Младший аналитик что делает

Аналитик данных: требования, навыки, качества

Кто это такой? Аналитик данных – это профессия, представители которой обрабатывают различные данные. Результат их деятельности необходим для развития бизнеса, науки и других сфер.

На что обратить внимание? Нередко под аналитиком данных подразумевают любую профессию, в которой обрабатывается информация. Однако такой подход не совсем корректен, и есть разница между Data Analytic и, например, маркетологом-аналитиком.

В статье рассказывается:

1. Суть работы аналитика данных
2. Задачи аналитика данных
3. Плюсы и минусы профессии аналитика данных
4. Отличия аналитика данных от похожих профессий
5. Требования к аналитику данных
6. Уровни развития аналитика данных
7. Сферы деятельности аналитика данных
8. Перспективы профессии аналитика данных
9. Полезные материалы для аналитика данных

Пройди тест и узнай, какая сфера тебе подходит:
айти, дизайн или маркетинг.
Бесплатно от Geekbrains

Суть работы аналитика данных

В обязанности дата-аналитика входят сбор, обработка, изучение и интерпретация значительных объемов информации. Результаты его работы используются в качестве основы для принятия решений в различных сферах: бизнесе, менеджменте, науке и так далее.

Должность аналитика данных в обязательном порядке вводят компании, применяющие data-driven-подход. Его суть заключается в разработке стратегии развития организации на базе тщательного исследования данных. Предположим, некая бизнес-структура собирается выпустить на рынок новый продукт. Полной уверенности в том, что он будет пользоваться спросом и удовлетворит ожидание потребителей, у руководства нет.

Чтобы минимизировать риски, компания ставит перед дата-аналитиком соответствующую задачу. Ему предстоит изучить запросы целевой аудитории, проанализировать ее поведение, найти связи между различными процессами, провести А/B-тесты и построить модели, позволяющие оценить последствия вывода на рынок нового продукта.

Компания Statista, которая специализируется на потребительских данных, уверяет, что сейчас в мире наблюдается экспоненциальный рост информации, и прогнозирует ее объем к 2025 году в размере 181 зеттабайт.

Ориентироваться в таком количестве данных, не обладая необходимыми знаниями и навыками, становится все сложнее. Этим объясняется востребованность на рынке труда специалистов, способных правильно отбирать и исследовать данные, а также делать выводы, которые необходимы для принятия правильных решений бизнесменам, государственным органам управления, ученым и представителям других сфер деятельности. Штатные дата-аналитики есть во многих крупных компаниях, например, в банках и рекламных холдингах.

Такие организации предпочитают потратить средства на предварительное изучение того или иного вопроса, оценить перспективы каждого серьезного шага и только потом принимать взвешенное и обоснованное решение. Небольшие фирмы не могут себе позволить содержание такого специалиста, но и денежный оборот у них на порядок меньше. Хотя многие бизнес-проекты могли бы избежать краха, если бы их руководители осознавали важность работы дата-аналитиков и своевременно обращались бы к ним за помощью.

Можно уверенно говорить о желательности и даже необходимости проводить предварительное изучение больших объемов информации везде, где есть зафиксированные данные о продукте и потребителях, их ожиданиях, болях и реакции на предложения конкурентов.

Задачи аналитика данных

Объединение и структурирование данных, имеющихся в распоряжении заказчика, сбор недостающей информации, тщательный анализ всего объема полученных сведении и формулирование выводов, которые могут быть использованы в деятельности компании для принятия глобальных решений, – такие задачи стоят перед дата-аналитиком.

В работе он применяет Sublime Text, Jupyter Notebook, Google Sheets или Excel. Кстати, последний инструмент многие считают устаревшим, неактуальным, не подходящим для работы с big data.

На самом деле аналитику на базе таблиц в Excel сегодня использует огромное количество компаний по всему миру, несмотря на возможность задействовать самые передовые технологии. Объясняется такой выбор простотой и доступностью этого инструмента, пригодного для решения задач любой сложности. В сводных таблицах Excel можно автоматизировать обработку информации, сформировать листы прогноза, необходимые для планирования бизнес-процессов, и построить 3D-карты.

Дата-аналитики также используют базы данных SQL, через запросы получая точечную информацию о процессах или клиентах. BI-системы Tableau, Power BI, Looker Studio помогают специалистам агрегировать данные из различных источников. Кроме того, аналитик иногда применяет свое знание языков программирования, чтобы наладить автоматизированный поиск по таблицам, запустить сегментацию или процесс выявления закономерностей.

Узнай, какие ИТ — профессии
входят в ТОП-30 с доходом
от 210 000 ₽/мес
Павел Симонов
Исполнительный директор Geekbrains

Команда GeekBrains совместно с международными специалистами по развитию карьеры подготовили материалы, которые помогут вам начать путь к профессии мечты.

Подборка содержит только самые востребованные и высокооплачиваемые специальности и направления в IT-сфере. 86% наших учеников с помощью данных материалов определились с карьерной целью на ближайшее будущее!

Скачивайте и используйте уже сегодня:

Павел Симонов
Исполнительный директор Geekbrains

Топ-30 самых востребованных и высокооплачиваемых профессий 2023

Поможет разобраться в актуальной ситуации на рынке труда

Подборка 50+ бесплатных нейросетей для упрощения работы и увеличения заработка

Только проверенные нейросети с доступом из России и свободным использованием

ТОП-100 площадок для поиска работы от GeekBrains

Список проверенных ресурсов реальных вакансий с доходом от 210 000 ₽

Получить подборку бесплатно
Уже скачали 23681

Представьте, что дата-аналитику поставлена задача по преобразованию видеохостинга в стриминговую платформу. Для этого ему необходимо:

• Собрать данные о взаимодействии пользователей с видеопорталом. С этой целью организуются опросы, проводятся исследования, полученные сведения объединяются, попутно удаляются повторяющиеся и невалидные данные.
• Описать модели данных и сценарии использования. На этом этапе собираются фокус-группы, прорабатываются данные и формулируются сценарии возможных действий.
• Сформировать предложения по архитектуре и потокам данных.

Итогом работы дата-аналитика являются артефакты с готовыми результатами – графики и таблицы. Эти материалы служат базой для принятия того или иного решения, но сам специалист к этому процессу отношения не имеет. В зону его ответственности входит исключительно подготовка информации, опираясь на которую, руководство компании выберет дальнейший вектор развития.

Плюсы и минусы профессии аналитика данных

Начнем с преимуществ:

• Высокий уровень дохода. Средняя заработная плата дата-аналитика в России составляет порядка 140 тыс. рублей. Опытные профессионалы могут рассчитывать на больший доход. При желании можно найти вакансию в зарубежной компании, например, в Соединенных Штатах, где data analyst платят больше 60 тыс. долларов в год.
• Востребованность. Должность аналитика данным есть в штатном расписании 45 % отечественных компаний, и потребность в специалистах достаточно высокая.
• Возможность работать на удаленке. Дата-аналитику нет необходимости присутствовать в офисе. Ноутбук и Wi-Fi– вот и все необходимое ему оборудование.
• Выбор узкой ниши. При желании можно сосредоточиться на одном типе данных – маркетинговых, гейминговых, продуктовых и так далее. Это позволяет остановиться на том направлении, которое интересно, и стать специалистом, досконально разбирающимся в теме и потому более ценным для работодателя.
• Принадлежность к IT. Сегодня эта сфера входит в число наиболее перспективных, а руководство IT-компаний, как правило, придерживается западных стандартов организации труда. Для сотрудников создаются отличные условия в офисе, они могут выбирать удобный график и место для работы.
• Простой вход в профессию. После обучения на онлайн-курсах новичку хватает двух-трех лет для достижения middle-уровня.

• Однообразие задач. От дата-аналитика всегда ждут примерно одного и того же. Спустя некоторое время работа становится рутиной, от которой многие избавляются, занимаясь написанием скриптов. Это позволяет переложить монотонные процессы на машину.
• Высокая степень ответственности. Результаты анализа становятся основой для принятия важных решений руководством компании. Специалист должен быть уверен в своих выводах, чтобы не подвести заказчика.
• Моральное истощение. Как и другие представители умственных профессий, дата-аналитики страдают от перенапряжения, выгорания, усталости. Как правило, причиной истощенности становится неправильное распределение рабочих задач, авралы, отсутствие выходных.

Отличия аналитика данных от похожих профессий

Прикладной анализ является основой еще нескольких специальностей помимо рассматриваемой. Мы выбрали для сравнения пять профессий, близких по задачам и набору навыков.

• Системный аналитик. В его обязанности входит формулирование требований к программному обеспечению, составление пула задач для разработчиков, наладка бизнес-процессов компании, а также решение проблемы реализации функционала с технической точки зрения.
• Бизнес-аналитик. Этот специалист определяет потребности клиентов и выявляет текущие проблемы компании. Исследовав собранные сведения, он решает, какие функции должны быть интегрированы в программное обеспечение для оптимизации конечного продукта.
• Маркетолог-аналитик. В его обязанности входит сбор информации и ее дальнейшее изучение для внесения необходимых корректировок в маркетинговую стратегию компании.
• Data Scientist. Как и другие специалисты из этого списка, занимается сбором и анализом данных, используя результаты своих исследований для составления прогнозов и определения степени вероятности их осуществления.
• Product аналитик. Главная задача представителя этой профессии – изучение информации о поведении потребителей, их взаимодействии с продуктом компании. По итогам составленного им заключения руководство предпринимает шаги по улучшению ситуации.

На первый взгляд, эти специалисты выполняют совершенно разные функции. Однако базовые навыки всех перечисленных профессий схожи: умение отбирать нужные данные, сопоставлять, делать выводы, формулировать рекомендации для практического применения. Это позволяет при желании без особого труда поменять специализацию.

Требования к аналитику данных

Основными (hard skills) для овладения этой специальностью являются следующие знания и умения:

• Основы математической статистики. Большинство методов анализа базируется на законах статистики. Чтобы делать правильные выводы, необходимо применять инструменты, присущие этой науке: считать среднее значение или медиану, отсекать выбросы, проверять гипотезы.
• Умение разрабатывать программы для анализа данных. Как правило, для этого используют Python: его простой и логичный синтаксис и достаточное количество готовых библиотек позволяют собрать нужное ПО из имеющихся блоков и функций.
• Знакомство с принципами работы реляционных (табличных) баз данных. Именно они чаще всего служат местом хранения массивов информации. Для извлечения сведений из таких источников необходимо знание языка SQL и умение составлять на нем запросы.

Для вас подарок! В свободном доступе до 05.11 —>
Скачайте ТОП-10 нейросетей, которые помогут облегчить
вашу работу
Чтобы получить подарок, заполните информацию в открывшемся окне

Помимо перечисленных технических навыков, стать хорошим специалистом по аналитике данных помогут некоторые черты характера. Список soft skills выглядит так:

• Стремление докопаться до истины. Плохо, когда дата-аналитик выполняет свою работу равнодушно, не вникая в суть проблемы. Итоги такого анализа могут быть бесполезны или даже вредны для бизнеса.
• Нестандартное мышление. Во многих IT-специальностях ценится желание сотрудника отходить от шаблона, выдвигать странные на первый взгляд гипотезы, пробовать что-то совершенно новое.
• Готовность к смелым решениям. Мало выдвинуть идею, надо быть готовым проверить ее, несмотря на кажущуюся абсурдность, не боясь насмешек коллег.
• Умение правильно формулировать вопросы. От того, как именно вы будете искать нужную информацию, во многом зависит конечный результат работы.

