Аналитика — очень многогранная (и этим интересная) сфера. В каждой компании свои маркетинговые воронки, свой продукт, свои слабые места, поэтому аналитика выстроена абсолютно по-разному. Вы можете прийти в компанию Х и 3 года делать одно, а потом перейти в компанию Y и столкнуться совершенно с другими инструментами, подходами и задачами.
И зачастую люди, даже уже работая в аналитике, не до конца понимают, а чем вообще занимаются их коллеги по цеху. Чего уж говорить про ребят, которые только учатся — некоторые имеют только примерное представление, чем же им предстоит заниматься.
Поэтому мы опросили несколько наших студентов симулятора, которые трудоустроились в разные компании, и попросили их рассказать, что входит в их обязанности. Что и требовалось доказать — все три истории получились абсолютно разными!
От садовника к аналитике товарных остатков
Даниил пришел к нам в Симулятор в январе 2023 года. Запрос у него был прозаический, приводим цитату:
Вообще я работал садовником в сфере ухода за растениями. Ходил поливал цветы в банках, офисах, где сидят люди за компом, не носят с собой лейки по 10 литров и занимаются чем-то намного более интересным, чем я. По образованию я сельхоз-инженер. То есть опыта ноль и профиля никакого.
Пройдя всего несколько модулей — продуктовые метрики, SQL и Metabase — Даниил уже смог начать карьеру в аналитике (респект за такую скорость). Сначала он начал заниматься аналитикой в SMM (делал парсинг контента, собирал статистику с парсера, собирал всё в одном месте, настраивал BI-систему и проводил несложный анализ).
Однако запрос был именно в развитии, поэтому достаточно быстро Даниил перешел в известную компанию «Винлаб» на позицию аналитика в товарных поставках.
На данный момент основной фронт работ — сбор различных ad-hoc отчетов с помощью SQL и Power Query, а также формирование различных отчетов с помощью SQL и DAX. Большую часть времени приходится работать с SQL, однако Даниил потихоньку внедряет новые инструменты в работу — например, разворачивает и настраивает Metabase для использования внутри команды. Это позволит собрать самые частые отчеты, чтобы они всегда были всем доступны, были актуальны и обновлялись в режиме реального времени.
Из бухгалтера в биайщика
Юлия пришла к нам в середине 2023 года с понятным запросом:
Надоело копаться в цифрах и 1С-ке, я уже 10 лет работаю бухгалтером, хочется что-то поинтересней. Особенно люблю графики!
План действий был понятен сразу — Юле нужно двигаться в сторону BI-аналитики. Мы посмотрели дашбордики, которые она собирала на предыдущем месте работы и поняли, что чувство прекрасного у неё есть, а значит, остаётся только прокачать DAX, Power BI, Power Query — и дело в шляпе.
Собственно, так и получилось — когда модули по продуктовым метрикам, SQL (на всякий случай) и Power BI остались позади, Юля достаточно быстро устроилась в один из крупнейших маркетплейсов BI-аналитиком. Её ежедневный рабочий процесс можно выразить такой последовательностью действий:
- Смотришь существующие дашборды, ищешь аномалии, генерируешь гипотезы;
- Находишь подтверждения / опровержения своих мыслей;
- Если нашлась метрика, за которой стоит последить какое-то время — выносишь её отдельным графиком на дашборд или собираешь новый дашборд.
Иногда ещё приходят коллеги и начальство с запросами в духе:
- Мы не очень понимаем, от чего зависит частота покупок клиента у нас на маркетплейсе. У нас есть несколько гипотез — давай соберём дашборд, чтобы мы пару месяцев могли последить за этим.
- Мы заметили, что в вечернее время активность сильно вырастает. Давай выведем отдельно сравнительный анализ метрик Х, Y и Z в утреннее и вечернее время.
Юля не работает с базами данных (не пишет SQL-запросы), не пишет скрипты на Python. Её амплуа — построение дашбордов, она в этом развивается и ей больше ничего не надо. Она планирует стать большим профессионалом в этой сфере со временем, а возможно «запустить свой курс» (это цитата 😁).
Из продажника в инженера данных
Федя — молодой парень 25 лет. После института он несколько лет поработал в продажах и понял… что он жуткий интроверт. А посмотрев на рынок IT, он понял, что писать код ему намного приятней, чем общаться с бизнесом/заказчиком/клиентами.
Когда он пришёл к нам с запросом стать аналитиком, вектор движения тоже нарисовался достаточно быстро — если ты хочешь быть аналитиком, но большую часть времени тратишь на написание кода, то тебе в направление Data Engineering.
Собственно, по этому плану он и пошел — изучил модуль по SQL, модуль по Python, ООП, Python для анализа данных, автоматизацию и деплой. Натренировался проходить технические собеседования и устроился в крупный банк дата-инженером.
Вы представляете, сколько в банке разных систем, из которых надо как-то выгружать данные, куда-то их все складывать, обеспечивать их целостность и следить за дублями? Задача не для слабонервных — но Фёдору она зашла на ура.
Поэтому на текущем месте работы Федя:
- Пишет скрипты для сбора данных из различных корпоративных ERP-систем, внутренних CRM и прочих банковских продуктов;
- Делает интеграции с внешними API (как API клиентов, так и партнёров);
- С помощью Python очищает данные и обеспечивает их загрузку в облачное хранилище;
- Пишет «чекеры», которые ежедневно по расписанию проверяют, всё ли нормально с базой, все ли данные прогрузились, нет ли дублей — и отправляют репорты на почту;
- Пишет скрипты для выполнения обработки, которую аналитики не могут сделать с помощью SQL.
- Автоматизирует все эти скрипты с помощью Airflow и cron.
В общем, Федя — гуру Python. А главное, он доволен, что может проводить большую часть времени в спокойной обстановке наедине с кодом, радуя себя выполненными тасками в Jira 😁
Мы рассмотрели всего 3 истории, 3 случайно выбранных наших студентов - а таких историй сотни и тысячи. Как видите, каждый кейс по-своему уникален - в каждой компании свои задачи и свои инструменты. Поэтому даже обладая минимальным набором знаний (например, Юля владела только Power BI) вы можете найти крутую работу и кайфовать от этого всю жизнь.