Поколение, которое учится превращать данные в решения

Фото: Скриншот онлайн-трансляции стартовой встречи экспертов третьего Всероссийского чемпионата по ML и Big Data «Цифровой прорыв. Сезон: искусственный интеллект» / ТАСС

Обилие данных легко принять за знание. График, таблица или аналитическая панель могут выглядеть убедительно, даже если в их основе лежат неполные сведения, несопоставимые показатели или неверно поставленный вопрос. Сами по себе они не объясняют, что в действительности происходит и какое решение следует принять. Между массивом цифр и полезным выводом лежит большая работа: необходимо правильно сформулировать задачу, проверить источники, обнаружить возможные ошибки и объяснить результат тем, кто будет на его основании действовать. Поэтому аналитика — это не просто владение программами, а особый способ профессионального мышления, который необходимо формировать ещё в университете.

Именно этот принцип Дмитрий Детковский переносит из индустрии в университетскую аудиторию. Он работает начальником службы разработки производственной отчётности в международном аэропорту Шереметьево, а в Институте № 3 «Системы управления, информатика и электроэнергетика» МАИ преподаёт «Интеллектуальный анализ данных» и «BI-аналитику». За его плечами — 19 лет работы в ИТ и опыт создания аналитических инструментов и хранилищ данных в компаниях из разных отраслей. Студентов он не учит копировать готовые производственные решения: его задача сложнее: помочь молодому человеку научиться самостоятельно находить информацию, проверять её, извлекать из неё смысл и отвечать за сделанные выводы.

О том, почему учебная аудитория должна быть похожа на рабочую среду, какие навыки потребуются аналитикам в эпоху искусственного интеллекта и как специалисты из индустрии воспитывают новое поколение профессионалов, рассказываем в рамках проекта «Как это работает?», реализуемого при поддержке Минобрнауки России в рамках Десятилетия науки и технологий.

Чему аналитика учит реальная индустрия?

Словосочетание «бизнес-аналитика» может создать ложное впечатление, будто речь идёт преимущественно о финансовых показателях и отчётах для руководства. На деле это гораздо более широкий класс задач, отметил в интервью Дмитрий Детковский. Компания ежедневно накапливает сведения о своей работе, однако сами по себе массивы чисел ничего не объясняют. Их необходимо собрать из разных источников, привести к сопоставимому виду, проверить на ошибки и только затем искать закономерности, которые помогут понять происходящее или принять решение.

В аэропорту, если брать его как пример работы большой компании, таких процессов особенно много: пассажиры и воздушные суда движутся по расписанию, подразделения зависят друг от друга, а обстановка постоянно меняется. Дмитрий Детковский не раскрывает внутренние данные и конкретные аналитические решения Шереметьево, но переносит в обучение саму логику производственной работы. Студент должен понимать, для кого он готовит результат, какой вопрос ему задали и достаточно ли имеющейся информации для обоснованного ответа. Если этого понимания нет, даже технически безупречный отчёт может оказаться бесполезным.

В официальном описании преподавательской деятельности Детковского его профессиональные интересы сформулированы предельно конкретно: практическое применение бизнес-аналитики, аналитика на транспорте, перспективные аналитические инструменты, современные способы ведения проектов и управление небольшими командами. Эти направления соединяются в его курсах. Студенты учатся работать с данными и одновременно осваивают то, что редко помещается в определение одной дисциплины: распределение ответственности, обсуждение результатов и взаимодействие с людьми, которым нужен не сложный расчёт сам по себе, а понятный ответ на рабочий вопрос.

— Без регулярной практики невозможно сформировать и закрепить профессиональные навыки. При этом упражнения, которые студенты выполняют на курсе, должны быть такими, чтобы их можно было воспроизвести в будущей работе. Если мы говорим о бизнес-аналитике, человек должен научиться определять, где находятся нужные данные, получать их и оценивать их качество. Затем ему предстоит обработать информацию и представить результат в понятном виде. Весь этот путь необходимо пройти ещё в университете, чтобы после выпуска не начинать профессиональное обучение заново уже в компании-работодателе, — объяснил Дмитрий Детковский.

Под «воспроизводимостью» здесь понимается не повторение одного и того же задания с другими числами. Студенту предлагают освоить последовательность действий, которая сохранится при смене темы, отрасли или места работы. Сначала нужно перевести общий вопрос на язык данных, затем найти подходящие источники, оценить их полноту и совместимость, выбрать способ обработки и объяснить результат. Программы и наборы данных со временем изменятся, но эта профессиональная логика останется.

