Отдел аналитики: строить свой или отдать
Какие роли реально нужны в работе с данными, чем аналитик данных отличается от инженера и бизнес-аналитика, три модели организации работы и признаки того, что пора нанимать своих.
Отдел аналитики нужен не тогда, когда компания доросла до определённой выручки, а когда вопросов к данным становится больше, чем успевает закрывать руководитель между делом. До этого момента дешевле и быстрее покупать работу снаружи.
Разберу, какие роли реально нужны, чем они отличаются, сколько стоит каждая модель и в какой момент своя команда начинает выигрывать у подрядчика.
Три модели и когда каждая работает
| Модель | Когда подходит | Ограничение |
|---|---|---|
| Подрядчик | Разовое построение контура, редкие изменения, нет компетенции внутри | Скорость реакции: каждое изменение через заявку и ожидание |
| Свой аналитик | Изменения чаще раза в месяц, данные критичны для управления | Зависимость от человека: уход обнуляет знание системы |
| Гибрид | Большинство компаний среднего размера | Требует чёткого разделения зон, иначе задачи повисают между сторонами |
Гибрид на практике выглядит так: подрядчик собирает первый контур, документирует модель данных и передаёт её внутреннему специалисту, который дальше сопровождает и развивает. Крупные изменения — новый источник, переработка модели — снова через подрядчика. Такое разделение даёт скорость реакции на мелкие правки и не требует держать в штате дорогую компетенцию для редких задач.
Четыре роли и что каждая делает
Выгрузки, хранилище, расписание обновления. Отвечает за то, что данные приходят вовремя и полностью.
Модель, витрины, панели, расчёт показателей. Отвечает за то, что цифра посчитана верно.
Процессы и требования: как устроена работа, что нужно измерять, где узкие места.
Определяет, что считается сделкой и выручкой. Разрешает споры о цифрах. Зона компании, не подрядчика.
Разграничение важно при найме: вакансия «нужен аналитик» без уточнения роли приводит к тому, что откликаются специалисты разных специализаций, а на выходе компания получает не того, кто нужен. Чаще всего требуется аналитик данных — человек, который умеет собрать модель, посчитать показатель и объяснить, откуда взялась цифра.
Посмотрю на объём задач с данными и частоту изменений в процессах. Скажу, какая модель дешевле в вашем случае, с какой роли начинать и что должно остаться внутри компании при любом раскладе.
Как нанимать аналитика
Собеседование по списку технологий даёт мало: инструменты изучаются, а способ мышления — нет. Работающая проверка выглядит иначе.
- Дайте реальную выгрузкуС типичными проблемами: дубли, пропуски, несведённые справочники. Попросите посчитать конкретный показатель.
- Смотрите на вопросыХороший аналитик сначала уточнит определения и границы расчёта, а не начнёт сразу считать. Отсутствие вопросов — плохой признак.
- Попросите объяснить результатСпособность рассказать про цифру языком бизнеса важнее технической виртуозности: с руководителями ему разговаривать чаще, чем с базой данных.
- Проверьте отношение к неопределённостиСпросите, что делать, если данных для ответа не хватает. Ответ «сообщу об ограничении и предложу оценку» лучше, чем уверенное «посчитаю».
Признак, по которому я отличаю сильного аналитика на собеседовании: он спрашивает, какое решение будет приниматься по его расчёту. Слабый берёт задачу как есть и выдаёт число. Сильный выясняет контекст и часто предлагает считать иначе — потому что понимает, что вопрос был сформулирован неточно. Эта способность экономит компании больше, чем любые технические навыки.
Что должно остаться внутри при любой модели
- Письменные определения показателей и порядок их изменения
- Понимание того, откуда берутся данные и как считается каждая цифра
- Все доступы к системам и учётным записям
- Документация по модели данных, обновляемая при изменениях
- Список управленческих вопросов, под которые строится аналитика
- Право и способность внести небольшое изменение без обращения к подрядчику
Последний пункт часто оказывается решающим при выборе модели. Если каждое добавление разбивки требует заявки и недели ожидания, аналитика перестаёт поспевать за бизнесом, и люди возвращаются к таблицам. Проверить это просто: попросите добавить на панель разбивку по региону и засеките время до результата.
Сколько стоит каждая модель
Прямое сравнение по ставке в час вводит в заблуждение: у своего сотрудника и подрядчика разная структура затрат. Считать нужно полную стоимость владения на горизонте года.
| Статья | Свой сотрудник | Подрядчик |
|---|---|---|
| Основная оплата | Оклад независимо от загрузки | Только за выполненные задачи |
| Простой | Оплачивается | Не оплачивается |
| Обучение и рост | За счёт компании | За счёт подрядчика |
| Замена при уходе | Поиск, адаптация, потеря знания | Смена исполнителя внутри подрядчика |
| Скорость мелких правок | Часы | Дни или недели |
| Погружение в бизнес | Глубокое, накапливается | Ограниченное, теряется между проектами |
Две последние строки обычно решают вопрос. Скорость мелких правок определяет, будет ли аналитика поспевать за бизнесом. Погружение определяет качество вопросов: свой человек со временем начинает замечать проблемы раньше, чем их формулирует руководитель, — подрядчик отвечает на поставленный вопрос и не более.
