Привет, я Влад Подречнев, руковожу отделом по анализу данных в компании «Синимекс» и уже 10 лет непрерывно работаю с Business Intelligence (BI) в различных ролях.

Все эти 10 лет задаюсь вопросом: «Почему в BI всего две профессии — BI Developer и BI Analyst, а в других data-областях — Data Science, Data Engineering, Data Analytics — их много, с разными названиями и набором обязанностей? Ждать ли новых BI профессий в будущем? Каких?»

Эти размышления постепенно переросли в небольшое исследование, результатами которого я и делюсь.

Наверняка кому-то будет удобнее познакомиться с этими размышлениями в видео-формате вместо лонгрида, поэтому ловите ссылку на аналогичный рассказ с конференции.

1. Про профессию и компромисс скиллов

Для начала разберемся с термином «профессия».

По Википедии — это совокупность теоретических и практических знаний, а по мнению HR‑ов‑ это совокупность «hard» (практико‑теоретических) и «soft» (поведенческих) скиллов, ключевых для выполнения рабочих обязанностей. Уверен, вы и сами всё это видели на разных сайтах с вакансиями.

В типовой вакансии BI разработчика «hard»‑скиллами называют разработку BI‑отчетов, хранилищ данных (DWH), ETL‑процессов обработки данных и прочее, а «soft»‑скиллами — коммуникабельность, стрессоустойчивость, аналитическое мышление и внимание к деталям. Поиски работодателей «стрессоустойчивых разработчиков DWH» и «коммуникабельных BI‑аналитиков» наталкивают на вопрос — где находится эффективный компромисс между hard‑ и soft‑скиллами?

2.  Про историю data-профессий

В начале 1990-х и 2000-х годов популярное понятие «компьютерщик» подразумевало, например, и «специалистов по 1С» и «мастеров по ремонту оргтехники». Со временем «компьютерщики» трансформировались в более узких специалистов, например, «разработчиков» и «аналитиков».

В 2010-х годах стали требоваться BI-аналитики, так как аналитика стала распадаться на бизнес-, системную, Data- и BI-аналитику.

В начале 2020-х годов data-мир – а с ним и вакансии — поделились на Data Science, Data Engineering, Data Analytics и, конечно же, Business Intelligence. Кстати, можно легко нажить себе врага, если дата-саентиста назвать дата-инженером — и наоборот :)

Но и это еще не всё — в вакансиях по Data Science стали упоминаться специалисты по:

• Математике,

• Работе с таблицами,

• Компьютерному зрению,

• Обработке текстов,

• Обработке речи и пр.

Аналогичное разделение можно заметить и в области Data Engineering — «разработчики» превратились в:

• ETL Developer,

• Database Developer,

• Database Architect,

• Orchestration Engineer и пр.

До сих пор отлично помню момент, когда внезапно узнал, что я уже не просто разработчик, а дата-инженер…

Зато в BI стабильно только две профессии: BI-разработчик и BI-аналитик.

 3. Про предпосылки к масштабированию профессий в BI

Было бы логично предположить, что, поскольку рынок BI в России незначительно отстает от мирового по темпам роста, вакансии в BI изменятся аналогично другим data-областям. Поясню про предпосылки для таких предположений.

Дело в том, что в ИТ, как на производстве, есть общий тренд на повышение эффективности процессов. Один из методов такого повышения — разделение труда, как завещал Генри Форд.

На производстве каждая конкретная задача выполняется эффективнее, если она выделена в отдельный этап. В ИТ такой подход привел к дифференциации, где, например, разработчики разделились на DWH-разработчиков, ETL-разработчиков и архитекторов баз данных, а аналитики — на бизнес- и системных аналитиков.

Так чего же ждать от BI? Попробуем спрогнозировать. Или пофантазировать. Сами решите.

4. Про фантазии о новых профессиях

4.1. BI-дизайнер

В BI-разработке существует значимая проблема — дефицит эстетики, профессионально оформленных визуализаций и дизайна в целом. Многие BI-отчеты, которые я встречал за 10 лет практики, с эстетической точки зрения выглядели, скажем мягко, паршиво.

Скиллами создания привлекательных, эстетичных и информативных визуализаций часто пренебрегают, а зря — именно они позволяют перебороть у одних целевых читателей невосприимчивость информации, у других — страх чисел.

Решение: BI-дизайнер = UI/UX-дизайнер + BI-аналитик!

BI-аналитик уже знает историю данных и предметную область. Если он ещё изучит основы теории цвета, дизайна, верстки, композиции, прототипирования и психологии взаимодействия пользователя с дашбордом, то его отчеты станут информативнее, точнее, полезнее, эстетичнее и функциональнее.  Наконец, такими отчетами будет приятно пользоваться.

4.2 Data Storyteller

Даже самая сложная, желанная потребителями и эстетически прекрасная разработка иногда может «уйти в стол», если конечный пользователь не разобрался, как ею пользоваться или недоверчиво относится к ней. К сожалению, такое встречается чаще, чем хотелось бы.

Представьте, вы три ночи подряд готовили BI-отчет и даже добавили туда всяких кастомных визуализаций типа колец Apple Watch, Sankey Charts и прочего. Бизнес-аудитория однозначно должна прийти в восторг, ведь получился настоящий BI-шедевр.

Однако восторга не случилось — на середине демонстрации ваш коллега куда-то не туда нажал и отчет начал показывать данные в отрыве от его презентации. Вместо того, чтобы исправить себя, этот же коллега стал делать акценты в своем повествовании на абсолютно бессмысленных вещах и полностью потерял доверие аудитории. А вслед за ним и доверие к разработке.

Долгожданное представление с треском провалилось.

Решение: Data Storyteller = Бизнес-консультант + BI-аналитик

BI-разработчики знают, как сделать информацию понятной, а вот Data Storyteller знает, как её эффектно преподнести бизнесу.

Это специалист, который знает, как превратить сложные и запутанные данные в яркие, эмоциональные, интеллектуальные и доходчивые истории. Он умеет не только работать с данными и визуализацией, но и общаться с бизнесом на языке его потребностей.

Поскольку мы с детства любим сказки и истории, именно с их помощью Data Storyteller проводит для бизнеса экскурсии по данным, т.е. помогает ему быстрее приходить к нужным data-driven решениям. Соответственно, такой специалист становится на вес золота, если умеет приправлять эти истории нужными нарративами. 

В скиллсете такого специалиста должны быть коммуникативность, глубокое понимание бизнеса и способность быстро разбираться в сложных кейсах на достаточном для бизнес-консультанта экспертном уровне.

4.3 BI-тестировщик

Тестировщик на проектах — обычное явление, особенно когда проектов очень-очень много. Очень часто при запуске проекта всё работает, как часы, а после нового коммита или публикации отчета со всех щелей начинают лезть баги — достаточно одного некорректного клика или непродуманной строчки кода.

Решение: BI-тестировщик = BI-аналитик + DWH-аналитик + QA-Engineer

Причин может быть много:

• Неправильная локализация тестирования. Например, изменения внесли на уровне БД, на этом же уровне провели проверку, а на уровне модели данных в BI проводить не стали.

• Неадекватная модель данных. К этой проблеме относятся, в частности, разные уровни агрегации между различными источниками.

• Интеграционные проблемы. К ним часто приводят изменения в источниках данных, особенно если автоматические оповещения не настроены.

• Ошибки в запросах и отчетах, связанные, например, с невнимательностью при проверке качества данных и полученных результатов.

• Сбои сервера и сетевые проблемы. К ним относятся проблемы доступности данных, сетевой связи или производительности серверов, которые могут привести к ошибкам в работе BI-системы.

Разумеется, BI намного сложнее, и проблемы могут появиться где угодно. И тем не менее, BI-тестировщик может снизить вероятность возникновения таких проблем, поскольку дотошно и всесторонне тестирует BI-систему на предмет как корректности ее данных, так и функциональности, интеграции и производительности самой системы. В итоге, BI-система работает стабильнее, к ее данным и отчетам больше доверия. Такой специалист изучает путь данных от источника до хранилища, а также их обработку на уровне взаимосвязей, влияния изменений, механизмов обеспечения корректности данных и их качества.

Соответственно, командам пригодится специалист, который проверяет систему целиком, а не только отдельные ее компоненты.

 4.4. BI Strategy Manager (BI-стратег)

Редко бывает, когда абсолютно всё идет по плану  постоянно меняются стратегии, системы, технологии. BI-стратег — это тот, кто умеет с учетом этих факторов разрабатывать и адаптировать стратегии развития продукта, ставить четкие цели, определять пути их достижения.

Решение: BI Strategy Manager = BI Developer + DWH Developer + Бизнес-консультант + Manager

У такого эксперта по определению высокий уровень владения BI и насмотренности BI-систем. Он ожидаемо хорошо разбирается в специфике работы с хранилищами данных, процедурами и обработкой информации, и знает, как предотвратить потенциальные проблемы. Кроме того, он хорошо понимает бизнес-процессы и знает, как лучше выстроить работу команды, чтобы получился сильный продукт.

Разумеется, в скиллсет BI-стратега входят коммуникабельность, продуктовая экспертиза — понимание требований клиентов, анализ рынка, понимание свойств продуктов и, в конечном счете, их ценности для заказчиков.

5. Про мои прогнозы

Первым, думаю, появится BI-дизайнер.

Его ценность лежит на поверхности, так как он, благодаря навыкам использования цвета, форм и композиции, может существенно повысить восприятие отчётов и информации.

Вторым будет BI-тестировщик.

Он обеспечивает корректную и надежную работу BI-системы, поскольку тщательно ее тестирует и проверяет качество данных на всех уровнях. Добавим, что у него в целом должен быть обширный скиллсет, обусловленный тем, что BI — комплексная штука.

Третьим придёт BI-стратег.

Из ниоткуда стратег не возьмется — скорее всего, кто-то из BI-разработчиков или аналитиков будет все чаще играть эту роль по мере того, как BI-система будет набирать зрелость. Стратег поможет выбрать направление развития продукта, наметить цели, выявить бизнес-потребности, вырастить команды, а затем и координировать их работу.

И, наконец, четвертым придёт BI-Storyteller.

Такой специалист сумеет в нужном для заказчика свете представить отчеты и презентовать результаты работы команды.

Могут ли эти профессии стать реальностью в Business Intelligence?

Пишите в комментариях.

Спасибо за внимание.