Аналитик эксель чем занимается

Обновлено: 06.07.2024

Мне довелось поработать и профессиональным аналитиком данных (Data Analyst), и исследователем данных (Data Scientist). Думаю, было бы полезно поделиться опытом по каждой должности, указывая ключевые различия в повседневных задачах. Я надеюсь, что моя статья поможет определиться, что подходит именно вам. А тем, кто уже работает, возможно, после прочтения захочется изменить свою должность. Некоторые начинают аналитиками данных, а затем переходят в исследователи. Не так популярен, но не менее интересен путь от исследователя на невысоких позициях до аналитика на позиции сеньора. Обе должности имеют свои особенности и требуют определенных умений, о которых необходимо знать, прежде чем сделать следующий большой шаг в профессиональном развитии.

Ниже я, опираясь на свой опыт, расскажу, что такое быть аналитиком данных и исследователем данных, и подробно отвечу на наиболее частые вопросы о каждой позиции.

Data Analyst

Если вы хотите описывать данные за прошедший период или текущий момент и презентовать стейкхолдерам ключевые результаты поиска, полную визуализацию изменений и тенденций, значит, вам подходит позиция аналитика данных. У упомянутых должностей есть общие черты, которые я описывал в другой статье, охватывающей сходства и различия между необходимыми для этих позиций навыками. Сейчас же я хочу показать, как роль аналитика данных в сравнении с ролью исследователя данных ощущается. Очень важно понимать, чего ждать этим специалистам в их повседневной работе. Аналитик будет взаимодействовать с разными людьми, много общаться и поддерживать высокий темп выполнения задач — выше, чем требуется от исследователя данных.

Поэтому впечатления, получаемые на каждой из должностей, могут сильно различаться.

Ниже вы найдете ответы на самые частые вопросы о том, с чем сталкиваются аналитики данных.

Какими будут темпы работы над проектом?

Data Scientist

Исследователи данных довольно сильно отличаются от аналитиков данных. Они могут использовать одинаковые инструменты и языки, но исследователю приходится работать с другими людьми, над более крупными проектами (такими как создание и внедрение модели машинного обучения) и тратить на это больше времени. Аналитики данных обычно работают над своими проектами самостоятельно: например, использовать панель Tableau для презентации результатов может и один человек. Исследователи данных вправе привлекать нескольких инженеров и менеджеров по продукту для эффективного выполнения бизнес-задач с использованием правильных инструментов и качественных решений.

Какими будут темпы работы над проектом?

Заключение

Фото с сайта Unsplash. Автор: Markus Winkler

Аналитики и исследователи данных пользуются одинаковыми инструментами, такими как Tableau, SQL и даже Python, но профессиональные задачи у них могут быть очень разными. Повседневная деятельность аналитика данных включает больше собраний и личного взаимодействия, требует прокачанных софт-скиллов и быстрого выполнения проектов. Работа исследователя предполагает более долгие процессы, общение с инженерами и менеджерами по продуктам, а также построение прогностических моделей, осмысляющих новые данные или явления в их развитии, тогда как аналитики фокусируются на прошлом и текущем состоянии.

Аналитик — специалист, который занимается обработкой данных и составлением на их основе прогнозов, стратегий, планов и рекомендаций клиентам.

Существует несколько профессий, в названии которых также есть слово «аналитик» — финансовые аналитики, программные аналитики, системные аналитики. Все они занимаются анализом той или иной информации, но не обязательно используют в своей деятельности математику, статистику и языки программирования. Их нужно отличать от отдельной профессии «аналитик данных».

Аналитик данных должен хорошо разбираться в математике, статистике, информатике, компьютерных науках, бизнесе и экономике.

Данные, которые обрабатывает аналитик, зависят от сферы деятельности, которой он занимается. Например, аналитик в области рекламы определяет целевую аудиторию для рекламных кампаний: составляет алгоритм, с помощью которого ищет в базах данных информацию о потенциальных клиентах, анализирует рекламные стратегии с точки зрения отклика, оценивает показатели эффективности кампаний.

В чём заключается моя работа

Я работаю ведущим аналитиком в рекламном подразделении таргетированных смс-рассылок мобильного оператора. По соображениям конфиденциальности назвать компанию я не могу, она входит в так называемую «большую тройку». Моё подразделение занимается рассылкой рекламы абонентам, сегментируя их по опредёленным социально-демографическим, поведенческим и другим признакам. Аналитик занимается тем, что из всей абонентской базы выбирает абонентов, которые отвечают этим признакам, чтобы рекламодатель рассылал рекламу именно тем людям, которых она может заинтересовать.

