О том, как организации мало следят, что именно делают дата аналитики и не оптимизируют их работу, и о том, как таки повысить их эффективность в статье Wayne Eckerson

Из проблем что кажутся реальными:
- Слишком изолированы.. сидят в подвалах бизнес-подразделений с ограниченной связью с другими аналитиками данных и командой корпоративных данных.
- Слишком мало повторного использования.. не делятся своей работой, пайпланами и метриками, следовательно, не используют это повторно другие аналитики
- а также проблемы типа Too much time fixing data, Too dependent on data engineers, Too little support

Далее 5 рекомендаций по улучшениям. Из хорошего - создание data продуктов для ускорения операций дата аналитика и расширения анализа и переиспользования.

"A data product is typically SQL code that has been blessed or certified by an enterprise curator. To turn the asset into a data product, the analyst needs to describe the product in detail (i.e., create the metadata) and submit it for review and certification by a governance review board that inspects the code"

Замечания поверх:
- data products по сути такие полуфабрикаты - ноуты/вьюз, причесанные в продукт. Имеют место как стихийное явление комьюнити, но можно и развить как инициативу
- Data analyst в этой статье можно заменить на BI Analyst кому эта роль ближе
- Лестница карьерного развития хорошая, хотя неясно почему data scientist здесь является высшей ступенью для развития BI/Data analyst, ведь скорее параллельная ветка

🔗 полная версия статьи