Меня часто просят посоветовать курсы для аналитика. Как по мне, это одно из подтверждений, что бизнес стремительно меняется не только в технологиях, но и компетенциях сотрудников. Управленцы и специалисты используют все больше цифровых инструментов в работе, роли бизнес-аналитика и аналитика данных часто сливаются в одну. Конечно, хочется не отставать от прогресса и освоить новую цифровую специальность. Но прежде чем выбирать программу обучения, следует разобраться, какие именно навыки бизнес-аналитика сейчас в цене и как их развить финансовому специалисту.
Процессное мышление
Мыслить как бизнес-аналитик — означает мыслить процессами. С тех пор, как человечество изобрело процессный подход к управлению организаций, появилось много способов описывать эти процессы. Например, нотации IDEF*, UML, BPMN и другие инструменты для автоматизации процессов. На самом деле, абсолютное большинство современных программ для бизнеса ориентированы на поддержку повторяемого рабочего процесса:
- CRM для ежедневной работы с данными клиентов и сделками;
- WMS для складского учета;
- BPMS системы для настройки произвольных бизнес-процессов — яркий тому пример.
Из этого следуют несколько выводов:
- процессная модель применима почти к любой работе в бизнесе. А значит, освоивший ее бизнес-аналитик будет востребован на любом участке, от продаж до гарантийной поддержки;
- придется иметь дело с цифровой моделью процесса. Это не только диаграмма последовательности шагов, нарисованная на доске. Важный компонент — это данные о том, как этот процесс идет, временные, количественные характеристики.
Для тех, кто хочет обратиться к первоисточнику по процессному подходу, я рекомендую к изучению Стандарт ИСО 9001. Правда, он сложноват для восприятия, поэтому стоит вооружиться развернутыми комментариями к нему. Ну, или просто подобрать под эту цель отдельный обучающий курс.
Методика анализа
Главная польза аналитика для бизнеса не столько в способности «нарисовать» идеальный процесс в правильной нотации, сколько в умении улучшать существующие процессы. Ведь процессы-то в компании уже идут, нужно работать с тем, что есть.
Последовательное и постоянное улучшение — само по себе тоже процесс и аналитик должен уметь организовать следующие шаги в своей работе:
- описание текущего состояния процесса и его числовых характеристик, метрик — здесь на помощь приходят ИТ-инструменты, процессы сбора и интеграции данных (ETL);
- подготовка данных и моделирование — это ответ на вопрос, какие именно метрики стоит рассматривать, например, количество обработанных заявок в час;
- анализ — чаще всего визуальный, когда перед вами таблица, график, диаграмма. Но бывет и программный, с привлечением специалистов — Data Scientist и разработкой ПО под конкретную аналитическую задачу. На каком этапе заявка проводит больше всего времени?
- изменение в процессе, которое, по мнению аналитика, должно улучшить процесс. Например, увеличивает количество обрабатываемых менеджером заявок, благодаря выбору адреса клиента из справочникаа КЛАДР вместо ручного набора;
- разработка контрольных отчетов. Для того, чтобы убедиться в положительном результате изменения, нужно продолжать контролировать целевые показатели. Здесь и возникает задача автоматизации «управленки».
Как начинающий бизнес-аналитик вы, скорее всего, будете задействованы только в части шагов. Без общей картины ценный вклад в улучшение процессов невозможен, а реализация процесса улучшения у каждого бизнеса своя. Поэтому научиться методике только по книжкам и видео вряд ли удастся — здесь нужна практика.
Моделирование данных
На самом деле, бухгалтерский учет — это тоже модель данных, которую экономист, финансист или управленец уже освоил в рамках основной специальности. Но она не единственная.
Стандарт де факто для бизнес-аналитики — это многомерный анализ и многомерная модель данных. У вас могут быть на слуху термины «разрез», «показатель», «измерение». Они пришли в наш язык именно оттуда и являются частью вселенной OLAP (online analytical processing).
