ビジネス インテリジェンス (BI) アナリストは、通常のビジネス アナリストが行うすべての作業を実行しますが、BI アナリストは BI ツールと分析の直接的な経験を持っています。
データ サイエンティストは、他の IT データ管理プロフェッショナルと同様にデータの収集、保存、統合に取り組みます。ただし、データ サイエンティストは、機械言語、RPA などのプロセス自動化ツール、統計とアルゴリズムの開発、視覚化のためのビッグ データ分析ツール、処理ツールとプラットフォームに精通している点が異なります。
組織では BI とデータ サイエンスの両方のスキルが不足していますが、常駐のデータ サイエンティストと BI プロフェッショナルが同僚にデータ リテラシーを指導する方法はありますか?
データリテラシーとは何ですか?
ガートナーは、データ リテラシーを「データのソースと構造、適用される分析方法と技術を理解し、ユース ケースの適用と結果として得られるビジネス価値または成果を説明できる能力を備え、コンテキスト内でデータを読み取り、書き込み、伝達する能力」と定義しています。
ビジネスアナリストは、ユースケースの開発、データのコンテキストの理解、そしてデータからビジネス価値を見出すことに既に長けています。しかし、彼らがまだ習得できていないのは、彼らの取り組みをさらに効果的にするBIツールセットです。
参照: 採用キット: データベースエンジニア (TechRepublic Premium)
データサイエンスリテラシーは別の話です。データサイエンティストではないITプロフェッショナルの中には、データの読み書きやビジネスコンテキストへの統合方法を理解している人もいますが、これらの目標を達成するために非構造化ビッグデータをどのように扱うべきかを知らず、HadoopのようなビッグデータプラットフォームやMapReduceのようなプログラミング言語も理解していません。
また、ビッグデータ分析アルゴリズムの改良を特徴付ける反復的な開発方法論や、膨大な量の非構造化データに必要な並列処理に関する知識も欠いています。
データリテラシースキルの構築
BI とデータ サイエンスにおけるデータ リテラシー スキルを構築するための鍵は、IT 部門の一般的なビジネス アナリストとデータ ワーカーに、BI とデータ サイエンスで使用されるツール、プラットフォーム、および方法論を理解させることです。
知識構築を効果的に行うには、社内トレーニング プロセスに、新しいスキルを熱心に学ぶ能力のある優秀な IT 候補者、彼らに喜んで教える忍耐強い指導者、そして継続的な経営陣の監督が関与する必要があります。
これを実行することに成功している組織もありますが、次のような注意事項も遵守しています。
教えることは伝えることではないことを理解する
研修生に何かの仕組みを説明するだけで、大量のオンラインマニュアルやリソースを渡すだけでは不十分です。データリテラシーに関する知識移転は、研修生が学んだ内容を実際の業務に応用できるようになった時に実現します。
例えば、ビジネスアナリストがBIツールを分析業務に組み込む方法についてトレーニングを受けている場合は、これらの新しいツールを活用するべきです。こうすることで、知識と自信の両方が構築されます。
適切なメンターを選ぶ
誰もが良いメンターになれるわけではありません。中には、後輩を指導する忍耐力のない人もいれば、自分の知識を共有したがらない人もいます。
メンターは、代行者を教える意欲があり、間違いがあったときに忍耐強く接し、代行者に実際の仕事を割り当て、その仕事を監督し、メンター自身の仕事もこなしながらこれらすべてを行う必要があります。
適切な生徒を特定する
BIやデータサイエンスを学びたい人全員が、その適性や姿勢を持っているわけではありません。ITリーダーは研修生を慎重に選ぶ必要があります。物事を素早く理解する能力も重要ですが、姿勢、努力する能力、そしてその分野を習得するという強い意志も不可欠です。
プロセスを管理する
IT部門が社内でBIおよびデータリテラシーのスキル育成を計画している場合、そのプロセスに全力で取り組む必要があります。つまり、ITリーダーは、現在取り組んでいるプロジェクトと同様に、スキルとリテラシーのトレーニングにも積極的に関与する必要があります。メンターと研修生のチームを任命しただけで、放っておくだけでは不十分です。
知識とデータリテラシーの習得に関する目標を設定し、研修対象者を新しいスキルを活用できるプロジェクトに積極的に参加させる必要があります。これは、ITリーダーが研修プロセスを常に把握し、研修対象者が研修で想定された業務を実際に遂行できるようにすることで初めて実現できます。
