Чем занимается аналитик данных и как им стать

Опубликовано От Sergey
0 0
Read Time:8 Minute, 45 Second

С каждым годом увеличивается объем генерируемой человеком информации. К 2025 году объем хранимых данных увеличится до 400 зеттабайт (1 ЗБ ~ 1 миллиард ГБ). И всеми этими данными можно управлять.

Аналитик данных, или Data Analyst, становится одной из самых востребованных ИТ-специальностей. По данным исследования рынка аналитиков, спрос на профессионалов значительно превышает предложение.

О том, кто такой аналитик данных и как им стать, рассказывает Полина Маликова, продюсер курса «Аналитик данных» в Нетологии.

Чем занимается аналитик данных и как им стать

Полина Маликова

Содержание статьи:

  • Кто такой аналитик данных
  • Обязанности аналитика данных
  • Личные качества
  • Как стать аналитиком данных и где этому учат
  • Что должен знать и уметь аналитик данных
  • Востребованность профессии и перспективы работы
  • Сколько зарабатывают аналитики данных в России
  • Сколько зарабатывают аналитики данных в США
  • Рынок труда и будущее аналитики данных
  •  

    Кто такой аналитик данных

    Неверные решения при разработке нового продукта или функции сервиса могут стоить компании репутации и денег. Чтобы этого не произошло, компании обращаются к аналитику данных. Он собирает, обрабатывает, изучает и интерпретирует данные: проводит А/B-тесты, строит модели и проверяет, как пользователи и клиенты реагируют на нововведения. Это стоит дешевле и снижает риски бизнеса.

    Аналитик данных работает с разными инструментами анализа, не ограничиваясь готовыми решениями и системами, знает языки программирования и формулирует гипотезы.

    Такие специалисты особенно востребованы в data-driven компаниях — то есть тех, которые ориентируются в решениях на big data и аналитику данных.

    Например, специалисты по данным Netflix вычислили популярность сериала «Карточный домик» с помощью аналитики: зрителям оригинального британского «Карточного домика» также нравились фильмы Финчера и (или) картины, где играл Спейси. Netflix объединили Дэвида Финчера (один из режиссеров House of Cards), политические интриги и Спейси в одном проекте. Видеосервис заключил контракт со Спейси и Финчером без съемок пилотной версии. Рейтинг сериала на IMDb и «Кинопоиске» составляет 8,7 и 8,3 соответственно.

     

    Обязанности аналитика данных

    Рабочие задачи Data Analyst находятся на стыке математики, программирования и продакт-менеджмента. В результате его работы компания может получать больше прибыли и делать пользователей счастливее. Обязанности аналитика данных могут различаться в зависимости от места работы и уровня квалификации.

    Как правило, такой специалист проводит статистические тесты и решает бизнес-проблемы, на которые пока ответа нет. Затем составляет прогнозы, стратегии, планы и рекомендации.

    Чем обычно занимается аналитик данных:

  • Общается с представителями бизнеса и выявляет проблемные места компании.
  • Собирает информацию.
  • Составляет гипотезы для улучшения определенных показателей.
  • Готовит данные к проведению анализа: сортирует, фильтрует и делает выборку.
  • Находит закономерности.
  • Визуализирует данные: переводит статистику и Big Data в понятные выводы и наглядные графики.
  • Предлагает решения, которые используются для развития проекта или бизнеса.
  • На основе данных, предоставленных Data Analyst, компания может принимать любые бизнес-решения.

     

    Личные качества

    Хороший аналитик данных — это не только метрики и отчеты. Вне зависимости от профиля, классный специалист должен обладать гибкими навыками, которые нужны для продуктивной работы:

    • Системное мышление и логика. Важно уметь анализировать, синтезировать, сравнивать и делать выводы из порой неочевидных закономерностей. Аналитик должен понимать, из каких предпосылок он исходит в своих суждениях, и проверять их корректность.
    • Внимание к деталям, методичность и рациональный скептицизм. Все результаты анализа должны быть проверены, перепроверены и обоснованы. Лучше уточнить непонятные детали и усомниться даже в самом авторитетном мнении, чем запустить ненужный продукт.
    • Вежливость, навыки общения и повествования. Аналитики общаются со специалистами из разных направлений: бизнес, ИТ, бухгалтерия и безопасность. Важно сохранять конструктивный и вежливый подход, не поддаваться на провокации и лоббировать интересы своего отдела.
    • Терпение. Пригодится при очередном письме «концепция изменилась, давайте посчитаем заново».
    • Прагматизм и деловой подход. Важно концентрироваться на тех вопросах, которые позволят улучшить показатели работы компании: увеличить доходы, сократить затраты, оптимизировать процессы.
    • Стремление учиться. Хороший аналитик любит узнавать новое и расширять свой кругозор.

