cheap nfl jerseys
Lamar Jackson jersey
Lamar Jackson jersey
Patrick Mahomes jersey
Tua Tagovailoa jersey
Joe Burrow jersey
George Kittle jersey
Nick Bosa jersey
Cam Newton jersey
Drew Brees jersey
Christian McCaffrey jersey
Russell Wilson jersey
Aaron Donald jersey
DeAndre Hopkins jersey
Michael Thomas jersey
Cincinnati Bengals jerseys
Kansas City Chiefs jerseys
Dallas Cowboys jerseys
Miami Dolphins jerseys
Baltimore Ravens jerseys
Как это работает: департамент аналитики данных - DataBase Intelligence

Как это работает: департамент аналитики данных

Рубрику о жизни компании продолжает руководитель департамента аналитики данных Константин Жерневский.

Как Вы можете описать задачи Вашего департамента “в двух словах”?

Мы помогаем клиентам извлекать ценность из их данных, создаем и сопровождаем корпоративные аналитические системы. 

Какими технологиями владеют сотрудники департамента?

Все технологии можно разделить на базовые и специализированные.

Среди базовых я выделяю SQL, Концепции хранилищ данных (DWH – Datawarehouse) – Кимбалл и Data Vault, shell, реляционные базы данных, ITIL, PmBooK, Scrum, английский язык.  А специализированные – это инструменты BI(Business Intelligence), ETL-инструменты, NoSQL базы данных для построения DWH, Hadoop, Jupyter+Python+библиотеки AI/ML (artificial intelligence/ machine learning)

Наверное, проще это представить в виде облака тэгов: 

Нам, как и, наверное, всем в IT, приходится постоянно учиться и осваивать новые продукты и новые технологии.

Бывают какие-то “хайповые” продукты и бывают продукты стабильно востребованные и не всегда они между собой совпадают.

Развитие IT происходит по спирали, и специфика зачастую состоит в том, что новая хайповая технология – это “верхушка айсберга”: чтобы быть в ней экспертом, надо знать предшествующие технологии, а чтобы развиваться, надо, как говорится, быть все время on the bleeding edge.

К относительно новым и востребованным можно отнести Apache NiFi и Apache AirFlow, Yandex ClickHouse.

Также важно понимать, что в BI-проектах, как правило, визуализация данных занимает 20-30% работы, в то время как 70% – это подготовка данных (загрузка, трансформация, очистка, обогащение). То же самое можно сказать и про работу инженера по данным (data scientist): значение подготовки данных сложно переоценить и оно занимает солидную часть времени.

Как строится работа в департаменте?

У нас организовано кросс-функциональное управление: с одной стороны есть организационная структура и каждый сотрудник имеет ресурсного менеджера, с другой – сотрудник может работать в рамках проектной команды или команды поддержки конкретного клиента.

Департамент состоит из четырех отделов: BI, ETL, EPM, поддержки аналитики данных.

Есть ресурсные менеджеры – руководители отделов, есть проектные менеджеры (PM), есть менеджеры, отвечающие за сопровождение клиентов (TAM). Как правило, все менеджеры обладают технической экспертизой и вовлечены в технические детали проектов и поддержки, могут помочь сотрудникам, такие «играющие тренеры». 

Отделы BI, ETL, EPM работают по стандартному графику, 5 дней в неделю, и сосредоточены в основном на разработке или проектной работе. Но в то же время иногда они могут привлекаться и для поддержки как экспертная 3-я линия в случае сложных проблем или запросов на доработку.

Отдел поддержки аналитики данных работает как вторая линия поддержки и покрывает время 16*7 (с 8 утра по Мск до 12 ночи по Мск ежедневно). Сотрудники поддержки могут привлекаться на работы по проектам, но фокусируются все же на поддержку. Как правило, все новички сначала приходят в отдел поддержки и, осмотревшись и набравшись опыта, выбирают для себя, в какую сторону они больше хотят развиваться и что им больше подходит: разработчик BI, разработчик ETL, аналитик, ресурсный менеджер, PM, TAM, архитектор, администратор приложений. 

Еще у нас есть проектные группы и группы поддержки конкретного клиента. Сотрудники выделяются на проект и менеджер проекта определяет приоритеты в задачах, очередность для участников проекта. Проекты могут быть как по PMBok, так и по гибким методологиям ведения проектов, Scrum и Kanban. 