Уровни развития аналитика данных

Аналитик-стажер (trainee data analyst)

Требования, описанные в предыдущем разделе, являются минимальными для соискателей, претендующих на вакансию дата-аналитика. Как правило, это выпускники вузов, не имеющие профильного опыта, но при этом обладающие необходимым багажом знаний и соответствующими человеческими качествами.

Кому-то может показаться, что от новичка ожидают слишком многого. На деле это базовые знания, без которых будет сложно стать профессионалом в области аналитики данных.

Дарим скидку от 60%
на обучение «Аналитик больших данных» до 05 ноября
Уже через 9 месяцев сможете устроиться на работу с доходом от 150 000 рублей

К тому же на три месяца стажировки претендент на должность становится подопечным, требующим постоянного внимания со стороны наставника и руководства. Тратить драгоценное время на человека, который не готов к восприятию большого объема информации и не способен на элементарные самостоятельные действия, компании не готовы.

Определяющими факторами в пользу одобрения кандидатуры являются профильное университетское образование, способ мышления и опыт программирования.

Стажеру поручают выполнение формализованных задач, которые ставятся перед ним старшим аналитиком или руководителем отдела. Результат проверяется наставником до передачи данных на последующую обработку. От стажера не требуется осмысливать собранную информацию, визуализировать ее или делать прогнозы. Для начала он должен закрепить навык поиска и отбора данных для дальнейшего исследования.

Младший аналитик (junior data analyst)

Освоив базовые инструменты обработки данных, стажер переходит на позицию младшего аналитика. На этом этапе сотруднику уже доступна трансформация собранных данных в необходимую форму. Выполняемые им рабочие процессы могут быть далеки от идеала, а решение простых задач отнимает у него гораздо больше времени, чем у опытных дата-аналитиков.

От стажера младший аналитик отличается умением определять степень достоверности данных. Он способен понять, соответствует ли собранная информация ее природе, и проверить ее, чтобы убедиться в своей правоте. Например, он может разобраться, находятся ли показатели в пределах допустимого диапазона значений, отражают ли они реальную картину, нет ли подозрительных выбросов, которые исказят результат анализа.

Недостаток опыта в бизнесе и реальном продукте диктует младшему аналитику особый порядок решения поставленных перед ним задач:

• Требуется выгрузить эксель-таблицу с несколькими колонками? – Пожалуйста.
• Надо сделать дашборд? – Покажите, какой именно вам нужен.

Другими словами, младший аналитик действует по детально оговоренному алгоритму: какие данные использовать, во что и как их трансформировать, в какой форме должен быть представлен результат анализа.

Младший аналитик уже может получать задачи напрямую от заказчика, однако оптимальным вариантом будет работа под контролем руководителя.

Со временем junior data analyst набирается достаточно опыта, чтобы не испытывать трудностей при работе со знакомыми данными, и не нуждается в детальной разъяснении, как решить поставленную задачу. Показателем готовности к переходу на следующий этап служит способность собирать и исследовать незнакомые данные.

Аналитик 1 (Middle data analyst – 1 step)

На этой ступени профессионального роста специалист уверенно владеет навыками отбора данных, их трансформации в требуемую форму, а также первичного анализа полученных сведений.

Аналитик 1-го уровня способен самостоятельно решать задачи, получаемые от руководителя команды или напрямую от заказчика.

Переход на эту позицию происходит в тот момент, когда младший аналитик чувствует в себе силы для большего влияния на бизнес или продукт. Он накопил достаточно опыта, чтобы действовать уверенно и спокойно, не боясь брать на себя ответственность за результат работы.

Для аналитика-1 характерно стремление разобраться в сути явлений и процессов, которые он изучает. В отличие от предыдущего профессионального уровня, он использует терминологию, принятую в той сфере, для которой выполняет аналитику, а не в привычных ему понятиях работы с данными.

Для решения большинства задач ему не требуется посторонняя помощь. Но поскольку опыт такого специалиста ограничивается стандартными ситуациями, в которых он действовал по четкому алгоритму, у него могут возникнуть сложности, связанные с привязкой расчетов к специфике конкретного бизнеса.

Типичные случаи, вызывающие затруднения у аналитиков 1-го уровня:

• Отсутствие четких формулировок при постановке цели.
• Сложность и многофакторность бизнес-процесса.
• Проблемный заказчик, в общении с которым необходимо проявлять внимание и такт.

При наличии одного из этих условий аналитик-1 нуждается в поддержке более опытного коллеги, который поможет понять суть задачи, разложить ее на составляющие и грамотно презентовать результаты работы, чтобы их можно было использовать на практике.

Для аналитика 1-го уровня не представляют сложности рабочие процессы, развивающиеся по понятному алгоритму, например, подготовка и анализ стандартного A/B-теста. От него ожидается ответ на прямой вопрос: надо катить изменения или нет. Если дата-аналитик не ограничивается однозначным ответом, а выявляет проблемы, исправление которых поможет улучшить продукт, он готов к переходу на следующий грейд.

Помимо проактивности, для дальнейшего профессионального роста аналитику-1 нужны уверенные навыки тайм-менеджмента, формирования ожиданий и прогнозирования сроков завершения работы. Кроме того, он должен быть готов к персональной ответственности за представленные заказчику итоги анализа.

Аналитик 2 (Middle data analyst – 2 step)

На этой ступени специалист обладает всеми необходимыми знаниями и навыками для самостоятельного решения задач, направленных на реальную помощь бизнесу. От предыдущего грейда аналитик-2 отличается не только более богатым опытом, но и пониманием контекста и высоким уровнем рефлексии.

Погружаясь в изучаемый продукт или часть бизнеса, middle data analyst не ограничивается формальным представлением итогов анализа. Он выдвигает идеи и предлагает решения по собственной инициативе, тем самым принося бизнесу гораздо большую пользу, чем специалисты предыдущих грейдов.

Под высоким уровнем рефлексии, свойственным аналитику-2, подразумевается его склонность к сомнению и критическому переосмыслению информации. Такое качество присуще всем серьезным ученым, и для успешных аналитиков оно не менее важно, чем для представителей фундаментальной науки.

Аналитик 2 уровня готов к самостоятельно работе с продуктом или направлением бизнеса. При необходимости он обратится за помощью к руководителю, но для этого ситуация должна быть действительно сложной. В ежедневную рутину главный аналитик не вмешивается, а на регулярных встречах обсуждаются проблемы высшего порядка.

Аналитик-2 нередко становится наставником для стажеров или junior. Навыки обучения и контроля, делегирования полномочий – еще один важный скилл, свойственный профессионалу на этой ступени.

Старший аналитик (Senior data analyst)

Специалист высшего уровня, влияющий на ключевые показатели продукта или того бизнес-процесса, за который он отвечает. Решаемые задачи все сложнее, погружение в контекст все глубже. Для этой ступени характерны абсолютная автономность и высокая активность дата-аналитика. Стать таким суперменом способен далеко не каждый из дошедших до предыдущего грейда.

Старший аналитик берется за решение проблем, требующих нестандартного подхода. Результат своей работы он способен донести до заказчика так, что у последнего не остается ни тени сомнения в необходимости предпринимать меры, предложенные дата-аналитиком. Например, профессионалу такого уровня ничего не стоит оценить перспективы проекта без A/B-теста, опираясь исключительно на собственный опыт и умение погрузиться в контекст задачи.

Ценность старшего аналитика для бизнеса сложно переоценить. Компании прислушиваются ко всем предложениям такого специалиста и нередко получают позитивные изменения, превосходящие самые смелые ожидания. Если руководство сомневается, неравнодушный senior сделает все возможное, чтобы донести до людей, принимающих решение, необходимость тех или иных шагов по оптимизации бизнес-процессов.

Для этого старшему аналитику необходимы развитый навык коммуникации, умение общаться с людьми, выбирать доходчивые методы изложения информации.

Только до 2.11
Скачай подборку материалов, чтобы гарантированно найти работу в IT за 14 дней
Список документов:

ТОП-100 площадок для поиска работы от GeekBrains

20 профессий 2023 года, с доходом от 150 000 рублей

Чек-лист «Как успешно пройти собеседование»

Чтобы зарегистрироваться на бесплатный интенсив и получить в подарок подборку файлов от GeekBrains, заполните информацию в открывшемся окне

В сферу ответственности старшего аналитика входит самостоятельное определение целей развития компании, которые он согласует с руководителем. Их общение на регулярных встречах затрагивает вопросы стратегии, подбора кадров, психологического комфорта сотрудников.

Сферы деятельности аналитика данных

В специалистах этого профиля заинтересован средний и крупный бизнес. Цель работы дата-аналитика – повысить эффективность компании, оптимизировать ее продукт или бизнес-процессы.

Аналитики данных требуются там, где руководству бизнес-структуры сложно принимать однозначные решения из-за огромного массива информации, касающейся продукта, клиентов, поведения потребителей, действий конкурентов и так далее. Такие профессионалы востребованы во всех сферах, где используется цифровой маркетинг: в IT, ритейле, телекоме, здравоохранении. Дата-аналитики помогают бизнесу понять, на что уходят его деньги и что необходимо изменить, чтобы получать максимальную прибыль при минимуме затрат.

В некоторых отраслях аналитикам данным отводится особо важная роль. Например, они жизненно необходимы банкам, где в процессе работы используется огромный объем информации – сведения о клиентах, их финансовых операциях. Любая ошибка в банковском секторе может стоить очень дорого. Например, неправильная разработка скоринг-модели, то есть алгоритма, определяющего кредитоспособность человека, может привести к потере денежных средств и ухудшению репутации финансовой организации.

Перспективы профессии аналитика данных

По мнению экспертов Superjob, у этой востребованной специальности большое будущее. В 2020 году Яндекс и HeadHunter включили дата-аналитиков в топ-15 IT-профессий. На одну вакансию приходится не более 5 резюме, что свидетельствует о дефиците кадров.

В октябре 2022 года на hh.ru находилось 8699 вакансий с зарплатой от 65 тысяч рублей до 300 тысяч рублей. Иметь в штате аналитика данных стремится половина компаний по всему миру.

Спрос на дата-аналитиков постоянно растет: за 2020 – 2021 годы он увеличился на 226 %. Объясняется такой интерес просто: развитие онлайн-торговли, сферы оказания услуг, сельского хозяйства, промышленности, социальной сферы требует принятия взвешенных решений, основанный на анализе огромного объема данных.

Поскольку профессия находится в стадии активного развития, определить ее границы пока невозможно. Начинающий специалист может расти и вверх, от стажера до руководителя подразделения, и по горизонтали, применяя свои умения в различных отраслях.

Уровень дохода во многом определяется профессиональным уровнем и географическим положением работодателя. Столичные компании традиционно предлагают более высокие зарплаты, и это отличный стимул не сидеть всю жизнь в Саратове на должности младшего аналитика, получая 30 тыс. руб., а сделать все возможное, чтобы дорасти до middle data analyst в международной корпорации и зарабатывать 250 тыс. руб.

Хотите стать профессионалом в области анализа данных? На курсе аналитики с нуля до Junior вы научитесь собирать, обрабатывать и интерпретировать информацию, формировать метрики и создавать информативные отчеты. Полученные навыки помогут компаниям принимать взвешенные решения на основе данных.

Средний доход московского дата-аналитика составляет 135 тыс. руб. В Санкт-Петербурге на аналогичной позиции платят 100 тыс. руб. Стажеры и Junior могут рассчитывать на 50–60 тыс. руб.

Полезные материалы для аналитика данных

Хорошим подспорьем для тех, кто осваивает эту профессию, станут книги от экспертов и статьи, размещенные на тематических ресурсах.

• Leftjoin – личный сайт Николая Валиотти, основателя компании Valiotti Analytics. Начинающий аналитик почерпнет здесь массу полезной информации, в том числе узнает о нюансах разработки дашбордов, применения BI-систем, модулей Python и словарей.
• AnalyzeCore – блог Сергея Брыля, директора по науке данных компании MacPaw, которая занимается разработкой приложений под Mac. Из его статей можно узнать о моделях атрибуции, когортном анализе, машинном обучении, сегментации клиентов, поиске аномалий и маркетинговых метриках.
• Reveal the Data – интернет-ресурс Романа Бунина с массой полезной информации о дашбордах, визуализации данных и развитии BI-систем. Здесь можно посмотреть примеры работ и с комментариями экспертов.
• GoPractice – сайт одноименной компании, разрабатывающей программное обеспечение, на котором размещены материалы о создании продуктов, их развитии, управлении ими, о метриках, юнит-экономике, A/B-тестировании, инструментах анализа данных и экспериментах.

Карьера в IT: должность Бизнес-аналитик

Idea image via Shutterstock.

Представляем седьмую статью серии «Карьера в IT». На этот раз речь пойдет о бизнес-аналитике, который выполняет роль связующего звена между заказчиком и разработчиками.

Бизнес-аналитик — это специалист, который исследует проблему заказчика, ищет решение и оформляет его концепцию в форме требований, на которые в дальнейшем будут ориентироваться разработчики при создании продукта.

По данным ДОУ, среднему украинскому бизнес-аналитику 28 лет, он имеет зарплату $1300-2500 и опыт работы 3 года.

Задачи и обязанности

Главная задача бизнес-аналитика — выявить проблемы бизнеса заказчика и найти максимально эффективное решение. Для этого он должен обладать знаниями в предметной области. Бизнес-аналитик работает с требованиями на всех этапах жизненного цикла разработки ПО и постоянно выступает посредником между заказчиком и командой программистов.

Работа бизнес-аналитика включает такие этапы:

1. Выявить потребности заказчика, понять проблему, которую он хочет решить.
2. Самостоятельно или с помощью команды сформулировать концепцию решения.
3. Оформить концепцию в техническое задание с конкретными требованиями к будущему продукту. Для этого используются различные техники бизнес-анализа — постронение моделей процессов и структур, прототипы пользовательского интерфейса, сценарии использования. В это же время делается точная оценка трудозатрат и длительности работ.
4. Детализировать каждое требование в виде спецификаций.
5. Консультировать программистов и тестировщиков во время разработки продукта, спорные моменты обговаривать с заказчиком.

«Круг задач можно описать простыми словами: работа с требованиями. Это предполагает как взаимодействие с заинтересованными лицами на стороне заказчика, так и с членами команды, которые отвечают за процесс разработки решения».

В мировой практике карта карьеры аналитиков выглядит так. В Украине не все проекты предполагают выделенного аналитика. Бывает и обратная ситуация, когда аналитик дополнительно выполняет обязанности менеджера проектов, специалиста по качеству или технического писателя.

В больших проектах иногда разделяют роли Бизнес-аналитика и Системного аналитика. В обязанности Бизнес-аналитика входит выявление бизнес-целей заказчика, продумывание концепций решения и формирование требования. В обязанности Системного аналитика — формализация и спецификация требований, написание технического задания на уровне функциональных требований и программной реализации.

«Иногда аналитики жалуются, что заказчик сам не знает, чего хочет. Обычно как раз заказчик знает, а вот аналитик не имеет достаточных аналитических навыков, чтобы понять его».

В круг обязанностей бизнес-аналитика входит:
— Анализ бизнес-потребностей заказчика;
— Составление требований к будущему продукту (общение с заинтересованными лицами — разработчиками, клиентами, конечными пользователями);
— Анализ требований (применение различных методологий и нотаций — прототипирование, анкетирование, опрос, мозговой штурм, анализ существующих документаций, конкурентов);
— Анализ проблемных областей и предложения для улучшения;
— Формализация требований (разделение требований на бизнес-, функциональные, не функциональные, написание спецификации требований);
— Управление требованиями (обработка запросов на изменение, анализ и описание влияния на существующие требования);
— Трансляция требований между разработчиками и клиентом.

«Аналитик может иметь хороший английский, подвешенный язык и писать идеальную документацию. Но если он не разбирается в предметной области, не может понять заказчика и донести это до разработчика, то его проекты будут проваливаться».

Типичный рабочий день бизнес-аналитика — это:
— Митинги с проектной командой и с заказчиком;
— Проработка концептуальных решений;
— Работа с инструментами анализа: схемами, диаграммами, моделями, прототипами;
— Работа с требованиями: сбор, написание ТЗ и спецификаций;
— Консультации разработчиков и тестировщиков;
— Изучение стандартов.

«Всё зависит от того, на каком этапе находится проект. Когда-то могу заниматься самообразованием, когда-то — писать документацию, или изучать документы, написанные другими, тестировать программу, общаться с Заказчиком».

Достоинства и недостатки

Главное преимущество профессии бизнес-аналитика — возможность проникать в суть: разбираться, что как устроено, из каких частей состоит, как они между собой связаны и взаимодействуют, и затем описывать сложные вещи с помощью простых, но полезных моделей.

«Мне нравится придумывать красивые решения реальных проблем. Красивые — это логичные, универсальные, которые ложатся в имеющуюся структуру и сами становятся масштабируемой структурой, в которую потом лягут дальнейшие изменения. Реальные проблемы — это первоисточники проблем заказчика, решение которых уберет большое количество „симптомов“, с которыми он к нам обратился».

Бизнес-аналитики помогают разным сторонам понимать друг друга, и в результате получают реализацию, которая удовлетворит всех.

«Люблю общаться с людьми, внедрять в жизнь решения, которые облегчают кому-то жизнь».

«Нравится заниматься структурированием информации, оптимизацией, проявлять творчество. Коммуницировать на всех уровнях — с заинтересованными лицами и конечными пользователями, разработчиками, менеджерами, тестировщиками, дизайнерами и админами. Истинная власть над проектом ^_^»

Еще один плюс — важность и значимость деятельности, так как именно результаты работы бизнес-аналитика определяет ход проекта.

«Говоря абстрактно, я не решаю, как будет ехать велосипед и какой толщины будут у него спицы. Я в принципе определяю, это будет велосипед или мотоцикл, или он вообще здесь не нужен».

«Качество продукта — это качество требований. Качество требований — это аналитик».

Среди недостатков выделяют сложности в общении с заказчиком, когда не удается донести хорошие идеи или же мешают ограничения в сроках и бюджете.

Другая жалоба — необходимость изучать большие объемы информации в краткие сроки. Кроме изучения непосредственно своего проекта, бизнес-аналитик обязан постоянно держать руку на пульсе новых методологий, подходов, изучать базовые принципы новых платформ.

«Идеального ТЗ не существует. Да оно и не нужно, это колоссальные затраты времени и денег. Критика будет всегда, нужно учиться отделять зерна от плевел».

Как стать бизнес-аналитиком и куда идти дальше?

Можно выделить 2 пути становления:
1. IT-специалист, которому ближе общение, чем написание кода. Такой аналитик будет понимать процесс разработки, знает возможности ПО и понимает, что нужно знать разработчику для качественной работы. Однако ему необходимо отдельно приобретать бизнес-знания в области, которая автоматизируется.
2. Специалист без IT-образования, который является профессионалом в определенной предметной области. Такой аналитик понимает все нюансы бизнеса и разговаривает с заказчиком на одном языке. Но ему придется разбираться, что именно подлежит автоматизации и какие данные нужны разработчикам для работы.

«Часто аналитики вырастают из тестировщиков. Проделавшие такой путь специалисты знают „внутреннюю кухню“ IT и имеют материал для того, чтобы отличать хорошо написанные требования от плохо написанных».

Для работы бизнес-аналитика важно:
— знать методологии сбора, анализа и формализации;
— знать предметную область, которую нужно анализировать;
— понимать жизненный цикл ПО в соответствии с различными методологиями;
— знать основы программирования, тестирования, алгоритмов, экономики.

«Аналитик должен избавиться от узконаправленности мышления айтишника, уметь увидеть картину в целом, замечать недостатки. Чем лучше ему удастся выйти „за рамки“, тем успешней будет работа».

Что касается личных качеств, необходимо:
— обладать аналитическим мышлением;
— легко разбираться в неизвестной области;
— уметь анализировать текущую ситуацию в сравнении с прошлой;
— уметь принимать решения;
— любить и уметь учиться;
— иметь отличные коммуникативные способности;
— быть внимательным к деталям;
— четко и ясно выражать свои мысли.

«Нужно уметь разложить то, что ты хочешь объяснить, на простые составляющие, чтобы абсолютно всем и каждому было ясно, в чем идея».

«От будущего аналитика требуется разбираться в процессах разработки ПО, изучить теорию бизнес-анализа и требований к ПО, иметь хороший уровень английского, уметь и хотеть думать, смотреть с разных сторон и высот. Также желателен общий технический бекграунд — или опыт в IT, или технический ВУЗ».

Перспективы карьерного развития бизнес-аналитика:
1. Совершенствоваться как аналитик, осваивать все больший круг аналитических задач.
2. Углубиться в системную составляющую и стать Business или Enterprise Architect
3. Развиваться по управленческой лестнице, проектной (Project manager -> Program Manager -> CTO) или бизнес (Product manager).

«Перспективы разные. Стать руководителем подразделения аналитики, стать квалифицированным специалистом, предоставлять консалтинговые услуги. Даже открывая свое дело, необходимо анализировать рентабельность бизнеса. И в уже созданном бизнесе необходимо анализировать и прогнозировать результаты работы».

P.S. Спасибо за помощь в написании статьи 18 украинским бизнес-аналитикам, которые поделились с DOU таинствами своей профессии. Приведенные в статье цитаты взяты из их рассказов.

Все про українське ІТ в телеграмі — підписуйтеся на канал DOU

Навыки и требования к аналитикам данных на разных уровнях в «Яндексе». Профессия аналитика данных

Этот материал вместе с GoPractice написал Женя Козлов. Он восемь лет руководил аналитикой: три с половиной года строил функцию аналитики в «Яндекс.Маркете», затем 4,5 года — в «Яндекс.Такси». Повествование в материале ведется от лица автора.

Подписывайтесь на телеграм-канал Жени « Секрет лапшичного супа ».

За 8 лет в аналитике я проинтервьюировал и нанял сотни людей — я хорошо представляю, как устроен рынок аналитиков.

