Мы уже писали о том, как *instinctools проводит проект «Техпора» и собирает экспертов из разных компаний, чтобы обсудить тренды в IT-индустрии. Сегодня пришла очередь поговорить о Business Intelligence. Как оказалось, эта тема до сих пор горячо обсуждается не только в IT-компаниях, но и в крупных корпорациях, бизнесе. Постепенно Business Intelligence переходит из разряда «модных» опций в обязательный компонент конкурентоспособной политики. Но при этом проблемы выбора инструмента и эффективности BI-специалистов остаются. Прозвучавшие в дискуссии на YouTube высказывания экспертов о современной роли BI мы собрали в этом тексте.
В разговоре приняли участие Data Engineer, Microsoft Gaming Дмитрий Аношин, Head of BI, Яндекс Go Роман Бунин, BI Engineer, Currency.com Анастасия Котова, BI Analyst, *instinctools Артур Высоцкий.
Если вы хотите поделиться своим взглядом на обсуждаемые вопросы и мнения экспертов – пишите в комментариях.
«BI выходит на плато продуктивности»
Роман Бунин: Мне кажется, что сейчас BI выходит на плато продуктивности, без BI не может жить ни одна компания, все отлично понимают важность этого направления. Я заметил тренд: если раньше BI – это модная игрушка, то сейчас это направление есть не только в крупных, но и небольших компаниях на рынке. Любая компания, в которой работает больше тысячи человек, обладает каким-то BI-инструментом.
Дмитрий Аношин: Для меня BI – это важный атрибут любой компании. Ценность аналитики сегодня понимают абсолютно все. И BI – это единственный удобный инструмент, он позволяет выстроить мост между данными, которые генерируются в компании, и бизнес-пользователями. Но тут возникает другой вопрос: как заставить людей этим инструментом пользоваться?
Даже если в компаниях внедряют дорогие инструменты, они все равно используют этот инструмент, чтобы выгрузить данные в Excel. Чтобы этого не происходило, людей нужно тренировать и подталкивать к правильному использованию BI-инструментов. Например, в Канаде я сталкивался с примером внедрения Tableau с интерактивными дашбордами, которыми не хотели пользоваться специалисты.
Они так и говорили, что навыки использования этих инструментов не требовались в момент заключения трудового контракта, работодатель не прописал BI-инструменты в описании вакансии. И это было большой проблемой. Но без BI-инструментов сегодня трудно эффективно работать, особенно если мы говорим про аналитику и хранение данных. И внедрение BI-инструментов должно происходить до того, как мы начнем работать с Data Science или ML. Давайте просто сделаем дашборды и научим людей ими пользоваться.
Анастасия Котова: BI становится популярнее, компании смотрят на своих конкурентов и воспринимают инструменты по анализу данных как возможность улучшить свои позиции на рынке.
В Amazon и Microsoft не пользуются мобильными приложениями для BI
Дмитрий Аношин: Я в BI с 2010 года. С 2011 года я уже знал про SAP Business Objects – популярный BI-инструмент, который до сих пор стоит во многих российских банках. Последняя версия этого инструмента вышла 5 лет назад, но решение до сих пор используется. У него даже есть мобильный клиент для смартфонов. Это классная история, если представлять, что к данным будет открыт доступ в любое время. Но реализовать это получается редко, мы все время сталкиваемся с ограничениями из-за требований к безопасности. Сколько я работал в Amazon, Microsoft и других компаниях, я никогда не встречал, чтобы люди реально пользовались мобильными приложениями для BI.
Так что история хоть и не новая, но так и не «приземлилась». Возможно, было бы интересно, если был бы какой-то вендор с фокусом только на мобильные приложения. Или дополнял существующих вендоров за счет мобильного приложения. Например, та же компания MicroStrategy всегда делала акцент на мобильной аналитике. Но у них это ушло в сторону кастомных приложений. Я сам никогда не работал с их продуктами, но знаю, что у них есть предложения для е-commerce с полной кастомизацией.
ML нужно сделать доступным для всех
Дмитрий Аношин: Чтобы сделать ML доступным для всех, я вижу два пути. Первый – это использование ML вендором, чтобы упростить работу с инструментом. Сейчас высокий спрос на разработчиков, чтобы добавлять какие-то алгоритмы в сам продукт. Самый простой пример – это когда пользователь будет строить дата-модель в Tableau и перетягивать таблички, а с помощью ML-алгоритма будут строиться связи. ИИ просканирует таблички, поймет, какой тип данных используется, и построит связи. И второй путь – это использование ML-инструмента самим пользователем. Самый популярный пример – это прогноз. В Tableau мы можем взять исторические данные, перетянуть time series на временные ряды и наложить модель прогноза. И ML нам построит прогноз продаж на следующий год. В Amazon это было отличное решение, руководство требовало, чтобы у всех был прогноз на год, полгода или квартал. Конечно, есть возможность использовать внутри BI-инструментов Python и R. Использование ML может отличаться. Например, ML может быть уже встроен в BI-инструмент, а есть и вариант, когда его может добавить сам аналитик.
