Datascientist – профессия будущего?

Если вы никогда ранее не слышали о такой специальности как datascientist, то в общих словах человека этой профессии можно охарактеризовать как специалиста по сбору и анализу данных. Что-то вроде аналитика, но в более широком смысле. Он не просто анализирует информацию, он ищет наиболее эффективные способы применения полученных материалов. Сегодня компании не могут не анализировать данные о своей деятельности – эта активность в наше время носит уже не рекомендательный характер, а обязательный.

Как уже было сказано, datascientist занимается не только сбором массивов данных и их анализом, он также предлагает решения на основе результатов аналитики для дальнейшего развития бизнеса, повышения эффективности работы компании. Именно поэтому это не профессия будущего, это профессия настоящего. Причем востребованность таких специалистов будет расти год от года.

Какого человека нужно искать на такую должность? Конечно, это в первую очередь люди с аналитическим складом ума. Дисциплины, в которых они должны разбираться – программирование, математика, статистика, но в то же время они должны обладать умением выйти за рамки и предложить нестандартные решения. Кстати, сегодня подготовкой таких специалистов занимаются ведущие российские технические вузы.

В какой компании такой аналитик сможет более эффективно реализовать свои умения и навыки? Скажем так, там, где руководство понимает, в чем суть его работы, понимает, что данные, которые аккумулирует компания – не кипа лишнего мусора, а ценная информация, из которой можно получить все необходимое для дальнейшего развития бизнеса, то, что в итоге станет отличным стратегическим активом.

Как и работа любого другого специалиста, работа datascientist зависит от задач бизнеса. Поэтому именно бизнес должен подумать о том, какие данные наиболее важны, на чем сделать акцент и во что инвестировать в первую очередь. Что же вам собирать? Зависит, как уже было упомянуто, от сферы бизнеса и задач. Это, например, могут быть данные о поведении потребителя, на основе которых вы сможете улучшить юзабилити сайта, повысить количество посетителей и увеличить в итоге конверсии (как вариант, совершения покупки) и т.п.

Здесь также стоит обратить внимание на то, что работа datascientist должна затрагивать все сферы бизнеса, а сам специалист должен работать со всеми подразделениями компании. Вы только представьте, что сможете структурировать всю информацию и в итоге посчитать все, что нужно.

Никто не спорит, что подобными вещами, как правило, занимаются крупные игроки рынка, однако это не говорит о том, что мелкому и среднему бизнесу не нужно анализировать данные. Откуда еще вы узнаете, эффективно ли построена система продаж? И неважно, насколько крупный у вас бизнес. Ведь продажа любого товара зависит от различных факторов. Начните задавать себе вопросы: что влияет на продажи (сезонность, мода, цена), в какие периоды происходят скачки – рост и падение продаж. Яркий пример – когда продавцы пуховиков или зимней обуви запускают рекламные объявления о скидках на их товары, равные температуре на улице (-30%, -25%), и делают это они не наобум, а проанализировав температурный режим на ближайшие дни.

Только не останавливайтесь на этом, посмотрите, в какие дни больше всего происходит покупок, с чем это связано (выходные, праздники)? Позаботьтесь о том, чтобы в данные дни на складе всегда было нужное количество товара. Если люди интересуются определенными видами продукции, например, в предпраздничные дни – предложите им их заранее, либо найдите интересную альтернативу.

Проанализируйте все тонкости потребительского поведения, как совершают покупки мужчины, а как женщины, в какое время суток, с каким интервалом? В свое время зарубежные гипермаркеты анализировали поведение женщин в возрасте от 20 лет и как только замечали, что женщины меняли список привычных покупок, и в их корзине появлялись товары, говорящие о том, что они планируют стать мамами – это был сигнал к тому, чтобы начать ненавязчиво предлагать товары для новорожденных.

Данные необходимо анализировать, чтобы сделать ваш бизнес эффективным. Если у вас нет возможности нанять специалиста – ничего страшного, занимайтесь аналитикой сами, либо поручите управляющему/менеджеру, человеку, который сможет превратить информацию в ценность.