Связующее звено между данными и решением: роль бизнес-аналитика во внедрении ML в процессы компании

Часто кажется, что стоит подключить ИИ-модель, и оптимизация бизнес-процессов произойдет сама собой. Но на практике машинное обучение — это, прежде всего, данные, процессы и четкое понимание, зачем это нужно бизнесу. И здесь ключевую роль играет именно бизнес-аналитик.

Роль бизнес-аналитика в интеграции ML-систем — быть связующим звеном между бизнес-задачами и техническими возможностями ИИ. Он не просто собирает требования, а проводит инвентаризацию данных: где лежат документы, в каком они качестве, достаточно ли их для обучения, какие есть пробелы.

Какие задачи в процессе внедрения выполняет бизнес-аналитик:
➖ Формализация бизнес-процессов для определения точек применения ML;
➖ Формулировка задач для обучения моделей и выбор подходящих решений под цели бизнеса;
➖ Совместная работа с дата-инженерами над структурированием исходных данных;
➖ Оценка результатов моделей не только по техническим метрикам, но и по бизнес-критериям.

Для обучения модели бизнес-аналитику необходимо собрать в единую систему данные, напрямую связанные с бизнес-задачами компании:
✅ Исторические данные о клиентах, операциях, продуктах;
✅ Метрики и показатели эффективности, которые нужно улучшить;
✅ Структурированные и неформатированные данные: текстовые отчёты, отзывы, поведенческие данные;
✅ Данные, отражающие ключевые события;
✅ Внешние данные о рынке и регуляторные требования.

Бизнес-аналитик помогает найти и подготовить эти данные, проводя анализ бизнес-процессов и выявляя ключевые параметры для трекинга. Он формализует требования к данным, работает с командами дата-инженеров по их очистке и структурированию, а также взаимодействует с дата-сайентистами для правильной постановки задач обучения.

📌 На этой неделе мы глубже погрузимся в специфику работы бизнес-аналитики при внедрении ИИ-систем, поделимся экспертными комментариями от наших специалистов и разберем популярные мифы о работе.