Моделей данных существует много и каждая из них специфична для своего класса задач:
- кластерный анализ поможет найти неочевидные группы клиентов в вашей базе, например, тех, кто, скорее всего уйдет к конкурентам в течение года.
- регрессионный анализ поможет прогнозировать будущие продажи.
Начинать знакомиться с моделирование данных я бы рекомендовал с курса дискретной математики и теории множеств. Может звучать скучно, но владение базовыми операциями на множествах и их соотношениями — необходимый фундамент для понимания любой сложной модели данных.
Визуализация
Какой бы правильной не была выборка данных, формулы расчета, да и сама гипотеза — все может перечеркнуть плохое представление данных для анализа. Даже потратив на изучение сводной таблицы часы, вы можете не увидеть зависимость просто из-за несовершенного формата.
А некоторые графики, если использованы неправильно, например, с логарифмической шкалой и автомасштабированием, и вовсе могут привести вас к ложным выводам. Тем страшнее ситуация, когда вы должны защитить результаты своего анализа перед руководителем, чтобы запустить процесс изменений в компании. Руководитель не смог считать информацию за первые три секунды, а вникать и разбираться некогда.
Тут смело могу рекомендовать:
- книги Джина Желязны, например, «Говори на языке диаграмм». Но вы можете выбрать любую из современных книг по инфографике и визуализации данных. Использование описанных в них подходов сразу ставит вас на голову выше среднестатистического аналитика, которому в университете о важности понятного представления данных не рассказали.
- для тех, кто любит повышенный уровень сложности и готов разобраться в теме на уровне атомов, предлагаю книги Эдварда Тафти, например, Envisioning Information («Представление информации»). У этой книги существуют только любительские переводы невысокого качества, но автора по заслугам считают отцом инфографики.
Инструменты для работы с данными
С инструментами для моделирования и описания процессов не должно возникнуть проблем, все они простые, визуальные и точно не сложнее MS Excel. Стоит остановиться на инструментах работы с данными.
- SQL. Теорию множеств и дискретную математику стоит закрепить практикой на языке SQL — structured query language — «язык структурированных запросов». На нем пишут короткие сценарии для извлечения данных из хранилищ и трансформаций — объединений, пересечений, семь, средних и так далее. Знание SQL нельзя назвать обязательным для бизнес-аналитика сейчас, это скорее козырь в рукаве. Но отрасль движется в сторону самообслуживания при анализе, поэтому я предвижу переход этого навыка в класс базовых.
- BI-системы. Обязательный навык для бизнес аналитика — это уверенное владение ПО для визуализации и анализа данных. Проще всего начать с Tableau, его можно скачать на свой ПК и бесплатно упражняться на протяжении тестового периода. Самые высокооплачиваемые аналитики владеют Qlik. А чаще всего вы можете встретить MS Power BI.
Узнать больше об этих программах вы можете в статье «Топ-5 инструментов для бизнес-аналитики». И посоветуйтесь с начальником ИТ-службы, возможно, какой-то из инструментов уже запланирован к внедрению в вашей компании.
Владение языками программирования для анализа данных (например, R, Python) и статистическими пакетами типа IBM SPSS скорее нетипично для бизнес-аналитика. Разработка программ и моделей под задачу — работа для дата сайентистов и дата инженеров.
Практика
Подход «три года учимся, потом ищем работу» уже неактуален, поэтому я бы рекомендовал как можно раньше начать применять новые знания. Даже если вы проходите обучение с практическими заданиями. Идеально — стажировка, причем не в вашей компании.
У нас в команде тоже есть рескиллеры — специалисты, которые, освоили новые для них профессии на ходу, уже в работе. По работе с ними я знаю, что такая смена рода деятельности — это отличная встряска для мозга. Она придает сил, открывает новые горизонты и воодушевляет.
Но правильный подход к ней — это не обнуление и обучение с чистого листа, а интеграция всего профессионального опыта в новую специальность. Именно в этом сплаве возникает супер-сила аналитика, который не просто нажимает на кнопки и получает графики, а понимает происхождение и смысл важных для бизнеса показателей.