Как распространение коронавируса становится рабочей задачей

На занятиях Дмитрий Детковский может предложить студентам проанализировать распространение COVID-19 в 2020–2021 годах. На первый взгляд такой пример не связан ни с авиацией, ни с работой коммерческой компании. Да и вообще – когда это было? Однако преподавателю в этом задании важна не эпидемиология как таковая, а полный аналитический цикл. Студенту никто не выдает заранее очищенную таблицу с единственно правильным способом решения: сначала необходимо найти источники и понять, какие именно показатели в них представлены, после этого данные нужно извлечь, привести в порядок, сопоставить и проверить. Лишь затем можно анализировать изменения во времени, строить визуальное представление и формулировать выводы. Если ограничиться диаграммой, не разобравшись в качестве исходной информации, получится эффектная картинка, но не аналитическая работа.

Такое задание показывает студенту и границы метода. Данные не всегда позволяют ответить на первоначальный вопрос, а обнаруженная связь ещё не объясняет причину происходящего. Разные источники могут использовать неодинаковые правила учёта, обновляться с различной частотой или содержать пропуски. Будущему специалисту приходится не скрывать эти ограничения, а учитывать их при интерпретации результата.

Тот же принцип действует в любой индустрии. Тема исследования меняется, но аналитик вновь проходит знакомую цепочку: формулирует вопрос, собирает информацию, проверяет её качество и превращает расчёты в вывод, который сможет понять другой человек. Работодатель получает не выпускника, умеющего воспроизводить одно учебное упражнение, а специалиста, знакомого с устройством настоящей задачи.

Что эксперт Шереметьево «приносит» в учебные аудитории?

Преподаватель из индустрии ценен не потому, что может заменить лекцию производственной историей. Его главное преимущество — понимание того, как знания проверяются за пределами университета. В учебном задании можно получить хорошую оценку за правильный расчёт. В компании необходимо дополнительно доказать, что результат отвечает на поставленный вопрос, подготовлен вовремя и понятен людям из других подразделений.

Теоретическая подготовка при этом не становится менее значимой. Без математики, информатики и понимания устройства информационных систем студенту нечем будет проверять результат и не на что опереться при встрече с новой задачей. Дмитрий Детковский рассматривает преподавателей-теоретиков и специалистов-практиков не как соперников, а как участников одного образовательного процесса. Первые формируют фундамент, вторые показывают, как этот фундамент выдерживает нагрузку реальной работы.

— Практические занятия должны готовить люди с промышленным опытом, то есть преподаватели из индустрии. Но нельзя умалять заслуги педагогов-теоретиков: они дают мощную базу, без которой практика бессмысленна. Одних теоретических знаний, однако, тоже недостаточно. У меня в рабочей команде есть студенты старших курсов МАИ, а выпускники уже ведут сложные проекты. Ребята учатся работать с бизнес-подразделениями, общаться с партнёрами и выстраивать рабочие отношения. Погружение в реальную среду позволяет им быстро понять, за что они отвечают, какой результат должны получить и как этого результата добиться, — рассказал Дмитрий Детковский.

Появление студентов в рабочей команде одновременно меняет и университетский курс. Преподаватель видит, на каких этапах молодой специалист чаще всего испытывает трудности: может ли он уточнить задачу, способен ли спокойно сообщить о проблеме с данными, умеет ли объяснить вывод человеку без технической подготовки. Эти наблюдения возвращаются в аудиторию и становятся основой следующих практических занятий. Так возникает постоянная обратная связь между производством и образованием.

Пользу получает и сама компания. По словам Дмитрия Детковского, молодые специалисты часто предлагают нестандартные методы и иначе смотрят на привычные процессы. Однако свежий взгляд становится ценным только тогда, когда человек умеет обосновать предложение, проверить его и довести работу до результата. Поэтому воспитание нового поколения аналитиков нельзя свести к освоению модных технологий: это ещё и обучение профессиональной ответственности.

Зачем сорок студентов делить на команды?

На курсе Дмитрия Детковского обычно занимается около 40 человек. Для лекций он делит поток на утреннюю и вечернюю группы, в каждой из которых остаётся примерно по два десятка студентов. Практические занятия проходят иначе: там образуются команды по четыре – шесть человек. Такой масштаб позволяет разобрать не только правильные решения, но и ошибки, которые привели группу к неверному результату.

— В небольшой группе студенты могут по-настоящему поработать с инструментами, проявить себя и научиться командному взаимодействию. Мы успеваем подробно разобрать задачи и понять, где именно возникла ошибка. Один человек способен быстро выполнить знакомую ему часть работы, но в команде необходимо ещё и объяснить свои действия другим. Студенты видят, что одну задачу можно решить несколькими способами, и учатся сравнивать эти подходы. Без индивидуального внимания сформировать комплексного специалиста очень трудно, поэтому практические группы должны оставаться небольшими, — отметил эксперт.