Как встроить аналитика в компанию
Найм — половина дела. Вторая половина в том, как роль устроена внутри, и здесь совершается больше ошибок, чем при подборе.
- Подчинение ИТ-директору. Аналитик оказывается в очереди технических задач, а управленческие вопросы получают низкий приоритет.
- Работа по заявкам от всех подряд. Без приоритизации человек тонет в мелких выгрузках и не строит систему.
- Изоляция от бизнеса. Аналитик не присутствует на разборах и не понимает, какие решения принимаются по его цифрам.
- Отсутствие владельца методики. Аналитик вынужден сам решать спорные вопросы определений — и получает конфликты с зонами.
- Ожидание мгновенного результата. Первые месяцы уходят на разбор источников; полезный выход появляется позже.
Рабочая конструкция: подчинение первому лицу или финансовому директору, участие в еженедельных разборах, приоритеты задач согласуются раз в неделю, есть назначенный владелец методики. При таком устройстве аналитик за полгода начинает приносить вопросы сам, а не только отвечать на поставленные.
Ценность аналитика измеряется не количеством отчётов, а числом решений, которые компания приняла быстрее и точнее, чем приняла бы без него.Владимир Герасимов
С чего начать
- Посчитайте объём задачСколько часов в неделю сейчас уходит на подготовку данных и отчётов у всех участников. Обычно цифра больше ожидаемой.
- Оцените частоту измененийКак часто меняются процессы, появляются направления, требуются новые разрезы.
- Назначьте владельца методикиЭто делается до найма и не требует бюджета — но без этой роли аналитик будет постоянно упираться в споры о цифрах.
- Начните с подрядчикаПервый контур собирается быстрее внешними силами; параллельно становится понятно, какая внутренняя компетенция нужна.
- Переходите к своим по мере ростаКогда мелкие правки начинают тормозить работу, нанимайте — к этому моменту требования к человеку уже понятны.
Такой путь дешевле обратного, при котором компания сначала нанимает специалиста, а потом выясняет, что задач для него на два дня в неделю и что без описанной методики он не может двигаться дальше. Как устроен сам процесс построения контура, разобрано в статье про внедрение аналитики, а состав ролей в проекте — в разборе единого контура управления бизнесом.
Посмотрю, как устроена роль внутри компании и на что уходит время. Обычно проблема не в человеке, а в том, что нет владельца методики и приоритетов, — и специалист тонет в мелких выгрузках.
Как понять, что текущая модель не работает
Несколько признаков, по которым видно, что организацию аналитики пора менять. Каждый из них проверяется без специальных исследований.
Правки ждут неделями. Появилось новое направление, а на панели его нет уже месяц. Бизнес меняется быстрее, чем отчётность за ним поспевает, и люди начинают вести параллельный учёт в таблицах.
Никто не может объяснить цифру. На вопрос «откуда это значение» ответ звучит как «так система считает» или «нужно спросить подрядчика». Прослеживаемость потеряна, доверие падает следом.
Аналитик занят выгрузками. Вместо построения системы человек целыми днями делает разовые срезы по просьбам разных отделов. Это признак отсутствия приоритизации, а не низкой квалификации.
Знание живёт в одной голове. Документации нет, модель данных понятна только одному человеку. Риск здесь не гипотетический: отпуск или уход останавливают всю отчётность.
Первые два признака указывают на проблему модели работы, вторые два — на проблему её организации внутри. Лечатся они по-разному: в первом случае меняется схема взаимодействия с подрядчиком или нанимается свой человек, во втором — наводится порядок в приоритетах и документации без всяких кадровых решений.
Отдельно замечу про документацию, потому что это самая недооценённая часть работы. Она не нужна, пока всё работает, и становится критичной ровно в тот момент, когда человек уходит или подрядчик меняется. Требование вести её стоит закладывать в договор и в должностные обязанности с самого начала — задним числом восстановить описание модели данных дороже, чем построить её заново. Как это устроено на этапе приёмки проекта, разобрано в статье про внедрение аналитики.
Развитие компетенции внутри
Отдельный вопрос — как растить понимание данных у тех, кто ими пользуется. Аналитик может строить сколь угодно хорошие панели, но если руководители не умеют их читать, эффекта не будет.
Практически это решается не обучением в отрыве от работы, а совместным разбором. Первые несколько недель после запуска панели аналитик присутствует на разборах и объясняет, что означает каждый показатель и откуда он берётся. Через месяц-два руководители начинают задавать содержательные вопросы сами, и роль аналитика смещается от объяснения к развитию системы.
Второй элемент — доступность прослеживания. Когда от любого числа можно за пару минут дойти до первичных записей, доверие формируется само: человек проверяет пару раз, убеждается, что цифра корректна, и перестаёт сомневаться. Без такой возможности любое расхождение с ожиданием превращается в подозрение к системе целиком. Как это устроено на уровне архитектуры данных, разобрано в статье про аналитику данных, а на уровне представления — в разборе дашбордов и отчётности.
