Когда я проходил свой первый курс по аналитике, я услышал одну фразу, которая стойко въелась в мою память: «Данные — это новая нефть». И это действительно так.
Согласно данным исследования Statista, количество данных к 2025 году предположительно достигнет 182 зеттабайта, что эквивалентно 164,6 млрд терабайтам.
Источник: Statista
Так кто же такой аналитик данных?
Аналитик данных (data analyst) — это один из видов аналитиков, которые работают со всеми внешними и внутренними данными, необходимыми компании. Любые действия клиента: клики, входы в приложения, посещения сайтов, покупки и многое другое логируются, и могут быть использованы для аналитики.
Аналитик данных — это обширное понятие, которое включает в себя множество специализаций: маркетинговый аналитик, финансовый аналитик, продуктовый аналитик, бизнес-аналитик, гейм-аналитик, веб-аналитик и другие более узкоспециализированные виды аналитиков. Также к аналитику данных можно отнести BI-аналитика — при условии, что аналитик не только визуализирует данные в BI-системах, но и собирает их.
Что делает аналитик данных?
Аналитики данных, вопреки ожиданиям многих обывателей, не только «строят таблички». До того, как построить отчёт, необходимо:
- Собрать данные с разных источников;
- Сырые данные необходимо очистить и обработать, в том числе привести к единому виду;
- Объединить данные;
- Провалидировать данные (подтвердить их корректность);
- Рассчитать метрики;
- Визуализировать данные (построить отчётность в виде графиков, дэшбордов и/или таблиц);
- Проанализировать данные и интерпретировать их (например, оценить эффективности маркетинговой кампании в рамках А/В тестирования);
- Презентовать результаты.
Давайте рассмотрим простой пример и поймём, какие задачи решает аналитик.
Представьте, что у вас свой бизнес, например, небольшая бургерная. У вас есть ряд источников данных:
- Из системы учета заказов — базы данных (количество продаж каждого блюда);
- Таблица в Excel, где отражена себестоимость каждого блюда в разрезе расходов.
Как владельцу бизнеса, вам хочется понять, как увеличить прибыль. Вы нанимаете аналитика данных и просите его найти самые прибыльные блюда.
Первое, с чем столкнётся аналитик — это сложность в объединении данных из разных источников. Так как ручная запись в Excel может не совпадать с наименованием в базе данных. Для этого придётся преобразовать данные к единому формату и объединить.
После этого необходимо будет посчитать себестоимость каждого блюда и понять маржинальность — зачастую самые дорогие блюда имеют минимальную маржинальность. Чтобы понять, какое из блюд заказывается чаще всего, необходимо будет агрегировать данные.
В итоге на выходе аналитик получит данные по количеству заказов каждого блюда и маржинальность каждого из них. Таким образом, он сможет понять, что условный картофель фри намного маржинальнее бургера с мраморной говядиной. Следовательно, для увеличения маржинальности ресторана владельцу бизнеса нужно будет поставить задачу официантам/кассирам делать допродажу картофеля фри к каждому заказу.
Карьера аналитика данных
Карьера аналитика данных зависит от многих факторов и может идти как вертикально, так и горизонтально. Но важным фактором роста является постоянное обучение и адаптация к новым условиям и технологиям.
Горизонтальное развитие предполагает смену направления, например, из маркетингового аналитика в финансового, или смену вектора, например, из аналитика данных можно перейти в data science или стать инженером данных.
Для того, чтобы стать data science, необходимо более углублённо изучать процессы построения различных моделей и нейросетей. Чтобы стать инженером данных, необходимо разбираться в разработке, хранении и обработке больших данных.
Вертикальный рост предполагает три базовые ступени: junior, middle и senior. В разных компаниях эти грейды могут варьироваться, к ним могут добавляться junior +, middle аналитик уровня 1 и уровня 2, а также ведущий и главный аналитик.
Но мы с вами рассмотрим только базовые ступени.
Junior-аналитик
Это начальная позиция, с которой начинают большинство аналитиков. У младших аналитиков минимальная ответственность, так как они работают под руководством более опытных наставников или ревьюеров, которые помогают им избежать ошибок и помочь в сложных моментах. Также junior-аналитик осваивает новый технологический стек и погружается в бизнес-процессы компании.
Middle-аналитик
Это уже позиция специалиста, который может самостоятельно решать большинство задач. Имеет достаточный опыт, чтобы предложить несколько вариантов решения проблемы с аргументацией каждого из них. Может эффективно коммуницировать со стейкхолдерами (с бизнес-лидерами или продакт-менеджерами) и другими подразделениями.
Senior-аналитик
Позиция старшего аналитика подразумевает не только самостоятельное решение сложных задач, но и постановку задач коллегам, а также наставничество. Он может оптимизировать процессы и улучшать уровень аналитической культуры в компании.
Ниже я привёл таблицу, по которой можно сравнить уровни задач аналитиков.
Дальнейшее развитие аналитика будет зависеть от желаемого результата — можно стать тимлидом, главным аналитиком или master data expert.
Зарплаты аналитиков данных
В качестве источника для расчёта заработных плат аналитиков возьмем данные с портала HH карьера. Я собрал данные за последние 4 года, чтобы показать, как менялась заработная плата специалистов всех трёх уровней:
Как видите, медианная зарплата младшего аналитика данных составляет 58 375 рублей, middle-аналитика — 100 638 рублей, а старшего аналитика данных — 198 517 рублей. Стоит понимать, что это медианная зарплата по всей России — в Москве зарплата выше, в регионах ниже.
Также данную статистику искажает отсутствие указанных зарплат (многие компании не указывают конкретные значения), поэтому данные могут отличаться от реальных значений. Также по графику заметно, что заработные платы специалистов уровней junior и middle растут из года в год — это связано с дефицитом таких специалистов на рынке.
Востребованность профессии
Как я уже указывал выше, количество данных постепенно растёт, поэтому растёт и потребность в аналитиках, которые будут обрабатывать и интерпретировать эти данные.
Также, согласно отчету Gartner, в 2023 году более 80% компаний стали рассматривать данные как стратегический актив. Этот тренд продолжится и в 2024-2025 годах, когда компании будут нацелены на создание и внедрение data-driven подходов для принятия решений в бизнесе.
Не стоит упускать из вида и прогресс в области технологий анализа данных, таких как искусственный интеллект (AI) и машинное обучение (ML), что также способствует росту потребности в аналитиках данных. Ожидается, что к 2025 году более 60% компаний будут активно использовать AI и ML в своих процессах, что увеличит спрос на специалистов, способных писать модели и интерпретировать результаты этих технологий.
Плюсы и минусы профессии аналитика данных
Стоит понимать, что работа аналитиком данных подойдет не каждому — это достаточно монотонный и скрупулёзный труд.
Поэтому давайте рассмотри плюсы и минусы профессии:
Плюсы
- Востребованность профессии. Сейчас наблюдается повышенный спрос на аналитиков и в ближайшем будущем он не ослабнет.
- Заработная плата. Аналитики данных получают высокие зарплаты, которые будут продолжать расти в условиях дефицита кадров и одновременного развития отрасли.
- Возможность работать удалённо. Конечно, не все компании разрешают сотрудникам работать удалённо, но все же есть и те, кто понимает, что продуктивность не зависит от нахождения сотрудника в офисе.
- Влияние на принятие решений и развитие бизнеса.
- Постоянное обучение и движение в ногу с технологиями.
Минусы
- Высокий уровень стресса. Любая ошибка может стоить компании денег, поэтому аналитик должен тщательно проверять свои данные и выводы.
- Монотонность. Большую часть времени аналитик проводит один на один с компьютером, собирая и анализируя данные.
- Переработки. Это «болезнь», готовьтесь к переработкам. Звучит, конечно, жутко, но эти переработки зачастую происходят не «из-под палки», а потому что вы хотите завершить задачу или настолько глубоко погружены в неё, что забываете про время.
Кому подходит работа аналитиком данных
Работа аналитиком данных подходит всем, кто получает от нее удовольствие — неважно, какое у вас образование и технические навыки. Всему можно научиться. Да, на рынке есть компании, которые требуют знания статистики и теории вероятности, но это больше исключение, чем правило.
Аналитический склад ума — это тоже не помеха. Когда вы начинаете писать скрипты, ваш мозг тоже начинает перестраиваться. Да, это не быстро и не просто, и временами болезненно, но со временем вы начинаете понимать все больше и получаете удовольствие от осознания этого.
Чтобы вы понимали, что я не преувеличиваю, я расскажу свою историю: я по образованию врач-эпидемиолог, и это не помешало мне выучить SQL, Python, научиться строить дашборды, кубы и отчёты и стать руководителем направления аналитики.
Где учиться на аналитика данных
Выучиться на аналитика данных можно в вузах на специальностях по анализу данных и бизнес-информатике. Там вы сможете получить обширные значения по программированию, базам данных, машинному обучению, видам анализа данных и даже кибербезопасности.
Кроме того, можно пройти специализированные курсы. В зависимости от программы курса вас научат описывать процессы, собирать требования, решать задачи с помощью SQL и Python, визуализировать данные и многое другое. Огромным плюсом таких курсов служит минимизация излишней информации и большое количество практики.
Также на аналитика данных можно выучиться самостоятельно — для позиции junior-аналитика вам будет достаточно изучить SQL, Excel (в том числе Power Query, Power Pivot и DAX) и иметь хотя бы базовые знания Python. Да, скорее всего вы не будете понимать процессы построения моделей и дэшбордов, но с такими навыками устроиться на позицию младшего аналитика вполне возможно. Конечно, обучиться самостоятельно будет сложно – нужно будет много практиковаться и желательно иметь наставника, который поможет вам понять, почему делается именно так, а не как-то иначе.
Вне зависимости от пути, который вы выбрали, практика нужна всегда. Я могу вам посоветовать несколько интернет-ресурсов, которые всегда рекомендую своим друзьям и где сам проходил задачи. С их помощью вы сможете улучшить свои навыки решения задач с помощью SQL и Python и начать развивать аналитическое мышление (к примеру, IT-resume).
Маленький совет: когда решаете задачи, не нужно просто писать код и переходить к следующему заданию. После решения посмотрите на данные и сделайте вывод о том, как полученная информация может помочь бизнесу. Это поможет вам развивать насмотренность.
В заключении хочется сказать, что важно не бояться пробовать новое. Аналитик данных — это прекрасная, интересная и творческая профессия, которая доступна любому желающему. Всё что вам нужно иметь — это огромное желание развиваться в данный отрасли и немного терпения.