Я на днях писал, что просто "специалисты по отчетам" остаются без работы.
ИИ их заменяет, НО не решает проблему с аналитикой. Проблема с Data-Driven в компаниях остается такой же больной.
Каким же должен быть человек, который эту проблему решит?
Этот профиль компетенций ближе к консультанту из McKinsey. Я порисерчил вакансии из Big7, отфильтровал через свой опыт, и вот что вышло:
1️⃣ P&L-мышление
Он должен понимать экономику бизнеса: выручку, маржу, CAC, LTV, retention, операционные ограничения, unit-экономику, бюджетирование, влияние решения на P&L
2⃣Data Fluency
Свободное владение данными: черный пояс по Excel/Google Sheets, быть в состоянии за сутки освоить какой угодно BI, обработать трансформировать с SQL или Python.
3️⃣ AI-Native
Кросс-платформенное использование LLM (Open AI / Antropic / Gemini и др.), работа с Cursor и другими IDE для прототипирования аналитических продуктов, исследований, анализа гипотез
4️⃣ Human Validation
Фактчекинг результата от ИИ на основе здравого смысла и опыта. Выявление ложных корреляций, bias, ошибок интерпретации, несоответствия бизнес-контексту.
5️⃣ Коммуникация
Проведение интервью с заказчиком, фасилитация обсуждений, перевод бизнес-вопроса в аналитическую задачу (problem framing). Презентационные навыки, сторителлинг, защита выводов, работа с возражениями.
6️⃣ Ответственность за результат
Довести аналитику до внедрения: roadmap, definition of done, согласование с командами, мониторинг эффекта, передача процесса в регулярное управление. А не «отчёт готов, дальше не моё».
Эту тему обсудим завтра на эфире (тут анонс, а тут регистрация), а пока вопросы к вам:
- Что добавить в пункт 7️⃣ ?
- Сколько стоит такой специалист?
- Сколько пунктов вы у себя насчитали?