Компании, которые вкладываются в эту часть, получают эффект, выходящий за пределы аналитики: обсуждения смещаются от мнений к фактам, а решения начинают приниматься быстрее просто потому, что перестаёт тратиться время на спор о цифрах.
Типовой путь компании
Последовательность, по которой проходит большинство компаний среднего размера, выглядит одинаково, и понимание её помогает не торопиться и не опаздывать.
Сначала аналитикой занимается собственник или финансовый директор в свободное время — этого хватает, пока вопросов немного. Затем появляется потребность в регулярных отчётах, и работа отдаётся подрядчику: он собирает первый контур за несколько месяцев. Дальше начинается эксплуатация, и выясняется, что мелкие правки нужны часто, а ожидание подрядчика тормозит. В этот момент нанимается свой аналитик — обычно один, — и модель становится гибридной: текущее сопровождение внутри, крупные задачи наружу.
Дальнейший рост зависит от того, насколько данные встроены в бизнес. Компании, где аналитика остаётся управленческим инструментом, годами обходятся одним сильным специалистом. Там, где данные становятся частью продукта или где объёмы требуют постоянной инженерной работы, вырастает группа из нескольких человек с разделением ролей.
Ошибкой на этом пути обычно является не выбор модели, а несвоевременность перехода: компания держится за подрядчика, когда правки уже нужны ежедневно, или нанимает специалиста до того, как накопился объём задач. Проверять себя стоит по одному вопросу: сколько часов в неделю уходит на подготовку данных у всех участников вместе. Если больше одного рабочего дня — пора менять модель.
Эта цифра почти всегда оказывается больше ожидаемой: подготовка данных распределена по многим людям и нигде не учитывается как отдельная работа.
Именно поэтому решение о модели стоит принимать по цифрам, а не по ощущению «нам бы аналитика».
Ответ на него обычно и определяет следующий шаг компании в организации работы с данными.
Руководитель отдела аналитики появляется в структуре, когда специалистов становится несколько и требуется приоритизация между зонами. До этого функцию приоритизации выполняет тот, кто заказывает аналитику, — обычно первое лицо или финансовый директор.
Частые вопросы
Когда изменения в процессах происходят чаще раза в месяц и каждое требует правки отчётов, а ожидание подрядчика начинает тормозить решения. Второй признак — объём задач: если аналитических вопросов набирается на несколько дней работы в неделю, содержание своего человека становится выгоднее.
До этого момента подрядчик дешевле: вы платите за результат, а не за занятость.
Четыре, и они разные. Инженер данных настраивает сбор и хранение. Аналитик данных строит модель, витрины и панели. Бизнес-аналитик работает с процессами и требованиями. Владелец методики со стороны бизнеса решает, что считается сделкой и выручкой.
Последняя роль не нанимается и не отдаётся подрядчику — это зона финансового директора или собственника.
Предметом работы. Системный аналитик описывает требования к программным системам и работает в разработке — к управленческим цифрам он отношения почти не имеет. Аналитик данных отвечает за то, чтобы показатель считался верно и обновлялся.
Путаница между ними — частая причина неудачного найма: по вакансии «аналитик» приходит специалист не той специализации.
Определения показателей и список управленческих вопросов. Подрядчик не может решить за компанию, что считается сделкой, каким днём признаётся выручка и как разносятся общие затраты, — это управленческие решения.
Также внутри должны оставаться доступы, документация по модели данных и понимание того, как всё устроено. Иначе смена подрядчика превращается в повторное внедрение.
Для компании среднего размера обычно достаточно одного сильного аналитика, закрывающего и модель данных, и панели, при поддержке подрядчика на крупных задачах. Отдельный инженер данных нужен, когда источников много и они нестандартные.
Наращивание штата до нескольких человек оправдано там, где аналитика встроена в продукт или где объёмы данных требуют постоянной инженерной работы.
Практической задачей на ваших данных, а не вопросами о технологиях. Дайте выгрузку с типичными проблемами — дубли, пропуски, несведённые справочники — и попросите посчитать конкретный показатель.
Смотрите не только на результат, но и на вопросы, которые кандидат задаёт: хороший аналитик первым делом уточнит определения и границы расчёта, а не начнёт сразу считать.
Проблема решается заранее — документацией. Модель данных, методика расчётов и описание источников должны существовать в письменном виде и обновляться, иначе уход человека означает потерю понимания того, как считаются цифры.
Практическая проверка: попросите показать документацию сейчас. Если её нет, это первая задача, а не найм замены.
Складывается из трёх частей: оплата труда своих специалистов, работы подрядчика на крупных задачах и стоимости платформы. Для компании среднего размера основная часть — люди, а не лицензии.
Сравнивая модели, считайте полную стоимость: подрядчик выглядит дороже в пересчёте на час, но не требует оплаты простоя, обучения и замены при уходе.