Ключевое знание об аналитиках данных — этого рынка практически нет. В 2019 году я нанял в свою команду 34 аналитика, из которых 23 (68%) — это стажеры и джуниоры. Мы были бы рады нанимать более зрелых ребят, но их просто нет, поэтому приходится нанимать людей с потенциалом и растить.

Для сравнения, в команду дата-инженеров мы наняли 23% джунов (5 человек из 22) — здесь рынок есть. Эта дисциплина развита в банках, телекомах, ритейле — а значит, на рынке больше готовых специалистов.

Эта статья преследует две цели:

Первая — поделиться с рынком терминами, в которых мы в «Яндексе» думаем об уровнях аналитиков. Это позволит уменьшить энтропию на рынке, где сегодня за вакансией и резюме аналитика может скрываться произвольный набор ожиданий и навыков: от проектного менеджмента и системного анализа до автоматизации рутинных операций бизнеса. Приставки же младший, старший, ведущий вообще не несут никакой информации.

Вторая — дать понятный план для роста и развития в роли аналитика данных. В «Яндекс.Такси» мы вынуждены выстраивать конвейер для роста сотрудников, так как иначе мы просто не будем справляться. Сама формализация уровней аналитиков является следствием этого подхода. Но не все работают в больших компаниях, не у всех рядом есть сильный наставник или ментор. Эта статья призвана помочь таким людям взглянуть на свои точки роста и поработать над ними.

Обратите внимание: материал написан в ноябре 2020 года.

Что подразумевает роль аналитика данных

Аналитик данных — это человек, который помогает команде:

• Принимать решения более объективно, основываясь на фактах и данных (в противовес мнению, интуиции и опыту);
• Искать точки роста продукта и бизнеса.

Работа аналитика подразумевает работу с данными через использование SQL, Python и других языков программирования, создание дашбордов, автоматизацию процессов. Но это лишь инструменты для достижения двух целей, описанных выше. Если человек занимается только этим, то его не стоит относить к аналитикам. Возможно, он дата-инженер, разработчик автоматизаций, но это совсем другие роли с другими требованиями.

Аналитик концентрируется на изучении данных, структурировании сложных систем, осмыслении процессов, чтобы приносить пользу бизнесу. Продукт аналитика — это ответы на заданные и незаданные вопросы, создание мыслительных моделей и фреймворков, и выведенные из них рекомендации, которые приводят к росту показателей бизнеса.

Способ достижения этого в большинстве случаев — работа с данными, но не обязательно. Аналитика помогает принимать решения, приводит к действиям в продукте и бизнесе. В ряде случаев можно принять решение и без анализа данных: просто хорошо формализовать все возможные ситуации и вилки решений, а далее — откинуть большую часть вариантов, опираясь на то, что уже известно команде.

↓ Чтобы глубже разобраться в том, как создаются, развиваются и масштабируются продукты, пройдите обучение в симуляторах GoPractice.

→ В «Симуляторе управления продуктом на основе данных» вы научитесь принимать решения с помощью данных и исследований при создании продукта.

→ В «Симуляторе управления ростом продукта» найдете пути управляемого роста и масштабирования продукта.

→ В «Симуляторе SQL для продуктовой аналитики» поймете, как применять SQL для решения продуктовых и маркетинговых задач.

→ В «Симуляторе управления ML/AI-проектами» научитесь применять технологии машинного обучения с пользой для бизнеса.

→ Не знаете с чего начать? Пройдите бесплатный тест для оценки навыков управления продуктом. Вы определите свои сильные стороны и слепые зоны, получите план профессионального развития.

→ Еще больше ценных материалов и инсайтов — в телеграм-канале GoPractice .

Базовые навыки аналитика данных

Для того, чтобы эффективно справляться с описанными задачами, аналитику нужно:

• Иметь отличную математическую базу. За аналитиком не хочется перепроверять выкладки и формулы;
• Понимать базовую теорию вероятности и математическую статистику. Нужно уметь проверять гипотезы, понимать ошибки разного рода, зависимость и независимость испытаний и так далее;
• Иметь математическую культуру. Если аналитик использует метод или алгоритм, он должен знать область его применимости;
• Обладать критическим мышлением. Реже, чем другие люди, попадаться в ловушки когнитивных искажений;
• Обладать продуктовым мышлением. Уметь оцифровывать пользовательский опыт в метриках, а также видеть за метриками пользователей, пытающихся решить определенную задачу;
• Обладать бизнесовым мышлением. Уметь оцифровывать бизнес-процессы компании и изменения рынка, связывать это воедино с продуктом и пользователями;
• Быть технарём. Аналитик не обязан программировать как разработчик (эффективно, отказоустойчиво и масштабируемо), но у него не должно быть технических блокеров для того, чтобы решать задачи бизнеса: изучить документацию, сходить в какую-то новую БД и вытащить нужные данные, написать парсер, воспользоваться каким-то API для автоматизации и так далее.

Важное свойство хорошего аналитика — объективность по отношению к самому себе. Аналитик должен контролировать собственное желание казаться лучше, чем он есть. Даже самые сильные аналитики ошибаются. Это нормально, без ошибок невозможно развитие. Очень важно уметь отслеживать свои ошибки и быстро доносить их до команды, особенно если это может изменить принятое ранее решение. Сокрытие ошибок — флаг профнепригодности аналитика.

В «Яндекс.Такси» аналитики закреплены за какими-то командами, но мы не придаём большого значения предметной области: маркетинг, продукт или операционка — требования к уровню мышления, описанные выше, позволяют переключаться с одного на другое (разумеется, требуется время на погружение).

Получайте знания там, где вам удобно

Делимся новостями GoPractice и новыми материалами для профессионального развития в нашей почтовой рассылке и в телеграм-канале

Саммари уровней аналитиков: от стажера до суперзвезд и супербоссов

Используйте таблицу с осторожностью! В «Яндексе» понимание грейдов приходит в результате калибровок в процессе перформанс-ревью. Это процесс, когда тимлиды аналитиков отстаивают оценки своих подопечных, опираясь на их результаты за полгода. По опыту, нужно пройти как минимум пару ревью, чтобы понять требования настолько, чтобы уметь их транслировать. Это часть культуры, она впитывается не мгновенно.

Таблица — это шпаргалка: она хорошо помогает, если вы знаете, о чем речь, и вводит в заблуждение, если это единственный источник информации. Поэтому таблицу стоит использовать только совместно с текстом ниже.

Далее мы будем рассматривать две ветви развития аналитиков — как специалиста и как менеджера аналитиков.

↓ Полная версия таблицы с уровнями аналитиков данных:

Уровни аналитиков данных (специалисты)

1. Аналитик-стажер (trainee data analyst)

Чуть выше я описывал требования к аналитику. Это скрининговые требования, то есть все они должны выполняться даже на уровне стажера. Чаще всего аналитик-стажер не имеет никакого профильного опыта, кроме университетского. При этом у него есть необходимые качества, чтобы вырасти в сильного аналитика.

И тут вы можете удивиться — не слишком ли много? Ответ — нет, и вот почему.

Стажер все 3 месяца своей стажировки будет отнимать силы и время руководителя и коллег (а не добавлять ресурса, как может показаться), поэтому в качестве стажеров имеет смысл нанимать только ребят с заметным потенциалом, чтобы максимизировать возврат инвестиций на обучение.

Наиболее важными критериями при найме человека на позицию аналитика-стажера являются академическая база, способ мышления (mindset) и опыт программирования в университете или на каких-то проектах.

Академическая база

Аналитик работает со статистическими данными. У стажера может не быть практического опыта, но за время стажировки он разберется, зачем же у него был этот курс в университете. Если курса не было — объём обучения стажера становится слишком большим. Мы в «Яндексе», скорее всего, не возьмем такого человека в команду.

Способ мышления

Это сложно формализуемая штука, но мы пытаемся придумать тесты на входе, которые не зависят от рабочего опыта кандидата. Например, взять процесс, с которым сталкивается каждый житель города ежедневно и формализовать его в виде продуктовых метрик.

Таким образом мы проверяем способность человека поставить себя на место потребителя и выделить самое главное в его потребительском опыте. Это не что-то специальное, чему учат — это способ смотреть на мир, уровень эмпатии, критический взгляд.

Примеры задач: придумать пользовательские метрики для светофора, оцифровать процесс нагревания воды в электрическом чайнике и так далее.

Опыт программирования

Речь не о промышленном программировании. В работе аналитика данных нужно уметь читать документацию, быстро разбираться и использовать инструменты работы с данными, а также автоматизировать свою рутину. Это SQL разных реализаций, Python, библиотеки Pandas, библиотеки визуализации, умение использовать API.

Люди технического склада как правило сталкиваются с программированием существенно раньше, чем выходят на работу, они проще и быстрее прокачивают технические навыки — это то, что мы хотим от людей, которые пришли в профессию.

Софт-скиллы

Без организованности и ответственности, умения вести конструктивную коммуникацию с коллегами сложно добиться какого-либо результата в команде. Бывают исключения из этого правила, но это большая редкость.

Постановка задач

Аналитик-стажер работает на уровне точно сформулированных и хорошо формализованных задач. Задачи стажеру ставит исключительно старший товарищ-аналитик (наставник или руководитель). Он же проверяет результаты выполнения этих задач перед тем, как отдать эти данные куда-либо еще. Функции проверки, осмысления данных, их визуализации и коммуникации выводов пока лежат на руководителе, хотя стажер может делать свои первые подходы к этим частям работы.

2. Младший аналитик (junior data analyst)

Обработка данных

Младший аналитик — это стажер, который освоил инструменты обработки данных. Для него уже не существует ограничений в задачах по трансформации имеющихся данных к необходимой форме. Он всё ещё может делать что-то неоптимально: излишне греть вычислительный кластер неэффективными расчетами, тратить на простые задачи много времени, — но задачу он решит.

Недоверие к данным и валидация данных

Опыта младшего аналитика уже хватает, чтобы не доверять данным. Когда младший аналитик начинает работать с какими-то данными, он узнаёт природу этих данных и делает проверки: убеждается, что в данных именно то, что ожидается. Например, что показатели в нужной размерности, распределение величин выглядит разумно, нет странных выбросов, данные отражают реальную картину изучаемого явления и так далее.

Постановка задач

Младшему аналитику не хватает опыта в реальном продукте и бизнесе, поэтому он склонен решать задачи так, как они поступают:

• Нужно выгрузить эксельку с вот такими колонками? — Держите.
• Нужно сделать дашборд? — Нарисуйте на листочке, как он должен выглядеть.
• И так далее.

Как правило при постановке задачи на младшего аналитика обсуждается детальный алгоритм с описанием данных, которые нужно использовать, способом трансформации этих данных (фильтрации, группировки, join’ы) и буквальным описанием, как должен выглядеть результат (если это график, то какие должны быть оси, нормировки, подписи, способ визуализации).

Простые задачи младшему аналитику бизнес-заказчик может ставить напрямую, но это не рекомендуется. В идеале все задачи всё ещё должны контролироваться его руководителем.

По мере роста опыта младший аналитик может работать более уверенно со знакомыми данными и с меньшей детализацией задачи со стороны наставника. При этом флагом для определения уровня является то, как он работает с незнакомыми данными.

Внедрение и применение результатов работы

Как правило младший аналитик не в состоянии подготовить аналитический отчет или исследование в формате рекомендаций с понятным обоснованием. И тем более не способен довести свои рекомендации и выводы до уровня реальных изменений на уровне продукта, процессов или бизнеса.

Младшие аналитики всё ещё приносят мало пользы бизнесу, поэтому критично чтобы они как можно быстрее росли. Принцип, прокачивающий младшего аналитика, — «делай как я». Аналитик постарше (в присутствии младшего) обсуждает новую задачу с командой проекта, задаёт уточняющие вопросы, погружается в контекст проблемы, и в результате этого диалога возникает подход к решению. Дальше этот подход старший товарищ декомпозирует на задачи по обработке данных для младшего аналитика. Это позволяет наблюдать, как проблемы бизнеса превращаются в задачи на написание кода и рисование графиков, находят своё решение в них. Со временем младший аналитик должен научиться делать это самостоятельно.

Почему важно глубоко обсуждать постановку задачи с младшими аналитиками

Обычно при ведении проекта возникают вопросы и проблемы, с которыми могут помочь аналитики. Вместе с идеей сходить к аналитику у бизнес-заказчика, как правило, возникает и примерное решение, с запросом на которое он, скорее всего, и придет («а построй мне вот такой график?»). Но у проектного менеджера, дизайнера или продакта может просто не хватать информации о том, какие ещё есть данные и инструменты для получения ответа. Возможно, существует более точный способ дать ответ или более простой. Может быть, в рамках возникшей гипотезы вообще не нужно обрабатывать данные, а достаточно посмотреть на дашборд, где будет пусть не идеальный, но график, позволяющий с некоторыми допущениями ответить на заданный вопрос.

3. Аналитик 1 (Middle data analyst – 1 step)

Аналитик 1 обладает всеми навыками младшего аналитика данных с точки зрения технической работы с данными и критического мышления, но при этом продвигается дальше в следующих аспектах своей работы и влияния на бизнес.

Постановка задач

Это первый уровень самостоятельного аналитика. Почти все его задачи возникают в прямом взаимодействии с командой или бизнес-заказчиком.

Младший аналитик перебирается на этот уровень после появления желания больше влиять на бизнес или продукт. Понятно, что одного желания недостаточно. Нужно подкопить опыта и кармы, чтобы желание трансфомировалось в возможность.

Аналитик 1 всё чаще и чаще докапывается до сути идей и вопросов, с которыми к нему пришли. Думает про задачи в терминах решений, которые будут приняты, а не в терминах работы с данными.

Сложность решаемых задач и глубина решения

Аналитик на этом уровне справляется с большинством простых задач самостоятельно. Однако с учетом небольшого опыта решения задач именно в бизнесовой постановке (с обработкой данных, как мы помним, всё нормально уже с уровня джуниора), аналитику на этом грейде может не хватать глубины мышления или ширины контекста, чтобы лучше понимать природу сложных задач и подбирать лучший способ решения.

Как правило трудности вызывают:

• Ситуации с высокой степенью неопределенности;
• Задачи вокруг сложных и многослойных бизнес-процессов;
• Задачи со сложным заказчиком, когда нужно аккуратно работать с возражениями.

В этих ситуациях аналитику 1 требуется помощь старшего товарища для понимания задачи, её декомпозиции или презентации результатов (чтобы они были применены).

Аналитик 1 чаще других грейдов сталкивается с проявлением синдрома Даннинга-Крюгера . Он уже стал самостоятельным, научился помогать бизнесу, поэтому ему кажется, что ему любая задача по плечу (и вообще он уже дорос до старшего аналитика).

Проблема в том, что аналитик 1 не понимает, в какой из своих задач он мог бы копнуть глубже. Поэтому руководитель такого аналитика старается быть в курсе почти всех его задач и выбранных способов решения. Формат контроля может быть разный, например, стендапы всей команды или регулярные встречи 1 на 1.

Аналитик 1 хорошо (и самостоятельно) справляется с задачами, которые имеют понятный путь к решению, например, подготовка и анализ рутинного A/B-теста. Если аналитик проявляет проактивную позицию и не только отвечает на прямой вопрос A/B-теста «можно катить или нет?», а смотрит (и находит!) проблемы в каких-то срезах, что позволяет улучшить показатели продукта, — это инициатива уже на грейд выше.

Сложные комплексные исследования аналитик 1 может делать только под присмотром наставника, который помогает и с сутью, и с декомпозицией и зачастую с оформлением и презентацией результата.

Софт-скиллы

Высокая степень самостоятельности означает, что сотрудник на этом уровне обладает навыками тайм-менеджмента, формирования ожиданий, прогнозирования сроков. Аналитик 1 несёт ответственность за результат.

Данные

Аналитик 1 начинает договариваться со смежниками о логировании или поставках данных, если ему их не хватает для решения задач. Не факт, что он это делает оптимально с точки зрения развития аналитического хранилища, но свои локальные проблемы он уже может решать. В полной мере это умение развивается к следующему грейду.

4. Аналитик 2 (Middle data analyst – 2 step)

Аналитик 2 — автономный аналитический юнит. Наносит пользу бизнесу. Это более опытная версия предыдущего грейда, но есть и отличия, которые являются качественными, существенными: это понимание контекста и выросший уровень рефлексии. Ниже о том, почему это важно и как меняется характер взаимодействия и пользы от этого аналитического юнита.

Контекст и проактивность

Аналитик 2 находится в глубоком контексте того, что происходит в его продукте или кусочке бизнеса. Это позволяет ему проявлять проактивность, приходить с идеями и предложениями, помогать тогда, когда не спрашивали. Это радикально повышает пользу от такого сотрудника.

Почему важно быть в контексте

Самые сложные проблемы — это задачи, которые трудно даже сформулировать. Это ситуации, в которых назрела какая-то боль или потребность, но что делать — совершенно непонятно. На такие задачи не ставят тикеты, а значит, чтобы помочь в их решении, нужно выступить проактивно. Но если аналитик не знает о проблеме, то помочь он не сможет.
Нельзя быть аналитиком высокого уровня и не быть в контексте проблем и задач своего бизнеса и продукта.

Рефлексия

Важное отличие аналитика 2 от аналитика 1 заключается в возросшем уровне рефлексии. Чтобы быть хорошим аналитиком, нужно во всем сомневаться и критически переосмысливать. К слову, на этом базируется наука, и успешные аналитики, как и успешные ученые, обладают этим качеством.

Следствие возросшего уровня рефлексии — такого аналитика не страшно оставить одного с задачами и каким-то направлением бизнеса. Можно быть уверенным, что там не произойдёт каких-то глупостей. Если нужно, аналитик 2 сам придёт за советом.

В результате получаем особенность менеджмента аналитика 2. Поскольку аналитик 2 сам придет к своему руководителю за советом в случае необходимости, руководитель может быть не погружен в ежедневную рутину, и обсуждать на регулярках они могут более высокоуровневые вещи.

Сложность решаемых задач и глубина решения

Другое важное отличие — более высокий доступный уровень абстракции при мышлении о бизнесе. Аналитик 2 должен уметь за рутинными операционными задачами видеть какие-то системные направления развития доверенной ему части бизнеса и понимать, как задачи связаны с целями, куда и зачем глобально движется продукт и компания.

Аналитик 2 отлично погружен в предметную область, что позволяет ему копать глубоко. Он умеет сводить задачи бизнеса к задачам оптимизации метрик. В вопросах, с которыми к нему приходят, он умеет докапываться до сути и оцифровывать эту суть.

Аналитик 2 решает задачи в бизнесовой постановке, и результат его работы сформулирован обычно в таком же виде. Если это аналитический отчет — в нём есть рекомендация, как поступать и на что обратить внимание (точки роста и потенциальные проблемы). Если это дашборд или график — они помогают принимать решения.

Результатам аналитика 2 доверяют. Это характеристика как накопленного опыта и кармы, так и того, как аналитик на этом уровне оформляет и доносит результаты своей работы. Обычно в его задачах понятно описана методология, приложены скрипты и код, описаны допущения и область применимости результата, есть блок с выводами, которые написаны понятным языком. Если результату аналитика не доверяют, этот результат не будет приводить к действиям, а значит, работа этого аналитика бесполезна.

Большая часть результатов аналитика 2 должна быть actionable. Аналитик 2 — опытный профессионал, которого мы вырастили или наняли, чтобы он приносил пользу компании. Польза аналитика, как мы помним, заключается в улучшении показателей, а не в написании SQL-запросов или создании отчетов-графиков. Поэтому между анализом данных и бизнес-результатом должен быть прочный мост actionability.

Данные

Аналитик 2 может быть самостоятельным заказчиком для команды аналитического хранилища (DWH) — описывать витрины, которые ему необходимы для работы.

Наставничество

Часто к аналитикам 2 приставляют стажеров или младших аналитиков. Аналитик 2 должен уметь контролировать и обучать младших товарищей, в том числе должен уметь делегировать им какие-то простые задачи, растить их экспертизу и степень самостоятельности.

5. Старший аналитик (Senior data analyst)

Супергерой — таких очень мало. Даже в режиме рутинной работы приносит колоссальную пользу бизнесу, выраженную во влиянии на ключевые показатели продукта или вверенного ему бизнес-процесса. По сравнению с предыдущим уровнем растет глубина и сложность решаемых задач, автономность и проактивность. К сожалению, не каждый аналитик 2 способен дорасти до этого уровня.

Сложность решаемых задач и глубина решения

Старший аналитик способен решать проблемы, у которых нет «решения в лоб» — и его результат вызывает доверие. Он умеет коммуницировать результат так, чтобы его поняли и приняли. Типичный пример такой задачи — оценить какой-нибудь запуск без A/B-теста, когда невооруженным глазом ничего непонятно (программа лояльности, влияние «Драйва» на «Такси», каннибализации в перформанс-маркетинге и так далее).

Старший аналитик обладает опытом и контекстом, который позволяет ему предугадывать, какие задачи могут возникнуть в перспективе.

Старший аналитик — ценный ресурс. С точки зрения компании важно стремиться к тому, чтобы каждый результат старшего аналитика приводил к позитивным изменениям. Если старший аналитик раскопал что-то ценное — он обязан сделать так, чтобы об этом узнали все причастные, пролоббировать нужное изменение в продукте или бизнесе.

У старшего аналитика развиты коммуникативные навыки, он умеет находить подход к разным людям в компании, умеет выбирать способ коммуникации, подходящий под решаемую задачу, умеет простым языком объяснять сложные концепции.

Данные

Опыт старшего аналитика позволяет ему быть квалифицированным заказчиком для команды DWH (аналитического хранилища). Он отлично формирует требования к данным и логированию, позволяющие решать на этих данных как текущие задачи, так и те, которые могут возникнуть в будущем.

Наставничество

Как правило, задачи и проекты старшего аналитика достаточно большие — он может декомпозировать их и раздавать части аналитикам помладше.

В условиях растущей компании у старшего аналитика почти непрерывно есть стажер или младший аналитик, которого он обучает.

Менеджмент

Как правило старший аналитик управляется целями («сейчас мы в точке А, хотим попасть в точку Б»), большую часть из которых он определяет сам и согласует с руководителем. Чаще всего регулярное общение старшего аналитика с руководителем проходит в формате обсуждения стратегии, психотерапии, HR-вопросов.

6. Ведущий аналитик (Lead data analyst)

Аналитик-легенда. Таких единицы. Мы заходим на территорию, где нет устоявшегося рынка и требований.

Сложность решаемых задач и глубина решения

Ведущий аналитик — это суперэксперт в своей предметной наукоемкой области (как пример, алгоритмы диспетчеризации или поведенческая экономика). Требуется сильный академический бэкграунд, широкий кругозор и многолетний опыт. Как правило всё это отлично сочетается с написанием научных статей и выступлениями на научных конференциях .

Чтобы реализовывать проекты в сложных предметных областях, нужно иметь сильные коммуникативные и менеджерские навыки, нести образовательную и популяризаторскую функцию.

Менеджмент

Ведущий аналитик сам определяет свои приоритеты и способы приносить пользу, и лишь согласует это видение с руководителем. Если требуется смена приоритетов, обычно это происходит в формате перефокусировки: «Мне кажется, вот этот вопрос сейчас приобрел большую важность для компании. Подумай, пожалуйста, что можно было бы тут сделать».

Уровни руководителей аналитиков данных

Задача руководителя аналитиков — масштабировать пользу от себя через свою команду. Например, если Вася — старший аналитик, то в роли менеджера Вася будет молодцом, если его команда из пяти аналитиков (и его самого) принесёт пользу хотя бы как три Васи.

Грейд руководителя обычно соответствует максимальному грейду сотрудника +1. Триггер для роста грейда руководителя — наличие трекшена по выращиванию людей до своего текущего уровня и их результативному менеджменту.

Хорошо, когда руководителями становятся старшие аналитики, но жизнь сложна, и иногда в порыве роста компании менеджерскую функцию приходится брать и специалистам среднего уровня.

Руководитель аналитики 0

На самом деле такого грейда не существует, но я завел данную категорию, чтобы подчеркнуть, что наставничество не является менеджментом, как могут подумать некоторые начинающие наставники.

Руководитель аналитики 1 (Analyst team lead)

Структура команды

Начинающий руководитель. Несколько аналитиков в прямом горизонтальном подчинении. Оптимально — до 5, но бывает и больше.

Наставничество

Руководителю аналитики 1 приходится растить своих ребят через наставничество. Помогать с задачами: декомпозировать большие задачи до необходимого уровня сложности, участвовать в постановках, решении, донесении результатов, учить новым подходам и технологиям.

Мотивация

Руководитель аналитики 1 занимается мотивацией сотрудников на ежедневной основе в рамках регулярных встреч с командой и отдельными сотрудниками. Формулирует вдохновляющие цели и помогает их достигать, делает так, чтобы команда чувствовала себя командой и возникала синергия от взаимодействия разных аналитиков, даже если они занимаются разными вопросами.

Вопросами премий, компенсации и контр-офферов начинающему руководителю заниматься сложно в силу отсутствия накопленного опыта: у него было слишком мало таких ситуаций. Обычно с этим ему помогает его руководитель.

Экспертиза

Руководитель аналитики 1 обладает экспертизой в той части бизнеса, за которую отвечает, и является ключевым лицом, формирующим требования к данным по своему кусочку домена (например, перформанс-маркетинг или клиентский продукт). Эти данные впоследствии будут переиспользоваться другими командами. Важно, чтобы они были корректны, удобно спроектированы и задокументированы. Это позволяет снижать порог входа для коллег.

Процессы

Руководителю аналитики 1 приходится заниматься выстраиванием процессов взаимодействия с бизнес-заказчиками и смежниками, чтобы команда и коллеги могли работать эффективно. При выстроенных процессах у коллег не должно возникать вопросов: к кому приходить с задачами, как их ставить, как в целом им могут помочь аналитики, как долго ждать результата, как повлиять на приоритет задачи. С другой стороны — команда аналитиков должна находиться в одном контексте с бизнесом, они должны понимать друг друга с полуслова.

Обычно это означает, что есть принятые ритуалы взаимодействия. В разных командах и компаниях они могут быть разными. Примеры: стендапы команды аналитики, регулярные встречи про приоритеты с бизнесом, семинары для обмена опытом, регулярные встречи 1 на 1 с руководителем, отчетные выступления о результатах работы аналитиков за сезон, правила работы над задачами (тикеты, код под контролем версий, нейминг метрик в отчетах и так далее).

Подчеркну, что всё перечисленное — это артефакты деятельности руководителя, главное же — это смысл: аналитики должны приносить максимальную пользу, работать эффективно.

Руководитель аналитики 2 (Head of some analytics)

Существенное отличие от предыдущего уровня — в структуре команды и выросшей зоне ответственности.

Структура команды

У руководителя 2 существенно больше команда, поэтому в ней появляются промежуточные руководители. Обычно их 3–4. С точки зрения ответственности — всё то же самое, но в большем масштабе.

Процессы

Руководитель этого уровня занимается системными вопросами, которые помогают его команде и компании работать эффективнее. Это может касаться:

• HR-процессов найма;
• Процессов оценки результатов (перформанс-ревью);
• Вопросов аналитической инфраструктуры;
• Инструментов отчетности;
• И так далее. Список неполный.

Как правило, руководитель такого уровня — опытный аналитик. Он хорошо знает, какие задачи бывают у аналитиков, с какими сложностями в процессе они сталкиваются.

Одна из зон ответственности руководителя аналитики 2 уровня — удобная аналитическая инфраструктура и среда: виртуалки, JupyterHub’ы, библиотеки, облегчающие рутину, удобные витрины данных и так далее. Является квалифицированным заказчиком для команды аналитического хранилища (DWH).

Руководитель аналитики может не являться профессионалом в машинном обучении, но, безусловно, с предметной областью знаком и может говорить с Data Scientist на одном языке. Хорошо понимает, когда задачу стоит решать методами машинного обучения. Это позволяет ему быть квалифицированным заказчиком для команды ML.

Если компания маленькая, то руководителю аналитики на данном грейде могут быть подчинены команды DWH и Data Science.

Руководитель 2 является связующим звеном между топ-менеджментом и командами аналитики. Поддерживает контекст и единое информационное поле в своей команде и в компании в целом.

Наставничество

Руководит руководителями 1 уровня. А значит, умеет воздействовать на команды и процессы в них без непосредственного вмешательства, а через промежуточного руководителя. Является наставником для начинающих руководителей.

Руководитель аналитики 3 (Директор по аналитике, Chief Data Officer / Chief Analytics Officer)

C-level*. Является частью топ-менеджмента. Обладает отличным знанием и пониманием контекста (в том числе непубличного), в котором живет компания и рынок, цели и проблемы компании. В широком смысле отвечает за эффективность компании, помогая улучшать её с помощью аналитики и работы с данными. Чтобы быть успешным директором по аналитике, нужно безусловно быть профессионалом в аналитике. Но описание роли директора больше похоже на описание роли любого другого директора в компании, если не учитывать предметную область.

* Большие корпорации имеют сложные и разветвленные структуры. Здесь имеется в виду C-level на уровне отдельного бизнес-юнита или продукта, руководитель которого назывался бы CEO, если бы это была отдельная компания.

Структура команды

Десятки или даже пара сотен человек (в зависимости от размера компании) разных специальностей:

• Аналитики;
• Специалисты по машинному обучению;
• Специалисты по визуализации и репортингу;
• Дата-инженеры;
• Системные аналитики и проектные менеджеры;
• Маркет-рисёчеры и UX-специалисты;
• (Список неполный).

Лидерство

Директор — безусловный авторитет и лидер своего направления. Аналитики и инженеры не хотят делать таски, они хотят влиять на компанию, продукт, клиентский опыт и делать мир лучше.

Задача лидера — вдохновлять команду на крутые результаты, показывать, как цели и задачи конкретных ребят связаны с большими целями компании.

Почему это так важно для этого грейда? Безусловно, лидерство важно и на более младших уровнях, но если его не хватает, то с этим могут поддержать руководители постарше. Но когда ты самый большой начальник в направлении — помогать больше некому. Конечно, есть CEO, но его время очень дорого и ограничено, так что его помощь должна быть скорее исключением.

Прикладные задачи

Директор по аналитике занимается прикладными аналитическими задачами очень ограничено — как правило это важные исследования, на основании которых принимает решения топ-менеджмент.

Что такое важные вопросы, в которых директор по аналитике участвует непосредственно, но которые при этом не являются частью построения системы? Приведу примеры:

• Построение системы KPI для всей компании и выставления целей по ним;
• Оценки профита от проектов и их ранжирование в рамках регулярного планирования;
• Построение прогнозных моделей компании и рынка;
• Исследования, которые могут поменять стратегию компании;
• Оценка потенциальных сделок M&A;
• Интеграционные проекты по результатам M&A;
• Проекты про данные, несущие большие регуляторные риски, например, на соответствие GDPR, SOX и другим дорогим аббревиатурам.

Процессы

В больших компаниях директор по аналитике (как и любой другой директор) не может контролировать каждый вопрос или задачу, которые возникают в его направлении, но при этом его функция — сделать так, чтобы результатам аналитики, на основе которых принимаются решения в локальных командах, можно было доверять, аналитика была actionable и приносила измеримую пользу бизнесу.

Директор добивается этого через наём правильных людей, их развитие и мотивацию, выстраивание процессов внутри компании (в широком смысле, не только аналитических), улучшение аналитической инфраструктуры, определение фокусов и целей команд. Чтобы нанимать лучших людей с рынка, директору приходится заниматься HR-брендом своего направления.

Департамент аналитики — это нервная система компании. Благодаря аналитике менеджменту приходят сигналы и принимаются решения — задача директора организовать работу большой группы людей, чтобы эта функция выполнялась и давала рост компании.

В заключение

С тех пор, как я впервые формализовал и внедрил грейды в своей команде, я не представляю, как от них можно отказаться. Грейды так прочно засели в моём сознании менеджера, что теперь про все задачи, связанные с людьми, я думаю в терминах грейдов: наём, развитие, материальная мотивация, кому какую зону ответственности стоит доверить и так далее.

Если вы руководите аналитиками, надеюсь, фреймворк окажется вам полезен — и, спустя время, вы разделите мой энтузиазм.

Для того, чтобы начать чувствовать систему грейдов «на кончиках пальцев» требуется много практики. Как руководителю вам нужно выставить грейд хотя бы паре десятков сотрудников, чтобы разобраться в нюансах и пограничных ситуациях.

Если вы аналитик, можете использовать этот материал как гайд по профессиональному и личностному росту. Пришлите эту статью вашему руководителю и предложите на следующей регулярной встрече обсудить, на какой ступени аналитики вы сейчас находитесь, над чем вам стоит поработать, чтобы перебраться на следующую. Заданная система координат позволяет вести подобные разговоры содержательно и ёмко.

Если по прочтении у вас остались вопросы — не стесняйтесь задавать их мне лично . А если вам понравился материал, и вы хотели бы узнавать о новых статьях от меня, подписывайтесь на мой телеграм-канал « Секрет лапшичного супа ».

Образовательные
продукты

Бесплатный тест навыков в управлении продуктом

Оцените свои навыки в управлении продуктом за один час

Симулятор управления продуктом на основе данных

Пройдите симулятор управления продуктом на основе данных

Симулятор управления ростом и масштабированием

Усильте знания и навыки в симуляторе управления ростом продукта

Симулятор SQL для продуктовой аналитики

Научитесь применять SQL в работе над продуктом и маркетингом

Новый симулятор управления ML/AI-проектами

Подписка
на новости и
материалы
Получайте знания там, где вам удобно

Делимся новостями GoPractice и новыми материалами для профессионального развития в нашей почтовой рассылке и в телеграм-канале

Кто такой аналитик и чем он занимается

Аналитик нужен в любой сфере, где систематизируют и исследуют большие данные.

Виктория Дербенченко
Автор статьи
24 февраля 2022 в 16:16

Бизнес сталкивается с большим объемом информации: суммы налогов, прибыли и затрат, показатели производительности труда и количество продаж. Кто-то должен всё это анализировать и извлекать пользу. И это — аналитик данных. Он помогает компаниям принимать решения на основе данных, а не интуитивно, чтобы больше заработать.

Рассказываем, чем занимаются аналитики и какие навыки нужны для работы.

Кто такой аналитик и чем занимается

Аналитик — специалист, который собирает и обрабатывает данные для решения задач, связанных с развитием компании и продукта. Он может работать в IT, маркетинге, управлении, консалтинге, финансах — любой сфере, где систематизируют, исследуют большие данные и работают с ними.

Допустим, образовательная детская платформа приглашает на вебинары родителей будущих первоклассников, но регистраций очень мало. Из-за этого нет новых клиентов. Задача аналитика — узнать, почему так происходит, и предложить варианты решения проблемы. Для этого он изучает:

• как ведут себя пользователи на платформе;
• что делают конкуренты: как выпускают продукт, снижают или увеличивают цены, осваивают новые каналы продаж;
• обрабатывает данные от коллег из других отделов: например, узнает у отдела техподдержки, с какими техническими ошибками сталкиваются пользователи.

Затем разрабатывает пользовательский путь, выдвигает гипотезы и тестирует их.

Инструменты аналитика. Карьерный путь в профессии Аналитик данных. Советы новичкам

Какие навыки и знания нужны аналитику

Профессиональные навыки нужны, чтобы анализировать данные:

• знать и уметь применять методы статистического анализа;
• разбираться в бизнес-процессах компании;
• уметь моделировать и прогнозировать;
• формулировать гипотезы и тестировать;
• производить математические расчеты;
• понимать SQL и Python для некоторых специализаций.

На курсе Skypro «Аналитик данных» за 12 месяцев узнаете основы статистики и другую базовую теорию. Освоите основные инструменты аналитика, научитесь программировать на Python, использовать его для обработки, анализа и визуализации данных.

Сначала понадобится базовый английский язык, чтобы понимать техническую документацию. Но если специалист хочет постоянно развиваться, без хорошего английского будет сложно: книги по аналитике долго переводят на русский язык, а все актуальные знания — в оригинальной литературе.

Программы и сервисы. Аналитику нужно уметь пользоваться набором программ, чтобы обрабатывать данные:

• Excel — для работы с таблицами, сложными отчетами, формулами, диаграммами.
• Power Pivot — Excel-надстройка для выполнения сложного анализа данных.
• Power BI — программа, в которой визуализируют информацию, анализируют базы данных и разные форматы файлов.
• Tableau — система интерактивной визуализации данных и бизнес-аналитики.
• Google Analytics и Яндекс Метрика — сервисы для отслеживания источников трафика и анализа посетителей.
• Amplitude — сервис для анализа пользовательского поведения на сайтах и в приложениях.

Личностные качества. Аналитик много общается с разными специалистами. Поэтому ему важно уверенно себя чувствовать, четко доносить до людей свои мысли и отстаивать точку зрения перед руководителями и коллегами.

Развитые коммуникативные навыки нужны на всех этапах работы:

1. В начале исследования, чтобы правильно поставить задачу.
2. На следующем этапе, чтобы написать ТЗ специалистам и синхронизировать всех участников.
3. В конце, чтобы презентовать отчет команде. Если выводы и гипотезы поставят под вопрос — аналитик приведет убедительные аргументы в пользу своей точки зрения.

Аналитикам часто приходится объяснять очевидные вещи людям, далеким от цифр. Важно держать себя в руках и рассказывать просто о сложном.

Какой еще человек может стать хорошим аналитиком:

✅ Скрупулезный. Проверяет каждую цифру, не полагается на готовые исследования.

✅ Инициативный. Занимает позицию эксперта и объясняет бизнесу все детали, чтобы добиться поставленной цели. Если видит проблему в техническом задании — выносит на обсуждение.

✅ Усидчивый. Способен долго концентрироваться на рутинной работе.

✅ Настойчивый. Доводит дело до конца, умеет отстаивать свою точку зрения.

✅ Аккуратный. Педантично и понятно визуализирует полученные данные.

✅ Способный вникать в детали. Видит за цифрами бизнес и работает с данными в контексте бизнес-процессов компании.

Аналитик — это человек с системным мышлением, способный понимать и описывать сложные закономерности, удерживать фокус на задаче и создавать стратегии.

Аналитик данных: новая работа через 5 месяцев
Получится, даже если у вас нет опыта в IT

Сколько зарабатывают аналитики

По данным вакансий на Хабр Карьере, новичок зарабатывает от 50 000 ₽ в месяц. Специалист — от 85 000 ₽ до 300 000 ₽. Старший специалист — от 150 000 ₽ до 400 000 ₽. Зарплата аналитика зависит от его квалификации, специализации, обязанностей и города, в котором открыта вакансия.

Например, средняя зарплата начинающего веб-аналитика в Москве — 80 000 ₽, специалиста — 115 000 ₽, старшего специалиста — 177 500 ₽.

Источник: кадровое агентство по подбору digital- и IT-специалистов Real HR, 2021 г.

Источник: Хабр Карьера, зарплаты аналитиков в 2023 г.

Какие бывают аналитики и что они делают

Аналитики данных бывают разные — это зависит от того, какие задачи они решают и в каких отраслях работают.

Бизнес-аналитик

Участвует в создании продуктов, помогает внедрять новые бизнес-процессы, разрабатывать маркетинговые тактики и анализировать предприятие. Он собирает информацию о внутренних и рыночных факторах, изучает, как они влияют на деятельность компании, а затем помогает принять лучшее решение.

Что важно для бизнес-аналитика:

�� Понимать основные маркетинговые, брендинговые и бизнес-показатели. Например, выручка, маржа, ROI.

�� Знать стандарт бизнес-аналитики и методологию описания архитектуры предприятия.

�� Разбираться в гибких методах разработки: Agile и Kanban.

�� Владеть программами и сервисами для визуализации данных: Miro, Visio, MindMap.

�� Находить общий язык с разными людьми.

Кому подойдет направление. Тем, кто хочет работать в управлении: разбираться не только в данных, но и в бизнес-процессах.

Модуль бизнес-аналитики есть в программе курса Skypro «Аналитик данных». Научитесь формулировать и проверять бизнес-гипотезы, разберетесь в ключевых метриках для оценки эффективности компаний. Поймете, как коммуницировать с командами других специалистов и руководителями.

BI-аналитик

Основная задача BI-аналитика — сводить и визуализировать данные с помощью различных инструментов: например, Power BI и Tableau. В этих программах BI-аналитики создают отчеты для коллег, чтобы они могли быстро проанализировать ситуацию. Еще управляют библиотекой с показателями отдела продаж, собирают требования и пожелания к BI-инструментам.

Кому подойдет направление. Тем, кто хочет подбирать оптимальную форму презентации данных без углубления в анализ.

Финансовый аналитик

Работает с деньгами компании: анализирует, оптимизирует, оценивает и ищет проблемные места. А точнее:

• оценивает финансовое состояние компании, контрагентов, отрасли и рынка;
• анализирует риски, денежные потоки — и управляет ими;
• определяет направления для инвестиций.

Что важно уметь финансовому аналитику:

�� Работать с большими массивами данных.

�� Анализировать финансовое состояние компании.

�� Создавать новые финансовые инструменты и услуги.

�� Строить инвестиционные стратегии.

�� Проводить анализ источников капитала для финансирования компаний.

Кому подойдет направление. Студентам экономических факультетов и тем, кто уже работает с финансами.

Системный аналитик

Оптимизирует и автоматизирует информационные системы компании, чтобы наладить бизнес-процессы. Задачи системного аналитика:

• собирать и анализировать требования исходных программ;
• согласовывать требования и мониторить их изменения;
• составлять проектную, пользовательскую, техническую документацию;
• синхронизировать разработчиков и заказчика, решать конфликты.

Что важно уметь системному аналитику:

�� Понимать базовые принципы разработки ПО.

�� Определять границы систем и их возможности.

�� Выделять подсистемы и их функции.

�� Разбираться в графических моделях описания бизнес-процесса.

В разных компаниях к системному аналитику будут предъявлять дополнительные требования. Например, для работы в банке понадобится понимание бухгалтерского учета и экономики, а в сфере кибербезопасности — знание системы шифрования и защиты данных.

Кому подойдет направление. Людям с инженерным мышлением и тем, кто хочет работать со сложными задачами.

Веб-аналитик

Собирает и анализирует данные о посетителях сайта и об их поведении. Он устанавливает и настраивает системы аналитики на сайте, отслеживает источники трафика, дорабатывает стандартные отчеты в системах аналитики, продумывает стратегию рекламных кампаний.

В чём нужно разбираться:

�� В Google Analytics и Яндекс Метрике. Это инструменты для настройки рекламных кампаний и отслеживания пользовательских действий на сайте или в приложении.

�� Языках разметки или сервисах для установки рекламных счетчиков и пикселей. Например, HTML и Google Tag Manager.

�� Инструментах AB-тестирования и веб-аналитики: Similarweb, App Metrica, AppsFlyer, Adjust, MyTarget.

�� Дизайне, разработке, продвижении. Пригодится для грамотной коммуникации со специалистами из этих областей.

�� SQL, Python, R, чтобы автоматизировать процессы и работать с большими массивами данных.

Кому подойдет направление. Тем, кто любит разбираться в постоянно меняющихся данных и хочет работать в маркетинге.

Аналитик 1С

Подбирает и разрабатывает наиболее подходящие версии продукта для заказчика. Вот примерный список его обязанностей:

• анализировать бизнес-процессы и функциональные требования каждого подразделения;
• составлять ТЗ с требованиями для разработчиков;
• контролировать процесс разработки;
• тестировать версии и передавать продукт пользователям;
• участвовать в интеграции 1С с внешними системами;
• обучать пользователей работе с продуктом.

Что важно знать аналитику 1С:

�� Правила ведения товарного учета.

�� Функционал 1С:предприятие и 1С:управление торговлей.

�� Типовые конфигурации и доработки 1С.

Кому подойдет направление. Консультантам 1С как следующий этап карьеры и всем, кто хочет углубиться в работу с одним продуктом.

Аналитик маркетплейсов

Анализирует статистику продаж и эффективность промоакций, формирует отчеты, прогнозирует спрос, разрабатывает и автоматизирует новые формы отчетов, взаимодействует с внутренними заказчиками, составляет ТЗ на разработку и предлагает улучшения маркетплейса.

Что важно знать аналитику маркетплейсов:

�� Excel на хорошем уровне: сложные формулы, сводные таблицы, обработка больших массивов данных.

�� SQL: писать простые запросы, объединять таблицы, сортировать и группировать данные.

�� Тонкости маркетплейсов для правильного прогнозирования и постановки задач другим сотрудникам.

