Streszczenie: Wiele firm zatrudnia analityków danych i specjalistów ds. sztucznej inteligencji, jednak często brak jest jasności co do wymaganych kwalifikacji na tych stanowiskach. Termin "analityk danych" bywa używany w odniesieniu do różnych ról, od przetwarzania danych statystycznych, przez kodowanie, po współpracę z menedżerami nad rozwiązywaniem problemów biznesowych za pomocą analiz. Idea analityka danych posiadającego wszystkie te umiejętności na wysokim poziomie jest mało realistyczna. Wraz ze wzrostem popularności zawodu, coraz więcej osób określa się tym mianem, a uczelnie oferują różnorodne programy z zakresu inżynierii i analizy danych. W rezultacie tytuły takie jak "analityk danych" czy "analityk ilościowy" rzadko precyzyjnie odzwierciedlają rzeczywiste kompetencje posiadane przez pracowników.
Przedsiębiorstwo musi precyzyjnie określić, jakiego rodzaju specjalistów potrzebuje, aby móc działać na podstawie zgromadzonych przez siebie danych.
Chociaż wiele firm rekrutuje analityków danych (data scientists) i innych specjalistów do spraw analityki i sztucznej inteligencji, w biznesie i wewnątrz organizacji brak często zgody co do tego, jakie kwalifikacje są potrzebnych do pełnienia tych ról. Termin analityk danych może oznaczać stanowisko związane głównie z przetwarzaniem danych statystycznych, z kodowaniem lub z pracą z menedżerami wyższego szczebla nad rozwiązywaniem problemów biznesowych przy użyciu danych i analiz. Koncepcja analityków danych, którzy dysponują wszystkimi tymi umiejętnościami na wysokim poziomie, nigdy nie była przesadnie realistyczna.
Ponieważ zawód analityka danych robi się coraz popularniejszy, a specjaliści z tej dziedziny coraz bardziej rozchwytywani, takiego opisu swojej roli zaczyna używać coraz więcej osób. Także college i uniwersytety reagują na zapotrzebowanie, oferując setki nowych zajęć z inżynierii i analizy danych (data science). Jednak programy te obejmują bardzo zróżnicowane umiejętności, a część uczelni oferuje wiele kursów o różnych profilach. Tak w przypadku nowo zatrudnianych, jak i doświadczonych pracowników tytuły typu analityk danych czy analityk ilościowy rzadko trafnie opisują ich rzeczywiste umiejętności.
Inicjatywy, które zmierzają do opracowania standardu różnych rodzajów ról związanych z danymi i analityką oraz umiejętności, jakich wymagają, są dopiero w powijakach. Przyświeca im wspaniała idea, jednak opracowanie nowych standardów zazwyczaj trwa latami.
Koncepcja analityków danych, którzy dysponują wszystkimi tymi umiejętnościami na wysokim poziomie, nigdy nie była przesadnie realistyczna
Jednocześnie firmy powinny poświęcić sporo uwagi klasyfikowaniu różnych rodzajów stanowisk analitycznych, które w nich istnieją lub są im potrzebne, oraz zatwierdzaniu związanych z nimi kwalifikacji. Powinny także rozszerzać swoją pulę utalentowanych specjalistów przez bezpośrednią współpracę z uczelniami w ramach programów edukacyjnych, oraz budując i wspierając firmowe społeczności mogące kształcić pracowników potrzebnych w ich własnych zespołach analitycznych. Kroki te są szczególnie niezbędne w przypadku przedsiębiorstw, które zamierzają wykorzystywać analitykę zarówno do poprawy działalności operacyjnej, jak i do opracowywania cyfrowych innowacji. Dotyczy to więc np. takiej firmy jak TD Bank Group.
Zrozumieć potrzebne role analityczne
Specjaliści do spraw analityki i sztucznej inteligencji stanowią cenne i deficytowe zasoby we wszystkich firmach, a szczególnie w tych, które pragną działać na bazie danych. Taka sytuacja ma miejsce w dużym banku z Ameryki Północnej – największym w Kanadzie pod względem posiadanych aktywów – TD Bank Group. Podjął on decyzję, aby wykorzystać ogromne ilości posiadanych danych do opracowania nowych, bazujących na danych, doświadczeń klienckich, i do udoskonalenia własnych procesów. Aby zrealizować ten cel, sięgnął po dane, analitykę i sztuczną inteligencję oraz zaakceptował konieczność kształcenia utalentowanych pracowników, którzy będą używać powyższych narzędzi w całej organizacji.
Menedżerowie wyższego szczebla dokonali serii wewnętrznych inwestycji, wynikających z kluczowego znaczenia oceniania, zatrudniania i motywowania specjalistów do spraw danych i analityki. Peter Husar, wiceprezes TD do spraw planowania i strategii analitycznej, powiedział, że razem ze współpracownikami dostrzegł możliwość rozszerzenia roli analityki przez wprowadzenie po raz pierwszy spójnych opisów funkcjonujących w banku stanowisk powiązanych z danymi i ich analizowaniem.
