Как настроить команду данных вашей организации для достижения успеха

Поскольку стартапы все больше инвестируют в данные, чтобы стимулировать принятие решений и развивать свои цифровые продукты, перед лидерами данных стоит задача масштабировать свои команды — и быстро. От знания того, на какие роли (и когда) нанимать, до установки SLA для данных, сегодняшние лидеры данных несут ответственность — в буквальном смысле — за то, чтобы их компании получали актуальную информацию на каждом этапе пути.

Независимо от того, где вы находитесь в этом марафоне, одной из самых больших проблем является определение правильной структуры отчетности для вашей группы данных.

По мере роста потребностей в данных растут и узкие места, создаваемые централизованными группами данных, а также дублирование и сложность, создаваемые децентрализованными. И как раз тогда, когда вы думаете, что нашли *идеальную* парадигму (т. е. центральную команду инженеров данных, распределенных аналитиков данных и несколько инженеров-аналитиков для устранения пробелов! ИЛИ горстку аналитиков данных, отчитывающихся перед главным операционным директором с инженерами данных, работающими под руководством технического директора!), вся ваша стратегия переворачивается с ног на голову, когда приоритеты меняются.

Итак, что должен делать лидер данных?

Чтобы лучше понять, как некоторые из лучших команд решают эту проблему, я встретился с Грегом Уолдманом, вице-президентом по инфраструктуре данных. на Toast, новом общедоступном поставщике программного обеспечения для торговых точек для ресторанов, чтобы обсудить эволюцию группы обработки данных своей компании и поделиться своим опытом навигации по бесконечным перетягиваниям путей. между этими централизованными и децентрализованными структурами.

За последние пять лет Грег руководил командой данных Toast, которая выросла из одного аналитика (самого Грега) в организацию из 20+ человек и превратилась из централизованной в гибридно-децентрализованную модель — и обратно.

Читайте дальше, чтобы узнать, как команда Грега позволяет бизнес-потребностям управлять структурой группы данных, как он знал, когда необходимо внести эти изменения, и о ключевой роли, которую он хотел бы нанять гораздо раньше.

В начале: когда небольшая команда изо всех сил пытается удовлетворить потребности в данных

Когда Грег присоединился к Toast в 2016 году, в компании уже работало 200 сотрудников, но не было специального аналитического персонала. Несмотря на нехватку специалистов, компания всегда отдавала приоритет использованию данных для принятия решений.

«Наша команда основателей была очень проницательна, — сказал Грег. «Они управляли компанией с помощью документов Excel, но в конце концов, когда их число достигло 200 человек, они поняли, что такой подход не будет масштабироваться. Когда я пришел, вопрос был в основном: «У нас слишком много встреч, на которых один человек думает, что число пять, а другой человек думает, что число четыре, а потом они все время ссорятся из-за этого». Так что сделай так, чтобы это прекратилось».

Сразу же Грег взялся за дело и начал создавать инструменты, процессы и программу базовых данных. За первый год команда данных Toast увеличилась втрое — теперь в ней было три человека. Компания продолжала использовать данные для управления своей культурой и принятия решений.

«Все говорят, что у них культура, основанная на данных, но я работал в достаточном количестве мест, чтобы понять разницу, и я вижу противопоставление по сравнению с Toast», — сказал Грег. «Наши люди в компании, особенно наше руководство, действительно ищут данные, прежде чем принимать важные решения».

Но в то время как небольшая группа данных увеличилась втрое, сам Toast удвоился. К 2017 году в компании работало 400 человек. Централизованная группа данных не могла справиться с требованиями всей быстрорастущей организации, помешанной на данных.

«У нас была очередь за дверью, — сказал Грег. «Был просто аппетит к большему количеству данных, чем мы могли предоставить. Я думаю, что это был своего рода переломный момент для нас. Потому что, если вы не придумаете способ удовлетворить эту потребность, бизнес может начать работать по-другому — и будет меньше зависеть от данных, если вы не сможете предоставить им необходимые данные».

Поддержка гиперроста как децентрализованной операции с данными

Переход к децентрализованной структуре начал формироваться органично, когда отделы начали искать способы удовлетворения своих собственных потребностей в данных.

«В конце концов небольшие карманы аналитики открылись в других частях компании, таких как продажи и успех клиентов», — сказал Грег. «В основном потому, что наша небольшая команда просто не могла удовлетворить потребности растущего бизнеса. И поэтому они создали свои собственные команды, и это сработало!»

В 2018 году эта децентрализованная команда из 10 специалистов по данным работала в бизнес-подразделениях, удовлетворяя потребности в данных и поддерживая головокружительную траекторию Toast, поскольку компания снова почти удвоилась, увеличившись до 750 сотрудников. Грег и его команда также перестроили свой стек технологий обработки данных, перейдя от сквозной платформы данных к современному распределенному стеку, включая s3, Airflow, Snowflake, Stitch и Looker.

