Как стать аналитиком

Как стать аналитиком без профильного образования

Татьяна работает аналитиком в компании LOOQME. По ее мнению, именно наличие системного мышления, критического склада ума и умение делать логические выводы, рассуждая последовательно и непротиворечиво, которые присущи политологам, являются прямой предпосылкой к профессии аналитика.

Тетяна Ткачук

Татьяна Ткачук
аналитик компании LOOQME

Кто такой аналитик

Аналитик обычно ассоциируется со сложными таблицами, графиками, мониторингом, анализом данных и т. д. И это, безусловно, так. Но эта работа не лишена творчества и увлекательности.

Поскольку для работы в аналитике необходимы такие «точные» навыки как владение Excel и знание HTML на продвинутом уровне, у многих складывается впечатление, что аналитика — равно высшая математика.

Да, есть миф, что нужен математический склад ума, а гуманитариям в этой работе будет тяжело. Но это только миф.

Огромный плюс гуманитарного образования — это то, что ты учишься объяснять сложное простыми словами. Плюс, гуманитарное образование это осведомленность «понемногу обо всем», что тоже важно для начала карьеры аналитика.

Гуманитарий ориентируется во многих сферах. У него сформирована гибкость мышления — способность переключаться с одного проекта на другой, даже если по содержанию они очень разные. Получается осознавать взаимосвязи при анализе объекта с разных сторон, думать о факторах воздействия на объект исследования, соответственно, шире.

Работа аналитиком

Первое, что мне поручали, — это первичная обработка данных (кодирование новостей) и помощь опытным аналитикам в подготовке отчетов. Плюс простые по структуре обзоры новостей, тематика которых зависит от заказчика. Освоиться мне помогли базовые знания в политологии и экономике, полученные в университете.

Сейчас, уже имея опыт, я могу сказать, что работа в аналитике — это, во-первых, безумно интересно.

Привлекает сам процесс: приводишь массив данных в единую форму, применяя определенные критерии для ее составления. И уже имея на руках систематизированную информацию, ты можешь использовать ее в зависимости от целей.

Во-вторых, это полезно для знания и понимания взаимосвязей, отслеживания, анализа текущих событий, сопоставление процессов.

Если говорить о политических проектах, которые мне поручали в силу моего образования, — я анализирую, насколько широко освещается в СМИ деятельность конкретного деятеля или политической силы, под каким «соусом» это подавали различные издания.

Можно понять, кто вклинивается в твою политическую тему, например, сколько политиков пиарятся на теме коронавируса, сравнить объем упоминаний своих месседжей другими. Я могу не только на количественном, но и на качественном уровне проанализировать, кто информационно победил в политическом конфликте, например, проанализировав соотношение положительных / отрицательных упоминаний.

Могу отсеять неэффективные меры, осуществляемые в целях формирования политического имиджа (приложил много ресурсов, а упоминаний в центральных СМИ, например, практически нет). И наоборот, могу рекомендовать на основании того, какие темы для политика являются «успешными», какую проблематику можно поднять в своей риторике и т. д. Мне кажется, это круто.

В-третьих, когда полученное понимание ложится на имеющиеся знания политической истории, устройства мировой политики, геополитики и на основе этих данных можно прогнозировать развитие дальнейших событий.

Плюсы и минусы работы аналитиком

В профессии аналитика всегда есть куда расти. На сегодняшний день для меня уже нет разницы, с какими проектами работать — политическими или корпоративными. Я поняла, что у меня получается. И далее в этой сфере можно очень многому учиться. Выработка пластичности, желание к постоянному совершенствованию — это существенный плюс профессии.

Также в любом проекте при разработке шаблонов и разработке выводов я раскрываю свою работу в соответствии с собственным видением. Несмотря на существование технического задания и требований заказчика, всегда остается место для собственного «творчества».

Плюс это или минус, решать лично каждому, но работа аналитиком требует постоянной включенности в новости. Даже если я хотела бы пропустить какую-то новость — мне ее уже не миновать никак.

Среди минусов, в работе аналитика присутствует некоторая монотонность работы, она требует усидчивости и сосредоточенности. Возможны возникновения стрессовых ситуаций, когда горят дедлайны.

Сложность работы аналитика часто заключается в объемах работы. Очень часто бывают, если можно так выразиться, информационные всплески. Если заказ является срочным, здесь не обойтись без физической и эмоциональной выносливости.

Какие навыки нужны аналитику

Здесь важно упомянуть о soft skills, которые необходимо развивать как политологу, так и аналитику:

умение сфокусироваться на задаче;
внимательность к деталям;
навыки быстрого реагирования.

Мне повезло начинать свою карьеру в LOOQME, поскольку эта компания собирает аналитику со всех типов СМИ и уровень автоматизации не может не восхищать. Такой опыт стал для меня настоящим вызовом: динамичность и огромные возможности это и тяжело, и вдохновляюще одновременно.

С проектами бывает трудно. В конце дня часто чувствую себя утомленной. Однако работу аналитика не променяю ни на какую другую.

Как стать аналитиком данных с нуля

Сегодня данные собирает практически каждая компания – от простых магазинов до финтеха. Но чтобы эти данные приносили пользу, бизнесу нужен аналитик, который систематизирует и приводит в порядок массив информации. Подробно в задачах и навыках этого специалиста разбираемся в статье.

Освойте профессию «Аналитик данных»

Кто такой аналитик данных

Аналитик данных собирает, обрабатывает, анализирует и интерпретирует всю имеющуюся информацию. Затем специалист делает выводы, на основе которых принимаются серьезные решения для оптимизации бизнес-процессов. Data Analyst необходим, когда, например, компания планирует внедрить дополнительные функции в мобильное приложение или разработать новый продукт. Такие изменения стоят больших денег и занимают много времени, и тратить эти ресурсы впустую никому не хочется. Здесь на помощь приходит аналитик: он исследует данные о поведении пользователей, проводит А/B-тесты, оценивает перспективы продукта или функции и прогнозирует реакцию клиентов на них. Такой подход позволяет компании снизить возможные риски.

Профессия / 12 месяцев
Аналитик данных
Находите закономерности и делайте выводы, которые помогут бизнесу
4 890 ₽/мес ~~8 150 ₽/мес~~

Group 1321314279 (2)

Ключевые задачи аналитика:

Сбор данных. В начале работы специалист должен определить цель — например, выяснить, на какой продукт самый высокий спрос. А для этого нужно понять, какие данные необходимы и где их взять.
Очистка. Все входящие данные не систематизированы. Задача аналитика — избавиться от ненужных и привести в порядок те, что необходимы.
Объединение. Аналитик собирает готовые данные в единую таблицу, чтобы составить отчеты и построить графики.
Визуализация. Специалист определяет закономерности и, опираясь на базу данных, готовит отчеты, графики и диаграммы. Дальнейшие выводы может сделать как сам аналитик, так и руководитель.

Чем занимается аналитик, коротко: собирает и систематизирует данные, а затем делает выводы, на основе которых компания принимает важные решения для улучшения работы бизнеса.

Ленар Фатхутдинов,
аналитик в финансовой компании «Киберлэндинг»

Я работаю на метафинансовую организацию в операционном блоке. Моя глобальная задача — оценивать эффективность сотрудников разных отделов. Например, я провожу оценку операторов колл-центра: каждый звонок — это строчка данных. Нужно проанализировать их и показать руководству, насколько эффективен каждый сотрудник и отдел в целом, сколько звонков операторы принимают в час, насколько успешно их обрабатывают.

Почему аналитики данных востребованы

Аналитики больших данных востребованы во всех сферах: по данным на июль 2023 года, на портале Headhunter.ru открыты 15 825 вакансии с зарплатой от 40 000 до 450 000 рублей. Больше всего вариантов в Москве — 4 529. Спрос превышает предложение, ведь работа с внушительным количеством данных требует определенных навыков. Популярность этой специальности продолжает расти, потому что все больше компаний чувствуют необходимость собирать и изучать данные как по клиентам, так и по конкурентам.

вакансии аналитика данных на hh.ru

Зачем компании аналитик

В любой компании, где возможно сохранять данные о продукте и поведении клиентов, появляется работа для аналитика. Задача этого специалиста — определить, на что тратятся деньги, где есть точки роста для продукта, как привлечь больше пользователей, как повысить количество покупок или средний чек.

Без аналитика точно не обойтись, если требуется:

провести исследование. Специалист собирает и изучает внутренние и внешние данные, находит ошибки и дает обратную связь;
сравнить варианты развития. Аналитик поможет оценить окупаемость планируемой рекламы или внести изменения в бизнес-модель, которая по каким-либо причинам не работает недостаточно эффективно или не работает вовсе;
проанализировать результаты. Например, вы заметили, что пользователи покидают сайт после того, как добавили товары в корзину. Аналитик поможет выяснить причину и разработать новую стратегию развития;
понять поведение пользователей. Например, чтобы выяснить, какая фотография товара привлечет больше пользователей — на белом фоне или с тематической композицией. В этом случае аналитик проведет A/B-тестирование.

Качества востребованного аналитика данных

Для того чтобы достичь успеха и подняться по карьерной лестнице в аналитике, аналитику нужно сочетание развитых хард- и софт-скиллов.

Ленар Фатхутдинов,
аналитик в финансовой компании «Киберлэндинг»

Мой базовый инструментарий на работе — это Excel, SQL и Python. Также из хард-скиллов нужно математическое мышление. Аналитика данных — это как раз тот случай, когда вам пригодится алгебра из 7–8 классов школы. Без высшей математики обойтись можно, но для некоторых расчетов составлять и решать простые уравнения с х нужно.

Софт-скиллы аналитика:

внимание к деталям и усидчивость. В аналитике нужно быть готовым к рутинной работе: проверять по несколько раз отчеты, следить за каждым нулем и запятой. Достоверность данных важна для принятия стратегических и бизнес-решений;
рациональный скептицизм. Хороший дата-аналитик может спрогнозировать определенные показатели, поэтому понимает, реалистичные получились цифры или нет. Обязательно еще раз проверит источник данных и расчеты, если есть даже малейшие сомнения в их правильности;
коммуникативные навыки. Аналитику необходимо взаимодействовать со многими командами, поэтому навык общения и умение четко доносить свои мысли точно пригодятся в работе.

Как быстро можно стать аналитиком данных

Все зависит от вашего темпа и формата обучения, отвлекающих факторов и стартовой базы. Минимальный срок, за который можно освоить профессию, — 6 месяцев. Однако это возможно при условии, что у вас уже есть сильная теоретическая база по математике, статистике или экономике.

Выучиться на аналитика данных можно в вузе, это может занять от двух до шести лет, в зависимости от формы обучения и выбранной программы. Наиболее распространенные направления — информатика, физика, экономика и математика. Можно рассмотреть ведущие университеты страны, например МГУ им. М.В. Ломоносова, ВШЭ, МФТИ и МГТУ им. Баумана.

Читайте также Высшее образование в IT: кому нужно, как выбрать вуз и поступить

Можно получить профессию аналитика и быстрее. На онлайн-курсах студенты за 6–18 месяцев осваивают основные инструменты для работы аналитиком, приобретают необходимые практические навыки и сразу погружаются в специальность. Главные преимущества такого формата обучения — проработанная актуальная программа, практикующие спикеры из ведущих компаний и много практики уже с самого начала учебы.

С чего начать новичку

Если вы не обладаете обширными знаниями высшей математики, это не значит, что не сможете найти свое место в профессии. Понимать высшую математику желательно, но не обязательно, сейчас в работе вам помогут готовые библиотеки и алгоритмы. Вам же останется научиться решать прикладные задачи и пользоваться необходимыми инструментами. Однако если вы планируете в будущем заниматься серьезной аналитикой, то без знаний теории вероятностей и матстата здесь уже не обойтись.

Вот несколько рекомендаций для успешного входа в профессию:

Подружитесь с языками Python и R — это два ключевых инструмента для работы.
Изучите работу с базами данных и язык запросов SQL. Это поможет вам искать нужную информаци/.
Не забудьте о практике. Теория — лишь инструмент, который бесполезен, если не уметь им пользоваться. Старайтесь отрабатывать полученные знания на учебных или pet-проектах, поищите стажировки.

Как искать работу

Поиск работы — достаточно трудоемкое и стрессовое занятие. Расскажем основные моменты, которые облегчат этот процесс.

Составьте резюме и сопроводительное письмо

Резюме — первое, что видит рекрутер, поэтому важно четко расставить акценты и сфокусироваться только на релевантном опыте. Документ не должен быть слишком длинным, потому что никто не захочет читать несколько страниц скучного перечисления мест работы и учебы, начиная со школы.

Практические советы:

Постарайтесь уложиться в одну-полторы страницы.
Если у вас пока не так много опыта или вы вовсе нигде не работали по специальности, укажите студенческие проекты и вашу роль в них.
Демонстрируйте результаты через цифры — это наглядно и понятно.
Если вы проходили дополнительные курсы для развития компетенций, то обязательно расскажите об этом. Это покажет вас как человека, который стремится развиваться и совершенствоваться.
Адаптируйте резюме под каждую вакансию, можно использовать ключевые слова из описания позиции. Но не врите о своих навыках и опыте — это вскроется либо на собеседовании, либо на тестовом задании.
Забудьте о клише и стандартных фразах при рассказе о ваших качествах. Однотипные резюме стрессоустойчивых и пунктуальных соискателей рекрутер видит каждый день и сразу же забывает. Вы должны показать свою уникальность и выделиться на фоне остальных кандидатов. Демонстрируйте свои качества через примеры.

И, конечно, сопроводительное письмо — без него многие компании даже не рассматривают резюме. В нем рекомендуем рассказать, почему вас заинтересовали вакансия и сама компания, как вы можете помочь продукту и бизнесу, почему именно ваши навыки и опыт будут полезны. Здесь так же, как и в резюме, нужно продемонстрировать индивидуальность и личный интерес к проекту. Письмо должно быть запоминающимся, не стоит ориентироваться на шаблонные примеры в интернете.

Читайте также Видео: как новичку правильно оформить резюме

Соберите портфолио

Портфолио — обязательная часть поиска работы. Студенческие проекты, промежуточные домашние задания с курсов или ваш дипломный проект — все это отлично подойдет для портфолио. Не забывайте, что вы также можете продемонстрировать свои знания и навыки на pet-проекте. Работодателю важно увидеть, что, помимо твердых теоретических навыков, у вас есть практическая база.

Начните искать вакансии

Не стоит ограничиваться привычным Headhunter.ru, потому что самые интересные вакансии компании сперва публикуют в своих каналах — на сайте или в телеграм. Например, два-три раза в год Ozon и VK открывают набор на оплачиваемые стажировки с возможным трудоустройством. Помимо этого, не забывайте о кейс-чемпионатах и хакатонах, на которых можно прокачать навыки на практике.

Лучше откликаться на 10–20 вакансий, и, даже если вас не примут на работу, у вас будет накапливаться опыт общения на собеседованиях и решения тестовых заданий. Их, кстати, тоже можно включать в портфолио.

Советы для прохождения собеседования

Для начала уточните, какое именно собеседование вам предстоит — с HR-специалистом, который проверит ваши софт-скиллы, или же техническое собеседование, когда потенциальный коллега протестирует ваши хард-скиллы и практические навыки.

В обоих вариантах важна подготовка:

Узнайте больше о компании, ее ценностях и проектах.
Заранее продумайте ответы на популярные вопросы от рекрутеров — например рассказ о трудностях на работе и как вы их решили.
Для технического задания обязательно восполните пробелы в работе с программами.
Просмотрите форумы с примерами задач и потренируйтесь.

Уровни развития аналитика

Востребованность аналитиков связана и с тем, что в этом направлении можно расти и вертикально, и горизонтально. Но, как и в большинстве профессий IT-сферы, все начинается с позиции стажера или джуна, и только по прошествии времени вы превращаетесь в мидла и сеньора.

Стажер

Как правило, требования для стажеров минимальны: релевантный опыт необязателен, а вот знание основ (алгоритмов, структур данных) и определенные человеческие качества (например, внимательность к деталям и коммуникабельность) — must have. Первое время наставник и руководство будут уделять вам и без того много внимания, поэтому никому не захочется брать на себя дополнительную нагрузку и объяснять очевидные вещи.

Профильное университетское образование, минимальный опыт и тип мышления будут плюсом. На начальном этапе в обязанности стажера будут входить формальные задачи, которые поставит перед ним старший аналитик или руководитель отдела. Цель — закрепить навык поиска и обработки информации для дальнейших этапов. Никто не будет просить визуализировать результат и делать прогнозы в первые дни.

Джуниор-специалист

Как только стажер освоил все необходимые инструменты обработки данных, он переходит на позицию джуна или младшего аналитика и получает возможность самостоятельно составлять дашборды. Сначала этот процесс будет отнимать гораздо больше времени, чем у опытных специалистов, а результат зачастую будет весьма посредственным — и это нормально.

На этом этапе джун, в отличие от стажера, без проблем определяет достоверность данных и действует по заданному алгоритму. Также младший аналитик уже может работать с заказчиком напрямую, но все же лучше, чтобы это взаимодействие происходило под контролем руководителя. Спустя некоторые время вы научитесь самостоятельно выполнять поставленные задачи, собирать и обрабатывать незнакомые данные — это означает, что вы готовы перейти на следующий этап и стать мидлом.

Мидл-специалист

Будучи аналитиком уровня мидл, вы владеете необходимой профессиональной терминологией, действуете смело и не боитесь брать на себя ответственность за результат. На этом уровне сложности могут возникнуть при наличии размытых формулировок задач от заказчика или при столкновении с многофакторностью бизнес-процессов. Как только вы ощущаете, что можете не просто однозначно ответить на вопрос, нужны ли изменения, но и выявить проблемы и способы их решения для оптимизации работы, — самое время переходить на следующую ступень.

Сеньор-специалист

Старший аналитик или сеньор-аналитик — автономный специалист, глубоко погруженный в контекст бизнеса. Такой аналитик отлично выстраивает коммуникацию и может убедить заказчика в необходимости тех или иных изменений, самостоятельно определяет пути развития компании, которые согласовывает с руководством, а решение нестандартных задач становится для него приятным вызовом.

Станьте аналитиком данных и получите востребованную специальность

Плюсы и минусы профессии

Преимущества:

Востребованность аналитиков данных

Сегодня спрос превышает предложение, компании нуждаются в специалистах, которые смогут улучшить процессы внутри бизнеса. Почти половине российских компаний требуются аналитики.

Этот пункт вытекает из первого: аналитики сейчас очень нужны, поэтому компании даже новичкам и стажерам предлагают зарплату от 70 000 рублей.

Возможность работы удаленно

Фактически для работы аналитику нужны только стабильный интернет и компьютер с необходимыми программами. Поэтому можно расширить географию поиска вакансий и подавать на позиции за рубежом.

Широкий выбор специализации

Аналитик может выбирать направления своей работы. Если вы фанат игр, то можете заниматься анализом данных гейм-индустрии.

Освоить необходимые навыки для старта работы в аналитике можно за полгода-год — и уже за два-три года практики вырасти до сеньор-аналитика или стать руководителем проекта.

Перспективы развития

У аналитиков возможен как вертикальный рост — до руководителя подразделения, так и горизонтальный — например, переход в смежные сферы на роль менеджера продукта.

Недостатки

В работе аналитика много монотонности, задания очень похожи между собой. Сократить количество рутинных задач можно с помощью программирования — благодаря этому часть процессов будет автоматизирована за счет скриптов.

Возможные переработки

Необязательно, что это будет частое явление, однако в периоды активной работы над проектом вероятность переработок высока. К этому нужно быть готовым.

Работа за компьютером

Это минус почти всех диджитал-профессий. Важно находить баланс между работой и отдыхом, чтобы минимизировать проблемы со здоровьем.

Что нужно, чтобы работать аналитиком данных?

Нужно иметь твердые навыки владения языками баз данных для формирования запросов — SQL, Python, разбираться в бизнес-процессах, уметь видеть закономерности, собирать и систематизировать данные.

Можно ли самостоятельно стать аналитиком данных?

Самостоятельно погрузиться в профессию аналитика данных можно, но это требует самоорганизованности и усидчивости. Это подходит тем, у кого есть техническая база и кто готов уделять по 2–3 часа в день просмотру обучающих видео, чтению книг и решению задач.

Сколько платят аналитику данных?
Средняя зарплата аналитика данных — 151 000 рублей.
Можно ли стать аналитиком данных без высшего образования?

Можно. Однако совсем без обучения обойтись не получится. Оптимальный вариант — онлайн-курсы, где за 6–18 месяцев вы погрузитесь в профессию, соберете портфолио и сможете стартовать в сфере.

Кому подойдет профессия аналитика данных?

Не столь важно, гуманитарий вы или технарь, — профессия подойдет всем, кто любит анализировать и находить взаимосвязи.

Как начать карьеру в аналитике?

Здесь все зависит от ваших интересов, потому что аналитики нужны каждой компании. Это может быть как маркетинговое направление, так и гейм-индустрия.

Что должен уметь стажер — аналитик данных?

Знать хотя бы один язык программирования, например Python. Уметь писать запросы к базам данных SQL и визуализировать информацию в виде дашборда — скажем, Tableau или Power BI. Помимо этого, у стажера должно быть желание разбираться в бизнес-процессах и решать бизнес-задачи.

Где учиться, чтобы стать аналитиком?

Если вы хотите за два-три года дойти до уровня мидл, то лучше остановиться на онлайн-курсах. Там вас за 6–18 месяцев обучат всем необходимым программам и дадут много практических заданий на отработку теории.

Аналитик данных

Аналитики влияют на рост бизнеса. Они выясняют, какой товар и в какое время больше покупают. Считают юнит-экономику. Оценивают окупаемость рекламной кампании. Поэтому компании ищут и переманивают таких специалистов.

Как стать аналитиком данных с нуля и найти работу в этой сфере?

Все больше компаний начинают искать специалистов по анализу данных. Появляется много вакансий в этой сфере, в том числе удаленных. Например, в Яндексе. Это перспективное направление, которое хорошо оплачивается. В статье вы узнаете, как стать аналитиком данных с нуля. Пройти весь путь от обучения, в том числе самостоятельно, до трудоустройства.

В статье есть ссылки на бесплатные уроки и платные курсы, сайты с вакансиями и другие полезные ресурсы. Поэтому рекомендуем прочитать ее до конца.

Содержание статьи:

Кому подойдет профессия?
Какую специализацию выбрать?
Где учиться? Обзор курсов с дипломом
Как освоить профессию самостоятельно?
Что нужно знать и уметь?
Сколько можно заработать?
Как устроиться на работу без опыта?
Где искать вакансии начинающим?

Кому подойдет профессия?

Людям, которым нравится работа с данными: цифрами, статистикой. Хочется заниматься интерпретация данных: собрать их и сделать важные для бизнеса выводы, подготовить рекомендации.

В этой сфере нужны следующие качества:

Хорошо развитое логическое мышление.
Умение видеть задачу целиком, не зацикливаясь на деталях.
Готовность к монотонной работе.
Внимательность.
Желание учиться и узнавать новое.
Умение работать в команде.

В эту область приходят люди с разным образованием и опытом. Часто это вторая карьера: человек состоялся в одной специальности и хочет освоить новое направление. Либо перейти в смежную сферу.

Стать аналитиком с нуля можно самостоятельно или пойти учиться на курсах. Профильное (математическое) образование не обязательно, но совсем без подготовки не обойтись. Про то, на кого надо обучаться, расскажем ниже.

Чем занимаются аналитики? Выбор специализации

В таблице ниже собрана информация о разных направлениях в специальности. Основная задача одна – анализ и систематизация данных. Однако задачи могут отличаться.

Название специализации (по ссылкам можно перейти на более подробные статьи)

Где может работать, в каких сферах востребован

Формирует рекомендации для руководителей компаний по различным вопросам.

Банковский и финансовый сектор, продажи.

Изучает прибыли и затраты, проводит сравнение с конкурентами, ищет идеи для инвестирования.

Банки, брокерские и страховые компании, инвестиционные корпорации.

Работает в IT, может обладать навыками программирования. Помогает определить требования к ПО.

IT- компании, сфера компьютерной безопасности.

Анализирует показатели сайта: посещаемость, конверсии и другие метрики. Работает над их улучшениями.

Работает в тандеме с разработчиками ПО и предлагает стратегии автоматизации бизнес-процессов. Консультирует сотрудников по работе в 1С.

Торговые и производственные предприятия, компании- франчайзи 1С.

Поиск способов увеличения продаж на торговых площадках Озон, WB и других.

Вакансии предлагают Вайлдбериз, Озон и другие крупные маркетплейсы.

Разрабатывает стратегию продвижения бизнеса в социальных сетях, анализирует клиентскую базу.

Востребованы в сферах, активно использующих SMM: торговля: ресторанный бизнес, индустрия красоты, моды.

Исследует рынок, изучает потребности клиентов, анализирует спрос на продукт.

IT-фирмы, производственные компании.

Оформляет отчетность компании. Систематизирует информацию в виде дашбордов и понятных таблиц. Помогает автоматизировать процесс составления отчетов.

Страховые компании, банки, торговля, интернет-магазины и другие компании.

Готовит рекомендации по интерфейсу и дизайну сайта.

Реклама, маркетинг, IT, торговля.

Изучает поведение игроков, рассчитывает ожидаемую прибыльность проектов, предлагает варианты улучшения игры.

Бизнесмены и топ-менеджеры все чаще стремятся принимать решения на основе цифр. Эксперт помогает собрать статистику и систематизировать ее, сделать выводы. Извлечь из цифр практическую пользу. Специалисты востребованы в разных сферах: IT, маркетинге, продажах, банковской отрасли, экономике.

Где учиться профессии? Обзор курсов

В таблице собраны популярные программы в онлайн-университетах. Они позволяют освоить профессию с нуля на уровне, достаточном для трудоустройства. Вы получаете системную подготовку, включая практику, и документы, подтверждающие уровень знаний.

Если вас интересуют уроки для самостоятельного обучения, пролистайте таблицу вниз – они будут под ней.

Название и ссылка на программу

Поможет освоить профессию с нуля, опыт в IT не нужен. Обучение состоит из лекций, мастер-классов, домашних заданий с проверкой.

делать анализ в Excel,
применять SQL,
использовать Python для анализа,
работать с Power BI,
ориентироваться в метриках (показателях),
тестировать гипотезы,
проводить A/B тесты.

Спикеры курса – преподаватели-практики и эксперты, сотрудники крупных компаний. Практика проходит на реальных задачах.

Курс поможет стать аналитиком данных с нуля. По окончании обучения студенты будут иметь 5 проектов в портфолио, диплом установленного образца и знания, достаточные для работы.

Это направление особенно востребовано во время нестабильности. Специалисты помогают компаниям повышать продажи, сокращать издержки. На курсе научат:

Рассчитывать бизнес-модель.
Анализировать экономику проекта.
Оптимизировать процессы.
Программировать на Python.
Решать задачи с помощью IT.
Работать с заказчиками.
Работать с Excel, Google Таблицами.

Не требует начальных знаний и поможет стать бизнес-аналитиком с нуля. Лекции идут в записи, поэтому обучение в Skillbox рассчитано на людей, готовых учиться самостоятельно.

Это новая и востребованная специальность. Задача – собирать, анализировать цифры и представлять их в виде таблиц и дашбордов. Курс поможет стать аналитиком BI с нуля, без опыта в этой сфере.

Это первый шаг к профессии: курс поможет развить качества, необходимые для работы. Специальные знания для старта не нужны. Формат обучения – видеолекции, вебинары, домашние задания, квизы.

Основы статистики.
Работа с Google.Таблицами.
Python как инструмент анализа.
SQL.
Основы машинного обучения.

Вы сможете понять, насколько эта сфера вам интересна. Получите начальные навыки и базовые знания, которые в дальнейшем помогут вам стать аналитиком данных с нуля.

Как освоить профессию самостоятельно? Бесплатные уроки

Вам потребуется изучить:

Excel – для анализа и обработки числовой информации. В Клубе фрилансеров Вконтакте собрано много бесплатных видео по работе с этой программой. Пользуйтесь поиском по видео, чтобы найти нужные лекции. Excel (либо Google Таблицы) – база, с которой стоить начать, чтобы стать дата аналитиком с нуля.
SQL – для работы с базами данных. Документация по Microsoft SQL есть в открытом доступе на официальном сайте. Бесплатные курсы по работе с SQL выложены на YouTube.
Язык программирования Python. Он популярный и несложный. Изучить его можно по бесплатным самоучителям.
Основы статистики. Есть в открытом доступе, например, здесь: лекции и семинары по курсу Математическая статистика от МФТИ.

Плюсом будет умение пользоваться следующими программами:

Power BI и Tableau – для представления цифр в виде графиков и таблиц. Уроки для знакомства Power BI выложены на сайте Microsoft.
MS Power Point – чтобы готовить презентации для клиентов. Обучающие материалы по Power Point есть в Клубе фрилансеров.

Полный перечень необходимых для работы навыков зависит от специализации. Например, чтобы стать бизнес-аналитиком, нужно хорошо разбираться в экономике, финансах.

Для самостоятельного обучения будут полезны следующие ресурсы:

@internetanalytics – канал Алексея Никушина, основателя конференции МатеМаркетинг.
@yandexmetrika – официальный чат пользователей сервиса Яндекс.Метрика.
@appmetrica_chat – официальный чат пользователей AppMetrica, сервиса Яндекса.
@excel_everyday – канал о работе в Excel.
@google_spreadsheets_chat – чат по Google Таблицам и скриптам.
@itanalyst_ru_chat – чат по 1С.
Stepik.org/course/63054/info — тренажер по SQL.
Analyst.by/library — библиотека сообщества бизнес- и системного анализа.

Читайте книги, например:

Для бизнес-анализа. «Руководство к Своду знаний по бизнес-анализу BABOK (аббревиатура от A Guide to the Business Analysis Body of Knowledge)». Это полноценный учебник. Книга дорогая, но ее рекомендуют представители отрасли и преподаватели вузов. Это всемирно признанный стандарт бизнес-анализа. Она поможет продвинуться тем, кто хочет самостоятельно стать бизнес-аналитиком с нуля.
Для работы с big data (большим массивом данных – востребовано в таких компаниях, как Яндекс). «BIG DATA. Вся технология в одной книге» (Вайгенд Андреас).
Для работы в IT. «Путь aналитика. Практическое руководство IT-специалиста» (Иванова Вера, Перерва Андрей).

Что еще надо знать и уметь?

Математику, программирование и понимание бизнес-процессов. Чтобы стать аналитиком данных, нужно разбираться в этих сферах. В некоторых специализациях дополнительно понадобятся профильные знания.

Математика. Нужно иметь знания в областях статистики, математического анализа и линейной алгебры и уметь их применять.
Программирование. Нужно уметь программировать на Python и использовать SQL.
Понимание бизнес-процессов, знание основных метрики.
Редакторы таблиц. В профессии необходимо умение сортировать информацию, составлять диаграммы и графики. Если вы хотите самостоятельно стать аналитиком данных с нуля, начать стоит с изучения Excel и Google Таблиц.

Также могут потребоваться дополнительные знания и навыки. Например, для работы в иностранной компании может понадобиться иностранный язык, обычно – английский. По этой ссылке вы найдете много бесплатных самоучителей, словарей и другой полезной информации.

Сколько можно зарабатывать?

Разброс зарплат в сфере Data Analyst большой. Самые высокие доходы – в Москве и Санкт-Петербурге. Ниже перечислены средние зарплаты в разных городах:

Москва — от 90 000 руб.
Санкт-Петербург — от 80 000 до 100 000 руб.
Казань — от 80 000 руб.
Владивосток — от 75 000 руб.
Самара — от 60 000 руб.

В среднем самые высокие доходы – в направлении финансового анализа. Зарплаты зависят от стажа и обязанностей:

Стажеры и младшие специалисты — от 80 000 руб.
Сотрудники среднего уровня — от 100 000 руб.
Senior-специалисты и руководители отделов — от 170 000 руб.

В качестве дополнительного стимула работодатели могут предлагать программы добровольного медицинского страхования, посещение фитнес клуба и курсы иностранных языков.

Как устроиться на работу без опыта?

Чтобы получить предложение от работодателя, стоит тщательно прорабатывать каждый отклик на вакансию:

Составить привлекательное резюме. Разборы резюме есть в телеграм-канале @products_jobs, там можно найти много полезных советов по его составлению. Также почитайте, как составить резюме, чтобы выделиться, как написать сопроводительное письмо. Опишите в резюме те навыки и задачи, которые близки к новой работе, и уберите непрофильные. Это поможет устроиться на работу аналитиком даже без опыта.
Подписаться на каналы с вакансиями в социальных сетях, на лидеров отрасли. Оставлять содержательные комментарии под постами.
Зарегистрироваться на профессиональных форумах и периодически читать, а также комментировать статьи и сообщения.
Рассмотреть стажировку. Ее предлагают в том числе такие компании, как JetBrains, Авито, Яндекс.
Добавить в резюме не только описание образования и опыта, но и личные качества, такие как аналитический склад ума, бизнес-мышление, внимание к деталям.
Готовиться к каждому собеседованию: изучать информацию о работодателе, узнавать, кто будет проводить интервью.

Где искать работу новичкам?

Сайты, где можно найти вакансию аналитика данных, в том числе без опыта работы:

HH.ru – популярный сайт для поиска работы. Здесь можно найти не только вакансии, но и варианты стажировки.
Kwork — здесь можно разместить информацию о своих услугах и получать заказы.
Career.habr.com – раздел с вакансиями на сайте для IT-специалистов.
@kadrof_work – здесь размещаются предложения удаленной работы и заказы для фрилансеров.
@analysts_hunter – профильные вакансии в Телеграм.
@datasciencejobs – предложения о работе в области искусственного интеллекта, сбора, обработки и дата-анализа.
@foranalysts – предложения для Digital analysts и Data scientists.
@products_jobs – вакансии и разбор резюме.
@hireproproduct – продуктовые вакансии.

Зачем нужна аналитика данных и с чего начать карьеру в этой области

Большие данные, или big data, — это совокупность методов и инструментов обработки данных. Современный человек — и их источник, и интерпретатор. Мы отдаем данные, когда, например, заказываем еду или слушаем музыку онлайн. Мы обрабатываем их, когда читаем новый пост в соцсетях или заходим в музыкальные плейлисты других пользователей.

Для бизнеса этот «цифровой след», как и другие источники данных, — инструмент для принятия управленческих решений. Например, сервис замечает, что мы стали реже слушать музыку в приложении. Команда может попытаться восстановить интерес клиента, предложив ему скидку и тем самым укрепив с ним отношения.

В нашей компании большие данные копятся в , системе продаж, массиве действий пользователей на сайте. Все они собираются в одну базу, а затем мы ищем закономерности и отслеживаем изменения. В этом и есть задача аналитики данных — собрать данные, с которыми можно работать, выявить закономерности и подготовить корпус информации для глубокого анализа.

Data science похожа на аналитику данных, но предлагает более глубокое прогнозирование и работу с гипотезами. Например, data scientist может создать модель вероятности оттока клиентов. Он строит предиктивные системы — модели, предсказывающие вероятное будущее.

Как аналитики данных меняют мир прямо сейчас

Звучит пафосно, но аналитика данных меняет мир. Например, современные беспилотники от Mobileye или Tesla распознают маневры других машин, а еще получают от них данные о перекрытых дорогах. Это стало возможным благодаря сбору и анализу огромного массива данных по концепции True Redundancy («истинная избыточность»). Беспилотники собирают множество информации и с системы камер, и с радаров и лидаров.

