Привет, я Галина Вакулина, лидер аналитиков в Точке. 

В новой компании аналитик тратит много времени на изучение данных, с которыми ему предстоит работать. В этой статье я рассказываю, как мы построили процесс онбординга, чтобы погружение новичка проходило эффективно и безболезненно.

В Точке сконцентрировано много данных, большая часть которых специфична, поэтому человек, до этого не работавший в банковской сфере, не сразу разберётся. У нас сотни разнородных источников — от обычных бд типа Постгреса, до API и блокчейнов, тысячи таблиц на сотни терабайт данных.

Сейчас у нас работает 75 аналитиков и мы продолжаем набор. Новичкам требуется довольно много времени на погружение. Поэтому чем качественнее пройдёт онбординг, тем быстрее мы получим "бойца", готового брать на себя серьёзные задания. Мне хотелось сделать этот процесс максимально эффективным.

Каким я вижу готового к работе аналитика 

В какую бы команду ни попал новый аналитик, у меня есть ряд ожиданий от него: аккуратная обработка данных, отсутствие когнитивных искажений при формулировке выводов. Задачи, с которыми аналитики сталкиваются, с поправкой на предметную область, также схожи: построение дашбордов с метриками, составление выборок клиентов, построение воронок, подготовка и проведение экспериментов, исследование данных, формулировка выводов и их презентация. 

Как было раньше

Новичок сразу попадал в команду, которой требовался аналитик, и кто-то из опытных коллег вводил его в курс дела. Это отнимало много времени у наставника, и так загруженного текущей работой. 

В командах не всегда есть аналитики-менторы, готовые обучать людей и давать им обратную связь. Из-за этого новые сотрудники росли медленно. Лучшие практики, насмотренность, нюансы использования тех или иных данных —  всё это проходило мимо них. Конечно, это отражалось на качестве работы новичка, поэтому команды не доверяли выводам своих аналитиков. При этом онбординг получался довольно однобоким, потому что ментор из команды давал знания только из своей предметной области.

Первая попытка что-то изменить

Мы решили снять с команд задачу по онбордингу аналитиков. Мы составили программу тренировочных упражнений, написали цикл статей и записали видео мастер-классов, чтобы новые сотрудники проходили онбординг самостоятельно и обращались к более опытному коллеге только в моменты трудностей. Эта концепция провалилась, и вот почему:  

— Новые сотрудники нуждаются в живом общении

80% аналитиков, которых мы взяли в этом году, работают удалённо. Они не ходят в офис, не видят коллег, поэтому ежедневные встречи (хотя бы в Zoom) с наставником и другими аналитиками помогают быстрее влиться в коллектив.

 — К каждому аналитику нужен свой подход

Люди приходят в команду со своим опытом и привычками, поэтому ожидания от работы тоже у всех разные. Аналитикам, пришедшим из бюрократических организаций, трудно понять, как в Точке живут без «методик аналитики». У нас нет правил, как провести тот или иной анализ, рассчитать показатель. Все зависит от цели, поэтому у аналитиков полная свобода в том, как посчитать данные, и в каком виде представить результаты. Такая гибкость помогает достичь результатов при решении задач. Но при этом мы понимаем, что людям, которые раньше с жили «по нормативным документам», нужны время и поддержка, чтобы адаптироваться к такой «свободе».

У бывших студентов таких проблем обычно нет, но есть другие трудности: подтянуть SQL, освоить BI системы, научиться не бояться задавать вопросы, поэтому и упор в онбординге делается на этом.

Вторая попытка что-то изменить (удачная)

Самостоятельный онбординг оказался неэффективным, поэтому мы снова перестроили процесс. И на этот раз у нас всё получилось. 

Сейчас в первые две недели новый аналитик прикреплён к наставнику из моей команды, который даёт ему тренировочные упражнения и помогает разобраться во всех нюансах. Наставник — это основная роль у сотрудника, помогающего аналитикам-новичкам разбираться в данных и изучать предметную область. Например, он учит находить ответы на такие вопросы: 

• Сколько клиентов мы привлекаем и каким способом? 

• Какие бывают счета и тарифы? 

• Сколько денег на счетах клиентов, как они туда попадают и на что тратятся?

• Средняя доходность клиента в месяц? А стоимость привлечения? 

• Как часто отвечаем на звонки и чаты от клиентов? 

• Какими платформами интернет-банка пользуются клиент и как много времени там проводит?

Отвечая на эти вопросы, новый аналитик разбирается с витринами данных, подтягивает SQL и осваивает средства визуализации Tableau/ Power BI. Первоначальная цель — добиться качественного решения задач, даже если вначале на это будет уходить много времени. Скорость придёт с опытом.

После первых двух недель некоторые аналитики уходят искать “свою” команду. Они проходят через 2-3 разных команды с разными стилями управления, целями, наборами данных. Затем они могут выбрать ту, что больше пришлась им по душе. 

Если после первых двух недель я вижу, что человек для самостоятельной работы ещё не готов, то он попадает в “песочницу”. Это команда аналитиков, которая уже может под присмотром наставников делать “боевые” задания, прилетающие из разных подразделений. Запросы в "песочницу" поступают от команд, в которых не хватает аналитиков. Заодно новичок расширяет кругозор и заводит горизонтальные связи с людьми из других команд, продактами, аналитиками, разработчиками.

Чем хороша такая система

1. До введения многоступенчатого онбординга аналитик мог выйти в команду неготовым к самостоятельной работе, а это сказывается и на результатах команды. Сейчас мы полностью уверены в том, что новички не остаются один на один со своими вопросами.

2. Новичок может попробовать себя на разных темах из разных областей. Это хорошо развивает его как специалиста. 

3. У нового сотрудника есть право выбора. Он сам определяет, с какой командой ему интереснее и комфортнее работать. Такая свобода всегда плюс и для самого работника, и для компании. 

4. Есть возможность спокойно разобраться в деталях. Никто не будет в первый же день стоять рядом с тобой с требованием поскорее сделать “боевую” задачу, потому что сроки горят, и никого не интересует, что ты эти данные видишь в первый раз.