Ольга Лисина
AI Community в рамках проекта AI Heroes регулярно проводит вебинары с ведущими экспертами в области Data Science.
4 февраля прошел вебинар с Павлом Мягких — Head of Data Science в Tele2. Также Павел — Director of Data Science в Commercial Lab и организатор Data Fest в ODS.ai. На его счету работа с проектами MediaMarkt, Adidas, Reebok, Concept Club, acoola, Tupperware, University of Liverpool.
Павел рассказал о нюансах создания успешного проекта: какие люди должны быть в составе команды и как следует выстроить архитектуру отделов.
Как выстроить Data Science отдел в корпорации
Павел Доронин
Почему состав команды так важен?
Предприниматели хотят создавать качественные продукты, приносящие прибыль. Для этого требуется сбалансированная команда — для создания системы, комплексных решений и четкого распределения обязанностей.
Идеальная схема: создаем один автоматизированный продукт. По завершении мы над ним не работаем, а он приносит деньги. Переходим к созданию второго продукта и так далее.
В случае несбалансированной командной работы — создаем ad-hoc’и. Ценность нашего бизнеса либо не растет, либо растет линейно. Хотим больше зарабатывать — больше работаем, нанимаем больше людей, люди дорогие. В итоге дело закончится провалом.
Чтобы избежать провала, читайте о грамотном распределении ролей в команде.
Подписывайтесь на канал Rusbase в «Яндекс.Дзен», чтобы ничего не пропустить
Роли data-boys и data-girls
Data Analyst
Начнем с дата-аналитиков — эти люди находятся на передовой обработки данных.
Дата-аналитики знают вашу базу данных лучше других специалистов, знают, где и какие данные взять, быстро находят данные, сводят и считают. Четко отвечают на поставленные вопросы и правильно их задают.
Любопытный дата-аналитик самостоятельно работает с данными и понимает, в чем их польза для бизнеса.
Требования:
Hard skills:
SQL
Немного Python
Визуализация данных
Понимание структур данных
Soft skills:
Коммуникация результатов
Умение разобраться в бизнес-задаче
Data Scientist
Дата-сайентисты — математики.
Главная цель их работы — сделать точно.
Перед ними стоят два типа задач:
Построение любых математических моделей
Декомпозиция бизнес-задач на эту математическую модель
Требования:
Hard skills:
Python/R
SQL
Алгоритмы машинного обучения
Теория вероятности
Мат. статистика
Soft skills:
Коммуникация с заказчиком
Умение превратить бизнес-задачу в математическую постановку
Data Engineer
Дата-инженеры — люди системного ума.
Они создают пайплайн данных — данные от вашего кассового аппарата через длинную цепочку систем складываются в data lake. Также дата-инженеры работают с моделями, разработанными дата-сайентистами. Они обвязывают модели текстами, структурами, мониторингом и доводят до готового продукта.
Требования:
Hard skills:
SQL
Hadoop
Spark
Python
Kubernetes
Docker
Product Owner
Продакт-оунер — мини-CEO продукта.
Он общается с командой и раздает задачи, знает потребности заказчика, обладает полной картиной развития продукта. На его плечах ответственность за итоговый продукт и его масштабирование.
Требования:
Внешние и внутренние коммуникации
Владение PnL продукта
Разработка стратегии продукта
Умение организовывать процесс разработки и добывать ресурсы
Business Analyst
Бизнес-аналитики требуются не во всех проектах.
К их помощи прибегают в случае сложного и комплексного продукта. А также если внедрение продукта требует изменения бизнес-процессов.
Бизнес аналитик знает, как сейчас работает бизнес и как он будет работать после внедрения продукта. Благодаря этим людям вы можете быть уверены, что работа принесет результат.
Пример работы без бизнес-аналитика
В компании разработали модель, которая прогнозирует реакции людей на маркетинговые акции на неделю вперед. В конце работы пришли к маркетологам и продемонстрировали модель. Оказалось, маркетологи работают двухнедельными циклами. Контент-план расписан на две недели вперед.
Итог: модель работает, но не применима. Команда работала 2–3 месяца впустую.
Требования:
Hard skills:
Методология описания бизнес-процессов
SQL
Опыт оптимизации бизнес-процессов
Soft skills:
Коммуникации с внешними и внутренними коллегами
Data — штука разная, и люди с ней работают разные. Чтобы создавать качественный продукт, очевидно, нужна продуктовая команда. Если не делать этого, то ваш Data Science станет фабрикой ad-hoc’ов
Павел Мягких
Архитектура data science-отделов
Люди думают, что большинство компаний выстроено таким образом: везде есть инициативы по Data Science.
На самом деле все гораздо хуже.
Между S&OP (планирование продаж и операций) и Back-office (торговая система компании) — соревнование в духе корпоративных игр. S&OP хотят, чтобы все обязанности от Back-office перешли к ним.
Между Marketing и другими отделами — китайская стена. Эта система ненадежна, работа не структурирована. Люди дублируют процессы, базы данных и делают двойную работу.
Работающая система выстроена следующим образом
У вас единый центр Data Science, в котором собираются все компетенции по DS. Они аккумулируются, разрабатывают модели. Связующий элемент — product owner’ы. Их задача — соединять бизнес с центром компетенций. Являются передатчиками информации, инициатив и проектов.
Существует устойчивое убеждение, что 2020–2021 гг. — период трансформации в крупных компаниях.
Центр компетенций — место наибольшего количества знаний и навыков. Оттуда информация направлена внутрь отделов, к которым она относится. Каждый отдел строит центр мозговой активности. Задача — передавать наилучшие технологии, опыт внутрь функции в структурированном формате.
Все это нужно, чтобы создать business partnership — среду делового партнерства — без конкурентной гонки.
Выводы
Перед предпринимателями стоят следующие цели:
Создать новый продукт
Сделать улучшенную версию существующих аналогов
Масштабировать бизнес
Создать сплоченную команду, вдохновленную одной идеей
Увеличение прибыли
Все это возможно в среде делового партнерства, где люди понимают ценности компании, понимают свои задачи и стараются ради общего дела.
Как получить максимум
Ответьте для себя на следующие вопросы:
Каков ваш идеальный состав команды?
Достаточно ли у вас сейчас сотрудников?
Правильное ли у вас распределение обязанностей?
Разделяет ли ваш коллектив ценности компании?
Подумайте о трансформации архитектуры ваших отделов и создании сбалансированной команды.
Как результат — увеличение прибыли вашего бизнеса.
Фото на обложке: Shutterstock / foxaon1987
Источник:
