Manager Data Science – praktyka vs. kompetencje [artykuł]

Postępująca specjalizacja w obszarze Big Data i stale rozwijające się zespoły analityków i badaczy danych to podstawowe czynniki, które zmuszają organizacje do zatrudnienia managera Data Science. Lidera, który z jednej strony będzie wspierał zespół w identyfikowaniu i rozwiązywaniu problemów biznesowych, zaś z drugiej dbał o to, by efekty podejmowanych działań analitycznych przekładały się na możliwie najwyższe korzyści biznesowe. Jakie predyspozycje powinien posiadać manager zespołu analitycznego? Czy praktyka biznesowa ceniona jest bardziej aniżeli kompetencje techniczne?

Rola managera w obszarze Data Science

Data Scientist to niezwykle fascynująca profesja, która wymaga posiadania zarówno szeregu kompetencji technicznych jak i doskonale rozwiniętych kompetencji miękkich (o kompetencjach niezbędnych badaczowi danych pisaliśmy tu). Znalezienie fachowców, którzy sprawdziliby się w tej roli, przysparza tym samym ogromnych trudności. Potęgowane są one dodatkowo przez niewystarczającą podaż specjalistów w dziedzinie analizy danych oraz stale i dynamicznie rosnące zapotrzebowanie rynku. Zdaniem analityków IBM tylko w Stanach Zjednoczonych liczba stanowisk w szeroko rozumianym obszarze Data Science and Analytics do 2020 roku wzrośnie o 15% i sięgnie poziomu 2,720,000. Dynamiczniejszy, bo wynoszący 28% wzrost liczby otwartych stanowisk spodziewany jest w kontekście szczególnie wymagających stanowisk – doświadczonych badaczy danych oraz zaawansowanych analityków. Można zatem przypuszczać, że znalezienie odpowiednich członków zespołu analitycznego z każdym kolejnym rokiem będzie tylko trudniejsze.

Rosnące zapotrzebowanie na specjalistów od danych przekłada się na rosnące zespoły analityczne, które wymagają odpowiedniego zarządzania. O ile znalezienie dziś badacza danych jest niezwykle kłopotliwe, o tyle znalezienie managera zarządzającego zespołem analitycznym wręcz trudniejsze. Czym zajmuje się manager Data Science? Najogólniej rzecz ujmując zarządzaniem zespołem analityków, jednak nie tylko, co doskonale potwierdzają aktualne oferty pracy. Jako, że rynek analizy danych w Polsce nie jest jeszcze wystarczająco rozwinięty, zapotrzebowanie na managerów zespołów analitycznych jest stosunkowo niewielkie. Zupełnie inaczej wygląda to za oceanem, gdzie liczba otwartych stanowisk może już robić wrażenie. Już pobieżna ich analiza pozwala zorientować się, iż wymagania stawiane przed managerami zespołów analitycznych są zupełnie inne aniżeli wymagania stawiane przed badaczami danych. Nie ma jednak w tym nic dziwnego, gdyż rola lidera zespołu jest nieco inna. Powinien on wprawdzie posiadać analityczny umysł, doświadczenie w analizach danych i choć niewielkie kompetencje w zakresie programowania, jednak z reguły znacznie większy nacisk kładziony jest na kompetencje w zakresie zarządzania projektem i zespołem. Rolą managera jest bowiem skuteczne zarządzanie trzema podstawowymi parametrami realizowanych projektów: czasem, kosztami i jakością. Zadanie to samo w sobie jest niezwykle trudne, gdyż wiąże się z licznymi wyborami i kompromisami, a dodatkowo wymaga uwzględnienia tego co najważniejsze – zespołu, który pracuje na sukces całego przedsięwzięcia. Biorąc pod uwagę powyższe niezwykle pożądane są umiejętność motywowania zespołu, skutecznego inspirowania i sprawnego rozwiązywania problemów. Cenione są ponadto orientacja na potrzeby klienta (zarówno wewnętrznego jak i zewnętrznego) oraz doskonałe zrozumienie biznesu, które ułatwiają negocjacje i wypracowanie porozumienia na linii zespół analityczny – kierownictwo organizacji.

Zakres obowiązków oraz kompetencje managera Data Science stanowią w dużej mierze pochodną wielkości zespołu analitycznego. Im większy zespół, tym rola managera bardziej skoncentrowana na zbieraniu wymagań, koordynowaniu pracy nad projektem i zarządzaniu zespołem. W małych zespołach manager z jednej strony przewodzi i inspiruje, zaś z drugiej stanowi bardzo istotny element analitycznej układanki i bierze czyny udział we wszystkich etapach prac z danymi. Naturalnym jest tym samym, że w pierwszym przypadku większy nacisk kładzie się na posiadane zdolności przywódcze i komunikacyjne, zaś w drugim na doświadczenie analityczne oraz umiejętność wykorzystania posiadanych kompetencji w praktyce.