Это называется компьютерным зрением — оно помогает машинам понимать мир с помощью распознавания образов и объектов вокруг. Без аналитики данных компьютерное зрение не может существовать. Сегодня оно применяется во множестве сфер — от систем безопасности до анализа рентгеновских снимков. Согласно метаисследованию Lancet, в медицине машинное зрение, совмещенное с нейросетями, может давать почти такие же точные диагнозы по снимку, как и врачи.

В свою очередь, компьютерное зрение — часть еще более востребованного направления data science: машинного обучения. Идея в том, чтобы не прописывать компьютеру алгоритм действий, а определить правила и цель задачи. Компьютер должен самостоятельно найти лучшее решение на основе анализа массивов данных.

Разберем преимущества машинного обучения на простом примере. Компьютерный инженер Артур Самуэль любил играть в шашки — в 1950-х годах он даже написал программу для игры с компьютером. В один момент ему надоело постоянно выигрывать, и он предложил компьютеру сыграть с самим собой. Машина смогла собрать больше данных о стратегии. Когда он решил снова поиграть против системы, то стал чаще проигрывать. Так машинное обучение помогло ЭВМ превзойти навыки Артура в шашках.

Еще один пример из медицины — работа data-ученых из Google AI Healthcare. В 2019 году они создали систему обучения для шкалы Глисона. Это один из самых популярных способов распознавания рака простаты, который был создан в 1960-х годах. Точность в оценке после машинного обучения составила 0,7. Для сравнения: точность диагноза, который поставили 26 врачей, составляла 0,6.

Data science помогает и бизнесу. Например, одна из базовых практик компаний — cross-sell, перекрестные продажи. Это взаимосвязь товара, который интересует покупателя, с другими товарами из ассортимента. Аналитик данных может разбить клиентов на сегменты — выделить тех, кто покупает вместе с одним товаром еще и связанный. При следующей покупке пользователь увидит рекомендации по товарам, которые могут ему пригодиться. Так аналитик данных помогает привлекать и удерживать клиентов.

Другой бытовой пример — доставка продуктов. Продвинутый алгоритм таких сервисов со временем все лучше понимает вкусы пользователя. Он учится на данных и предлагает блюда или продукты, которые чаще всего заказывает клиент. Это экономит время покупателя. По похожей механике работают ленты соцсетей. Они понимают, какой контент интересует читателя, и предлагают подписаться на страницы релевантных блогеров.

Ключевые профессии

В аналитике больших данных есть несколько ключевых профессий.

Дата-инженер

Это специалист, который собирает разрозненные данные в одну базу. Например, в компании может быть десять разных систем — от маркетинга и продаж до отчетов HR-отдела. У каждой из них свои виды данных и логика. Задача инженера — объединить системы и понять, как выстроить работу базы.

Еще дата-инженер закладывает стандарты работы компании с данными. Он выбирает, например, между реляционными и нереляционными базами. В первом варианте наборы данных объединены ключом: связь между разными строками легче исследовать. В нереляционных базах другие виды связи — это могут быть пары «ключ — значение» или даже графы. Они надежнее и быстрее реляционных, но требуют специфических способов обработки.

Например, вот так может выглядеть реляционная база сервиса по доставке продуктов:

Таблица с данными по заказам
Таблица с данными по складам
Таблица с данными о клиентах
Таблица с данными о курьерах

Последние три таблицы объединяет по ключам таблица с данными по заказам. В ней есть и дополнительные значения: например, общая сумма заказа, комментарии клиента и город доставки.

Data scientist

Этот специалист исследует уже готовые данные. Его основная задача — применять правильные методы, которые ответят на вопросы бизнеса. Data scientist перебирает разные модели и выдвигает гипотезы. В этом и заключается роль специалиста: он работает на стыке информатики, математики и знания бизнеса, чтобы закрыть его потребности.

Работа совмещает в себе и техническую, и творческую составляющую. Хороший data scientist толкает вперед R&D компании — разработку и развитие новых проектов. Поэтому он может даже рекомендовать, какой новый продукт стоит разработать.

Как стать аналитиком данных

Какая бы сфера вас ни интересовала, начать нужно с SQL — это базовый язык для изучения данных. После этого важно разобраться с библиотеками Python и прокачать навыки в Excel. Идеально, если у вас будет время изучить язык R для математической статистики.

Будущий аналитик может выбрать любое направление обучения — например, работу с маркетинговыми данными или данными продукта. С развитием hard skills и опытом станет ясно, куда идти — в ученые или в инженеры. Но серьезная аналитика всегда находится на стыке информатики, математики и знания продукта. Это значит, что не обойтись без теории вероятностей и матстата.

Другой важный элемент успешного развития — мотивация, ведь hard skills — это время, конвертированное в обучение. На то, чтобы изучить основы профессии инженера, понадобится примерно два-три года. Не очень большой срок — но это только начало. Чтобы стать серьезным data scientist, нужно гораздо больше времени.

Не бойтесь, что через пару лет профессия потеряет актуальность. Несколько десятков лет назад случилась технологическая революция: техника заменила «голубых воротничков». Следующий этап — соревнование с ИИ «белых воротничков». Чтобы создать машины, которые будут принимать точные управленческие решения, нужны усилия множества дата-сайентистов. Специалисты, которые смогут разрабатывать такие решения, будут актуальны еще много лет.