Data Driven: как выбрать партнера для разработки прогнозного сервиса

Что нужно учитывать, когда подбираешь сторонних разработчиков для создания прогнозного сервиса? Руководитель департамента аналитики больших данных Beltel Datanomics Анна Племяшова обращает внимание на несколько ключевых моментов.

Data Driven – способ принятия стратегических решений на основе аналитики данных – становится важным компонентом бизнес-модели современной компании. Благодаря Data Driven каждый управленческий шаг можно фактически обосновать. Такое аналитическое решение можно разработать как в штате, так и с помощью сторонней команды. Как же реализуется подход Data Driven в компании при работе со сторонними разработчиками?

Рассмотрим преимущества готовых аналитических решений:

•   Меньше времени на разработку. «Донастроить» готовый продукт под особенности вашего бизнеса всегда проще и быстрее, чем с нуля разрабатывать новый.

•  Высококвалифицированные специалисты. Не нужно тратить ресурсы на обучение штата, брать на работу новых специалистов с высоким окладом. Часто по договору с аутсорсинговой командой можно получать квалифицированную помощь даже 7/24.

• Индустриальная экспертиза. Разработчики решений могут предложить интересные идеи благодаря опыту работы в других проектах.

• Прозрачный бюджет и понятные этапы работ. Как правило, аутсорсинговые команды детально прорабатывают план по разработке и внедрению решения, определяют сроки, состав работ, стоимость готового продукта и его поддержки, то есть предоставляют те данные, которые будут полезны для защиты аналитического проекта перед топ-менеджментом компании.  

Когда все понятно с количественными показателями – сроки, бюджет, этапы, – переходим к качественным.

Выбирая компанию-партнера разработки прогнозного сервиса, следует задать следующие вопросы:   

• Какие методы и алгоритмы использует исполнитель?

• Какой стек технологий применяет?

Так вы узнаете, насколько специалисты «продвинуты» в вопросах аналитики и технологически подкованы, а также поймете, потребуются ли дополнительные затраты на покупку ПО или обучение своих сотрудников.

• Какие кейсы реализованы за последние 3 года?

ИТ-технологии и алгоритмы развиваются стремительно, поэтому опыт 10-летней давности может быть нерелевантен. Конечно, большой стаж – это хорошо, но если у разработчика, например, нет опыта построения современных облачных архитектур, то вы рискуете получить устаревшую систему, которую будет сложно или невозможно масштабировать.

• Как организуется защита данных?

Если внедряется облачное решение, какой провайдер будет использован, подразумевается ли у него индивидуальная подписка, как и где хранятся данные. Обязательно подписывайте соглашение о неразглашении (NDA).

• Надежен ли разработчик и какие у него планы на дальнейшее развитие?

В аналитических проектах стоит ориентироваться на долгосрочное сотрудничество - не менее 2-х лет, поэтому проверьте репутацию компании, получите рекомендации, уточните планы и приоритеты разработчиков на будущее. В разгар проекта вам не захочется узнать о том, что компания, например, значительно сокращает штат или вообще сворачивает бизнес.

Отметим еще один фактор, на который не все обращают внимание: успех внедрения во многом зависит от эффективного взаимодействия внутри команды разработчиков и качества коммуникации между исполнителями и пользователями сервиса. Поэтому обязательно оцените партнеров на умение артикулировать действия и рядовое дружелюбие во время общения с вами.

А на что обращаете внимание Вы при работе с партнерами-разработчиками в сфере аналитики? Есть ли еще какие-то важные критерии, которые остались за рамками статьи?