Сейчас практически каждый бизнес стремится использовать предиктивную аналитику: она открывает новые возможности для бизнеса. Поэтому Data Science для компаний — важное направление.
В крупных компаниях зачастую приходится создавать новые продукты, часто они основаны на аналитике данных. А также с нуля выстраивать процессы и стандарты разработки.
В этой статье руководитель направления Data Science Надежда Костякова рассказала, как мы организовали работу этого направления в Первой грузовой компании.
Этап № 1: самое начало
В последнее время у области железнодорожных перевозок усилилась конкуренция. Но несмотря на это, мы могли бы и дальше работать по проверенным схемам: почти 80% грузов в нашей стране могут перевозиться по железной дороге — спрос на логистические услуги будет всегда.
ПГК важно использовать в работе передовые инструменты и предлагать высокий уровень сервиса для партнёров и клиентов, поэтому мы начали развивать IT-направление.
На первом этапе развития направления взяли в команду несколько специалистов, которые начали тестировать гипотезы с использованием анализа данных. В результате узнали какие данные есть в компании и познакомились с их характеристиками, все это позволяет теперь проверять любые идеи бизнеса.
В процессе мы столкнулись с рядом сложностей:
1. Низкое понимание бизнесом возможностей Data Science
2. Низкая техническая зрелость ИТ-инфраструктуры
3. Невозможность проверить результаты тестирования гипотезы и обсудить ее результаты с экспертами
Кроме того, позже мы начали создавать собственные продукты и поняли: необходимы штатные эксперты, которые будут контролировать процесс и отвечать за это направление.
Этап № 2: нанимаем сотрудников
Чтобы нарастить компетенции внутри команды, мы пригласили опытных специалистов, каждый из которых привносил в работу свои уникальные знания и решения. Это позволило сформировать свой инструментарий анализа данных, который подходил компании.
У нас появилась Data Science экспертиза, и вместе с ней — потребность в системной работе, развитии компетенций и обмене кодом, датасетами, моделями и системной работе. Уже нельзя было разрабатывать и запускать что-то локально. Также нужно было организовать обмен опытом и компетенциями экспертов друг с другом.
Параллельно мы занимались повышением культуры работы с данными в компании: показывали результаты проработки гипотез коллегам из других подразделений, однако первые попытки завоевать доверие бизнеса к инструментам анализа данных оказались малоэффективны.
Этап № 3: укрепляем команду
Чтобы наша работа не превратилась в хаос, мы сформировали базу знаний для специалистов Data Science, в которой зафиксировали:
— стандарты удалённой разработки: подключения к серверам и базам, версионирование и написание кода;
— описание всех проектов, связанных с анализом данных, в виде отчётов, понятных бизнесу и специалистам;
— матрицу компетенций для каждого сотрудника, в которой были проставлены оценки по каждой области знаний;
— ссылки на обучающие материалы и конференции.
Мы усилили эту систему матричной организацией, в которой специалист подчиняется одновременно и проектному руководителю, и руководителю центра компетенций. Постоянная коммуникация специалистов позволила соблюдать стандарты и расширять их использование в проектах.
Однако подход к развитию направления был неполным, оставались серые зоны, которые еще требовалось покрыть.
Этап № 4: ищем новые решения
ПГК продолжала расти и запускать новые цифровые продукты. Увеличивался и штат, что усложняло обмен накопленным опытом. Часто получалось так, что люди работали на разных продуктах и не общались друг с другом. Также было необходимо углублять компетенции и обеспечивать сотрудникам стабильный рост.
Тогда мы нашли четыре вектора развития, которые решили наши проблемы и вывели на новый уровень.
Запустили площадку по обмену знаниями сотрудников. Теперь каждый сотрудник может делиться своими компетенциями. Новый инструмент сработал: мы повысили прозрачность процессов по анализу данных и осведомлённость сотрудников о «лучших практиках». А также запустили процесс обсуждения проблем и сблизили сотрудников между собой.
Разработали унифицированный процесс выведения продукта в промышленную эксплуатацию. Так мы повысили осознанность и устранили проблемы, которые повторялись из раза в раз.
Внедрили карьерные треки. Ключевое отличие треков от матрицы компетенций в том, что это персонализированный карьерный план, выстроенный под конкретного человека. Он формируется после проведения ассессмента. Трек составляется вместе с сотрудником и тот знает, куда и зачем ему расти. К тому же, он понимает где ему приобрести недостающие знания — на курсах за счёт компании, в специализированных статьях и на конференциях.
Подключили сотрудников к образовательной платформе. С помощью неё каждый сотрудник компании может ознакомиться с базовыми принципами и подходами к анализу данных.
Сейчас мы находимся на важном этапе: собрали команду опытных специалистов, настроили процессы обмена знаниями, и продолжаем совершенствоваться.
Чтобы следить за развитием ПГК и интересными кейсами компании, подписывайтесь на наш канал в Дзене.