«Использование сложных инструментов в BI приводит к сложной инфраструктуре»
Роман Бунин: Использование сложных инструментов в BI приводит к сложной инфраструктуре. На мой взгляд, более правильно и эффективно использовать BI только как frontend-инструмент. То есть мы отрисовываем то, что у нас есть в базе данных. Как только мы начинаем переносить в BI очень много логики, мы теряем за этим контроль. Мне нравится подход, который превращает BI в некий кодируемый инструмент. Кодом можно «пощупать» и описать, посмотреть последние изменения. Когда есть внешняя часть, визуальная, можно еще кодом закоммитить и быть уверенным в изменениях. Мне кажется, что пока нормального change-менеджмента на стороне BI не будет, то хранить в нем бизнес-логику будет опасно.
«Чтобы BI приносил деньги, он должен быть одним из компонентов в бизнес-цепочке»
Роман Бунин: Глупо ожидать, что если ты поставишь себе BI-инструмент, то деньги потекут рекой. Это просто приборная панель, которая помогает понять, куда ты едешь, но она не направляет бизнес, не управляет им. Все равно решения принимает конкретный человек. Если мы в машину поставим много приборов, она быстрее не поедет. BI должен быть связан с показателями эффективности работы компании. Я знаю пример компаний, в которых проекты по построению эффективности всегда начинались с дашборда. У нас есть процесс, мы сначала для него делаем дашборд, только после этого мы процесс оптимизируем. И это хорошая практика. Чтобы BI приносил деньги, он должен быть одним из компонентов в бизнес-цепочке. Мой любимый вопрос, когда я делаю дашборды: какое бизнес-решение вы примите или что вы сделаете, когда цифра изменится? Если человек не знает ответа, то, скорее всего, ему дашборд не поможет.
Анастасия Котова: Бывают случаи, когда решения BI не помогают бизнесу. На BI не нужно перекладывать ответственность за бизнес. Решения BI – это просто помощь в понимании общей картины с разным уровнем детализации. Кроме того, нужно понимать, что BI может быть внедрен некачественно, неверно построено хранилище данных, плохо организована загрузка данных в отчеты. Дальше – вопрос с визуализацией, как информация представлена в отчетах, насколько сотрудники подготовлены и могут правильно проанализировать отчет.
Если вы «махровый» энтерпрайз, то стоит обратить внимание на правый верхний квадрант Gartner
Роман Бунин: Когда мы говорим, какой BI-инструмент лучше всего использовать, то все зависит от целей и задач. Если вы «махровый» энтерпрайз, у вас есть много денег, вы готовы вкладываться в инструменты, то стоит обратить внимание на правый верхний квадрант Gartner. Он устоявшийся, в нем есть поддержка, понятные инструменты и доступ к большинству баз данных. Если говорить про новые инструменты, модные BI-системы, то кажется, что они хорошо подходят для каких-то конкретных кейсов. Сейчас появляется много узконаправленных BI-систем, как ThoughtSpot, которые занимают небольшие ниши. Они заточены под решение конкретных задач. Недавно со мной коллега поделился интересным инструментом Narrative Science. Его создает команда, которая делает BI для сторителлинга. Это узкое направление маленького BI, которое может сработать для тех, кому нужно рассказывать истории в виде лонгридов. Получается так, что словно вместо BI мы читаем интересную статью в NYT. Если ваша задача как компании использовать энтерпрайз-решение, нужно идти вправо вверх в квадрате Gartner. Если у вас есть узкие задачи и вы можете найти BI, который поможет их решить, то лучше смотреть в низ квадрата. Стартапу можно ориентироваться на open source-инструменты. Они все замечательно работают и решают большинство задач.
Дмитрий Аношин: Мне Gartner всегда нравился, я за ним всегда следил. Для меня это был единственный инструмент, где я мог посмотреть все доступные на рынке решения. И если мне хотелось понять их плюсы и минусы, категории, то всегда было проще обратиться к Gartner. Чтобы вы понимали, я делю BI-инструменты на три категории. Первая – энтерпрайз BI (например, Oracle). Это очень тяжелые инструменты, которые делают свою работу. И если у вас 10 тысяч пользователей, то можно очень хорошо сдерживать их «натиск», распределяя по уровню доступа. Но такие решения работают медленно и некрасиво. Вторая категория – Tableau, Power BI. Для меня лучше всего использовать Tableau. И дело даже не в функциональности, я просто получаю удовольствие, когда я работаю с Tableau, и не получаю удовольствие с Power BI – дело вкуса. И третья категория BI-инструментов – это облачная. Это Looker и другие, которые 100% облачные. И у этих инструментов есть свои преимущества.
