Created by AIImproved by people
Riqli · living documents · updated continuously
Where AI knowledge meets human practice.
Share with friends
1. Общие положения
Настоящий документ определяет организационные основы, функциональные обязанности, права, ответственность и показатели эффективности для должности «Специалист по данным» (Data Scientist) в организации. Документ является обязательным для исполнения и применяется при организации трудовых отношений, оценке деятельности и планировании профессионального развития сотрудника.
1.1. Назначение документа
Документ устанавливает единые требования к деятельности Специалиста по данным, регламентирует его участие в бизнес-процессах организации, связанных со сбором, обработкой, анализом и интерпретацией данных. Положения документа являются основой для разработки индивидуальных планов развития, проведения аттестации и определения размера мотивационных выплат.
1.2. Правовая основа
Данная должностная инструкция разработана в соответствии с Трудовым кодексом Российской Федерации, внутренними нормативными актами организации, политикой в области информационной безопасности и защиты персональных данных, а также отраслевыми стандартами в области обработки и анализа данных.
1.3. Основные термины и определения
- Бизнес-процесс — совокупность взаимосвязанных мероприятий или задач, направленных на достижение конкретной цели организации;
- ETL (Extract, Transform, Load) — процесс извлечения данных из источников, их преобразования и загрузки в хранилище;
- Модель данных — математическое или алгоритмическое представление, используемое для прогнозирования или классификации;
- Валидация модели — процесс оценки качества модели на независимых данных для проверки её точности и обобщающей способности;
- BPMN (Business Process Model and Notation) — стандарт графической нотации для моделирования бизнес-процессов.
2. Цель должности и область ответственности
Раздел определяет миссию Специалиста по данным и ключевые области его ответственности в рамках бизнес-процессов организации.
2.1. Миссия специалиста по данным
Миссия Специалиста по данных заключается в создании и поддержке процессов преобразования сырых данных в пригодные для принятия решений инсайты и прогнозы. Сотрудник обеспечивает извлечение ценности из данных для достижения стратегических и операционных целей бизнеса, повышая эффективность процессов на основе объективных количественных показателей.
2.2. Ожидаемые результаты деятельности
Основными ожидаемыми результатами работы являются: разработанные и валидированные модели данных для задач прогнозирования и классификации; автоматизированные пайплайны обработки данных (ETL); аналитические отчёты и дашборды для руководства; улучшение ключевых бизнес-показателей за счёт внедрения решений на основе данных. Результаты должны быть воспроизводимыми, документированными и соответствовать требованиям информационной безопасности.
2.3. Границы ответственности
Специалист по данным отвечает за корректность методологии анализа, точность вычислений, обоснованность выводов и безопасность обрабатываемых данных. Он не несёт ответственности за операционные решения, принятые руководством на основе предоставленных результатов, но несёт ответственность за качество представленной аналитики и своевременность её предоставления.
3. Подчинение и взаимодействие
Раздел регламентирует административные и функциональные связи Специалиста по данным в структуре организации.
3.1. Административное подчинение
Специалист по данных непосредственно подчиняется Руководителю отдела аналитики и данных (или Директору по данным). В своей деятельности руководствуется должностной инструкцией, приказами и распоряжениями непосредственного руководителя, а также политиками организации.
3.2. Функциональное взаимодействие
В процессе работы сотрудник взаимодействует с руководителями и специалистами других подразделений: ИТ-отделом (по вопросам инфраструктуры и доступа), бизнес-подразделениями (для формализации требований к данным и моделям), отделом управления качеством (для валидации результатов) и службой безопасности (по вопросам защиты информации).
3.3. Замещение
На время отсутствия Специалиста по данным (командировка, отпуск, временная нетрудоспособность) его обязанности возлагаются на другого сотрудника отдела аналитики и данных, назначенного приказом руководителя. Прием и передача дел осуществляются в установленном порядке с составлением акта приема-передачи данных и текущих задач.
4. Должностные обязанности
Настоящий раздел содержит полный перечень обязанностей, выполняемых Специалистом по данным в рамках бизнес-процессов и этапов анализа данных.
4.1. Участие в постановке задачи
- Взаимодействовать с бизнес-заказчиками для формализации аналитических задач и бизнес-требований к конечному продукту;
- Переводить бизнес-требования в техническое задание для разработки моделей данных и пайплайнов;
- Оценивать сложность, сроки и ресурсы, необходимые для выполнения аналитических задач;
- Согласовывать с заинтересованными сторонами критерии успеха (метрики качества) и ожидаемые результаты проекта.