     

    Как стать аналитиком данных и где этому учат

    67% специалистов по аналитике пришли в Data Science из других сфер. В основном это разработчики и маркетологи, но есть и неожиданные профессиональные бэкграунды: геммологи, звукорежиссеры и даже ядерные физики.

    Чаще всего изучать аналитику начинают с профессиональной литературы, тематических статей, авторитетных блогов и профильных каналов в мессенджерах. В открытом доступе много теоретической информации, где можно собрать базовый пул теории и практики. И все же для первых самостоятельных шагов нужна система. Проще и быстрее погрузиться в практическую аналитику на образовательных курсах.

    Роман Крапивин
    руководитель проектов, компания ООО «ИНТЭК»:

    «В 2020 я задумался о смене профессии, поскольку пандемия коронавируса серьезно ударила по строительному бизнесу, где я работал руководителем проектов последние три года. Долго выбирал онлайн-курсы, хотел прокачать свои скилы в проектном управлении и пошел на курс Project Manager. 

    После первого блока обучения стало понятно, что хорошему руководителю проектов просто необходимо разбираться в аналитике, хотя бы на базовом уровне.

    Поэтому я начал изучать Power BI, на котором научился визуализировать данные и получил первые знания для дальнейшей работы с аналитическими данными. Но тогда я понял, что для меня мало базовых основ аналитики. Поэтому для себя я открыл профессию Аналитик BI. И в настоящее время изучаю программу визуализации данных Tableau, программу для работы с базами данных SQL, прошел курс по аналитике больших данных (Big Data). К сожалению, на настоящем месте работы я не могу в полной мере применять аналитические знания и программы, которые я освоил. Поэтому задумался о смене профессии: хотел бы попробовать себя в финансовом секторе или крупном ритейле, чтобы погрузиться в мир аналитики».

    Иван Натаров
    консультант отдела развития предпринимательства Министерства экономического развития Приморского края:

    «Будучи студентом магистратуры, проводил исследование инновационной экосистемы Приморского края, тогда познакомился с нейросетями и Data Science. Суть исследования заключалась в разработке алгоритма, основанного на нейросетях и теории нечеткого множества и нечеткой логики, который позволял бы давать объективную оценку инновационного развития региона. У нас это получилось, даже научную статью написали. 

    Параллельно я изучал Data Science и посетил форум «Открытые инновации» в 2019 году. Послушав экспертов, я понял, что влюбился в эту сферу.

    Я люблю узнавать истории из данных, поэтому и выбрал направление аналитики данных.

    Я все еще учусь, но почти за год прокачался в этом направлении довольно неплохо. 

    Из инструментов, что я изучил, любимыми стали  Python и Power BI, они смогли автоматизировать многие процессы в работе, активно чекаю их. Python больше использую для написания парсеров XML и HTML, Power BI — для предобработки данных и визуализации».

     

    Что должен знать и уметь аналитик данных

    Такой специалист формулирует гипотезы, проводит статистические тесты на существующих данных для решения текущих вопросов, на которые нет ответа.

    Минимальный набор скиллов начинающего аналитика:

  • Работать в Google-таблицах, группировать, фильтровать данные — на ходу, без перекладывания из таблички в табличку.
  • Уметь писать SQL-запросы.
  • Изучить минимум один язык программирования: Python или R.
  • Делать выводы и представлять результаты в виде интерактивных дашбордов (Tableau, Power BI).
  • Разбираться в бизнес-процессах и понимать ключевые метрики анализа эффективности.
  • Инструменты, которые используют аналитики

    Основные навыки аналитика данных:

    • Сбор и анализ требований заказчиков к отчетности.
    • Получение данных с помощью языка запросов SQL.
    • Применение в работе ключевых математических методов и основ статистики.
    • Очистка и трансформация данных с помощью Python.
    • Прогнозирование событий на основе данных.
    • Анализ результатов кампаний, исследований и тестирования продуктовых гипотез.
    • Способность создавать аналитические решения и представлять их бизнесу

    А еще хорошие аналитики данных умеют работать с Big Data, проверять гипотезы с помощью подходов А/Б-тестирования и быть настоящими исследователями. 

    Большинство работодателей просят посчитать определенные метрики, например, какие товары чаще всего возвращают покупатели. Иногда нужно рассчитать инвестиционный потенциал и скорректировать бизнес-модель.