Wyzwania towarzyszące budowie zespołu

Jednym z największych wyzwań stojących przed managerem Data Science jest niewątpliwie zbudowanie własnego zespołu analitycznego. Bywa, że obejmuje on rolę lidera istniejącej już zespołu, jednak znacznie częściej powodem jego zatrudnienia jest właśnie chęć  organizacji do wyodrębnienia w swojej strukturze zupełnie nowej komórki, która poprzez wielowymiarowe analizy danych będzie efektywnie wspierała procesy decyzyjne. W obu przypadkach wyzwań jest naprawdę wiele, gdyż zatrudnienie, a następnie zarządzanie poszukiwanymi na rynku specjalistami niewątpliwie nie należy do łatwych zadań. Budowa zespołu od podstaw to przede wszystkim wymagający proces rekrutacyjny. Departamenty HR wielu organizacji IT dwoją się i troją, by pozyskać na rynku talenty z odpowiednim doświadczeniem i kompetencjami, jednak mimo wszystko wiele stanowisk wciąż pozostaje nieobsadzonych (badania przeprowadzone przez analityków IBM wskazują, że średni czas niezbędny do obsadzenia stanowiska analitycznego w USA wynosi aż 45 dni).

Data science to niezaprzeczalnie gra zespołowa. Nawet najlepszy manager bez odpowiednich członków zespołu nie będzie w stanie realizować postawionych przed nim zadań. Do zbudowania efektywnego zespołu konieczne są tym samym managerowi: doskonała znajomość branży, świadomość postępującej specjalizacji ról w obszarze Big Data (link), a także doskonale rozwinięte umiejętności komunikacyjne, organizacyjne oraz przywódcze. Bez nich nie będzie on w stanie prowadzić zespołu do sukcesu i skutecznie go motywować do efektywniej pracy. Onboarding, poziom zarządzania zespołem oraz skuteczne jego motywowanie to arcyważne kwestie. Wysoko wykwalifikowani analitycy danych, podobnie jak przedstawiciele branży IT, mogą  bowiem liczyć na ponadprzeciętne wynagrodzenia, rozliczne benefity i dziesiątki ofert pracy rocznie. Zbudowanie zespołu, a później jego utrzymanie w pożądanym składzie stają się tym samym jednymi z najważniejszych wyzwań dla managera Data Science.

Jak przygotować się do roli lidera badaczy danych?

Wbrew pozorom droga do stanowiska lidera zespołu analitycznego nie prowadzi wyłącznie poprzez mozolne wspinanie się po szczeblach analitycznej kariery. Jest to wprawdzie naturalna kolej rzeczy i dla wielu badaczy danych zawodowy cel, jednak realia biznesowe potwierdzają, że nie każdy Data Scientist sprawdza się w roli lidera i tym samym nie każdy dobry manager sprawdza się w kierowaniu zespołem analitycznym. Choć w znacznej mierze kompetencje badacza danych i managera powinny się pokrywać, to jednocześnie na każdym z tych stanowisk konieczne jest posiadanie szerokiej palety odmiennych kompetencji i cech charakteru.

W wielu organizacjach, szczególnie tych w których zespoły analityczne dotychczas nie istniały, a których kierownictwo dostrzegło potrzebę ich utworzenia, rolę budowy zespołu powierza się doświadczonemu managerowi, przez co zdarza się, że zespół analityczny buduje na przykład manager sprzedaży. O ile jego kompetencje w zakresie zarządzania projektami, zarządzania zespołem czy też znajomość organizacji i jej potrzeb biznesowych stanowią ogromną wartość, o tyle zupełny brak znajomości i jakichkolwiek doświadczeń w obrębie analiz danych może stanowić bardzo duże zagrożenie dla powodzenia całego przedsięwzięcia. Co zatem stoi za takim wyborem? Z punktu widzenia kierownictwa organizacji niezwykle cennymi kompetencjami managera są wiedza i praktyka biznesowa, zrozumienie potrzeb klienta oraz  branży, w której działa firma. Bez nich identyfikacja problemów biznesowych i rekomendowanie rozwiązań, które będą przekładały się na realne wartości dla biznesu są wręcz niemożliwe. Tłumaczy to po części, dlaczego w wielu organizacjach lider badaczy danych nie zawsze wywodzi się z zespołu analitycznego.