4.2. Организация ETL-процессов и работы с данными
- Проектировать и разрабатывать пайплайны для извлечения данных (Extract) из различных источников: реляционные базы данных (SQL), файловые системы, API, потоковые данные (Kafka);
- Выполнять очистку, трансформацию и агрегацию данных (Transform) для приведения их к аналитическому виду;
- Организовывать загрузку подготовленных данных (Load) в хранилища данных, витрины данных или аналитические платформы;
- Обеспечивать автоматизацию и мониторинг ETL-процессов с использованием систем оркестрации (например, Apache Airflow).
4.3. Разработка и исследование моделей данных
- Проводить разведочный анализ данных (EDA) с использованием статистических методов и визуализации для выявления закономерностей и аномалий;
- Разрабатывать модели данных для решения задач прогнозирования, классификации, кластеризации и оптимизации;
- Применять методы машинного обучения (классические и нейросетевые подходы), а также статистические модели (регрессии, временные ряды);
- Документировать процесс разработки моделей, включая выбор метрик, обоснование архитектуры и анализ результатов.
4.4. Валидация моделей и оценка качества
- Проводить валидацию моделей на контрольных выборках с использованием кросс-валидации, отложенных выборок и бизнес-тестов;
- Оценивать качество моделей с использованием метрик: точность (Accuracy), полнота (Recall), F1-мера, AUC-ROC, MAE, RMSE и другие в зависимости от задачи;
- Тестировать устойчивость моделей к изменениям во входных данных (дрейф данных);
- Готовить заключение о готовности модели к внедрению в продуктивную среду.
4.5. Внедрение и мониторинг моделей в продуктивной среде
- Совместно с инженерами данных и разработчиками обеспечивать интеграцию моделей в продукты и бизнес-приложения;
- Настраивать мониторинг качества моделей в эксплуатации (Performance Monitoring);
- Разрабатывать планы периодического ре-тренинга (рекалибровки) моделей на новых данных;
- Оперировать сценариями работ для поддержания актуальности моделей.
4.6. Разработка регламентов и чек-листов этапов
- Разрабатывать и актуализировать внутренние регламенты и чек-листы этапов анализа данных, включая этапы постановки задачи, ETL, исследования и валидации;
- Создавать шаблоны документации для воспроизводимости исследований (Jupyter Notebooks, отчеты);
- Внедрять и поддерживать стандарты качества кода и данных в команде (Code Review, Data Review);
- Участвовать в совершенствовании методологии бизнес-процессов на основе полученного опыта.
4.7. Формирование отчетности и визуализация результатов
- Готовить аналитические отчеты и презентации для руководителей и бизнес-заказчиков на русском и английском языках;
- Разрабатывать информационные панели (дашборды) в инструментах BI (Power BI, Tableau, Superset) для отслеживания ключевых показателей и результатов моделей;
- Представлять результаты анализа на внутренних комитетах и в рабочих группах.
5. Права сотрудника
Раздел определяет права, предоставляемые Специалисту по данным для эффективного выполнения должностных обязанностей.
5.1. Право доступа к информации
Специалист по данным имеет право на доступ к корпоративным данным и информационным системам в объёме, необходимом для выполнения его функциональных обязанностей. Доступ предоставляется в соответствии с политикой безопасности и на основе принципа минимально необходимых привилегий.
5.2. Право принятия решений
В рамках своей компетенции сотрудник имеет право принимать решения о выборе методов анализа, архитектуры ETL-процессов, используемых библиотек и инструментов, если это не противоречит стандартам организации. Окончательное решение по внедрению моделей в продуктивную среду принимается на согласованном уровне.
5.3. Право на запрос ресурсов
Сотрудник имеет право запрашивать у руководителя необходимые для работы вычислительные ресурсы (включая облачные мощности, GPU), лицензии на программное обеспечение и библиотеки, а также направлять предложения по дооснащению рабочего места техническими средствами.
5.4. Право на профессиональное развитие
Сотрудник имеет право на участие в профильных конференциях, семинарах и курсах повышения квалификации за счет работодателя в рамках утвержденного бюджета на обучение. Он также имеет право на доступ к профессиональной литературе и библиотекам знаний.