Размер команды здесь имеет принципиальное значение. В слишком большой группе часть участников неизбежно останется наблюдателями, а в одиночной работе студент не встретится с необходимостью договариваться и распределять задачи. Команда из нескольких человек позволяет каждому включиться в работу и одновременно воспроизводит важную особенность индустрии: серьёзные аналитические проекты редко выполняются в полном одиночестве.

Такая организация занятий помогает обнаружить и разные типы затруднений. Один студент уверенно обрабатывает данные, но не может объяснить ход решения. Другой хорошо представляет результат, однако не замечает проблем в исходной информации. Третий способен найти ошибку, но не умеет сообщить о ней команде без конфликта. Преподаватель работает уже не только с итоговой таблицей, а с тем, как формируется профессиональное поведение каждого участника.

Как выстроить обучение без повторов и пробелов?

В 2023 году МАИ вошёл в число университетов — участников пилотного проекта по совершенствованию системы высшего образования. В новой модели предусмотрены отдельные программы базового и специализированного высшего образования, а также аспирантура. Поэтому говорить о механическом объединении бывших бакалавриата и магистратуры в одну программу было бы неправильно. Для Дмитрия Детковского смысл изменений заключается в другой возможности — выстроить подготовку последовательно, чтобы углублённый курс продолжал базовый, а не повторял его или начинался с материала, к которому часть группы не готова.

Раньше преподаватель сталкивался с заметной разницей в стартовой подготовке магистрантов. Одни уже проходили его базовый курс, другие приходили из иных университетов или с программ, построенных по другой логике. В результате часть материала приходилось повторять, но даже повторение не всегда устраняло пробелы. Сильные студенты теряли время, а остальным было трудно перейти к более сложным задачам.

— Раньше фактически один курс проходили дважды: сначала его упрощённую версию, а затем расширенную. При этом у студентов, приходивших на следующую ступень с других программ, могла отсутствовать необходимая базовая подготовка. В результате уровень группы оказывался неравномерным. Гораздо продуктивнее сначала дать общую основу, а затем строить на ней углублённый курс. Тогда не приходится дублировать материал или резко переходить к темам, к которым часть студентов ещё не готова. Сложность должна нарастать последовательно, чтобы новые инструменты опирались на уже сформированные навыки, — пояснил Дмитрий Детковский.

Последовательность, по его мнению, важна именно в аналитике, где каждый следующий этап зависит от предыдущего. Невозможно надежно интерпретировать модель, если человек не умеет оценивать исходные данные. Бессмысленно учить сложной визуализации, пока студент не понимает, какой вопрос должен раскрыть график. Наконец, владение инструментом мало помогает тому, кто не способен сформулировать задачу и проверить, соответствует ли ей полученный результат.

Новая структура образования сама по себе этих проблем не решает. Она создаёт возможность заново связать дисциплины, уровни сложности и производственную практику. Реальный эффект зависит от содержания программ и от того, насколько преподаватели понимают итоговый профессиональный маршрут студента. В МАИ программы пилотного проекта, согласно материалам университета, должны обновляться с учётом будущих потребностей индустрии — именно здесь участие действующих специалистов становится особенно значимым.

Какие навыки не поместятся в программу?

Технологический инструмент можно освоить за относительно короткое время. Значительно сложнее научиться понимать новую задачу, задавать уточняющие вопросы и признавать, что имеющихся данных недостаточно для уверенного вывода. Дмитрий Детковский считает главным профессиональным навыком способность учиться. В ИТ конкретные языки, программы и способы обработки информации меняются быстрее, чем длится карьера, поэтому подготовка специалиста не может закончиться выдачей диплома.

— Самый главный навык — умение учиться. Технологии меняются, и за годы работы специалисту приходится осваивать новые языки программирования, подходы к обработке данных и способы применения искусственного интеллекта. Если человек не умеет воспринимать новое, он постепенно оказывается на обочине профессии. Второй важный навык — умение общаться, причем речь идёт не о бытовых разговорах, а о рабочих отношениях с коллегами из разных подразделений. Необходимо научиться находить общий язык с людьми, которые иначе смотрят на задачу и не обязаны владеть технической терминологией. Аналитик должен не только получить результат, но и сделать его понятным тем, кто будет на основании этого результата действовать, — заметил преподаватель.

Есть и менее очевидные умения. Специалисту необходимо представлять собственную работу: сильный результат не принесёт пользы, если о нём никто не узнает или автор не сможет объяснить его значение. Не менее важна работа с документацией, подчеркнул эксперт, — техническими требованиями, планами, описаниями систем. Документ фиксирует договорённости и позволяет команде одинаково понимать задачу, поэтому небрежность в формулировках способна превратиться в производственную ошибку.

Отдельно Дмитрий Детковский останавливается на важности чтения. Профессиональные знания не ограничиваются короткими инструкциями, роликами и ответами поисковой системы. Иногда сложный вопрос требует работы с книгой, документацией или большим текстом, а значит, концентрацию и усидчивость тоже приходится развивать. Преподаватель-практик должен следовать тому же правилу: если он перестаёт учиться, его курс постепенно превращается в рассказ о технологиях прошлого.

Может ли искусственный интеллект заменить этот путь?

Запрещать студентам использовать генеративный искусственный интеллект, как это иногда делают преподаватели, Дмитрий Детковский не считает разумным. Подобные системы уже стали частью цифровой среды, и будущему специалисту необходимо понимать их возможности, объясняет он. Однако доступ к инструменту не равен владению профессией. Модель может ускорить отдельную операцию, но она не знает производственного контекста так, как его знает человек, отвечающий за задачу.

— Я не запрещаю студентам использовать ChatGPT или другие инструменты искусственного интеллекта. При этом в обучении я делаю акцент на высокотехнологичных системах, которые действительно применяются в индустрии, а это далеко не всегда только ИИ. Сейчас искусственный интеллект — как трактор: он помогает делать работу быстрее, но задачу для него всё равно формулирует человек. Специалист должен понимать, какие данные он передал системе, что именно хочет получить и как будет проверять ответ. Если собственных знаний недостаточно, ждать от искусственного интеллекта качественного результата не стоит, — заметил Дмитрий Детковский.

Сравнение с трактором точно показывает место технологии в образовательной модели. Машина снимает часть физической или рутинной нагрузки, однако сама не выбирает поле, направление движения и цель работы. Генеративная система способна помочь с черновиком кода, структурированием информации или поиском варианта решения, но окончательную проверку нельзя передать ей автоматически. Пользователю всё равно приходится оценивать исходные данные, замечать противоречия и отвечать за вывод.

Поэтому появление ИИ не отменяет фундаментальные знания, а повышает их ценность. Чем быстрее инструмент производит ответ, тем легче принять правдоподобную ошибку за готовое решение. Человек, не понимающий предмета, не всегда заметит, что система неверно истолковала вопрос или предложила неподходящий метод. Воспитание аналитика теперь включает ещё одно умение — разумно распределять работу между собой и цифровым помощником.

Где учат превращать данные в решения?

Начать подготовку к аналитической профессии можно ещё в школе. Для неё нужны математика и информатика, но одних хороших оценок недостаточно. Полезно брать открытые наборы данных, формулировать собственные вопросы, проверять качество информации и объяснять результаты другим людям. Даже небольшой проект становится содержательным, если автор способен рассказать, почему выбрал источник, какие ограничения обнаружил и что позволяют утверждать полученные данные.

В МАИ соответствующая подготовка ведётся в Институте № 3 «Системы управления, информатика и электроэнергетика». Дмитрий Детковский читает здесь курсы по интеллектуальному анализу данных и бизнес-аналитике. В зависимости от выбранной образовательной программы выпускник может развиваться в анализе данных, проектировании информационных систем, создании аналитических хранилищ, разработке программного обеспечения или управлении цифровыми проектами. На стыке этих направлений особенно востребованы люди, которые понимают и техническую сторону решения, и задачу отрасли, для которой оно создаётся.

Однако главный результат такого обучения нельзя измерить количеством освоенных программ: Дмитрий Детковский стремится выпускать специалистов, которым не требуется заново объяснять саму логику работы: как найти данные, проверить их, обработать, представить результат и обсудить его с коллегами. Молодой аналитик может ещё не знать внутреннего устройства конкретной компании, но он уже понимает, какие вопросы необходимо задать и за какую часть решения отвечает лично.

Таким образом эксперт из индустрии воспитывает поколение не рассказами о собственных успехах и не набором готовых рецептов. Он создаёт условия, в которых студент проходит профессиональный путь в безопасной учебной среде, сталкивается с ошибками и учится исправлять их до того, как цена решения станет производственной. Искусственный интеллект сможет ускорить многие этапы этого пути. Выбрать направление и понять, зачем по нему двигаться, по-прежнему должен человек.