Я ссылаюсь на него главным образом потому, что у меня есть собственные результаты оценки, которые служат удобным примером. Дело в том, что определение подходящего человека для вашего первого найма аналитика — это больше, чем оценка технических компетенций и опыта.
Где мне найти этих людей?
Хороший вопрос.
Как я уже сказал, опыт может помочь. Тем не менее, если естественно-технические мыслители заставят себя сделать это, они закончат тем, что сделают то, что не делают естественным образом. Если вы делаете это все время, это очень утомительно; это не весело, когда новизна стирается. У некоторых может быть потолок того, насколько вы можете улучшить его. Что еще более важно, многие не хотят делать это в той мере, в какой это необходимо для достижения успеха. Большая часть успеха в аналитике заключается в распределении ресурсов по ролям, которые позволяют им процветать. Ставить естественному разработчику, который хочет им стать, тяжелую роль наведения мостов, значит напрашиваться на неудачу. Или разработчик уходит на более зеленую пастбище. К сожалению, слишком часто так и происходит.
Также стоит сказать, что это действительно редкая порода. Подбирая и нанимая для своих собственных команд, а также для других, я говорю, что подавляющее большинство людей с высокими техническими навыками (с опытом или без) являются чисто техническими мыслителями, которые лучше подходят для разработчиков. Если бы мне пришлось поставить цифру, рискуя вызвать разногласия, я бы легко сказал, что более 95% попадают в эту категорию.
И они хотят быть разработчиками, даже если говорят обратное. Я не встречал многих, кто действительно понимает, что влечет за собой наведение мостов, и готовы принять это. Большинство идей технических мыслителей о наведении мостов по-прежнему являются техническими интерпретациями, лишь слегка переосмысленными в соответствии с деловыми/исследовательскими интересами.
Наконец, некоторые развивают этот навык наведения мостов быстрее, чем другие, даже среди этой редкой породы. Но я нанял или помог другим сделать несколько наймов для стиля мышления в ущерб опыту. Редко когда это не работало.
Одно можно сказать точно: это не самые дешевые ресурсы. Но правильный найм приносит вам прибыль. Выберите самый дешевый технический ресурс для своего первого найма аналитика, и вы обречены на провал.
Что я ищу в своем первом найме?
Несмотря на акцент на сфере бизнеса/исследований, я не имею в виду, что единственное решение состоит в том, чтобы превратить опытных экспертов в области бизнеса/исследований в практиков-аналитиков. Я также не выступаю за то, чтобы эта роль относилась к области бизнеса/исследований, а не к области информации. Я имею в виду, что помимо достаточного технического понимания я ищу следующие вещи: (1) глубокую деловую/исследовательскую хватку, с опытом или без него, (2) способность и желание действительно представлять интересы бизнеса/исследований и (3) способность общаться как с экспертами по бизнесу/исследованиям, так и с техническими экспертами.
Итак, что является достаточным техническим пониманием? В идеале это эквивалент курсовой работы по прикладной статистике для выпускников, скажем, последовательности вероятностей и прикладной статистики для выпускников первого года обучения. Это может показаться излишеством, но я буду стоять в краске, что это не так. Я также намеренно говорю статистика, а не наука о данных, и это не имеет никакого отношения к тому факту, что моя степень связана со статистикой. Во-первых, когда я ходил в школу, не было программ по науке о данных! [Вставьте сюда свою любимую шутку «Эй, мама, такая старая». ]
Но настоящая причина в том, что вашему первому найму аналитика необходимо четкое понимание статистики и, что более важно, вероятности. Вероятность лежит в основе дизайна анализа данных, который является источником подавляющего большинства проблем с аналитикой. Выявление фундаментальной проблемы в дизайне анализа также требует деловой/исследовательской точки зрения. Здесь также часто терпит неудачу аутсорсинг аналитики.
В современном мире отсутствие данных не является проблемой. Там есть данные. Или будет. Технические типы могут сказать, что у вас нет правильных данных, основываясь на их сильно технически окрашенном понимании проблемы бизнеса/исследований. Но кто-то должен выяснить, нет ли у вас подходящих данных для задачи или у вас нет подходящей проблемы для данных. И этот кто-то не собирается быть чисто техническим мыслителем.
Первоначально опубликовано на https://www.datadriveninvestor.com 30 июля 2022 г.
Подпишитесь на DDIntel Здесь.
Присоединяйтесь к нашей сети здесь: https://datadriveninvestor.com/collaborate
