Przetwarzanie i analiza ogromnych ilości danych są kluczowe w lwiej części projektów związanych z cyfrową transformacją, szczególnie w bankowości. Wymagają więc odpowiednich kompetencji od osób zajmujących się danymi.
Ponad rok temu Gartner alarmował, że przeważający odsetek organizacji ma niską dojrzałość w zakresie BI i analityki. Dane z innych źródeł również nie napawają optymizmem: projekty z zakresu wykorzystania Big Data, AI i zaawansowanej analityki cierpią, ponieważ organizacje nie potrafią dokładnie określić, jaką rolę ma pełnić wprowadzana technologia dla użytkowników końcowych, lub dla biznesu.
Być może przyczyna leży nie w samych technologiach, a w umiejętnym budowaniu zespołu projektowego, tak by kompetencje poszczególnych członków zespołu wzajemnie się uzupełniały. W projektach IT dobranie odpowiednich kompetencji, i w odpowiednich proporcjach, jest kluczowe.
Data Science: moda na sukces?
Sektor Data Science, czyli inżynierii i analizy danych, kwitnie, a Data Scientists – „danetycy” – są rozchwytywani przez firmy z branży IT. Ze względu na unikalne połączenie umiejętności stali się swoistymi jednorożcami rynku pracy: specjalistami nowej generacji, którzy wspierają zespoły pracujące nad zastosowaniem sztucznej inteligencji, uczenia maszynowego czy programowania neurolingwistycznego. Przykładowo w jednym ze skandynawskich banków Chief Data Officer buduje 100-osobowy zespół Data Scientists, wspierany przez 50 Data Students, czyli praktykantów. Skala ich działania wskazuje na to, że obszar Data Driven Products będzie się rozwijał, aby dogonić takie firmy jak Amazon w wykorzystaniu nowo odkrytego potencjału danych.
Jednak pojawiają się też głosy krytyczne wobec zmasowanego zapotrzebowania na danetyków, i to nie tylko ze strony działów HR. Wygląda na to, że popyt jest uzasadniony jedynie częściowo. Wynika również z pewnego rodzaju mody, będącej efektem niedokładnego rozeznania wewnętrznego zapotrzebowania na konkretne umiejętności w zespole.
Przykładowo, danetyk nie jest synonimem analityka; jego zadaniem jest wchodzić głębiej w istotę analizowanych danych, jednak często okazuje się, że zatrudnia się go w roli analityka, statystyka czy inżyniera danych (Data Engineer). Każda z tych ról wiąże się z zapotrzebowaniem na nieco inny zestaw kompetencji. Niewłaściwy ich dobór w projekcie może się skończyć frustracją po obu stronach, zarówno firmy, jak i samego pracownika, ponieważ mają bardzo różny zakres kompetencji:
> Data Scientist
Łącząc umiejętności z zakresu matematyki, statystyki i informatyki, danetyk zwiększa wartość danych, by tworzyć nowe usługi lub zoptymalizować istniejące. Ze względu na popyt jest oczywiście najbardziej kosztownym nabytkiem do zespołu.
> Chief Data Officer
CDO nadzoruje danetyków i Data Miners, jest odpowiedzialny za zasoby informacyjne firmy i właściwe zarządzanie nimi. Pośredniczy między działem IT a biznesem, ale także dba o należytą wymianę danych między klientami, partnerami i dostawcami.
> Statystyk
Statystyk sprawdza się tam, gdzie w grę wchodzą tradycyjne techniki analityczne, np. modele regresji i testowanie istotności, szczególnie gdy w grę wchodzą zastosowania biznesowe, np. ulepszenie targetowania w marketingu lub analityka biznesowa. W bankowości IT statystycy z doświadczeniem w działach analiz ekonomicznych są bardzo cennymi członkami zespołów.
> Inżynier danych
Zazwyczaj skoncentrowany na rozwiązaniach back-endowych. Opracowuje on architekturę lub schemat, w jaki sposób wszystkie relacje pomiędzy różnymi źródłami danych integrują się razem, aby opowiedzieć jedną historię. Zajmuje się modelowaniem danych (ERD), strukturami i frameworkami ETL oraz integracją wielu źródeł danych w jeden model użytkowy.
> Data Miner
Jego zadaniem jest wyszukiwanie informacji w różnych firmowych źródłach danych, a także sortowanie i kwalifikowanie ich dla danetyków. Struktury przechowywania danych i zarządzania nimi, a także platformy związane z dużymi danymi, takie jak Hadoop, nie mają przed nim tajemnic.
> Specjalista ds. bezpieczeństwa cybernetycznego
Określa i ustanawia środki techniczne i organizacyjne w celu zwalczania coraz bardziej wyrafinowanych zagrożeń, jeszcze zanim dane trafią do obróbki. Obszar cyberbezpieczeństwa danych obejmuje wiele specjalizacji: z zakresu technicznego, audytu oraz testów.
Podział ról to krok do dojrzałości BI
W modelu bankowości opartej na danych pojawia się możliwość oferowania komplementarnych usług opartych na wykorzystaniu „produktów ubocznych” tych organizacji, czyli danych. Rozwój w kierunku Data Driven Banking to również szansa na uatrakcyjnienie wizerunku samych organizacji jako pracodawców: innowacyjne projekty przyciągają największe talenty w dziedzinie danetyki.
Jednak mając do czynienia z tak wymagającą dziedziną jak Data Driven Banking, warto wziąć pod uwagę właściwy układ sił w zespole: kompetencje i doświadczenie jego członków i odpowiednie obsadzenie kluczowych ról. Wchodząc do Data Science z perspektywy producenta oprogramowania w naszym autorskim projekcie PAYRES, sami zastanawiamy się nad optymalną kombinacją ról w zespołach projektowych.
Jakie są Wasze doświadczenia z danetykami? Czy Waszym zdaniem wysokie zapotrzebowanie na tę rolę jest uzasadnione? Zapraszam do dyskusji.