Jak zatem przygotować się do roli managera Data Science? Wydawać by się mogło, iż w znacznie gorszym położeniu znajduje się manager bez bogatego doświadczenia w analizie danych, gdyż przynajmniej w teorii musi od podstaw poznać zasady rządzące światem Big Data. Doświadczenia pokazują jednak, że w wielu przypadkach znacznie łatwiej jest managerowi poznać tajniki analizy danych (w stopniu niezbędnym do sprawowania swojej funkcji w zespole), aniżeli świetnemu badaczowi danych pozyskać kompetencje w zakresie komunikacji, motywowania, zarządzania zespołem i projektem oraz poznania kompleksowo aspektu biznesowego. Niewątpliwie jednak w obu przypadkach konieczne są ogromny wysiłek i nieustanne doskonalenie swoich kompetencji.

Kluczowe dla managera niezaznajomionego zbyt dobrze ze światem Big Data jest zrozumienie pełnego cyklu procesu analitycznego – począwszy od gromadzenia założeń biznesowych i na wnioskach płynących z analizy skończywszy. Zdecydowanie najskuteczniejszą metodą na uzyskanie takiej wiedzy jest bezpośredni udział w projekcie. W taki sposób manager ma szanse nie tylko podglądać sposób pracy badaczy danych, ale również zrozumieć dylematy, z jakimi się mierzą, poznać problemy, które napotykają i uświadomić sobie jak wiele procesów, nie tylko tych decyzyjnych, może być udoskonalonych dzięki efektywnej analizie danych. Skuteczny manager musi ponadto rozumieć branżę w nieco szerszym kontekście, nie jedynie przez pryzmat pojedynczego projektu. Orientować się w bieżących trendach, znać rozwiązania i narzędzia, które mogą pozwolić na rozwiązanie określonych problemów i przenieść analizy na zupełnie nowy poziom. Jego rolą jest bowiem koordynowanie projektem w taki sposób, by wartość płynąca z pracy zespołu była dla biznesu możliwie najwyższa. Manager musi być tym samym świadomy, że nie każda metoda rozwiązania konkretnego problemu biznesowego, rekomendowany przez badacza danych, musi być tą, która z biznesowego punktu widzenia jest najkorzystniejsza. Bez zrozumienia branży i umiejętności zadawania trafnych pytań, nie będzie on w stanie właściwie spełniać swojej roli. Co więcej, trudniej mu będzie zbudować zaufanie wśród członków zespołu i właściwie reagować na problemy pojawiające się przy realizowanych projektach. Od managera wymaga się ponadto doskonałych kompetencji komunikacyjnych, co nie podlega dyskusji, jednak w drodze do perfekcji musi on pamiętać o nieustannym doskonaleniu umiejętności budowania opowieści opartych na danych. Mowa o umiejętnym wizualizowaniu danych i prezentowaniu ich w taki sposób, by stanowiły one spójną i interesującą historię. Dzięki tej kompetencji manager jest w stanie skutecznie prezentować wyniki przeprowadzonych działań analitycznych kierownictwu organizacji czy też uzyskiwać zgodę kierownictwa na realizację zupełnie nowych, potencjalnie korzystnych biznesowo projektów.

W przypadku managera o doskonale rozwiniętych kompetencjach analitycznych, droga do osiągnięcia perfekcji w kierowaniu zespołem jest zupełnie inna. Doświadczony badacz danych posiada zwykle doskonałe zaplecze techniczne, dzięki czemu zna cykl życia projektu, skuteczne metody rozwiązywania problemów biznesowych i narzędzia do tego przeznaczone, przez co trudno go wyprowadzić w pole, jednak brak mu zwykle właściwego zrozumienia biznesu. Praktyki biznesowej i wiedzy, które pozwalają na wypracowanie skutecznej komunikacji zarówno z zespołem jak i kierownictwem organizacji. Doświadczenia w realizowaniu projektów, zarządzaniu budżetem, raportowaniu wyników, monitorowaniu KPI itd. Niezwykle istotne są również kompetencje miękkie. Wprawdzie ich posiadania wymaga się od badaczy danych czy analityków, jednak w przypadku ról managerskich stanowią one zwykle jeden z kluczowych czynników wyboru. Muszą zatem reprezentować zupełnie inny poziom. Niestety skutecznej komunikacji, zarządzania zespołem, motywowania i inspirowania bardzo trudno się nauczyć. Między innymi z tego względu w wielu organizacjach role liderów zespołu badaczy danych obejmują osoby posiadające pożądany zestaw kompetencji miękkich, które następnie są szkolone z zagadnień technicznych. Bardzo często z punktu widzenia biznesu ich zatrudnienie w takiej roli jest znacznie mniej ryzykownym posunięciem aniżeli wybór analitycznego umysłu bez jakiegokolwiek doświadczenia w zarządzaniu zespołem.