Выделенные аналитики, работающие в своих бизнес-подразделениях, по-прежнему поддерживали тесную связь с основной аналитической командой Грега. , что дает Toast гибрид между полностью централизованной и полностью децентрализованной структурой группы данных. Но по мере того, как организация продолжала масштабироваться — в 2019 году она достигла 1250 сотрудников с 15 аналитиками данных, специалистами по данным и инженерами по данным — эта гибридная модель начала вызывать проблемы.

Непротиворечивость данных была одной из проблем.

«В организации были разные степени строгости, когда речь шла о том, что считать достоверными данными. Когда вы малы, вы беспорядочны, вы растете, и любые данные лучше, чем их отсутствие. Но в конце концов мы достигли масштаба, когда знали, что неточные данные могут быть вредными».

И даже с технически точными данными Грег знал, что тесная коммуникация между аналитиками, техническими руководителями и заинтересованными сторонами ниже по течению имеет решающее значение, когда дело доходит до установления стандарта [наблюдаемости данных] (https://www.montecarlodata.com/blog-what- is-data-observability/) и доверие во всей компании.

«По мере того, как бизнес становится больше и сложнее, вам нужны аналитики, чтобы увидеть весь бизнес, — сказал Грег. «Даже в децентрализованной модели вам необходимо обеспечить тесное сотрудничество аналитиков с другими аналитиками и техническими лидерами, когда речь идет об установлении стандартов производительности и работоспособности».

Перегруппировка, рецентрализация и переориентация на доверие к данным

Toast вернул аналитиков, которые работали в соответствующих командах по работе с клиентами и по выходу на рынок, под эгидой аналитики.

«В конце концов мы пришли к централизации, и одним из обсуждаемых, но недооцененных преимуществ стало то, как много люди в команде научились друг у друга», — сказал Грег. Команда теперь является частью отдела финансов и стратегии. Но он знает, что централизованная структура не может быть долгосрочным решением для Toast.

«В двух словах я думаю о командах по работе с данными: вы хотите, чтобы каждый приносил как можно больше пользы для бизнеса, — сказал Грег. «Мы были очень открыты для изменений и пробовали разные вещи и понимали, что то, что работает с 200 людьми, 500 людьми, тысячей или двумя тысячами, — это не один и тот же ответ, и это нормально. Это может быть несколько очевидно, когда вы достигли этих переломных моментов и вам нужно попробовать что-то новое».

В конце концов, все дело в удовлетворении потребностей бизнеса — независимо от того, что это означает для структуры отчетности вашей команды, — при этом гарантируя, что технические руководители будут способствовать, а не узким местам для аналитиков.

4 вещи, о которых следует помнить при масштабировании команды данных вашего стартапа

![В конечном итоге команда Грега остановилась на централизованной структуре группы данных с несколькими распределенными элементами, что дало им больше прав собственности и контроля над своими продуктами данных, а также возможность создавать масштабируемый модульный стек данных. Изображение предоставлено Грегом Уолдманом и Тостом.]

У Грега есть несколько выстраданных советов для руководителей данных, сталкивающихся с аналогичными проблемами в быстрорастущих компаниях, но каждая тактика восходит к его принципу сосредоточения внимания на том, какой подход лучше всего соответствует бизнес-потребностям вашей компании, который, вероятно, со временем изменится.

Короче говоря, предлагает он, лидеры должны оставаться гибкими, а команды должны быть готовы адаптироваться к потребностям бизнеса. Вот как.

Нанимайте специалистов по обработке данных, а не специалистов — за одним исключением

По словам Грега, первый специалист, которого стоит нанять, — это дата-инженер.

«Сначала мы просто нанимали специалистов по обработке данных, которые могли делать все понемногу», — сказал Грег.

«У нас были спортсмены, играющие аналитиков/инженеров данных. У меня была открыта вакансия старшего менеджера и инженер по данным, но она не была заинтересована в управлении. Когда я поговорил с ней, стало очевидно, насколько сильно нам нужен специальный набор навыков по обработке данных для команды. И, оглядываясь назад, я должен был искать кого-то подобного годом ранее, учитывая нашу траекторию роста».

Слишком часто группы данных сталкиваются с трудностями из-за отсутствия технической поддержки, необходимой для создания и обслуживания конвейеров ETL, а также для обеспечения того, чтобы лежащая в их основе инфраструктура данных могла масштабироваться в соответствии с аналитическими потребностями компании.

«Поэтому, хотя я все еще верю в найм специалистов по данным, которые могут делать все понемногу, инженеры по данным — единственное исключение. После того, как вы наймете нескольких аналитиков, ваш первый инженер данных должен следовать за вами».

Уделите первоочередное внимание созданию разнообразной команды по работе с данными с первого дня

Это само собой разумеется, но когда дело доходит до настройки вашей команды на долгосрочный успех, вам необходимо инвестировать (заранее) в кандидатов с разнообразным опытом и опытом. ). Однородность не способствует инновациям и мешает аналитикам данных и инженерам понять точки зрения и потребности всех потребителей данных.

Однако, когда вы быстро расширяетесь, вам может быть трудно помнить об этом, если только вы не установите набор четких KPI для найма и роста, которые отражают эту цель.

