От физики и ядерных реакторов — до собственного бюро бизнес-аналитики

Ещё подростком я решила стать физиком-теоретиком. Естественно, пошла учиться на физика в МФТИ и даже начала работать по профессии. Выполняла задачи, которые касались безопасности ядерных реакторов в России. Но в нашей стране не та среда, где могут развиваться молодые научные деятели. Возникали предпосылки, чтобы искать себя в других областях.

По сути, это была та же научная деятельность. Перед нами стояли интересные задачи и никто не пинал со сроками. Например, необходимо было понять, почему люди пользуются поиском, какие на какие вопросы они хотят получить ответы. Стало понятно: от формулировки запроса сильно зависит то, что человек пытается найти.

Я строила гипотезы и проверяла их. Например, если в поисковом запросе есть глагол, значит, пользователь находится в контексте какого-то действия. Мне было необходимо «найти» такие действия и понять намерения людей.

В «Яндексе» достаточно много внутренних данных и проверка гипотез становится простым занятием. Я занималась кластеризацией случайных графов и немножко Natural Language Processing.

Позже перешла на работу в «Яндекс.Браузер». Отвечала абсолютно за все, что можно проанализировать. Там же возникла необходимость разобраться, что такое дашборды, какие метрики на них должны быть, как визуализировать данные и работать с заказчиками.

Где-то недели через две-три после того, как пришла в «Браузер», появился заказ на дашборд. Я взялась за работу, не совсем понимая, как её выполнить.

Сначала прочитала книгу о принципах визуализации. Потом решила проанализировать все дашборды, которые были в «Яндексе»: выгрузила их и отсортировала по популярности. С утра до вечера сидела и изучала самые востребованные. Пыталась понять, по какому принципу они созданы, какие виды визуализации и метрики использованы, как все устроено.

На 1-3 аналитиков приходилось по 100 заказчиков, то есть была очень большая нагрузка. Мне пришлось научиться выстраивать приоритеты и работать с задачами в порядке их важности.

Я стремилась к максимальной автоматизации. Решила все данные, которые шли из разных источников, собрать в data warehouse. Но взаимодействовать через Python и писать большое количество скриптов проблематично, надо было искать другие варианты.

И тогда я начала делать две вещи: адаптировать внутреннюю BI систему «Яндекса» под запросы браузера и... пытаться «продать» компании Tableau. Это сейчас Tableau использует весь мир, но тогда было довольно сложно убедить людей приобрести систему. У меня это заняло примерно полтора года.

Ещё до прихода в «Браузер» у меня были попытки запускать свои пилотные проекты. Как-то от «Билайна» поступил заказ — показать их метрики на карте. Сделать визуализацию в Excel непросто, и я начала искать другие варианты. Нагуглила, что есть Tableau. Его тогда ещё не было на Mac OS, только для Windows. Посмотрела презентации и поняла, что это круто.

Это тоже было интересно. Компания быстро развивалась, а я наблюдала за этим по количеству сотрудников в помещении. Сначала это была небольшая комнатка, где работало 5 человек. Через два месяца мы переехали в помещение побольше, где было уже порядка 50 человек. А когда через год я уходила из «Такси», нас было около 1000.

Когда происходит такой быстрый рост, стоит подумать об автоматизации. В «Такси» я делала то же самое, что и в «Браузере». А еще своими руками написала свой первый DWH.

Так сложилось, что у меня был перерыв в работе. По-другому посмотрела на многие вещи.

Самыми первыми клиентами были стартапы, представители малого и среднего бизнеса. Мы решали простые текущие задачи. Потом я начала ходить на конференции и преподавать. Появились серьезные заказчики, корпорации и крупный бизнес.

Моим первым значимым клиентом стала компания Skyeng, которая обратилась с запросом построить систему метрик. Это была исследовательская задача, и я не очень хорошо понимала, как её выполнить. До сих пор вспоминаю этот проект с теплом: ребята всячески меня поддерживали, содействовали и помогали. Пришли, по сути, к неизвестной девочке, доверили ей довольно сложную задачу и помогали её решать. Я создала для них систему метрик. Долго не могла придумать название, потом увидела в ней пирамиду.

Я думаю, что мне самой и всем, кто занимается консалтингом, разумно делать свой продукт, потому что это можно масштабировать. Сейчас мы инвестируем много времени и ресурсов в то, чтобы создать продукт из того, что мы делали как консультанты.

Что касается рынка аналитиков, то его границы сейчас размываются. Мы должны уйти от парадигмы «я аналитик» или «я проджект-менеджер». Исходить нужно из списка задач, то есть важно собрать свой скилл-сет. Я думаю, что преуспевать будут люди, которые имеют аналитический склад ума и умеют работать с данными.

Если говорить про данные, то BI будет расти. Отпадет необходимость глубоко знать Python.

Да, но я уверена, что это не самое главное. Когда собеседуешь людей, окончивших курсы, не можешь найти хорошего аналитика. Оказывается, есть нюанс — аналитическое мышление. Python можно выучить вечерами за две недели, а научиться структурировать информацию и делать из нее логичные выводы гораздо сложнее.

Это как водить машину. Нужно заставить нейроны шевелиться. Надо решать задачи, которые заставляют изучать статистику и комбинаторику, включать логику.

Где брать задачи? Есть симулятор Go Practice. Сама не проходила, но многие хвалят. Я, например, упражняюсь на задачах для бизнеса с YouTube. Гораздо круче уметь решать их, чем писать что-то на Python.

Я его все время развиваю — это непрерывный процесс. Сейчас изучаю саунд-дизайн. Хочу писать электронную музыку, вникаю в теорию и инструмент. Это очень интересный опыт.