     

    Востребованность профессии и перспективы работы

    Сейчас аналитика данных используется в более чем 50% компаний по всему миру. Аналитики востребованы в ИТ-компаниях, ритейле, кинопроизводстве, науке, машиностроении и медицине. В октябре 2020 года по запросу «Аналитик данных» на hh.ru было открыто 8 699 вакансий с зарплатой от 65 тысяч рублей до 300 тысяч рублей.

    По результатам исследования 2019 года, спрос на специалистов сферы Data Science за два года вырос на 226%. Популярность профессии аналитика данных со временем только растет, поскольку для развития бизнеса необходимо собирать и изучать данные клиентов и конкурентов. 

    В профессии аналитика данных пока нет границ и сложно достичь потолка. При этом можно развиваться вертикально, от начинающего специалиста до главы аналитического отдела, или горизонтально, меняя сферы деятельности: продуктовая аналитика, банковская аналитика, маркетинговая аналитика.

     

    Сколько зарабатывают аналитики данных в России

    Зарплата будет зависеть от опыта и географии. Так, аналитик-стажер в Воронеже получает 25 тысяч рублей, а Data Analyst в московском офисе международной компании зарабатывает 200 тысяч рублей.

    В Москве аналитик данных с опытом работы от двух лет в среднем зарабатывает 134 тысячи рублей. В Санкт-Петербурге такой же специалист может рассчитывать на 101 тысячу рублей в месяц. Стажеры и Junior-специалисты зарабатывают от 60 тысяч рублей.

     

    Сколько зарабатывают аналитики данных в США

    Больше половины аналитиков готовы рассмотреть релокацию и работать за рубежом. Средняя годовая зарплата для аналитиков данных в США составляет $62 тысячи.

    Больше всего на американском рынке труда востребованы Data Scientists. Это одна из самых высокооплачиваемых специальностей со средней годовой зарплатой в $130 тысяч. По прогнозам McKinsey, в ближайшие годы разрыв между предложением и спросом у специалистов в этой области составит 50%.

     

    Рынок труда и будущее аналитики данных

    Только за последние два года через направление Data Science Нетологии прошло более 3000 студентов, большинство из них работают на профильных позициях в российских и зарубежных компаниях. 

    Со временем эксперты ожидают повышение спроса на аналитиков Big Data и представителей смежных специальностей. Чтобы оставаться востребованными, необходимо учиться и работать. 

    Осознанный подход организаций к анализу данных и понимание важности Data Science увеличивает потребность бизнеса в интерпретируемых аналитических методах.

    По данным International Data Corp. (IDC), мировой доход от решений для больших данных и бизнес-аналитики (BDA) достигнет 260 миллиардов долларов в 2022 году при среднегодовом темпе роста (CAGR) 11,9 процента. В 2025 программные роботы будут выполнять большинство задач, таких как очистка и сбор данных, т.е. многие процессы станут более автоматизированными. К 2030 году Data Science уже не будет заниматься поиском и очисткой данных. Эту задачу возьмут на себя программные роботы.

    В настоящее время технологии уже развиваются и достигают своих высот. Подумайте о будущем, когда искусственный интеллект будет в зените, машинное обучение — на пике, облако захватит рынок, а интернет вещей начнет проникать в большинство отраслей. Специалисту по данным потребуются лучшие навыки, будь то технические или социальные, чтобы быть востребованным к 2030 году.

    Игорь Полянский, Head of Global product analytics в Gett:

    «Мир продолжает ускоряться, а вместе с ним — и требования бизнеса к скорости принятия решений. Подход «задай вопрос, направь его аналитику, а он проанализирует» больше не удовлетворяет требования к оперативности получения инсайтов. Поэтому стандартные подходы к анализу все больше упаковываются в коробочные решения.

    В 2020 году анализ, на который раньше уходили часы аналитика, менеджер может сделать в несколько кликов.  Аналитики же делают более сложные исследования, и требования к их компетенциям повышаются. Системы аналитики все больше переходят на формат real-time анализа. У многих компаний это давно must have».

     

    Фото на обложке: Shutterstock / LightField Studios

    Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

    Источник: https://rb.ru/

    Happy
    Happy
    100 %
    Sad
    Sad
    0 %
    Excited
    Excited
    0 %
    Sleepy
    Sleepy
    0 %
    Angry
    Angry
    0 %
    Surprise
    Surprise
    0 %

    Average Rating

    5 Star
    0%
    4 Star
    0%
    3 Star
    0%
    2 Star
    0%
    1 Star
    0%

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *