Сегодня всё чаще говорят о подходе data driven и важности data literacy. В крупных компаниях, да и не только, BI (business intelligence) становится одним из ключевых инструментов для принятия правильных решений. Однако бывает, что отчеты разрабатывают специалисты, которые не всегда глубоко разбираются в бизнес-процессах. В результате дашборды не помогают достичь нужных целей, оставаясь невостребованными.

Меня зовут Ринат Хабибрахманов, я руковожу практикой BI в Лемана ПРО (Леруа Мерлен). У нас появилась гипотеза: объединение глубокой экспертизы в бизнесе с навыками разработки аналитических инструментов может дать хорошие результаты. В этой статье я расскажу о том, как мы запустили корпоративную школу BI, поделюсь программой обучения и покажу, как сотрудники разных бизнес-подразделений могут стать отличными BI-разработчиками.

Предпосылки создания школы BI

При наборе внешних BI-разработчиков, особенно на уровень junior, мы столкнулись с несколькими типичными трудностями. 

Первая проблема — недостаточное понимание бизнес-процессов. Новым сотрудникам требовалось значительное время, чтобы разобраться в специфике нашей компании. Был уникальный случай, когда джун за пару месяцев так и не научился правильно считать маржу в процентах. Если разработчик уровня middle или senior мог компенсировать это за счёт навыков бизнес-анализа и глубокого погружения в задачи, у начинающих процесс недопустимо затягивался. Особенно тяжело, когда при этом выявляются пробелы в технических навыках.

Кроме того, отсутствие практического опыта в нашем бизнесе часто мешало начинающим разработчикам предложить действительно полезные решения, способные эффективно решать задачи компании.

В то же время мы заметили, что некоторые наши сотрудники из разных подразделений, особенно из магазинов, уже обладают рядом качеств, важных для начинающих BI-разработчиков:

• глубоким пониманием бизнес-процессов: они знают «боли» и потребности компании изнутри и понимают, что работает неэффективно;

• желанием улучшить бизнес: у них есть мотивация и идеи для оптимизации процессов;

• cклонностью к работе с данными: используя доступные им инструменты, такие как Excel, они часто создают «наколенные» решения для локальной аналитики.

Однако при всём этом им не хватает технических навыков для полноценной реализации своих идей. Именно поэтому мы решили вложиться в их развитие и обучить необходимым компетенциям, создав таким образом кадровый резерв из внутренних сотрудников по профессии BI-разработчик.

Отбор студентов

Отбор на пилотный поток школы BI был сосредоточен на поиске кандидатов с аналитическим складом ума и сильной мотивацией развиваться в работе с данными. Мы искали сотрудников, которые уже проявляли интерес к аналитике, стремились разбираться в цифрах и умели использовать данные для решения бизнес-задач. 

Воронку желающих участвовать в проекте мы сужали на собеседованиях, где задавали всякие интересные вопросы: чем медиана отличается от среднего и... сколько кошек живет в России. Почему бы и не проверить, насколько человек готов к настоящим аналитическим вызовам?

Дополнительным преимуществом было наличие у кандидатов самостоятельно созданных аналитических инструментов, даже если они были сделаны в Excel. Это свидетельствовало об их инициативности и готовности применять данные для улучшения бизнес-процессов.

Из 40 заявок мы отобрали 9 участников — среди них были менеджеры отделов, руководители торговых секторов и руководители по эффективности бизнеса. В итоге 6 из них успешно завершили программу обучения.

Формат и программа обучения

Программа обучения была построена на циклических встречах и самостоятельной работе студентов. Каждый модуль включал:

• Лекции и семинары: вводная и основная информация по теме. Эти занятия вели опытные BI аналитики из числа сотрудников компании, которые не только делились своим опытом и структурированными знаниями, но и улучшали свои навыки публичных выступлений.

• Материалы для самостоятельного изучения: в программу вошли статьи, книги, бесплатные внешние онлайн-курсы, а также платные курсы, доступные для внутреннего использования. Поскольку спикеры не могут охватить весь объём информации на лекциях, основная часть обучения была отведена на самостоятельную работу. Мы предоставляли тщательно подобранные материалы и рекомендации по тому, что и в какой последовательности изучать.

• Практические задания для закрепления теории: каждая домашняя работа была основана на реальном бизнес-кейсе. Это давало возможность не только обучать студентов, но и решать актуальные задачи компании. Все задания были построены так, чтобы участники смогли пройти весь цикл разработки: от сбора требований и анализа данных до создания документации и публикации отчета в продакшн.

• Обратная связь: возможность консультироваться с наставником — опытным коллегой, всегда готовых помочь и обсудить сложные моменты. Мы считаем, это было одним из важнейших элементов программы. Доступ к поддержке наставника помогал студентам преодолевать все сложности и эффективно двигаться по пути к новой профессии.

Программа

1. Введение в работу с данными в компании
Обучение начиналось с основ работы с данными и подхода data-driven. Мы обсуждали, как анализ данных помогает принимать более взвешенные решения и какой вклад это вносит в развитие бизнеса. Участники знакомились с ключевыми терминами, концепциями и информационными системами нашей компании, а также источниками данных. Особенность этой сессии — уникальный контент: спикер, один из наших опытнейших дата-менеджеров, руководитель команды трансверсальных дата-проектов, делился личным опытом и рассказывал, как всё устроено именно у нас.

Для дополнительного погружения в data-driven подход студентам было предложено задание — подготовить доклад для своих коллег по книге Карла Андерсона «Аналитическая культура», в которой описаны основы этого подхода и варианты его внедрения в компании. Студенты не только изучили теорию, но и поделились знаниями со своими коллегами, что помогло лучше закрепить материал.

2. Основы бизнес-анализа
Один из ключевых этапов программы — обучение бизнес-анализу. Участники узнали, какую роль бизнес-аналитик играет в BI-проектах и почему грамотный сбор требований необходим для создания полезных инструментов, которыми будут пользоваться. Мы обсудили методы сбора и анализа требований, виды отчетов, а также фреймворки для проведения интервью и создания макетов будущих решений. 

В качестве дополнительных материалов для самостоятельной подготовки мы предоставили студентам ссылки на открытые ресурсы, где гуру BI делятся своими подходами к процессам разработки и сбору требований:

• Знаменитый Dashboard Canvas 2.0 от Романа Бунина.

• И, не менее знаменитый, гайд по шагам разработки отчетов от Александра Баракова

3. Этапы разработки аналитических инструментов 
Участники знакомились с процессом разработки отчетов, начиная от сбора требований и заканчивая внедрением в систему компании. Ведь успех BI-проекта во многом зависит от правильного понимания жизненного цикла разработки аналитических решений. И мы уделили особое внимание тому, как этот процесс выстроен у нас, чтобы ничего важного не было упущено и каждый отчет был создан с учетом всех правил.

Для домашнего изучения и погружения в процесс мы дали студентам рекомендацию прочитать книгу «ДАТА ЙОГА: грамотная работа с данными» Александры Усачевой и Андрея Демидова. На наш взгляд, это отличное руководство для тех, кто только начинает свой путь в BI и хочет понять, как всё должно быть правильно устроено.

4. Обучение SQL
Практика SQL — неотъемлемая часть программы. Участники изучали синтаксис и структуру SQL-запросов, а также практиковались в написании запросов для извлечения данных из корпоративного хранилища. Это одна из ключевых тем программы, ведь без умения работать с данными на уровне запросов сложно представить создание полноценного BI-отчета.

Спикер рассказывал о базовых принципах работы с SQL, но, конечно, за один семинар язык не освоишь. Поэтому студентам было рекомендовано закрепить материал самостоятельно на общедоступных бесплатных тренажерах:

• Интерактивный тренажер по SQL на Stepik

• Бесплатный симулятор SQL от Karpov.courses

5. Инструменты BI: Power BI и язык DAX 
Участники знакомились с одним из основных инструментов BI в нашей компании — Power BI. Мы рассмотрели интерфейс программы, ее основные функции и возможности для построения отчетов, узнали базовые принципы моделирования данных. Особое внимание в программе мы уделили языку DAX, который используется для продвинутого анализа данных в Power BI. Участники учились работать с контекстами вычислений и применять основные функции.
 
Для погружения в DAX мы специально приобрели права на курс Антона Бадуева «DAX — это просто». Для новичков это идеальный старт знакомства с основами языка. А чтобы разобраться с самим инструментом и его основными возможностями, отлично подойдет книга Даниила Маслюка «Анализируем данные в Microsoft Power BI. Подготовка к экзамену DA-100». И несмотря на то, что книга уже не новинка, она по-прежнему остается отличным материалом для начала пути.

6. Принципы визуализации данных
В рамках этого модуля мы знакомились с правилами создания наглядных визуализаций, учились выбирать подходящие графики и диаграммы в зависимости от типа данных и поставленных перед дашбордом задач. Особое внимание уделили работе с цветом, формой и основным гештальт-принципам, чтобы сделать представление данных интуитивно понятным и максимально точным. Эффективная визуализация данных — основа для того, чтобы информация воспринималась быстро и легко.
 