Вопросы обучения, отпусков, развития сотрудника, выделения сотрудника на тот или иной проект или контракт согласуются с ресурсным менеджером.

Какими проектами и решениями Вы особенно гордитесь?

Было немало интересных проектов за время существования отдела и ныне департамента.

Определенно стоит отметить наш первый проект “решения как сервис” (SaaS): сервис SellOut  для Schneider Electric (Россия). В этом проекте мы выполнили полный цикл разработки и поддержки, от сбора требований и построения архитектуры на базе Oracle Cloud до реализации архитектуры, внедрения и поддержки сервиса. Клиент получил возможность видеть вторичные продажи по каналам продаж своевременно и достоверно. А вот ценное время клиента стало тратиться на анализ данных и принятие решений вместо изнурительных затрат на подготовку данных. В качестве только одного из положительных эффектов: клиент понял, что тратил маркетинговый бюджет на развитие неосновного канала продаж, думая что он основной. Это позволило перенаправить маркетинговые усилия в нужное русло. Подробнее в видео:

Еще был интересный проект по миграции аналитического решения на базе линейки Oracle с 11 платформы на 12. Мы сделали это первыми в РФ и одними из первых во всем мире (Прочитать про это можно здесь https://www.cnews.ru/news/line/2016-09-22_dbi_modernizirovala_analiticheskuyu_sistemu_uralskih).

Вообще мы долго и плотно сотрудничаем с Уральскими авиалиниями в плане разработки и поддержки аналитической системы, начиная с ежедневной поддержки, заканчивая стратегией развития архитектуры.

Сейчас мы готовим миграцию одного из клиентов на новое поколение аналитической линейки Oracle Analytic Server и надеемся в ближайшие пару месяцев сообщить об успешном завершении такой миграции.

Интересным можно назвать проект SalesComp на платформе DOMO для клиента из США в сфере технологий и мультимедиа. Это довольно экзотическая платформа для рынка РФ, но в США она популярна за счет сотен коннекторов к различным сервисам. Этот проект дал возможность клиенту рассчитать полный план комиссионных для каждого участника, основываясь на транзакциях биллинга и справочниках. В результате учли вовлеченность сотрудников и увеличили синергию и управляемость затратами компании.

Как Вы видите отдел через 5 лет?

Количество данных растет в геометрической прогрессии и вместе с этим растет спрос на анализ данных. Как говорится, чтобы чем-то управлять, надо уметь это измерять. Вслед за ростом данных растет и количество метрик, требования к качеству, требования к скорости обработки данных… и наш штат! Я предполагаю, что через 5 лет нас будет уже около 80 человек.

С увеличением количества сотрудников усиливается специализация и разделение труда. Каждый больше занимается тем, что у него лучше получается. Уже сейчас в работе создание отдела системных аналитиков, который будут своего рода мостиком между бизнесом и разработчиками. Есть в планах выделение отдела BigData – несколько человек прошли обучение и сделали первый проект по анализу логов с использованием сборки Cloudera. А еще хотим сделать отдел AI/ML самостоятельным. Параллельно развиваем отдел EPM (Enterprise Performance Management), систем бюджетирования на базе Oracle EPM, Hyperion, IBM TM1.

Важный опыт с SellOut, как я уже говорил ранее, мы уже получили, но хотелось бы развивать продуктовое направление в DBI в коллаборации с другими подразделениями компании.  

Как попасть в Вашу команду?

Это очень просто, достаточно отправить резюме на hr@dbi.ru с указанием желаемой позиции или откликнуться на вакансию.

Мы поможем сделать первые шаги в сфере аналитики, поможем познакомиться с разными аспектами этой области в дружной и доброжелательной команде. Поможем определиться что Вам лучше подходит: кодить или общаться с бизнес-пользователями, придумывать дизайн информационных панелей или искать аномалии в данных.

Необходимым условием является законченное или незаконченное высшее образование в сфере IT и/или экономики. На этапе знакомства с кандидатом мы проверяем навыки SQL, знание английского языка, задаем задачки на логику.  На позицию EPM мы также проверяем знания бухгалтерского учета или бюджетирования. 

Чтобы лучше подготовится к собеседованию, могу посоветовать несколько ресурсов: