Еще одним недавним трендом стало введение программ обучения в области аналитики на уровне бакалавриата и магистратуры в крупных университетах. В 2008-м или 2009 г. я услышал о такой программе впервые. В начале 2014 г. я увидел список уже из нескольких десятков университетов, причем список был далеко не полным. Данный тренд свидетельствует о том, что в академических кругах признали растущий спрос на людей, разбирающихся в аналитике. Со временем эти программы помогут решить проблему с дефицитом кадров. Современные программы отличаются тем, что они сосредоточены на несколько ином наборе компетенций, чем программы в области традиционной статистики, исследования операций или делового администрирования.

В мои времена, когда я изучал статистику в университете, первостепенное внимание уделялось обучению специальным навыкам, тогда как практическому применению статистики, особенно в сфере бизнеса, не уделялось никакого внимания. Единственным упоминанием о бизнесе в нашей учебной программе были примеры в учебнике, в которых рассматривалась возможность использования искусственно созданных достоверных данных для решения бизнес-проблемы. Однако при этом от нас требовалось повернуть матрицу или выполнить иную формальную задачу. Так что бизнес в этом случае был не более чем тематической историей. С другой стороны, традиционные программы образования в области бизнеса были полностью сосредоточены на бизнес-тематике и, возможно, лишь на десятую часть уделяли внимание специализированным знаниям. Иногда программа MBA (магистр делового администрирования) могла включать вводный курс статистики, но большинство традиционных бизнес-программ полностью опускали технические навыки, требующиеся профессиональным аналитикам.

Преимущество новых программ подготовки специалистов по аналитике состоит в том, что они обеспечивают достаточно глубокое образование как в области аналитики, так и в области бизнеса. По таким программам готовят всесторонне развитых специалистов с уровнем компетенций в аналитике и бизнесе примерно 7 из 10. Лично я предпочел бы нанять именно таких людей и постарался бы развить аналитические и деловые компетенции до уровня 10, а не людей с техническими компетенциями на уровне 10 из 10 и компетенциями в области бизнеса 0 из 10, или наоборот (см. рис. 8.1). Например, сам я начинал с хорошим уровнем технической подготовки и с нулевыми навыками в области бизнеса, и мне потребовалась масса времени и сил, чтобы развить навыки в бизнесе до нужного уровня.

Я изучал статистику по одной из самых уважаемых программ в стране – в Университете штата Северная Каролина (North Carolina State University, NCSU). Он одним из первых открыл программу подготовки магистров в области аналитики. Однако, чтобы подчеркнуть мое уважение к новым программам подготовки аналитиков, хочу заявить, что если бы мне потребовались новые сотрудники в мою аналитическую команду, то я бы в первую очередь поискал их среди выпускников нового отделения NCSU. Несмотря на мои теплые воспоминания о факультете статистики, нацеленность новой программы аналитического образования на насущные нужды бизнеса подкупает меня сильнее. Судя по всему, другие работодатели согласны со мной, поскольку начальная зарплата выпускников NCSU по специальности «аналитика» в последние годы сопоставима с начальными зарплатами выпускников ведущих национальных бизнес-школ или даже превосходит их.

По мере нарастающего спроса на различные аналитические дисциплины, типы данных и инструменты сегодня специалисту становится все труднее быть сведущим сразу во всех областях. Поэтому нужно сосредоточиться на создании команды, которая закроет все потребности, хотя каждый ее участник этого сделать не в силах. Представьте себе аналитический «пирог», состоящий из нескольких «кусков», как показано на рис. 8.2. Один человек может охватить три-четыре «куска», другой – еще три-четыре. Когда же они объединятся в команду для реализации проекта, то совместно охватят всё.

В моей компании аналитическая команда использовала именно такой подход. Команда начала получать множество запросов на поддержку поисковой оптимизации. Поскольку ни у кого в команде не было такого опыта, они решили нанять нового человека, хорошо разбирающегося именно в этой области. Разумеется, новый сотрудник обладал и другими аналитическими навыками, наняли же его прежде всего для того, чтобы заполнить указанный пробел в командных компетенциях.

Нет необходимости в том, чтобы каждый член команды был универсален. Возьмите любые командные соревнования, такие как Супербоул в американском футболе, чемпионат мира по соккеру (который называют футболом повсюду за пределами США!) и чемпионат Национальной ассоциации студенческого спорта по баскетболу. В каждой команде-победительнице найдется всего один-два игрока, выбранных в «команду звезд», а в некоторых победивших командах и вовсе не было таких игроков. Дело в том, что в этих видах спорта слаженная командная игра гораздо важнее, чем действия каждого игрока в отдельности. Действительно, если вывести на поле 11 лучших футболистов мира, они могут показать далеко не лучшую игру, поскольку каждый из них будет пытаться брать на себя роль лидера.

Тем самым я вовсе не хочу сказать, что аналитические команды должны применять при найме новых сотрудников более низкие стандарты, чем ведущая спортивная команда, если она собирает свой состав не только из одних звезд. В чемпионской команде все игроки способны выступать на звездном уровне, иначе они не оказались бы в ее составе. Однако большинство игроков команды-победительницы вполне могли бы играть и в команде среднего уровня, а большинство игроков команды-середнячка вполне могли бы выступать и за чемпионскую команду. Аналогичным образом, если организации нужна команда, состоящая из первоклассных аналитиков-профессионалов, то всем им вовсе не обязательно входить в сборную мира «всех звезд».