Кому подойдет направление. Менеджерам маркетплейсов как следующий шаг в карьере и всем, кто интересуется сферой.

SMM-аналитик

Отвечает за стратегию продвижения компании в социальных сетях. SMM-аналитик анализирует репутацию бренда и конкурентов, мониторит рынок, проверяет каналы компании по всем показателям.

В чём важно разбираться:

�� в SERM, SMM, брендинге;

�� аналитике эффективности социальных сетей;

�� мониторинговых системах Brand Analytics, Iqbuzz, YouScan, Crimson Hexagon;

�� сервисах Nippel, Social Bakers, JagaJam;

�� разработке коммерческих предложений.

Кому подойдет направление. Тем, кто уже работает в сфере SMM и хочет повысить квалификацию.

Продуктовый аналитик

Помогает развивать продукт компании. В процессе работы изучает бизнес-показатели, отклики клиентов, ситуацию на рынке и конкурентов. Продуктовый аналитик проверяет, как пользователи реагируют на нововведения, формирует гипотезы усовершенствования продукта, прогнозирует KPI.

�� оценивать продуктовые показатели, поведение пользователей и конкурентов;

�� проводить качественные и количественные исследования;

�� рассчитывать вероятности и прогнозировать с помощью Amplitude, SQL, PostgreSQL, Power Query, Power BI,Tableau;

�� проводить сплит-тестирование и разрабатывать стратегию развития продукта.

Кому подойдет направление. Тем, кто хочет погрузиться в один проект и развить навыки, необходимые для входа в аналитику в целом.

UX-аналитик

Основная задача UX-аналитика — изучать пользовательский опыт на сайтах и в приложениях. UX-аналитик анализирует, удобно ли пользователям оформлять заказ, смотреть товар, искать информацию и потреблять контент.

В чём надо разбираться:

�� В дизайне и разработке. Эти знания нужны, чтобы выстроить эффективную коммуникацию с дизайнерами и программистами.

�� В проектировании пользовательского взаимодействия: Customer Journey Maps и User Journey Maps.

�� В инструментах веб-аналитики и основах бизнес-процессов.

Кому подойдет направление. Эта специальность находится на стыке сразу трех направлений и подойдет людям, которые интересуются этими сферами, но не хотят останавливаться на одной. В UX преуспеют и те, кому любопытно изучать сайты и приложения, исследовать поведение людей.

Game-аналитик

Игровой аналитик помогает понять и предсказать действия игроков, найти проблемы и спрогнозировать прибыльность проекта. Вовлекается в рабочий процесс после первых тестов, когда нужно оценить потенциал игры. Его задачи примерно такие: составлять ТЗ для разработчиков, общаться с гейм-дизайнерами, исследовать продукт, собирать данные, презентовать отчеты и тестировать гипотезы.

В чём важно разбираться:

�� В дизайне и разработке. Необязательно на профессиональном уровне — это важно для правильной коммуникации с программистами и дизайнерами.

�� В SQL и базовых принципах математической статистики.

�� В системах визуализации данных.

�� В играх — чтобы хорошо понимать продукт изнутри.

Кому подойдет направление. Тем, кто не боится постоянно общаться с коллегами, умеет объяснять, интересуется играми.

Аналитик данных

Исследует и анализирует сложные данные, улучшает базы данных вместе с разработчиками.

�� правила постановки задач разработчикам;

�� особенности анализа проблемы в данных.

Кому подойдет направление. Тем, кто обладает системным мышлением и развитой логикой, внимательным, терпеливым и усидчивым.

Аналитик big data

Изучает большие массивы данных и на их основе строит прогнозы развития объекта исследования. Например, прогнозирует вероятность оформления платной подписки на приложение исходя из поведения пользователей, которые уже перешли на платную версию.

�� SQL и Python для получения, проверки и обработки данных.

�� Применение в работе математических методов и основ статистики.

�� Прогнозирование событий на основе данных.

�� Умение создавать и презентовать аналитические решения.

Кому подойдет направление. Тем, кто погружается в аналитику с нуля, и специалистам из смежных областей.

Рассказывает Екатерина Антонова, аналитик внедрений в IT-компании HFLabs:

Аналитику приходится много общаться, поэтому важно уметь находить контакт даже с теми, с кем не хочется. Одна из главных задач — задавать много вопросов. Иногда кажется, что заказчики думают, будто мы над ними просто издеваемся, когда снова и снова присылаем вопросы и уточняем информацию. Говорят: «Ну я же уже вам всё прислал!» И тут тоже приходится лавировать. Для тех, кто не готов много общаться, это может быть существенным минусом специальности.

Очень приятный плюс моей работы — видеть результат, что нечасто случается в мире IT. Иногда чувствуешь себя супергероем, потому что можешь предложить заказчику то, что сделает его жизнь лучше, а работу — проще и приятнее. А когда презентуешь заказчику результат и видишь, как все довольны, то искренне радуешься.

А еще постоянно натыкаешься на что-то новое, чего раньше не умел. Это приводит к постоянному росту экспертности. При переходе с проекта на проект меняются компании, а то и целые сферы. Я, например, перешла с банковских проектов в страховые. А еще раньше я была аналитиком в сфере соцзащиты населения и теперь знаю, как в стране выстроена работа с неблагополучными семьями.

Но отсюда следует и минус — нужно очень много информации держать в голове. Работа напряженная, мозг часто перегружен. Нужно постоянно копать, быть въедливым и внимательным, уметь добираться до сути.

Рассказывает Анастасия Дрозд, бизнес-аналитик BSL:

Оценка плюсов и минусов профессии аналитика — это субъективный взгляд. Что для одного плюс, то для другого может быть жирным минусом. Озвучу свою позицию:

Общение. Много общения

+ Причём оно будет разнообразным: разработчики, дизайнеры, менеджеры продукта, управленцы, клиенты… Это здорово расширяет кругозор и сеть контактов.

– Для интровертов это может быть испытанием или же поводом попробовать себя в роли экстраверта (говорю как интроверт со стажем).

Постоянное обучение

+ Нельзя просто так выучить всё необходимое для работы аналитика за раз. Новые инструменты, домены, люди — всё это требует от аналитика непрерывно учиться, читать, изучать. Точно не соскучитесь!

– Даже большие любители учиться устают от этого. Поможет приоритизация и перерывы (как мини-каникулы в школе).

Разнообразные задачи

+ Если вы устали от монотонности и однообразности задач, то точно оцените работу аналитиком. Сегодня вы с менеджером продукта исследуете конкурентов и собираете лучшие практики рынка, завтра вместе с дизайнером проводите UX-исследования, общаетесь с заказчиками, собираете данные, послезавтра — пишете пользовательские истории, консультируясь с разработчиками, а через неделю уже можете посмотреть на результат своей работы и внести коррективы (предварительно пройдя еще один цикл). Немного утрированно, но разнообразие задач вас не оставит равнодушным.

– Если нет навыка быстро переключаться, может быть сложно.

Большой объем информации

+ Всегда будет что анализировать и раскладывать по полочкам — рай для любителей структурировать данные.

– Иногда данных будет очень много ��

Карьерный рост

Успешная карьера в сфере аналитики во многом зависит от целеустремленности человека и желания повышать квалификацию.

Аналитик проходит три этапа: младший специалист (junior) → специалист (middle) → старший специалист (senior). Обязанности каждого уровня зависят от специфики бизнеса и специализации.

�� Junior обладает базовыми навыками и выполняет типовые задачи, работает только в команде. Наставник детально оговаривает алгоритм задачи, контролирует результат.

�� Middle — первый уровень самостоятельной работы. Такой специалист обладает навыками тайм-менеджмента и самоорганизации, напрямую взаимодействует с заказчиком по поводу простых задач, хорошо справляется со знакомыми алгоритмами и находит решение проблемы без помощи руководителя. Но сложные комплексные исследования проводит только в паре с наставником.

�� Senior-аналитик работает самостоятельно: собирает данные до тестирования гипотез и презентует отчет. Он разрабатывает технические задания, синхронизирует исполнителей и заказчиков, пишет инструкции для младших специалистов.

Востребованность и перспективы

Современному бизнесу важно хорошо понимать свою аудиторию, чтобы эффективно развиваться и продавать продукт. Сделать это без данных о клиентах, рекламных кампаниях и продажах сложно. Поэтому профессия аналитика востребована всегда — и с каждым годом всё больше и больше.

Как устроиться на работу

«Начинающему аналитику лучше сразу идти в большую компанию, с серьезным уровнем развития IT-систем и большим портфелем проектов. Пусть даже это будет позиция стажера с минимальной оплатой. В подобных компаниях, как правило, высокие стандарты работы и высокий уровень требований к документации. Такой старт даст вам сильный толчок к развитию».

Екатерина Антонова
, аналитик внедрений в IT-компании HFLabs

«Изначально определите, каким аналитиком вы хотели бы работать (бизнес-аналитиком, BI-, системным и т. д.) и в какой отрасли деятельности компании.

Дальше составьте список своих профессиональных навыков и личностных качеств, которые были бы интересны будущему работодателю. Если есть минимальный опыт работы — не забудьте написать о нём, выделяя клиента, проблему и ее решение.

Потом с помощью фильтров на ресурсах поиска работы укажите ожидания от будущего работодателя и начинайте искать активные вакансии. Используйте различные каналы поиска работы: от специальных сервисов до социальных сетей и личных контактов.

История из личного опыта: когда я находилась в активном поиске новой работы, то первый вопрос, который задавала новым знакомым, был не «Как тебя зовут?», а «Кем ты работаешь?». Так случайно познакомилась с аналитиком из компании, где работаю по сей день. В тот момент отдел аналитики как раз находился в поиске нового сотрудника, так что в третий день знакомства я уже проходила внутреннее собеседование и выполняла тестовое задание.

Главное — ничего не бойтесь и помните о конечном результате, к которому хотели бы прийти. Всё получится!»

Александра Харитонова
аналитик IT-интегратора Fusion

«Если вы еще не имеете коммерческого опыта, самое важное — этот опыт получить. Поэтому я бы посоветовала не пренебрегать возможностями пройти стажировку на реальных проектах. Кроме всем известных сайтов по поиску работы объявления о наборе на стажировку можно найти в тематических каналах в телеграме — обязательно вступайте в профессиональные сообщества, группы и чаты: это поможет быть в контексте происходящего в вашей сфере».

Анастасия Дрозд
бизнес-аналитик BSL

Как стать аналитиком

Учебные заведения. В вузах навыки аналитика получают на экономическом факультете, факультетах маркетинга, информатики и вычислительной техники. Такой вариант подходит для выпускников школ и колледжей.

Курсы. Еще профессии аналитика учат онлайн и в сжатые сроки. Обычно такое обучение длится несколько месяцев, упор сделан на практические задания — студенты выполняют их каждую неделю и сдают на проверку кураторам. Некоторые образовательные платформы помогают устроиться на работу.

Освоить профессию аналитика данных за 12 месяцев можно на курсе от Skypro. Программа составлена из нескольких блоков, чтобы постепенно осваивать аналитику. Во время учебы студентов постоянно поддерживают наставники, кураторы и преподаватели — практики с многолетним опытом. Они научат анализировать проблему и находить удачное решение. Помогут развить навыки, которые действительно пригодятся в работе.