Digest dsc#1
Download as PPTX, PDF1 like448 views
Документ обсуждает ключевые проблемы в сообществе data scientist, такие как рекрутинг, недостаток прозрачности в обучении и сложности в принятии результатов без ясного понимания требований бизнеса. Представлены идеи по улучшению культуры работы с данными, процессом найма и подтверждения достоверности данных, а также необходимые шаги для создания сообщества аналитиков. Акцент сделан на важности гибкого подхода в бизнес-аналитике и разработке программ обучения для профессионалов в этой области.
![Организация Community и программ обучения
07.14 08.14 09.14 10.14 11.14 12.14 01.15 02.15 03.15 04.15 05.15 06.15 07.15 08.15 09.15
Концепция и анализ
предметной области,
выбор case
Сайт Community
Формирование РГ с
участниками
Профилирование
позиций аналитика и
разработчика
Профилирование
позиции Data Scientist
Подготовка программы
Syllabus
Подготовка экзаменов
Организация пилотной
площадки по обучению
Поиск экзаменаторов и партнёров
Подготовка порядка
сертификации
Подготовка порядка
аккредитации
партнеров
Сдача
экзаменов
Аккредитация
партнеров
Обучения в аккредитованных центрах
Публичное
обсуждение с РГ итогов
профилирования
Анализ инструментов и
решений
HROrganisationProcess(Theory)Practice
[Data Lab
Session]
Требования к
сертификации
Практические занятия [Data Lab Session]
Сертификация требует
1) наличие практического опыта
работ Data Lab Session
2) Определенного опыта
DRAFT](https://image.slidesharecdn.com/digestdsc1-140810132500-phpapp02/85/Digest-dsc-1-6-320.jpg)
Digest dsc#1
- 2. Ключевые проблемы сегодня Recruiting Видение Обучение Бизнес Анализ Бизнес не понимает, что именно нужно и задает вопросы, на которые уже есть ответ Сложность приемки результатов без ясной постановки Отсутствие прозрачной модели обучения и неопределенность уровня зрелости в области анализа данных Как сформулировать правильные вопросы к бизнес аналитике, чтобы выгоды от бизнес аналитик превзошли расходы на развитие BI Отсутствует гибкий подход в реализации бизнес аналитики – все идут большими шагами, что усложняет существенно сдачу проектов Как повысить культуру работы с информацией в целом ? Как правильно выстроить процесс подбора и найма специалистов работы с данными и границы компетенций Data Scientist Непонятно как именно подтверждать достоверность предоставляемых данных Brainstorming Snapshot
- 3. Выстроить мост между бизнесом и информацией Научить задавать вопросы о данных, и отвечать на них Сделать аналитику полезной для бизнеса Понимать, отцифровывать, делать выводы и давать рекомендации Beyond Analytics: Арбитраж используемой бизнес аналитики и принимаемых решений. Переход к Facts based Culture Профилирование позиции бизнес аналитика и Data Scientist Brainstorming Snapshot
- 4. Data Scientist Community Data & Business Connection Community Club Analyst Community of Interest Business Data Partners Brainstorming snapshot Brainstorming Snapshot
- 5. ТРИЗ методология решения изобретательских задач AGILE реализация Форум, площадка и соревнования Data Scientist (аналог Kaggle Codillity) Домашняя страница Community выбрали Linkedin Фабрика функциональных вопросов для построения задач по бизнес аналитики (аналог wiki) на основе функциональной карты организаций Brainstorming Snapshot
- 6. Организация Community и программ обучения 07.14 08.14 09.14 10.14 11.14 12.14 01.15 02.15 03.15 04.15 05.15 06.15 07.15 08.15 09.15 Концепция и анализ предметной области, выбор case Сайт Community Формирование РГ с участниками Профилирование позиций аналитика и разработчика Профилирование позиции Data Scientist Подготовка программы Syllabus Подготовка экзаменов Организация пилотной площадки по обучению Поиск экзаменаторов и партнёров Подготовка порядка сертификации Подготовка порядка аккредитации партнеров Сдача экзаменов Аккредитация партнеров Обучения в аккредитованных центрах Публичное обсуждение с РГ итогов профилирования Анализ инструментов и решений HROrganisationProcess(Theory)Practice [Data Lab Session] Требования к сертификации Практические занятия [Data Lab Session] Сертификация требует 1) наличие практического опыта работ Data Lab Session 2) Определенного опыта DRAFT