Как раскрыть потенциал аналитиков

Улучшить процессы и атмосферу в команде, чтобы никто и никогда не захотел увольняться.

Привет! Меня зовут Дмитрий Кротов, я аналитик в команде Авито Авто. За последние несколько лет я поработал в разных командах и продуктах и сформулировал для себя несколько причин, из-за которых функция аналитики может использоваться не на полную мощность. Это негативно влияет на самих аналитиков и компанию целиком.

Расскажу о своих наблюдениях и поделюсь видением того, как улучшить атмосферу в команде, выстроить работу с данными и сделать так, чтобы аналитики не выгорали и не увольнялись. А ещё расскажу, как в Авито устроена система менторства.

Материал будет полезен разным специалистам: опытным аналитикам, чтобы узнать об инструментах для повышения продуктивности их работы. Начинающим, чтобы увидеть, на что стоит обращать внимание при выборе команды или компании.

Тем, кто работает с аналитиками, он будет полезен, чтобы узнать, как помочь джунам раскрыть потенциал, сделать работу продуктивнее, защитить сотрудников от выгорания и начать использовать аналитическую функцию на полную мощность.

Развивайте аналитическую грамотность у всех сотрудников компании

Согласуйте разные команды аналитиков

Наладьте работу с данными

Давайте сотрудникам пространство для самовыражения, чтобы они не выгорали

Создайте внутреннюю систему обучения

Сделайте прозрачную систему грейдов

Создавайте комьюнити внутри компании

Подведем итоги: как включить аналитику (и аналитиков) в компании на полную мощность

Data-driven подход подразумевает, что аналитику в компании используют при принятии решений на каждом этапе развития продукта. Поэтому важно не только нанимать профессиональных аналитиков, но и развивать аналитическую грамотность во всех остальных функциональных подразделениях компании.

Есть несколько моделей аналитической культуры, одни из самых известных: Gartner Maturity Model for Data and Analytics и модель Wayne Eckerson. Они показывают, какие этапы должна пройти компания, чтобы стать по-настоящему Data-driven.

Если сотрудники не понимают, чем должны заниматься аналитики, появляются проблемы:

❌ Аналитикам приходится либо упорно защищать границы своих возможностей или, наоборот, предлагать навыки и компетенции в попытках принести пользу продукту или предотвратить непоправимое.

Ситуация похожа на: «Ты же ИТишник — сможешь починить электрочайник?».

❌ Специалисты по работе с данными начинают заниматься рутинными задачами. Ситуативные выгрузки и однотипные визуализации важны. Но когда аналитик получает грейд middle и выше, рутина не помогает ему развиваться, а наоборот занимают ресурс, который можно было бы использовать для более интересных и нестандартных задач.

Как развивать аналитическую культуру

✅ На этапе отбора проверяйте у соискателей базовые знания в аналитике. Это касается смежных с аналитикой специалистов, например, продакт-менеджеров. Под базовыми знаниями я подразумеваю не формулу Бернулли, а простые вещи вроде статистической значимости и минимального детектируемого эффекта.

✅ Отсев на этапе отбора — не гарантия, поэтому можно сделать онбординг для всех, кто взаимодействуют с отделом аналитики. Например, можно создать внутреннюю систему обучения принципам A/B-тестирований или простейшим запросам в sql.

✅ Автоматизируйте часть простых аналитических задач, например, создайте выгрузчик часто запрашиваемых данных или визуализатор общепринятых и рассчитываемых в компании метрик.

Всё, о чём я рассказал выше — это инвестиции: нужно вложить ресурсы разработки и команды аналитиков. Но в будущем это освободит время и позволит компании перейти от модели «аналитик-выгрузчик цифр», к модели «аналитик-эксперт, который двигает продукт и компанию вперёд».

Другая проблема, с которой стоит разобраться — отсутствие чёткого разграничения ответственности между разными аналитическими командами.

К каким проблемам приводит рассогласованность команд и отсутствие кросс-валидации

Когда сотрудники не понимают, кто за что отвечает, это может приводить к дублированию работы, возникновению деструктивной конкуренции и, следовательно, снижению эффективности. Подобные ситуации вызывают негатив и отталкивают команды друг от друга и усложняют работу:

❌ Глубокие и важные инсайты теряются за очередным повторением уже существующих исследований.

❌ Ресурсы используются неоптимально, и компания терпит дополнительные издержки. Если два аналитика пишут один и тот же скрипт — то в итоге будет один скрипт и двойные издержки. Недовольство от работы «в стол» тоже удваивается.

