Зачем вам столько аналитиков: чем бизнес-аналитик отличается от системного и Data Analyst’а

автор
Зачем вам столько аналитиков: чем бизнес-аналитик отличается от системного и Data Analyst’а

В этом материале разберем, в чем сходства и отличия 3-х разных профессий: бизнес-аналитика, системного аналитика и Data Analyst’а (аналитика данных) с комментариями руководства BABOK. Также читайте в нашей статье, может ли один человек совмещать все 3 специализации и в каких случаях это целесообразно.

Кто есть кто в мире аналитики

Если смотреть на современный рынок труда, может сложиться впечатление, что большинство компаний ищут универсального профессионала, который будет совмещать обязанности системного и бизнес-аналитика. Немного особняком стоит аналитик данных, в описаниях вакансий для которого встречаются рабочие задачи ученого по данным (Data Scientist’а) и BI-специалиста. При том, что все перечисленные специализации ориентированы на решение прикладных проблем с помощью анализа, каждая из них имеет свои объекты, методы и средства профессиональной деятельности, которые отличаются друг от друга.

Примечательно, что в России пока официально не существует профессии «аналитик данных» в связи с отсутствием соответствующего профессионального стандарта. Системный и бизнес-аналитик признаны отечественным Министерством труда, о чем свидетельствуют профессиональные стандарты, которые мы рассмотрим далее.

Бизнес-аналитик vs системный: в чем разница

Прежде всего отметим, что обе рассматриваемые профессии очень молодые – им нет еще и 10 лет. Профессиональный стандарт «Системный аналитик» утвержден Приказом Минтруда в 2014 году [1], а «Бизнес-аналитик» – в 2018 [2].

Детальное сравнение этих стандартов показывает основную разницу между системным и бизнес-аналитиком:

  • системный аналитик работает с требованиями к программному обеспечению (ПО), автоматизированной или информационной системе, тогда как бизнес-аналитик не ограничивается только этими корпоративными активами, а обеспечивает возможность проведения изменений в организации, которые принесут пользу заинтересованным сторонам (стейкхолдерам) через выявление их потребностей и обоснование оптимальных решений.
  • поскольку системный аналитик фокусируется на ПО, стандарт уделяет большое внимание разработке программной документации (техническое задание, программа и методика испытаний, различные аспекты тестирования, регламенты эксплуатации системы), а бизнес-аналитик должен уметь представлять информацию стейкхолдерам комплексно, разными способами и в различных форматах с учетом цели и аудитории, о чем мы писали в этой статье;
  • типичные менеджерские задачи (в смысле управления людьми) четче прописаны в стандарте «Системный аналитик» (функция «Оценка квалификации, аттестация и планирование профессионального развития системных аналитиков»), тогда как бизнес-аналитик больше сосредоточен на управлении собственной деятельностью по бизнес-анализу.

Однако, разбирая подробно каждую трудовую функцию, можно выявить множество похожих действий, умений и знаний. Например, следующие задачи в разных профессиональных стандартах отличаются лишь формулировками:

  • выявление информации у стейкхолдеров;
  • разработка требований к программному обеспечению, которое, в основном, и является решением для удовлетворения потребностей стейкхолдеров в терминах BABOK;
  • разработка технико-экономического обоснования и расчет финансовых параметров возможных решений (окупаемость и прочие целевые показатели);
  • оценка изменений;
  • анализ рисков;
  • наглядное представление информации для обсуждения с заинтересованными сторонами.

Таким образом, рабочие задачи системного и бизнес-аналитика пересекаются в области проектирования и внедрения программного обеспечения. Однако, деятельность бизнес-аналитика охватывает предприятие шире, включая изучение и реинжиниринг бизнес-процессов и организационной структуры, а также анализ и разработку стратегии изменений всей организации.

Чем отличаются аналитик данных, BI-специалист и Data Scientist

В отличие от системного и бизнес-аналитика, которые взаимодействуют со стекйхолдерами и прикладными решениями, аналитик данных работает с массивами информации, извлекая из них сведения, ценные для бизнеса с точки зрения принятия оптимальных управленческих решений. Часто аналитик данных работает только со структурированными данными в рамках специализированных дэшбордов BI-систем (Business Intelligence), таких как Power BI, Tableau, Google Data Studio и т.д. В этом случае он выполняет обязанности BI-специалиста, настраивая витрины данных ток, чтобы они наглядно показывали текущие тенденции и важные производственные показатели. Как правило, именно эту картину и принято называть «бизнес-аналитикой». Не стоит путать это понятие с бизнес-анализом – рядом задач по выявлению бизнес-проблем, выяснению потребностей заинтересованных сторон, обоснованию решений и обеспечению проведения изменений в организации, как это регламентирует BABOK и отечественный профстандарт [2].

Если же необходимо проанализировать так называемые «сырые данные» из разных источников и представленные в разных форматах, то Data Analyst выполняет целый комплекс специальных операций [3]:

  • сбор данных;
  • подготовка данных к анализу (выборка, очистка, сортировка);
  • поиск закономерностей в информационных наборах;
  • визуализация данных для быстрого понимания имеющихся результатов и будущих тенденций;
  • формулирование гипотез по улучшению конкретных бизнес-метрик за счет изменения других показателей.

Иногда аналитик больших данных (Big Data) также занимается разработкой и тестированием моделей машинного обучения (Machine Learning). Однако, в большинстве случаев, Machine Learning является областью ответственности другого Big Data специалиста – исследователя или ученого по данным (Data Scientist’а) [3].

По сравнению с аналитиком данных, Data Scientist больше фокусируется на автоматизации процессов сбора и подготовки информации, включая построение так называемых конвейеров обработки данных (data pipeline). Эти задачи пересекаются с работой инженера данных (Data Engineer) и требуют владения технологиями Big Data (Apache Hadoop, Spark, Kafka), облачными вычислениями и инструментами разработки программного обеспечения, включая навыки построения распределенных приложений и опыт быстрого развертывания решений с помощью современного DevOps-инструментария [4].

Подводя итог описанию различных профессий в области анализа, отметим, что на практике в небольших компаниях все эти специализации могут совмещаться и выполняться одним человеком. Однако, в крупных проектах и больших корпорациях обычно присутствует профильное разделение, т.к. из-за огромного объема работ «пропускная способность» одного человека не позволяет ему обеспечить качественное выполнение всех задач.

Тем не менее, разобраться с основами системного и бизнес-анализа в прикладном смысле, в т.ч. с точки зрения руководства BABOK, вы сможете на специализированных курсах для бизнес-аналитиков и менеджеров в нашей «Школе прикладного бизнес-анализа» учебного центра «Коммерсант» – практическое обучение и повышение квалификации руководителей, системных и бизнес-аналитиков в Москве:

 

 

Источники

  1. Профессиональный стандарт «Системный аналитик» http://fgosvo.ru/uploadfiles/profstandart/06.022.pdf
  2. Профессиональный стандарт «Бизнес-аналитик» http://fgosvo.ru/uploadfiles/profstandart/08.036_1.pdf
  3. Кто такой Data Analyst в Big Data: что нужно знать аналитику данных https://www.bigdataschool.ru/bigdata/data-analyst-big-data.html
  4. Data Analytics and Data Science: сходства и различия https://chernobrovov.ru/articles/analitika-dannyh-i-data-science-shodstva-i-razlichiya.html

 

Комментировать

Ваш адрес email не будет опубликован. Обязательные поля помечены *