6. Ответственность и подотчетность
Раздел устанавливает меры ответственности за неисполнение или ненадлежащее исполнение обязанностей.
6.1. Ответственность за качество работы
Специалист по данным несет дисциплинарную ответственность за невыполнение или ненадлежащее выполнение должностных обязанностей, а также за недостоверность предоставленных аналитических данных и выводов. Качество работы оценивается по результатам валидации моделей и бизнес-эффекта от их внедрения.
6.2. Ответственность за сохранность данных и конфиденциальность
Сотрудник несет ответственность за соблюдение режима конфиденциальности в отношении обрабатываемых данных, включая персональные данные и коммерческую тайну. Разглашение конфиденциальной информации влечет за собой дисциплинарную, административную или уголовную ответственность в соответствии с законодательством РФ.
6.3. Материальная ответственность
Специалист по данным несет материальную ответственность за ущерб, причиненный организации в результате его неправомерных действий (бездействия), в том числе при утере или повреждении вверенного ему имущества, оборудования и носителей информации, в пределах, установленных трудовым законодательством.
7. Квалификационные требования
Раздел описывает минимальные требования к образованию, опыту и навыкам кандидата на должность Специалиста по данным.
7.1. Образование и опыт работы
- Высшее профессиональное образование (магистратура или специалитет) в области «Прикладная математика», «Информатика», «Статистика», «Компьютерные науки» или смежных областях;
- Опыт работы в области анализа данных от 2-х лет;
- Наличие портфолио выполненных проектов по машинному обучению или анализу больших данных является преимуществом.
7.2. Профессиональные знания и навыки
- Глубокое знание языка программирования Python и библиотек для анализа данных (Pandas, NumPy, SciPy) и машинного обучения (Scikit-learn, XGBoost, LightGBM, PyTorch или TensorFlow);
- Знание SQL для работы с реляционными базами данных (опыт с PostgreSQL, ClickHouse, Snowflake);
- Понимание принципов ETL, опыт работы с системами управления базами данных и файловыми хранилищами;
- Знание статистических методов, теории вероятностей и математической оптимизации;
- Опыт работы с инструментами визуализации (Matplotlib, Seaborn, Plotly) и BI-системами.
7.3. Знание систем и методологий
- Понимание нотаций моделирования бизнес-процессов: BPMN и IDEF0;
- Знание методологии EPC (Event-driven Process Chain);
- Опыт работы в системах контроля версий (Git);
- Понимание принципов MLOps (автоматизация жизненного цикла моделей), опыт с Docker, Kubernetes.
7.4. Личные и коммуникативные качества
- Системное и критическое мышление;
- Способность к структурированию сложной информации и работе с большими объемами данных;
- Навыки делового общения и ведения переговоров с бизнес-заказчиками;
- Командная работа, ориентация на результат и высокий уровень ответственности.
8. Условия труда и организация рабочего места
Раздел описывает особенности условий работы Специалиста по данным.
8.1. Режим работы
Режим работы определяется правилами внутреннего трудового распорядка организации. Для Специалиста по данным может быть установлен ненормированный рабочий день, связанный с необходимостью оперативного реагирования на сбои в ETL-процессах или выявлением критических ошибок в моделях.
8.2. Условия труда на рабочем месте
Сотрудник обеспечивается компьютером или ноутбуком с характеристиками, достаточными для работы с большими данными и машинным обучением (объем ОЗУ, процессор, графический ускоритель). Рабочее место должно соответствовать санитарно-гигиеническим требованиям и нормам эргономики. Предоставляется доступ к корпоративным сетям и ресурсам, включая среды разработки и данные.
8.3. Командировки
В служебные обязанности может входить направление в командировки для участия в совещаниях, внедрения проектов на площадках заказчиков или обмена опытом. Командировки осуществляются по приказу руководителя с возмещением всех расходов в установленном порядке.
9. Ключевые показатели эффективности (KPI)
Раздел определяет показатели, используемые для оценки эффективности деятельности Специалиста по данным.
9.1. Производственные показатели
- Точность и стабильность разработанных моделей данных в продуктивной среде (метрики качества — не ниже оговоренных в SLA);
- Своевременность выполнения задач по разработке и внедрению моделей в соответствии с утвержденными дорожными картами;
- Доля автоматизированных ETL-процессов в общем объеме задач (целевой показатель — не менее 80 %);
- Количество критических инцидентов, связанных с качеством данных или работой моделей (снижение числа инцидентов).
9.2. Бизнес-эффект
- Измеримое влияние внедренных моделей на бизнес-показатели (рост прибыли, снижение издержек, улучшение операционных метрик);
- Количество принятых бизнес-решений, основанных на предоставленной аналитике;
- Удовлетворенность внутренних заказчиков качеством и своевременностью предоставления аналитики (по результатам опросов).
9.3. Профессиональное развитие и инновации
- Внедрение новых методов или инструментов, повышающих эффективность процессов (количество успешных пилотных проектов);
- Участие во внутренних и внешних обучающих мероприятиях как слушатель или докладчик;
- Своевременное обновление документации и регламентов в соответствии с изменениями в методологии.
9.4. Периодичность оценки KPI
Оценка ключевых показателей эффективности проводится ежемесячно руководителем и ежеквартально на заседании профильной комиссии с участием руководителя отдела. Результаты оценки используются для принятия решения о материальном стимулировании, карьерном росте и корректировке планов развития.
10. Бизнес-процессы, чек-листы и сценарии работ
Раздел содержит детальное описание ключевых бизнес-процессов, этапов работ и чек-листов в рамках деятельности Специалиста по данным с использованием методологий BPMN, IDEF0 и EPC.
10.1. Бизнес-процесс «Постановка аналитической задачи» (BPMN)
Процесс начинается с поступления запроса от бизнес-заказчика. Специалист по данным совместно с аналитиком уточняет требования, формулирует гипотезы и определяет критерии успеха. Ключевые этапы процесса включают: «Инициация запроса», «Сбор и уточнение требований», «Анализ данных источников», «Формулировка технического задания», «Согласование ТЗ». Выходом процесса является утвержденное техническое задание на исследование данных или разработку модели. Основные роли: инициатор, специалист по данным, руководитель отдела.
10.2. Бизнес-процесс «Разработка и валидация модели» (IDEF0)
Данный процесс рассматривается в контексте функционального моделирования IDEF0. Входящие потоки: техническое задание, данные из источников, требования по архитектуре. Управляющие потоки: политика качества, стандарты MLOps. Механизмы: инструменты разработки и валидации. Функции, выполняемые процессом: извлечение и подготовка данных, исследовательский анализ, выбор и обучение модели, проведение валидации модели, подготовка отчета. Исходящие потоки: обученная модель, отчет о валидации, журнал экспериментов.
10.3. Сценарий работ по ETL-процессу (EPC-диаграмма)
Сценарий описывает логику ETL-процесса в нотации EPC. Началом служит событие «Запуск пайплайна по расписанию». За ним следует функция «Извлечение данных из источников (API, БД, файлы)». Результатом является событие «Данные извлечены». Затем выполняется функция «Трансформация и очистка данных» с проверкой качества. При успешной проверке — загрузка в хранилище; при неудаче — отправка уведомления администратору и запись лога ошибки. Конец процесса — событие «Данные загружены и готовы к использованию».
10.4. Чек-лист этапа «Исследовательский анализ данных»
- Проверка и фиксация объема выборки и структуры данных;
- Анализ пропусков и выбросов, принятие решения по их обработке;
- Визуализация распределений (гистограммы, box plots) и зависимостей (correlation matrix);
- Проверка статистических гипотез о значимости признаков;
- Создание новых признаков (feature engineering) при необходимости;
- Документирование всех наблюдений и обоснования решений в отчете.
10.5. Чек-лист этапа «Разработка модели»
- Выбор базовой архитектуры модели в соответствии с поставленной задачей;
- Разделение выборки на обучающую, валидационную и тестовую (обычно 70/15/15);
- Выбор и настройка гиперпараметров (Grid Search / Random Search / Bayesian Optimization);
- Обучение базовой модели и нескольких альтернатив для сравнения;
- Оценка качества на валидационной выборке с использованием метрик точности;
- Анализ ошибок модели (residuals, confusion matrix).
10.6. Чек-лист этапа «Валидация модели»
- Проведение валидации модели на отложенной тестовой выборке, ранее не участвовавшей в обучении;
- Сравнение метрик с указанным в ТЗ бенчмарком (бизнес-требованием);
- Проверка модели на устойчивость к возмущениям и «дрейфу данных»;
- Проведение A/B-теста на реальных данных в полупродуктивной среде (если применимо);
- Фиксация всех результатов тестирования и подготовка заключения о готовности модели к эксплуатации.