❌ Появляется неопределённость, и падает доверие к цифрам.

Предположим, у приложения есть метрика MAU. Она ключевая для продукта и важна для многих команд, но это не значит, что её должны считать сразу все. У каждой метрики должен быть один владелец и единое место расчёта и визуализации, а методология должна быть зафиксирована и однозначно интерпретироваться.

Аналитику гораздо проще и понятнее работать с наиболее «заметными» процессами и крупными кусками продукта. И если нет чёткого разграничения зон ответственности, эти крупные куски будут привлекать сразу всех и провоцировать непродуктивные споры.

Как согласовать команды

Вот несколько способов формализовать задачи аналитиков и разграничить обязанности:

✅Развивайте культуру кросс-валидации, чтобы избежать ошибок в расчётах.

✅ Создайте чёткую структуру аналитической функции и разграничьте зоны ответственности. Замкните всю аналитику в одном подразделении во главе с CAO — это сильно упростит коммуникацию между разными аналитическими командами.

✅ Выстройте матричную структуру. Закрепляйте аналитиков не только в функциональном подразделении, аналитическом, но и прикрепляйте их к продуктово-бизнесовым юнитам.

✅Централизуйте часть аналитической функции:

✅ Распространите информацию о работе аналитиков. Внедрите каталоги метрик, отчётов, экспериментов и мотивируйте сотрудников использовать эти материалы.

✅ Создайте базы знаний.

✅ Выстройте коммуникацию между аналитическими командами:

Данные для аналитика как топливо для машины (а я всё-таки из Авито Авто).

Я сталкивался с разным качеством данных в компаниях, от: «данные нужно добыть в честном бою» до выстроенного централизованного процесса по их хранению и обработке.

К каким проблемам приводит некачественная работа с данными

Если нет прозрачности, появляются риски, что:

❌ данные будут дублироваться,

❌ хранилище будет бесконечно расширяться, а оно стоит денег и требует ресурсов для поддержания,

❌ знания о данных будут храниться у одного человека и если он уволится, то компания потеряет информацию.

Вот несколько инструментов, которые помогут наладить работу с данными:

✅ Централизуйте и настройте добычу, хранение и обработку сырых данных. Это нужно, чтобы любой аналитик мог инициировать обогащение данных, то есть их проливку с прода.

Ещё это нужно, чтобы сотрудник мог работать с этими данными эффективно и быстро, и чтобы ему не пришлось ожидать обработки даже самых оптимизированных запросов половину рабочего дня.

✅ Оптимизируйте количество витрин и ETL-процессы. Это происходит с поддержкой или по требованию дата-инженеров.

✅ Сделайте понятную и удобную документацию с каталогом метрик и описанием витрин. Это нужно, чтобы каждый аналитик владел полной информацией об имеющихся данных.

Последнее невозможно сделать централизованно, потому что исчерпывающую информацию о каждой витрине знает только её создатель. Поэтому важно, чтобы все аналитики прикрепляли описания к витринам.

✅ Создайте инструменты по безопасной работе с данными, особенно если компания работает с конфиденциальной информацией. И, что важно, защитой и надёжностью данных должны заниматься ИБ и data инженеры.

Хоть работа аналитика и сопряжена с точными науками и цифрами, в ней есть большой простор для креатива и самовыражения.

Что будет, если аналитики будут работать в стол и не будут креативить

По моему опыту, одни из частых причин демотивации аналитиков — «работа в стол» или «отсутствие видимого результата». Так происходит, когда аналитик в команде воспринимается, как «продвинутый калькулятор», который не имеет права голоса и не участвует в процессе принятия продуктовых решений.

❌ Команда может упускать из вида потенциальные точки роста или вовремя не детектить баги, которые мог бы найти аналитик, если бы у него была возможность самостоятельно ресёрчить разные нюансы продукта.

Примеры и практики, которые помогут расширить творческие возможности аналитиков

✅ Давайте сотрудникам время на собственные ресёрчи, и это поможет драйвить продукт. Например, Google выделяет 20% времени на самостоятельные проекты сотрудников. Ходят слухи, что именно из такой инициативы родилась почта Gmail, которая стала революцией для своего времени и принесла компании миллиарды долларов.

✅ Показывайте сотрудникам, что они ценны и могут влиять на продукт, принимайте во внимание их предложения, и это будет положительно влиять на продукт.

Внутреннее обучение может помочь быстрее онбордить новичков и знакомить их с инструментами и практиками, которые используются в командах. А для остальных сотрудников это отличный способ наращивать внутреннюю экспертизу без привлечения новых кадров. Более опытные коллеги могут вести вебинары и лекции, углубляться в новые темы и обмениваться опытом.

