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 всё�� 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 ключевы�� 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:

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:

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 Будуева «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 Ма��люка «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.