Навыки работы с данными, то есть умение превращать информацию в идеи и решения, — движущая сила современной экономики. По данным Всемирного экономического форума, самый сильный рост наблюдается в профессиях, связанных с компьютерными вычислениями и математикой, в то время как в профессиях, не требующих этих навыков, число рабочих мест сокращается.
Хотим ли мы максимально увеличить наше участие в экономическом развитии, обусловленном информационными технологиями, или просто обеспечить себя и своих коллег актуальными знаниями и сохранить профпригодность, нам нужно всерьез задуматься о развитии навыков, больше связанных с анализом данных. Но на каких умениях следует сосредоточиться? Все ли из нас смогут не отставать от этого тренда, или нам лучше найти свое место в других областях экономики и оставить работу с данными специалистам?
Чтобы помочь ответить на этот вопрос, мы обновили и адаптировали подход, который применяли к определению приоритетных навыков работы в Microsoft Excel (в соответствии с их ценностью и затратами времени на приобретение). Мы применили анализ соотношения пользы и времени к области работы с данными. Под «временем» подразумевается время на обучение, альтернативные издержки на приобретение того или иного навыка вами и вашей командой. «Польза» — вероятность того, что вам пригодится этот навык, то есть его ценность для компании и вашей собственной карьеры.
Сочетание времени и пользы дает простую матрицу 2х2, состоящую из четырех частей:
Изучайте: очень полезно, мало времени на приобретение. Это легкий способ быстро добавить ценности вам и вашей команде.
Планируйте: очень полезно, много времени на приобретение. Ценный навык, но, чтобы его освоить, вам придется поставить его выше других умений и занятий. Нужно быть уверенным, что навык стоит инвестиций в него.
Рассмотрите: не очень полезно, мало времени на приобретение. Вам не нужен этот навык прямо сейчас, но его легко приобрести, поэтому имейте его в виду на случай, если его полезность повысится.
Игнорируйте: не очень полезно, много времени на приобретение. На этот навык у вас нет времени.
Чтобы помочь вам решить, на чем сосредоточить свои усилия, мы нанесли основные навыки работы с данными на нашу схему. В список вошли навыки, полезные для бизнес-аналитиков, аналитиков данных, специалистов по обработке данных, инженеров по разработке алгоритмов машинного обучения и «хакеров роста». Затем мы установили их приоритет в зависимости от того, насколько часто они упоминаются в объявлениях о вакансиях, сообщениях прессы и полученной нами обратной связи. И, наконец, мы добавили информацию о том, насколько сложно приобрести эти навыки, опираясь на время развития компетенции и глубину и обширность каждого навыка.
Мы рассматривали методы, а не конкретные технологии, то есть, например, машинное обучение, а не TensorFlow, бизнес-аналитику, а не Microsoft Excel и т.д. Определив, какие методы являются приоритетными в вашей ситуации, вы можете выбрать конкретное программное обеспечение и навыки, необходимые для работы с ним.
Вы можете применить эту схему и в контексте вашего бизнеса, где навыки работы с данными могут играть другую роль. Вот какие результаты получили мы:
Составив эту схему, мы в компании Filtered смогли принять решение, на каких навыках сосредоточиться, хотя на первый взгляд они все казались ценными. Но, если смотреть на вещи реалистично, мы в лучшем случае сможем освоить лишь некоторые из них, по крайней мере, в краткосрочной перспективе. Мы пришли к выводу, что нашей компании выгоднее всего инвестировать в визуализацию данных, учитывая высокую пользу этих навыков и низкие временные затраты на обучение. Мы уже начали применять наши находки, и используем программу Tableau для улучшения представления информации нашим клиентам.
Попробуйте применить эту матрицу в своей компании, и она поможет вашей команде определить, какие навыки работы с данными наиболее важны для нее, и с чего следует начать обучение.
Об авторе. Крис Литтлвуд (Chris Littlewood) — директор по инновациям и продуктам filtered.com, образовательной технологической компании, использующей ИИ для повышения производительности с помощью рекомендаций по обучению.