Вот как можно развивать сотрудников:

1 Создайте внутреннюю образовательную систему. Дайте сотрудникам пространство и инструменты, чтобы обучать и обучаться.

Для аналитиков уровня middle и выше становится важно не только приобретать новые знания, но и делиться накопленным опытом, а также углублять знания в уже знакомых областях. Для этого у нас есть Академия Аналитиков Авито. Преподаватели в ней — это действующие опытные сотрудники Авито.

2 Введите систему менторства. Когда стандартной системы обучения недостаточно, и компания хочет дальше развивать сотрудников, поможет система менторства.

В рамках неё сотрудники будут передавать опыт, прокачивать софт-скилы и решать проблемы на пути к достижению поставленной цели менти.

3 Создайте индивидуальные планы развития. В них входит план обучения и рабочей нагрузки каждого сотрудника. Этот инструмент поможет раскрыть потенциал аналитика и обозначить его точки роста.

Если в компании нет прозрачных ожиданий от аналитика, это может привести к проблемам:

❌ У сотрудников снижается мотивация. Они не понимают, какие компетенции нужно прокачивать, чтобы вырасти до более высоких грейдов.

❌ Заказчики не понимают, что ожидать от аналитиков на разных ступенях: какие задачи и на каком уровне качества они могут выполнять.

❌ Решения о повышении трактуются субъективно, что вносит деструктив в команду и делает взаимодействие сотрудников напряжённым.

❌ Аналитики теряют мотивацию и в итоге, не видя перспектив, покидают компанию.

👉🏻 Илья Гуров, руководитель аналитики Авито, уже рассказывал в одной из статей, как у нас устроен процесс performance review

Добавлю к статье Ильи ещё один тезис: держите аналитиков в курсе того, что происходит с продуктом. Сотрудникам важно знать, какие изменения происходят в продукте и бизнесе сейчас, и что планируется в будущем.

Так работники смогут сфокусироваться на том, что в текущий момент важно компании, максимизировать свою полезность и построить траекторию развития. Особенно важно погружать в специфику продукта новичков — это поможет ускорить онбординг и повысить качество аналитической работы уже на старте.

Ощущение принадлежности к определённой профессиональной группе очень важно. В аналитическом комьюнити есть много механик, которые помогают профессионалам прокачивать навыки, находить единомышленников и просто классно проводить время.

Благодаря комьюнити:

✅ люди лучше понимают, кто работает в смежных командах;

✅ расширяются возможности для обмена знаниями;

✅ повышается лояльность сотрудников;

✅ создаётся ощущение комфорта — осознание, что ты не один, и вокруг много крутых профессионалов, греет душу.

Также важно быть частью внешнего комьюнити — поощрять участие в различных профессиональных мероприятиях и растить узнаваемость бренда работодателя.

Коротко: как включить функцию аналитики в компании на полную мощность

👉🏻 Развивайте аналитическую грамотность у сотрудников, которые взаимодействуют с аналитиками. Проверяйте базовые знания при найме новых сотрудников, проводите обучение основам аналитики.

👉🏻 Автоматизируйте простые аналитические задачи, чтобы у сотрудников было время заниматься более важными задачами.

👉🏻 Согласуйте работу аналитических команд: сформируйте четкую структуру аналитики и разграничьте зоны ответственности, выстраивайте коммуникацию между командами и распространяйте информацию о работе аналитиков в разных командах. При необходимости, централизуйте часть аналитической функции.

👉🏻 Наладьте работу с данными: настройте добычу сырых данных, оптимизируйте количество витрин и ETL-процессы, сделайте документацию с каталогом метрик и описанием витрин.

👉🏻 Давайте свободу для самовыражения — выделяйте время на собственные исследования, интегрируйте аналитические инсайты в продукт, минимизируйте работу «в стол». Это поможет аналитикам не выгорать и будет положительно влиять на развитие продукта.

👉🏻 Создайте и поддерживайте внутреннюю систему обучения, которая позволит новичкам быстрее онбордиться, а опытным сотрудникам делиться знаниями и расширять экспертизу.

👉🏻 Введите и развивайте прозрачную систему грейдов. Благодаря этому, аналитики будут понимать, как расти в компании и какие навыки развивать, чтобы повысить грейд.

👉🏻 Создавайте комьюнити внутри компании и поощряйте участие сотрудников во внешних мероприятиях.

😎Если дочитали до конца, то посмотрите наши вакансии аналитиков в Авито Авто