苏拉吉·沙(Sooraj Shah) 考察了四大律师事务所和律师事务所在招聘最新数据方面的趋势。

利用数据获得竞争优势并不是什么新鲜事;尽管复杂程度和成功水平各不相同,但在过去几年中,每家律师事务所都将努力做到这一点。但是,随着对律师事务所所拥有数据的价值的更好地理解以及使我们能够分析数据的技术日趋成熟,使用数据进行竞争的竞争也有了新的紧迫性。充分利用律师事务所掌握的数据的关键是很难获得的专业技能-数据科学家的技能。

许多人错误地认为数据科学家只是数据分析师的代名词,但这是很重要的。尽管数据分析师已经存在了很多年,并且在法律行业中继续发挥着重要作用,但数据科学家是一个相对较新的品种。他们具有数学,统计和建模方面的技能,远远超出了数据分析师的能力。这意味着他们可以帮助内部开发可以从数据中获得更多见解的技术,还可以使用市场上更广泛的技术。

数据科学家的核心优势之一是知道要提出的正确问题,并确保数据的质量和管理处于较高水平。律师事务所越来越断定,这是一种可以使其与众不同的技能。电子邮件,文件和时间输入叙事等大量数据需要专家进行适当的结构和分析,因此数据科学家在律师事务所的招聘优先列表中居于首位。

律师事务所Bryan Cave Leighton Paisner的客户技术总监Christian Zust认为,这是因为律师事务所开始意识到分析在增强战略决策中的作用。他说:“多年来,许多人一直在使用历史费率和工时数据来帮助准确地为法律工作定价,而其他人则积极招募数据科学家,并拥有专业的团队来领导旨在改善内部流程的分析项目。” Zust建议公司引入数据架构师,他们可以帮助他们了解数据的结构和如何存储在系统中,然后提出改进建议,使数据收集更可靠,更易于检索,而数据科学家则可以“掌握数字”已招募来发现有助于改善当前流程或策略的见解。

在其律师基础上,公司正在积极招募懂得如何使用数据来增强其业务实践的合伙人和合伙人-这可能是诉讼中的律师,倾注任务级数据以消除过程中的重叠,或者是企业家就业律师可以推荐投资根据客户就业要求的新趋势进行管理培训。但是,数据科学在帮助律师事务所帮助自己的客户方面可能是最有用的。了解更多有关数据并能够据此采取行动的原因,是法律领域内数据科学家越来越大声疾呼的原因。

四大方法

尽管这是迈出积极的一步,律师事务所正在超越传统视野,并研究如何赶超其他行业,但仅雇用技术专家并不是或不应成为最终目标。

对四大专业服务公司的一瞥表明,需要的是结合了数据科学和领域专业知识的(本身就是未来主义的声音)混合体。

四大公司不仅在聘请精通数据的审计师,而且还在寻找审计师与数据科学家之间的桥梁。这意味着将审核员的技能与理解捕获,处理和可视化数据的能力进行配对。本质上,谁比行业专家自己更了解数据科学如何应用于行业?

Zust认为,“四大”方法是正确的方法,因为他们不是在使用数据科学代替会计师,而是在增强会计师为客户提供价值的方式。

尽管这种混合角色在法律界仍然很少见,但确实存在并且已经存在了一段时间:Bennett Borden被任命为美国律师事务所Drinker Biddle&Reath于2015年5月成为首位首席数据科学家。最初是律师的Borden曾重返大学,获得了业务分析的硕士学位。当时他对科技公司Relativity表示,法律中没有任何部分可以辅助使用分析。但至关重要的是,他建议,尽管数据分析专业人员可以帮助进行核心分析,但律师事务所和服务提供商不但可以做到这一点,而且还可以帮助公司了解其使用分析方法的法律和道德含义以及潜在的后果–是好是坏-他们可能会以某种方式使用数据。

“除此之外,我们还可以提供法律支持来处理这些后果。”

鲍登并不孤单。 Andrew Dunkley是英国前50名保险律师事务所BLM的分析主管。他是一位具有变更管理经验的合格律师,现在他带领一个数据科学家团队开发将预测分析应用于法律的新方法。

他解释说,他的团队的任务是“预测诉讼的时间,费用和最重要的是诉讼结果”。这样可以帮助律师事务所采取适当的行动,无论是达成或接受和解,还是可以增加处理特定案件的律师人数。

技术公司DataRobot拥有法学学位的面向客户的数据科学家Rajiv Shah声称,“最好的机器学习模型是由具有领域专业知识的数据科学家构建的”。

纯数据科学家与律师数据科学混合体

尽管Borden和Dunkley具有法律和数据科学知识,但他们的团队由“纯”数据科学家组成,而不是具有数据科学经验的律师。

为什么?有多种原因,但可能首要的原因是,获得律师或数据科学家的资格已经很困难。市场上已经缺乏数据科学家,并且试图聘请在法律行业有经验的数据科学家目前几乎是不可能的。

对于Borden和Dunkley而言,它们的重叠是使数据科学在律师事务所中工作的重要难题。

邓克利说:“只要雇用一群数学家,并告诉他们他们是数据科学团队的人,就向他们提供他们的数据,并希望他们开始工作,那就行不通了。”

相反,他建议公司需要考虑其主要目标是什么,以及他们如何在内部实现此目标的机制。此外,他认为IT部门,财务团队,变更管理团队和律师的结合才能充分利用数据。

普华永道(PwC)是四大公司之一,一直在其NewLaw实践中开展工作。

“我们正在利用我们跨学科业务的数据科学和分析能力,由专业律师与AI和数据分析专家,金融分析师以及法医/法律技术专家一起工作,使我们能够采用大数据方法来解决客户的重要问题”,普华永道法律技术和采购业务合伙人兼负责人Juan Crosby说。

Crosby解释说,普华永道通过结合这些技能,开发了AI合同数字化服务,该服务通过了解当前合同中的术语,确定需要添加哪些条款,帮助客户审查了数千份现有合同,删除或更改,然后生成符合规定并与交易对手达成协议的新版本合同。

他说:“我们的自动化解决方案读取了1,000份合同,评估了所需的更改,并在不到一分钟的时间内生成了每个合同的新合规版本。”

虽然律师事务所通常没有编写自己的AI软件的带宽或专业知识,应该避免使用,但Dunkley坚持认为,采用购买软件平台的方式并相信自己怀疑AI的律师事务所的做法不正确。要么。 “您需要具有技术背景的高素质人才–这是使其发挥作用的诀窍。

您需要一些独特的卖点(USP),但您还需要一些认真的数据科学家,因为这些技术并不简单。

将数据科学与法律融合的替代方法

考虑到当前和持久的技能差距,律师事务所必须具有创造力,以获取数据科学专业知识,包括培训和发展现有员工。

Zust解释说,Bryan Cave Leighton Paisner倾向于内部培养人才,方法是为那些对数据分析有兴趣和能力的人提供在实践中进行实验和创新的方法,并提供培训和认证以提高他们的技能。

他说,其他律师事务所正在与具有远见的法学院合作开发课程,以使学生接触现实世界中的问题,这些问题可以通过利用技术,分析和流程改进来解决。

祖斯特说:“一些人已经建立了精心设计的相关培训模块,教导新的律师在实践中采用技术,流程改进和数据分析。”

与数据科学家相比,这些技能更可能与数据分析师相关联,但是在游戏的这个阶段,进步就是进步。

Dunkley建议,虽然期望律师掌握数据科学技能可能是不现实的,但让他们开始使用基本数据工具并与业务中其他律师进行更为复杂的对话并不是不现实的。

他说:“律师必须产生的成本预算在Excel中,所以我认为您不需要律师学习如何产生机器学习算法或Python,但是他们确实需要能够与有能力的人一起工作。” 。

这就是难题:律师将需要能够与能够编码的人员合作,并对数据科学家如何帮助他们进行充分的数学和统计理解。此外,当项目的一部分属于该专业领域时,他们需要信心和知识来服从数据科学家。

正如Zust所强调的那样,“尽管专业知识会有所帮助,但让律师知道不要惧怕数据科学并了解数据科学如何增强他们的业务更为重要。 “尽管不完全理解数据科学家如何得出结论是很好的,但是了解数据分析如何能够更快地发现问题,识别新兴趋势并为战略决策提供信息对于从根本上为客户提供最佳建议至关重要, “ 他说。

至于数据科学家本身,法律行业可能并不是通常的做法,但是即使不是硅谷丰厚的利润,法律行业也可以被定位为一种非常有益的职业道路。

邓克利说:“您正在面对高度的不确定性,并要解决直接影响真实人的问题-许多数据科学家发现这确实有动机。”

在接下来的十年中,混合角色可能会吸引更多人,但就目前而言,具有适当软技能与律师和其他同事一起工作的数据科学家绰绰有余–如果找到一个,那就是。

这篇文章首先出现在四月的橙色抹布通讯中–要获取免费的每月副本,请点击此处: http://www.nurturedmoms.com//latest-newsletter/