Повышение квалификации сотрудников в Data Science

Руководители компаний осознают важность обучения новым навыкам всей команды, а не отдельных сотрудников, но не всегда удается создать условия для всеобщего повышения квалификации.

Согласно исследованиям, проведенным в Middlesex University в Лондоне, для 74% респондентов отсутствие обучения является главным препятствием для раскрытия их потенциала на работе. Удовлетворенность сотрудников растет с количеством корпоративных тренингов, в которых они участвуют.

То же исследование показало, что 56% руководителей считают обучение сотрудников важным фактором развития бизнеса, но они недостаточно работают над решением этой задачи.

В процессе цифровизации и проникновения искусственного интеллекта знания в Data Science и машинном обучении становятся критически важными для обеспечения конкурентного преимущества. Поэтому корпоративное повышение квалификации необходимо.

Проблемы на этом пути возникают по разным причинам: ограничение финансов, отсутствие нужного ПО, нехватка времени, недостаток мотивации и так далее. Все эти факторы могут создавать преграды для обучения и развития сотрудников. При этом 94% руководителей ожидают, что сотрудники приобретут новые компетенции в процессе работы.

Портал Monster выбрал топ-10 навыков, наиболее востребованных работодателями. На первом месте стоит «аналитическое мышление». Следовательно, этот навык должно освоить большинство сотрудников.

Но что надо знать начинающему специалисту в Data Science? Этот список велик: программирование, математика, машинное обучение, английский язык. И это только «hard skills». Легко ли найти такого специалиста? А обучить?

Существенной преградой на пути к совершенствованию аналитических навыков является сложность инструмента. Сотрудники могут иметь разные уровни компьютерной грамотности, но есть продукты, получившие за счет удобства и простоты самое широкое распространение. 67% вакансий требует знания Excel. В России данный продукт на базовом уровне знает каждый школьник. Можно ли сказать то же самое про программирование?

Поиск квалифицированного программиста представляет собой непростую задачу. Не у каждого аналитика данных есть знания в этой сфере, выходящие за рамки написания скриптов в несколько строк. Как можно решить эту проблему? Лучше всего фокусироваться на поиске подходящего low-code инструмента для проведения анализа.

Именно поэтому слоган компании Loginom — «Сделать продвинутую аналитику массовой». Наша компания предоставляет универсальный инструмент для работы разных категорий экспертов: от менеджера до программиста.

Эффект маховика при повышении квалификации начинается, когда устраняется трение. Он приобретает инерцию, когда сотрудники с различными навыками объединяются и учатся друг у друга.

Условиями для оптимальной профессиональной подготовки в Data Science являются:

• low-code инструменты;
• постоянный обмен знаниями;
• простое создание аналитических решений.

В небольших стартапах многие задачи по Data Science возьмет на себя один специалист. Если же компания крупная, то с Big Data и искусственным интеллектом будет работать целая команда.

Оптимальный план обучения позволяет изучать материал в таком порядке, чтобы каждый новый этап базировался на уже имеющихся знаниях. Чем более легкими являются первые шаги в изучении науки о данных (понятные материалы и практика), тем более простым становится процесс обучения и разработки собственных сценариев.

Эффект маховика усиливается, когда знания быстро внедряются и распространяются.

Давайте посмотрим, как это работает на практике.

Повышение компетенции в Data Science полезно для бизнеса. 78% компаний в России сообщают о работе с Big Data. По исследованиям «Groteck Business Media», медиа-холдинга и организатора профессиональных мероприятий в сфере цифровой трансформации, более 90% респондентов сталкиваются с проблемами при выполнении аналитики. Но как правильно организовать процесс обучения сотрудников, если это так необходимо?

Самое сложное — это начать действовать. Существует ошибочное мнение, что для работы с инструментами анализа данных требуются навыки программирования. Платформа Loginom ломает этот стереотип.

Возьмем в качестве примера компанию УРАЛХИМ, которая является клиентом Loginom.

Наличие нескольких филиалов создавали определенные трудности при обмене информацией, оперативном управлении, планировании.

В УРАЛХИМе применялось различное ПО работы с данными, цель которого — обеспечение бизнес-пользователей, не имеющих знаний в области программирования, инструментами для работы с данными для снижения операционных издержек, получения кросс-функциональной аналитики и цифровизации процессов.

Руководство компании приняло решение повысить квалификацию сотрудников и демократизировать работу с данными.

Чтобы воплотить замысел в жизнь, внутри компании была создана внутрикорпоративная Школа аналитиков данных. Заявки на обучение в ней подали более 1000 сотрудников. Теоретический блок успешно изучили более 500 человек, из которых на следующий практический этап попали более 300 специалистов.

Компания начала подготовку сотрудников, внедрив платформу Loginom в Школу аналитиков данных. Low-code платформа позволила начинающим пользователям сразу сосредоточиться на применении методов анализа данных.

На заключительном этапе обучения во внутрикорпоративной Школе было организовано 32 группы, и каждая из них успешно решила финальное задание. С помощью платформы Loginom ученики реализовали практические проекты на реальных данных.

Так, в качестве финального испытания специалистам необходимо было самостоятельно без привлечения ИТ-сотрудников, используя self-service инструменты для анализа данных, внедренные в компании УРАЛХИМ, решить прикладные бизнес-задачи, например:

• провести анализ данных по договорам в бюджете CAPEX (capital expenditure — капитальные расходы — затраты на приобретение внеоборотных активов);
• автоматизировать рассылку email-уведомлений по графику бизнес-плана;
• рассчитать нормативный срок поставки, произвести контроль фактических и плановых поставок;
• настроить автоматическое формирование справок и т.д.

Когда команды приступили к работе с общими стартовыми решениями, эффект маховика усилился. Упростилась доставка аналитических результатов по всей организации. Сотрудники поняли, что, сталкиваясь с задачами, необходимо проверить наличие у коллеги уже разработанного решения, которое можно повторно использовать и адаптировать. Таким образом, полученные навыки работы с данными проникли во все бизнес-процессы компании. Число рассчитываемых аналитических показателей выросло c 60 до 475, т.е. на 690% за год.

Развитие навыков в Data Science включает не только умение создавать сложные сценарии, но и способность задавать вопросы, критически мыслить и использовать данные для принятия обоснованных решений. Хотя распространение аналитических решений по всей компании может занять некоторое время, со временем позитивный эффект ощущается всей организацией.

Итогом обучения сотрудников в компании УРАЛХИМ стало повышение культуры в работе с данными. Сотрудники начали ценить их как стратегический ресурс и более ответственно подходить к сбору, хранению и обработке. Например, число просмотров аналитических отчетов в месяц выросло от 800 до 120 000, т.е. в 150 раз!

Глубина проникновения работы с данными во все подразделения компании УРАЛХИМ иллюстрирует следующая статистика.

Из 475 рассчитываемых аналитических показателей 6 использует Материально-технический отдел (МТО), 39 — производство, 12 — Департамент внешнего аудита (ДВА), 50 — HR-служба, 350 — финансы, 8 — продажи, 4 — объединенный центр обслуживания (ОЦО), 6 — ИТ-департамент.

Из 115 аналитических отчетов и дашбордов 7 использует МТО, 41 — производство, 1 — ДВА, 10 — HR-служба, 33 — финансы, 3 — продажи, 2 — ОЦО, 6 — ИТ-департамент.

Каждая компания должна выбирать свою стратегию повышения квалификации сотрудников в Data Science в зависимости от своих потребностей, бюджета и целей.

Основные способы повышения квалификации сотрудников в Data Science:

• Корпоративное обучение. Организация тренингов и курсов.
• Использование внешних образовательных программ.
• Наставничество или тьюторство. Создание механизма, в котором опытные сотрудники предоставляют поддержку и руководство менее опытным.
• Обмен знаниями. Секондмент (secondmеnt) и шэдуинг (shadowing). Секондмент заключается во временном переводе работника в другой отдел внутри организации, а шэдуинг — в наблюдении за процессом труда.
• Платформы для обучения. Предоставление доступа к платформам и ресурсам для самостоятельного обучения.
• Участие в проектах и другие.

Процесс повышения квалификации сотрудников в Data Science может быть достаточно сложным и требующим инвестиций. Его эффективность зависит от многих факторов, включая доступ к обучению, мотивацию сотрудников и ресурсы компании. Однако с правильным подходом это вполне достижимая цель.

Low-code подход к анализу данных снижает планку входа в Data Science и способен сделать продвинутую аналитику массовой технологией. Лучший способ вовлечения — начать самостоятельно анализировать свои данные и решать практические задачи.

В случае с Loginom аналитик может поработать с продуктом, сравнить качество, скорость, удобство интерфейса с альтернативными инструментами и сделать обоснованный выбор. Для некоммерческого использования всем желающим доступна бесплатная редакция платформы, которую за 8 месяцев 2023 года скачали более 10000 раз.

Для более успешного и структурированного изучения Loginom можно воспользоваться электронными курсами Loginom Skills.

• Платно. Для пользователей Loginom Community и Cloud.
• Бесплатно. При наличии лицензии Loginom с техподдержкой.

Узнать больше о том, как Loginom поможет вашему бизнесу находить инсайты в анализе поведения клиентов, можно на ежегодном практическом форуме Loginom Day 2023. На мероприятии клиенты компании делятся знаниями в области анализа данных на low-code платформе, которые можно быстро внедрять в свой бизнес и легко масштабировать.