«Заранее подумайте о разнообразии», — сказал Грег. «Потому что, особенно в этих небольших группах данных, если вы не будете осторожны, вы просто получите кучу единомышленников из похожего опыта. И вам не нужна куча одних и тех же людей — вам нужны разные точки зрения».

Одно дело сказать: «Нам нужно создать разнообразную команду», но совсем другое — сделать это. Итак, с чего начать работу лидерам данных?

Вот несколько советов:

• Сотрудничайте с руководителями и вашей командой по работе с персоналом, чтобы составить описания должностей, учитывающие разный опыт и опыт (т. е. избегайте чрезмерно мужских выражений в пользу гендерно-нейтральных).

• Соберите различные панели найма (даже если они не взяты из команды данных), чтобы воплотить команду, которую вы стремитесь создать.

• Создайте широкую сеть для найма кандидатов, которые могут не иметь традиционных должностей или ролей данных; это постоянно развивающееся пространство!

• Внедрите процесс подачи заявок без учета пола или расы, который проверяется на основе квалификации и опыта.

«Гораздо сложнее создать разноплановую команду на более позднем этапе стартапа, потому что люди с разным опытом хотят присоединиться к команде, в которой есть люди с разным опытом. И если вы не подумаете об этом с самого начала, это может быть намного сложнее».

Чрезмерная коммуникация является ключом к управлению изменениями

Этот момент еще более актуален в нашем удаленном мире, в котором многие команды работают из дома, а общение по электронной почте, Slack и почтовому голубю (шутка!) является необходимой частью любой работы.

По словам Томаша Тунгуза, управляющего директора Redpoint Ventures, компании должны повторять сами себя (т. е. свои основные ценностные предложения) с клиентов постоянно, даже если это кажется ненужным. То же самое касается руководителей данных, когда речь идет об обмене информацией о своей работе и любых изменениях в команде с заинтересованными сторонами.

Например, если ваш децентрализованный аналитик по работе с клиентами переходит на отчет перед руководителем отдела аналитики после 3 месяцев работы под руководством руководителя по работе с клиентами, вы должны не только сообщить, что это изменение происходит, но и повторить, что эта корректировка не t изменить характер продукции вашей команды. Заинтересованные стороны по-прежнему могут рассчитывать на точный и своевременный анализ, соответствующий основным бизнес-целям, даже если команда больше не распределена.

Хотя структурные изменения неизбежно влияют на характер отношений между заинтересованными сторонами (функциональной командой) и поставщиком услуг (группой данных), систематизация, информирование и повторение того, как этот сдвиг не повлияет на ключевые показатели эффективности вашей команды, восстановит доброжелательность и поможет кросс-функциональным группам. преодолеть перемены.

«Если у вас есть аналитики, отчитывающиеся перед бизнес-лидерами, убедитесь, что они имеют право дать отпор на основе данных, которые они видят», — сказал Грег. «В противном случае это может быть сложной динамикой, когда им предлагается показывать данные, подтверждающие анекдотические гипотезы. Когда вы вернете эти команды под эгиду аналитиков, ваши аналитики будут учиться друг у друга, но влиять на другие отделы может быть непросто».

Совсем недавно Toast использовал в значительной степени централизованную модель аналитики, которая хорошо зарекомендовала себя и удовлетворяла потребности бизнеса в течение последних полутора лет.

Не переоценивайте «единственный источник правды»

Концепция «единого источника правды» или золотых данных является мощной и не без оснований. Стремление к согласованию метрик и согласованным чистым данным может помочь компаниям поверить в то, что их данные указывают им правильное направление.

Тем не менее, будучи руководителем данных в стремительно растущем стартапе, вы будете вовлечены в работу над множеством экспериментов и проектов в любой момент времени, если у вас есть направленность наблюдаемость в доверии к данным (т. е. актуальна ли эта таблица? Могу ли я узнать, кому принадлежит этот набор данных? Почему 50 строк превратились в 500? ?), потребность в «едином источнике правды» не так актуальна.

«Я всегда говорю людям не переоценивать всю концепцию единого источника правды», — сказал Грег. «Как перфекционисту, мне потребовалось много времени, чтобы научиться этому. Бывают моменты, когда вам нужно быть на 100% правильным, а бывает, что вы этого не делаете. Часто с точностью направления все в порядке, и вы просто тратите ресурсы, пытаясь добиться совершенства. Правило 80/20 является ключевым».

Данные всегда беспорядочны и редко бывают идеальными. Вы сделаете больше, если отдадите предпочтение комплексному представлению о работоспособности и точности данных, а не более детальному контролю.

Последний совет Грега для лидеров данных?

«Наймите хороших людей с сильными коммуникативными навыками, и все остальное станет намного проще. Хорошие люди приведут вас к другим замечательным людям, и вы можете нанять самых умных людей в мире, но если они не смогут передать свой анализ менее техническим людям, они просто не добьются успеха».

Также опубликовано [здесь] (https://www.montecarlodata.com/blog-how-to-choose-the-right-structure-for-your-data-team/).