Husar i jego zespół chcieli poznać skład firmowej społeczności specjalistów do spraw danych i analityki, aby stworzyć wyraźny obraz bankowego krajobrazu talentów. Szybko przystąpili do pracy nad stworzeniem standaryzowanych grup zawodów i klasyfikacji i wyodrębnili siedem rodzin stanowisk (ról związanych z zaawansowaną analityką, zarządzaniem aplikacjami biznesowymi, zarządzaniem informacjami, wyciąganiem wniosków, wywiadem biznesowym i sprawozdawczością, zarządzaniem danymi i wizualizacją).
Następnie dokładnie zdefiniowali poszczególne stanowiska w każdej rodzinie – łącznie 65 różnych ról we wszystkich siedmiu rodzinach. Każdej roli przypisali kilka atrybutów, takich jak jej główny cel, kluczowe zakresy odpowiedzialności, zasięg i szczegółowość oraz doświadczenie i wykształcenie potrzebne do jej pełnienia. Wskazali też cechy poszczególnych specjalistów oraz ich menedżerów. W całej klasyfikacji zawodowej oznaczono dodatkowe kompetencje, razem z procedurami ich oceniania i procesem samooceny. Po opracowaniu tych ram pracownicy banku, którzy zajmują stanowiska związane z danymi i analityką, zostali przypisani do konkretnych rodzin i ról. W TD istnieje biuro dyrektora do spraw danych (Office of the Chief Data Oficer), które nadzoruje zarządzanie firmowymi danymi, obszar analityki i sztucznej inteligencji.
Specjaliści do spraw analityki i sztucznej inteligencji stanowią cenne i deficytowe zasoby we wszystkich firmach, a szczególnie w tych, które pragną działać na bazie danych
Większość firm nie dysponuje tak liczną kadrą analityczną, jak TD, ale wiele średnich i dużych przedsiębiorstw zatrudnia analityków danych i analityków ds. jakości (QA Analyst). Aby ich projekty przynosiły sukcesy, należy koniecznie stworzyć przynajmniej prostą klasyfikację ich umiejętności. Czy zajmują się głównie analizami statystycznymi i tworzeniem modeli, kodowaniem rozwiązań IT, a może tłumaczeniem problemów biznesowych na dane i rozwiązania analityczne? Projekt może wymagać wszystkich trzech rodzajów umiejętności, jednak rzadko kiedy dysponuje jedna osoba.
Pozyskiwanie i zatrzymywanie nowych specjalistów
Oprócz bardziej efektywnego zarządzania zatrudnionymi już specjalistami do spraw danych i analityki, wiele firm musi podjąć wysiłek, aby przyciągać i zatrzymywać wysoko wykwalifikowanych pracowników.
W 2018 roku bank TD nabył firmę Layer 6, która specjalizuje się w sztucznej inteligencji, a jednego z jej współzałożycieli – Tomiego Poutanena – mianował dyrektorem do spraw AI. TD kontynuuje szeroko rozumiany transfer zdolności z Layer 6 do banku, między innymi poprzez programy wymiany informacji dla pracowników Layer 6 zajmujących się danymi i analityką.
Bank nawiązał też silne relacje z wieloma kanadyjskimi uczelniami, w tym Rotman School of Management na University of Toronto, Western University, Queen’s University oraz Schulich School of Business na York University. TD sponsoruje na tych uczelniach imprezy, m.in. hackatony i prelekcje. W Rotman School of Management ufundował inicjatywy TD Management Data and Analytics Lab oraz Rotman Financial Innovation Hub in Advanced Analytics, aby wspomagać rozwijanie specjalistów do spraw danych i analityki.
Ponadto, chcąc podsycać partnerskie relacje i umacniać więzi, TD ściśle współpracuje z głównymi kanadyjskimi programami badawczymi, między innymi w Vector Institute w Toronto ( Vector Institute), którego jest sponsorem założycielskim oraz Mila w Montrealu.
Wysiłki te nie pozostają bez echa. Wśród kanadyjskich studentów TD cieszy się opinią jednego z najatrakcyjniejszych pracodawców dla specjalistów do spraw danych i analityki. W przeprowadzonej w Kanadzie szeroko zakrojonej ankiecie studenci kierunków analitycznych ocenili TD jako jedną z czterech firm, dla których najbardziej chcieliby pracować.