Анастасия Котова: Gartner предоставляет хороший рейтинг BI-инструментов. И его преимущество перед похожими рейтингами в том, что он не замечен в лоббировании коммерческих интересов держателей инструментов. Никто этот рейтинг не спонсирует, как рейтинги, например, спонсируемые Microsoft, в которых он решает задачу повышения интереса к своим продуктам. А Gartner – это компания, которая не была замечена в откровенном рекламном лобби. И это позволят нам говорить о доверии к рейтингам этого агентства.
Одна из проблем IT – это название HR-позиций для BI
Роман Бунин: Я делю BI-специалистов на две категории. Есть BI-аналитики – это те, кто и готовит данные, и делает визуализацию. Они работают на стыке профессий, в какой-то степени такие люди относятся к специализации дата-инженера, так как умеют хорошо готовить данные. В какой-то степени эта специальность ближе к frontend-разработке, так как создается хорошая визуализация. На мой взгляд, сейчас большинство вакансий как раз про это. Но так как упомянутые специализации разные, то совмещать их довольно сложно. Крутых специалистов, которые могут хорошо и готовить данные, и визуализировать, очень мало. Однако сейчас появляется отдельная, выделенная специализация – BI-разработчик. В рамках этой специализации люди занимаются только визуализацией данных. Эта область новая и интересная, ведь она доказывает, что бизнес понял сложность дашбордного инструмента. Дашборд – это одно из самых сложных приложений, там много графиков, цвета, сложно сделать, чтобы одновременно все было понятно и работало быстро. И последний тренд на рынке труда – это появление вакансий на визуализацию данных.
Дмитрий Аношин: Одна из проблем IT – это название позиций для BI. Из описания вакансий можно понять, что требуется BI только из упоминания конкретных инструментов. А так вакансии нацелены на поиск аналитиков. Аналитик – это вообще универсальная позиция, которая может подойти BI-разработчику или ML-инженеру. Почему-то когда публикуется описание вакансий для BI, они очень похожи друг на друга, в них постоянно теряются суть и смысл. И это происходит не только в России, на Западе все то же самое. У BI-разработчика главная функция – это понять, чего хочет бизнес, и с помощью BI-инструментов дать заказчику возможность самостоятельно получать нужные данные. При этом установка и обновление BI-инструментов – это функция BI-разработчиков.
Задача ковыряться с сервером, который постоянно ломается, может, и интересная, но ценность таких специалистов не растет. BI-разработчик должен уметь не только делать дашборды и отчеты, но и понимать бизнес-требования. Его задача – выступать мостиком между IT и бизнесом. В этом и прелести работы BI, ты не сильно глубоко погружен в технические детали и не очень глубоко в бизнесе. Если мы знаем один BI-инструмент хорошо, то нам легко освоить и другой инструмент, так как принципы их работы похожи. Лично для меня стопором было требование к BI-разработчикам давать бизнесу рекомендации. Тут уже работа с анализом данных, нужно не просто построить дашборд и посмотреть на показатели, а написать бизнесу: мол, вот эта категория продуктов у нас не продается, давайте ее уберем.
Мне всегда было с этим сложно, особенно когда я работал как маркетинговый аналитик и BI-разработчик. Мне давали задачу проанализировать, почему страница на сайте плохо работает. Вот все данные и показатели, но было очень сложно перестроить мозг и вникнуть, что делают клиенты на сайте. В России требование давать практические рекомендации к BI-разработчикам не предъявляется. Достаточно строить дашборды, при этом классно, если специалист еще и будет давать рекомендации.
«Бизнесу неприятно, что люди прыгают с места на место»
Дмитрий Аношин: Сейчас в BI нужно быть очень проактивным. Не так важно, что вы делаете, нужно быть максимально активным и пытаться браться за все. Ведь с самого начала не понятно, что работает, а что – нет. Вас взяли BI-разработчиком и попросили построить простой отчет. И есть два пути: ок, я строю отчет, на этом моя работа закончилась, а второй – если мы используем Power BI, то я запишусь на курсы по Power BI, скачаю книгу по этому инструменту и так далее. Мой самый главный совет для тех, кто начинает работать с новым инструментом: вы должны узнать о функциональности инструмента на 120%.
Мне нравились проекты, где нужно внедрить BI-инструмент с нуля. Обычно на такие проекты нужно год или два, после этого можно уходить работать в другую компанию.
Бизнесу неприятно, что люди прыгают с места на место. Но тут нужно понимать, что если мы хотим повышения зарплаты, то каждые 2-3 года нужно менять место работы. По-другому это не работает ни в России, ни на Западе. Везде есть корпоративные правила, которые запрещают повышать зарплату больше чем на 10-15%. Если вы были начинающим BI-разработчиком на 70 тысяч рублей, то до 120 тысяч российских рублей вы будете ползти года 3-4. Но если вы уволитесь через год, то можете устроиться на новую работу с зарплатой в 150 тысяч.
Но нужно, чтобы при увольнении была красивая история, чтобы мы разобрались с продуктом, сертифицировались. Хорошо иметь на руках несколько позитивных кейсов по формуле «было и стало». И вот с этим BI-специалисту уже можно смело идти на рынок труда.