Для самостоятельной проработки мы рекомендовали студентам два проверенных источника:

• чтобы глубже погрузиться в возможности Power BI по части работы с визуализациями, отлично подойдет книга «Азбука визуализации Power BI» от Алексея Колоколова и Максима Зеленского. Пользуясь случаем, хочется поблагодарить авторов за то, что сделали эту книгу бесплатной на русском языке — это действительно ценный ресурс;

• а для погружения в общие принципы визуализации данных нет ничего лучше книги Александра Богачёва «Графики, которые убеждают всех».

7. Поддержка и развитие BI-инструментов
В этом модуле участники познакомились с практиками ревью и сертификациями отчетов, чтобы в дальнейшем обеспечивать их качество и актуальность. Мы обсудили процессы постановки отчетов на сопровождение и их дальнейшее развитие с учетом обратной связи от пользователей. Важная задача — научиться адаптировать инструменты под новые потребности бизнеса.
 
В качестве источников для этого блока мы использовали наши внутренние инструкции по ревью отчетов. В них подробно объясняется, на что нужно обращать внимание при построении отчетов с точки зрения архитектурных, технических аспектов, а также базовых правил UX/UI и требований Data Governance. Этот материал крайне полезен для новичков, и мы обязательно расскажем о нём подробнее в одной из следующих статей. Stay tuned ?

8. Итоговая защита проектов
В конце программы каждый участник защищал свой проект, представляя созданный аналитический инструмент. Защита проходила в формате презентации, где участники делились опытом, обсуждали результаты и получали обратную связь от экспертов. Завершающий этап — планирование дальнейшего развития инструментов и их применения в бизнесе.

По окончании курса каждый студент разработал собственный аналитический инструмент, актуальный для его подразделения. Примеры проектов:

1. Анализ запасов товаров

   • глубокая аналитика по товарам, которые не продаются;

   • помощь в оптимизации складских запасов и уменьшении издержек.

2. Анализ новых коллекций товаров

   • отслеживание продаж новых коллекций;

   • планирование закупок, оптимизация запаса и выкладки.

3. Анализ рабочего времени сотрудников

   • мониторинг перерывов и рабочего времени сотрудников торгового зала;

   • повышение эффективности работы и оптимизация графиков.

Эти инструменты уже внедрены и приносят пользу.

Результаты и планы на будущее

По завершении курса наши студенты освоили базовые технические навыки в области BI, сохранив при этом глубокое понимание бизнес-процессов. Более того, у нас сформировался пул внутренних специалистов, готовых занять позиции BI-разработчиков и аналитиков уровня junior. На момент написания статьи четверо из выпускников уже перешли на новую роль, остальные проходят собеседования и, вероятно, перейдут в ближайшие несколько месяцев. Также у нас появилось больше продвинутых бизнес-пользователи, которые глубже понимают работу с данными и активно продвигают подход data-driven среди своих коллег.

Мы довольны результатами пилотного проекта и уже готовимся к запуску следующего потока школы BI, немного улучшив программу по результатам пилотного запуска. Планируем и дальше поддерживать развитие наших выпускников, предоставляя им возможности для роста и участия в более сложных и амбициозных проектах.

Заключение

Наш опыт показал, что внутренние ресурсы компании могут стать отличной основой для закрытия потребности в BI-разработчиках. Когда глубокие знания бизнес-процессов дополняются техническими навыками, на выходе получаем специалистов, которые создают аналитические инструменты, точно отвечающие реальным задачам бизнеса. 

И это полностью соответствует нашей корпоративной культуре, где мы поощряем не только горизонтальное и вертикальное развитие, но и поддерживаем коллег, желающих сделать карьерный «зигзаг» и сменить профессию. Ведь почему бы не попробовать себя в чем-то новом, если это принесет пользу всем?

Так что оглянитесь вокруг — возможно, ваш коллега из отдела продаж, который, упрощая и ускоряя свою работу, пишет на Excel гениальные макросы, это и есть будущая звезда BI!

P.S. Обращаюсь ко всем читателям статьи, как к гуру BI, так и к новичкам — буду очень признателен, если в комментариях поделитесь своими любимыми источниками, будь то платные курсы, книги или бесплатные ресурсы, которые помогли вам на пути к освоению этой профессии. Ваша обратная связь может стать бесценной для тех, кто только начинает свой путь в BI.