Większość organizacji będzie musiała zwrócić się do instytucji kształcących przyszłych pracowników, aby pozyskać pracowników posiadających cały zakres potrzebnych umiejętności. Powinny więc współpracować z uniwersytetami i college’ami, które zapewniają im nowe kadry, aby lepiej zrozumieć profile uczelnianych programów w zakresie data science i analityki. Muszą również rozpocząć stosowanie standaryzacji i klasyfikacji stanowisk do projektowania własnych programów edukacyjnych i rozwijania umiejętności. Kiedy firmy mówią jasno, które kwalifikacje mają związek z konkretnymi stanowiskami, pracownikom łatwiej jest decydować, jakie role chcą obejmować, i nabywać potrzebne do ich pełnienia umiejętności.
Budowanie społeczności specjalistów do spraw danych i analityki
Przywódcy TD do spraw danych i analityki mają świadomość, że muszą stworzyć społeczność pracowników, specjalizujących się w tych dziedzinach, i wpoić im odpowiednie podejście do dzielenia się wiedzą. Obejmuje to między innymi zapewnianie zainteresowanym analityką danych pracownikom możliwości nawiązywania kontaktów zawodowych i poznawania branżowych trendów. Pięć lat temu bank zorganizował pierwszą doroczną konferencję Big Data & Analitycs Summit, w której wzięło udział 40 pracowników. W 2019 roku odbyła się piąta impreza tego typu (na której wystąpiłem odpłatnie jako prelegent), a uczestniczyło w niej ponad dwa tysiące pracowników. I liczba ta wciąż rośnie.
Kolejnym istotnym aspektem społeczności jest wolontariat. W 2019 roku bank uruchomił projekt o nazwie TD Mindpower: Analytics for Social Good, aby kojarzyć specjalistów do spraw danych i analityki z projektami prowadzonymi przez organizacje non‑profit z Kanady i Stanów Zjednoczonych. W ramach przejęcia Layer 6 bank zobowiązał się także zapewnić czas i specjalistów do pracy nad przedsięwzięciami dotyczącymi zastosowania sztucznej inteligencji na rzecz dobra społecznego.
Dzięki rozpoczęciu prac od opracowania mapy stanowisk wyraźniej widać, jak poszczególne osoby mogą zmieniać stanowiska w obrębie banku, podnosić swoje kwalifikacje i planować ścieżki kariery. Zespół kierujący tym planem opracował materiały edukacyjne, aby pomóc specjalistom do spraw danych i analityki rozwijać kwalifikacje, i udostępnił te zasoby na ogólnofirmowej platformie internetowej z przeznaczeniem do samodzielnej nauki i rozwoju. Obecnie bank koncentruje się na lepszym zrozumieniu potencjału danych i analityki przez wszystkich pracowników i opracowuje programy edukacyjne również dla specjalistów, którzy nie zajmują się analityką. Celem jest dalsze wbudowywanie procesów decyzyjnych bazujących na danych we wszystkie aspekty funkcjonowania przedsiębiorstwa.
Przywódcy TD do spraw danych i analityki mają świadomość, że muszą stworzyć społeczność pracowników, specjalizujących się w tych dziedzinach, i wpoić im odpowiednie podejście do dzielenia się wiedzą
Według Husara w ciągu ostatnich pięciu lat bank TD poczynił ogromne postępy w dziedzinie danych, analityki i sztucznej inteligencji, które pomagają mu wyznaczać nowe cele i osiągać lepsze wyniki. W obecnej bezprecedensowej sytuacji bank wykazał się umiejętnością wykorzystywania danych i analityki , reagując na potrzeby klientów, opracowując innowacyjne sposoby na utrzymywanie kontaktów. TD zastosował na przykład zebrane dane i analitykę do spersonalizowania komunikacji z klientami. Osoby, które przychodzą do oddziałów, otrzymywały na przykład komunikaty na temat zmian w godzinach pracy placówek, a klienci, w przypadku których istniało największe prawdopodobieństwo otrzymania zwrotu podatku (stimulus check)[1, dostali wiadomości z objaśnieniem, jak założyć lokatę, korzystając z urządzenia mobilnego.
Takie tytuły jak analityk danych, analityk ilościowy i podobne wciąż stanowią w firmach względną nowość. Trudno się dziwić, że każdy rozumie je nieco inaczej. Z czasem pojawią się nowe nazwy stanowisk, które będą lepiej opisywać konkretne działania wykonywane przez zajmujących je pracowników. Na przykład używany już tytuł inżynier danych (data engineer) odnosi się do osób, które przez większość czasu modelują i integrują dane. Dopóki jednak nie osiągniemy powszechnego społecznego konsensusu, ważne jest, aby firmy naśladowały TD Bank i wyraźnie określały, jakich specjalistów potrzebują, aby działać na podstawie danych, a następnie pozyskiwały takich pracowników, dbały o ich rozwój i uwalniały ich potencjał.
http://%5B1%5D1 Na podstawie [https://www.investopedia.com/terms/s/stimulus‑check.asp
