Аналитик данных: кто это, что он делает и как им стать

В целом деятельность Data Analyst заключается в следующем: собрать информацию, структурировать ее, проанализировать и сделать выводы для развития бизнеса. Но в этих общих словах скрывается множество навыков и техник, особенностей и нюансов.

Аналитику можно разделить на два глобальных направления, оба они находятся в рамках компетенции АД:

● Диагностическая. Изучает уже совершившиеся события и устанавливает причинно-следственные связи. А также выявляет проблемы и слабые места, формулирует выводы и ставит «диагноз» бизнес-процессам в организации.

● Предсказательная. Помогает выстраивать новые модели развития и формировать гипотезы для дальнейших шагов. Big Data позволяют предсказывать, например, как будет работать та или иная модель, как новый продукт воспримет целевая аудитория или какую реакцию вызовет рекламная стратегия.

Чтобы простыми словами рассказать, что делает аналитик больших данных, приведем некоторые задачи, которые он может выполнять.

→ Автоматизирует системы сбора и обработки информации. Любая работа АД начинается с этого, ведь чтобы что-то проанализировать, сначала нужно это собрать и увидеть.

→ Создает бизнес-дашборды и аналитические отчеты. Полученные сведения (и выводы на их основе) необходимо представить заинтересованным лицам. Самый современный и удобный формат для этого — интерактивный обновляемый дашборд с визуализацией.

→ Проводит А/В тестирование. Это метод, который позволяет сравнить два варианта продукта или контента и предсказать, какой покажет себя лучше.

→ Предлагает и внедряет метрики, которые помогают понимать процессы в организации и результаты ее деятельности.

→ Изучает поведение пользователей, их удовлетворенность, заинтересованность и реакцию на активность компании, предлагает оптимизацию этих активностей.

Исполнение функций АД требует знаний в сфере математики, программирования и управления процессами. Поэтому образование в одной из этих сфер считается преимуществом для кандидата на такую должность. При этом оно не является строго обязательным.

Чтобы понять, какие практические навыки и скиллы требуются для этой специальности, давайте посмотрим на объявления о вакансиях на сайте поиска работы HH.ru. Вот несколько из множества размещенных на этом ресурсе (на момент написания материала в одной только Москве было 6052 предложения о трудоустройстве):

Очевидно, что в каждой компании свое представление о том, как работает аналитик данных, и что ему предстоит делать. Но все-таки можно выделить основные профессиональные навыки, необходимые для эффективного выполнения обязанностей.

● Умение взаимодействовать с большими массивами информации, понимание ее устройства. Знание современных методов и техник сбора, обработки и анализа Big Data, способность их структурировать и автоматизировать.

● Умение создавать и проверять продуктовые гипотезы, прогнозировать результат и оценивать эффективность кампаний.

● SQL и PL/SQL, написание запросов.

● Языки программирования Python, R и другие. Необязательно писать сложный код и программировать системы. Но базовое представление о том, как это устроено, всегда будет преимуществом.

● Продвинутое владение Excel.

● Визуализация данных на BI платформах — Power BI, Tableau, Qlik и других.

● Теория вероятности и математическая статистика.

● Хорошее владение английским языком.

Кроме профессиональных знаний, для АД очень важен ряд софт скиллов, то есть личностных характеристик, необходимых для успеха в этой области:

- аналитический склад ума и системное мышление;
- коммуникативные навыки (придется вести переговоры со всеми участниками проекта);
- способность к многозадачности, внимательность и аккуратность;
- готовность учиться: сфера очень динамична, активно развивается.

Чаще всего его путают с Data Scientist. Главное отличие между ними в том, что АД занимается обработкой и анализом существующей информации. А основная задача дата сайентиста более наукообразная: он имеет дело в первую очередь с машинным обучением (Machine Learning) и наукой о мышлении (Cognitive Science) для построения моделей, их отладки и тестирования.

Есть еще несколько профессий, которые кажутся очень похожими. На самом же деле они отличаются как объектом изучения, так и должностными обязанностями.

1. Бизнес-аналитик — специалист, который помогает компании обнаружить проблемы в ее процессах и находит их оптимальное решение. Обычно это более широкая специализация: он эксперт не только по обработке и подготовке данных, но и по финансам, продуктам, процессам и другим направлениям деятельности предприятия.

2. Системный аналитик — это человек, который разрабатывает требования к программному обеспечению по запросу организации и выступает связующим звеном между менеджментом и разработчиками IT-проекта. Главное его отличие от АД в том, что это в чистом виде технарь, хорошо разбирающийся в ИТ и программировании.

3. Продуктовый аналитик. Иногда его обязанности полностью совпадают с дата-аналитиком, но при этом он отвечает только за конкретный продукт и занимается только теми данными, которые напрямую касаются его объекта. Тогда как АД изучает самую разную информацию, связанную со всеми сторонами деятельности компании.

Все эти, а также многие другие специальности с однокоренным названием, с одной стороны, являются уникальными и своеобразными, но с другой — все они в чем-то близки и могут взаимно перетекать друг в друга. Важно также отметить, что зачастую эти функции в фирме выполняют совсем другие сотрудники, например, менеджер проектов, маркетолог или экономист.

Особая специальность в гигантской, динамично развивающейся игровой индустрии. Несмотря на кажущуюся легкомысленность направления, эта профессия является одной из наиболее требовательной к кандидату по объему знаний и навыков. Он должен знать особенности отрасли, понимать программирование, разбираться в графике и визуальных эффектах, иметь базовые представления о маркетинге, потребительском поведении, следить за новейшими технологиями.

Обычный карьерный путь АД схож со многими другими специальностями. Он начинает с младшей позиции (стажер, джуниор), переходит на уровень специалиста (миддл), при успешном выполнении своих обязанностей и повышении квалификации можно дорасти до ведущего аналитика (сеньор).

Мы уже рассмотрели основные навыки, которыми должен обладать кандидат на эту позицию. На них базируются основные требования к соискателям и перечень их функций. Среди них могут быть:

● обработка массива данных, автоматизация расчетов, работа с БД;
● анализ текущих результатов деятельности;
● разработка и проверка гипотез для принятия бизнес-решений;
● создание дашбордов, презентаций и других видов отчетов;
● создание аналитической системы для мониторинга метрик;
● проведение исследований, конкурентный анализ продуктов и технологий;
● поиск перспективных рыночных ниш, рекомендации по инвестиционному портфелю.

Основные софт скиллы, необходимые для этой профессии, мы привели в разделе о навыках. Но стоит еще раз обратить внимание, что дата-аналитик работает с очень большими массивами данных, поэтому для него обязательны аккуратность, внимательность и ответственность.

Воспринять, обработать и сделать правильные выводы из всего объема сведений может только человек с аналитическим складом ума, умеющий мыслить структурно и логически. И при всем этом он должен иметь хорошие коммуникативные навыки (как устные, так и письменные), чтобы понятно и корректно донести информацию до других. Если вы являетесь счастливым обладателем такого перечня характеристик, возможно, есть смысл задуматься об этой работе.

Существует несколько путей в профессию, у каждого из которых есть свои преимущества и недостатки.

Получить специальность в вузе — это самый глобальный и серьезный путь, требующий нескольких лет и значительных усилий. Обучение по специальности «Аналитика данных» есть в большинстве ведущих университетов — в ВШЭ, в МФТИ, в Петербургском ИТМО и других. Для поступления потребуется высокий балл по профильной математике.

Из-за высокой популярности этой специальности вузы имеют возможность отбирать на нее самых лучших абитуриентов. Например, на направлении НОД (науки о данных) на факультете математики и компьютерных наук в СПбГУ больше половины студентов — призеры Всероссийской олимпиады и других престижных олимпиад.

Можно попробовать самостоятельно научиться как стать аналитиком данных, особенно если у вас уже есть базовые знания по программированию и матстатистике. Существует огромное количество бесплатных ресурсов в сети, где можно найти всю нужную информацию. Это и онлайн-лекции, и бесплатные уроки, и видео экспертов.

Лучше сразу обучаться на английском языке, потому что на нем выбор ресурсов намного больше. Не забывайте о книгах и учебниках, которые, несмотря на цифровые технологии, остаются основой качественного обучения. Кроме этого, можно зарегистрироваться на платформах профессиональных сообществ или в чатах, где происходит обсуждение интересных кейсов или нюансов профессии.

Но у самообразования есть серьезные минусы — это необходимость строгой самодисциплины, несистемность подхода, а также отсутствие ментора, который может помочь, подсказать или подтолкнуть в правильном направлении. А еще это занимает гораздо больше времени. Потому что самостоятельно расставить приоритеты навыкам и знаниям сложно: в результате невольно приходится изучать даже то, что никогда не понадобится в реальной работе.

Это современный и удобный способ входа в профессию. Конечно, при условии, если вам удалось правильно выбрать учебное заведение. Вот на что стоит обратить внимание:

● полноценное освоение специальности занимает от полугода до года;
● тренеры должны иметь опыт работы с проектами по аналитике данных;
● уже в процессе студенты собирают портфолио для будущего трудоустройства;
● после обучения заведение выдает диплом государственного образца.

В отличие от вуза, здесь не придется тратить время на общеобразовательные предметы — вы сфокусируетесь только на профессиональных знаниях. А в отличие от самообразования, вам будут помогать эксперты, которые точно знают, что нужно работодателям и заказчикам. И учить именно этому.