Има прекъсване на връзката, което често съществува, когато една организация тепърва започва да работи с анализи. Един от ключовите фактори е какво и как наемате, когато става въпрос за талант за анализ. През последните дни имах много дискусии по темата.

Първите няколко служители в областта на анализите – статистика, наука за данни и т.н. – са критични, защото те могат да успеят или да го провалят. Грешното наемане може да ви отклони толкова много от курса и дори да убие анализите за вас.

Разгледах от първа ръка какво означава да си първият нает анализатор. Макар и преди много време, аз бях единственият статистик в една организация. Водил съм консултантски практики за анализи, чиито клиенти включваха тези, които ни наеха за първата си инициатива за анализ. Посъветвах организации, които искат да започнат в анализа. И аз съм работил с организации, които са имали нужда от корекции на курса, защото са сгрешили при първото наемане на анализатори.

Накратко: първият ви нает в анализа не трябва да бъде учен по данни или статистик. Определено не трябва да бъде разработчик на наука за данни или инженер по машинно обучение. По-скоро трябва да е някой от страната на бизнеса/изследователската област с достатъчно технически опит, за да разбере как работи анализът. Освен това, този някой трябва да разбира как да работи с техническите типове.

Има някои изключения, по-специално някои (но не всички) технологични стартиращи фирми и консултантски фирми, чийто бизнес е решаването на нечий друг бизнес/изследователски проблеми. Но това са специални обстоятелства; по-голямата част от организациите, които започват да се занимават с анализи, не са тези.

Защо не мога просто да наема специалист по данни или статистик?

Наред с други, ето три основни причини, поради които това е решаващо.

Организационната инфраструктура за използване на анализенещо. Вашето първо наемане на анализатор трябва да бъде най-важната част от тази организационна инфраструктура – ​​мостът към техническите възможности. Без този мост няма ефективно използване на тези технически възможности. Започнете с технически наемания и ще имате много технически възможности от другата страна на реката, които не можете да достигнете.

Най-големите първоначални възможности в анализа обикновено са сложни проблеми, за които по-простите решения са по-ефективни. Те са аналитичните ниско висящи плодове, които трябва да бъдат супер свързани с бизнес/изследователската област. Изключително лесно е да объркате сложността на даден проблем със сложността на решението. Техническите специалисти винаги ще интерпретират проблема от гледна точка на решението, защото това е естественото им действие. „Това решение е твърде просто за мен“, каза никой бизнес/изследовател, който наистина разбира от анализи.

Наличието на човек от гледна точка на бизнес/изследователска област, който разбира всичко това, прави цялостното ресурсно осигуряване на анализи по-ефективно, особено в началните етапи. Кой не иска ROI от анализа? В допълнение, първите наети анализатори трябва да се съсредоточат върху дейности, които са функционално трудни за възлагане. Разработването на анализи е невероятно лесно за възлагане на външни изпълнители, ако знаете какво правите. Развитието също е мястото, където можете да използвате най-ефективно гъвкавия капацитет в анализа.

Никаква техническа мощ няма да отговори на тези първоначални нужди.

Но анализаторите решават проблеми!

Много организации правят грешката да привлекат ресурси за анализ, които са твърде технически за ситуацията. От тях се очаква да решават важни бизнес/изследователски проблеми, защото те решават проблеми. За съжаление статистиците и специалистите по данни често сами изострят това. Те вярват, че решават проблеми и са прави! Но в това се крие ключов проблем.

Често забравяме, пропускаме или дори отказваме да признаем, че основната компетентност на специалистите по данни и статистиците е да решават проблеми с данни. Не да ги дефинираме, колкото и да ни се иска да вярваме в противното! Някои специалисти по данни и статистици могат да помогнат за формулирането на проблема, но това е различно от дефинирането.

Един от преобладаващите проблеми в анализа днес е, че технически хора се наемат преди проблемът да бъде дефиниран. В резултат на това те са оставени да формулират със свои собствени термини какъв според тях е проблемът. Не какъв всъщност е проблемът.

Имате нужда от дефиниращ проблем, а не от решаващ проблем, някой по-близък до бизнес/изследователската област, отколкото до техническата област. Всъщност вие сте много по-добре с бизнес/изследователски човек с достатъчно технически познания, който знае как да работи с технически хора, отколкото с технически специалист с бизнес/изследователски познания в областта. Винаги можете да възложите разработката, въпреки че това е цяла дискусия сама по себе си.

Но ще наема наистина умен специалист по данни или статистик!

Техническият персонал винаги ще подходи към проблема от техническа страна. Това е естествено и очаквано – това е тяхната сила. Въпреки че опитът може да помогне за разбирането на проблемната област, според моя опит той има много повече общо с това как човекът естествено мисли. Това е типичното „природа срещу възпитание“. За мнозина дори годините опит не могат да преодолеят начина, по който мислят естествено.

Въпреки че съществуват други добре известни оценки като Myers-Briggs и DISC, моите клиенти често ме чуват да споменавам „HBDI (Herrmann Brain Dominance Instrument)“. Споменавам HBDI специално заради фокуса му върху стила на мислене, а не върху личността.

Личностните профили със сигурност оказват влияние върху работата в екип и сътрудничеството, което е от решаващо значение в днешния свят. Въпреки това, годността за конкретни роли има много общо с това как мисли този човек, особено в информационната област. Интуитивно бях назначавал по този начин в продължение на години и проработи. По-късно идеята ми беше представена официално и всичко имаше смисъл.

Като реален пример, моят профил на HBDI е 50-50 смесица от цялостно мислене и аналитично мислене. Аз съм схематичен мислител, който мисли аналитично. Хората от моите екипи ще гарантират за това („Имам нужда от повече контекст“). Въпреки че съм способен на техническо мислене, аз не съм вашият чист разработчик на наука за данни. Има много по-добри ресурси на пазара за това. За щастие, аз съм точно там, където трябва да бъда – справяне с организационни и други големи предизвикателства, свързани с информационната област, които винаги са по-големи от данни, анализи и технологии. Тук съм най-ефективен.

Не се опитвам да продавам HBDI; не е задължително да е HBDI. Позовавам се на него главно защото имам собствени резултати от оценката, които служат като удобен казус. Въпросът е, че идентифицирането на правилния човек за първото ви наемане на анализатор е нещо повече от оценка на техническите компетенции и опит.

Къде да намеря тези хора?

Добър въпрос.

Както казах, опитът може да помогне. Въпреки това, ако естествените технически мислители се насилят да направят това, те в крайна сметка правят нещо, което не правят естествено. Ако правите това през цялото време, е много изтощително; не е забавно, когато новостта изчезне. Някои може да имат таван за това колко можете да подобрите в него. По-важното е, че мнозина не искат да правят това до степента, необходима за успех. Голяма част от успеха в анализа е поставянето на ресурси в роли, които им позволяват да процъфтяват. Поставянето на естествен разработчик, който иска да бъде разработчик, в тежка роля на изграждане на мост означава провал. Или предприемачът тръгва към по-зелени пасища. За съжаление твърде често това се случва.

Също така заслужава да се каже, че това наистина е рядка порода. След като наех и наех персонал за собствените си екипи, както и за други, казвам, че огромното мнозинство от тези с високи технически умения (със или без опит) са чисто технически мислители, които са по-подходящи като разработчици. Ако трябваше да го изчисля с риск от спор, лесно бих казал, че над 95% попадат в тази категория.

И те искат да бъдат разработчици, дори и да казват обратното. Не съм срещал много хора, които наистина разбират какво включва изграждането на мостове и са готови да го прегърнат. Повечето идеи за изграждане на мостове от технически мислители все още са технически предавания, само леко преосмислени към бизнес/изследователския интерес.

И накрая, някои развиват това умение за изграждане на мостове по-бързо от други, дори сред тази рядка порода. Но съм наемал или съм помагал на други да наемат много хора за стила на мислене за сметка на опита. Рядко някога не е работил.

Едно нещо е сигурно: те не са най-евтините ресурси. Но правилното наемане ви носи печалба. Потърсете най-евтиния технически ресурс за първото си наемане на анализатор и сте готови да се провалите.

Какво да търся при първото си наемане?

Въпреки акцента върху областта на бизнеса/изследванията, не искам да кажа, че единственото решение е превръщането на опитни експерти в областта на бизнеса/изследванията в практикуващи анализатори. Нито пък препоръчвам тази роля да се отчита в областта на бизнеса/изследванията, а не в информационната област. Това, което имам предвид, е, че търся следните неща отвъд достатъчното техническо разбиране: (1) дълбок бизнес/изследователски нюх, със или без опит, (2) способността и желанието да наистина представляват бизнес/изследователските интереси и (3) способността да се свързва както с бизнес/изследователски експерти, така и с технически експерти.

И така, какво е достатъчно техническо разбиране? В идеалния случай това е еквивалентът на курсовата работа на ниво дипломиран специалист по приложна статистика, да речем последователността на вероятността на ниво дипломиран специалист и приложната статистика. Това може да изглежда пресилено, но ще застана в боята, че не е така. Също така нарочно казвам статистика, а не наука за данни, и това няма нищо общо с факта, че дипломата ми е по статистика. Като за начало, когато ходех на училище, нямаше програми за „наука за данни“! [Вмъкнете любимата си шега „yo mama so old“ тук. ]

Но истинската причина е, че вашият първи нает анализатор се нуждае от солидно разбиране на статистиката и, което е по-важно, вероятността. Вероятността е основополагаща за дизайна на анализа на данни, който е източникът на по-голямата част от проблемите с анализа. Забелязването на основен проблем в дизайна на анализа също изисква бизнес/изследователска перспектива. Това е и мястото, където аутсорсингът на анализ често се проваля.

В днешния свят липсата на данни не е проблем. Имасданни. Или ще бъде. Техническите типове може да кажат, че нямате правилните данни въз основа на тяхното силно технически оцветено разбиране на проблема с бизнеса/проучването. Но някой трябва да разбере дали нямате правилните данни за проблема или вие нямате правилния проблем за данните. И този някой няма да бъде чисто технически мислител.

Първоначално публикувано на https://www.datadriveninvestor.com на 30 юли 2022 г.

Абонирайте се за DDIntel Тук.

Присъединете се към нашата мрежа тук: https://datadriveninvestor.com/collaborate