Например, к нам приходит клиент, директор стоматологии, и заказывает рекламную кампанию. Аналитик и клиент вместе определяют набор признаков, по которым абоненты могли бы заинтересоваться этой конкретной стоматологией — проживание в определённом районе, обращение за стоматологическими услугами в недалёком прошлом и так далее. Составив список этих признаков, аналитик направляет запросы в базу данных, чтобы реклама была отправлена релевантным абонентам. Для формирования запросов используется специальный язык программирования SQL, предназначенный для работы с базами данных.

Такая реклама называется таргетированной, от английского слова target — цель. Основная задача аналитика — правильно определить эту цель. Чем точнее определён круг признаков и правильнее составлен запрос, тем успешней рекламная кампания.

По результатам кампании аналитики собирают и анализируют данные о её эффективности: смотрят, как много абонентов откликнулись на рекламу— , то есть позвонили по указанным телефонам, обратились в эту стоматологию;, и анализируют, от чего зависит эффективность рекламы, когда она срабатывает, а когда нет. Это похоже на настоящее научное исследование.

Как я стала аналитиком

Меня с детства интересовали математика и программирование, работа с данными, таблицами, поиск и анализ закономерностей. Работа аналитика включает все эти аспекты.

Я закончила НИУ ВШЭ по направлению, связанному с маркетингом. На факультете нам преподавали математику, статистику, прогнозирование, эконометрику, и эти предметы мне нравились больше всего. Кроме того, я занималась программированием на дополнительных курсах.

После окончания вуза я стала работать в PR, но вскоре поняла, что эта сфера деятельности мне не нравится. Мне было неинтересно, работала я через силу, заставляя себя приходить в офис. Поэтому я решила сменить направление. В вузе я узнала, как работает статистика, какие математические инструменты используются для анализа данных, познакомилась с языком программирования SQL. С этими навыками в резюме я решила посмотреть вакансии аналитика и вскоре нашла мою нынешнюю работу. Поначалу мне поручали и другие задачи, но постепенно аналитика стала моим основным занятием.

За три года я стала ведущим аналитиком— руководителем подразделения. В мои обязанности входит не только составление запросов в базы данных, но и распределение задач внутри моей команды, взаимодействие с заказчиками рекламных кампаний или аккаунт-менеджерами, которые ведут этого рекламодателя.

Где учат на аналитиков

Профессию аналитика получают на направлениях, связанных с информатикой, математикой, программированием. Эти направления есть практически во всех ведущих вузах страны.

Список вузов от редакции:
МГУ им. М.В. Ломоносова — факультет вычислительной математики и кибернетики, направление «Прикладная математика и информатика».

СПБГУ — направления «Математика и компьютерные науки», «Математика, алгоритмы и анализ данных», «Прикладная математика и информатика», «Прикладная математика, фундаментальная информатика и программирование», «Программирование и информационные технологии», «Системный анализ и прикладные компьютерные технологии».

НИУ ВШЭ — направления «Экономика и статистика», «Бизнес-информатика», «Прикладная математика и информатика».

Национальный исследовательский университет МЭИ — Институт автоматики и вычислительной техники, направление «Прикладная математика и информатика».

Национальный исследовательский технологический университет МИСиС — факультет «Информатика и вычислительная техника».

Московский политехнический университет — факультет информационных технологий, направление «Прикладная информатика (большие и открытые данные)», «Прикладная математика и информатика», «Бизнес-информатика (IT-менеджмент)».

Московский технический университет связи и информатики (МТУСИ) — факультет экономики и управления (ФЭУ), направление «Прикладная информатика».

Финансовая академия при правительстве России — направления «Прикладная математика и информатика», «Бизнес-информатика», «Прикладная информатика».

Какие качества нужны, чтобы успешно работать аналитиком

1. Любовь к тишине и одиночеству

Работа аналитика по большей части заключается в том, чтобы взаимодействовать с компьютером, а не с людьми. Аналитик, если он не руководитель подразделения, мало общается даже с коллегами, не говоря уже о клиентах. Он не проводит встреч, его рабочий день проходит у монитора за обработкой данных. Есть люди, которым обязательно нужно общение — им такая работа не подойдёт!

2. Развитый логико-математический интеллект

Важно, чтобы человеку нравилось оперировать статистическими данными, составлять графики и таблицы, видеть закономерности, структурировать информацию, выделять главное, отбрасывать второстепенное.

3. Терпение

Аналитик — профессия не творческая. Каждый день аналитику приходится заниматься одним и тем же: сбором, анализом, оценкой данных. Эта работа очень похожа на главное увлечение моего детства — собирание пазлов. Мне доставляло удовольствие взять набор непонятных разрозненных деталей и часами собирать из них что-то целостное, разумное, имеющее смысл. Так же работают и аналитики.

4.Точность и скрупулёзность

Аналитик по большей части имеет дело с точными категориями: данными, цифрами, алгоритмами. Составляя запросы, нужно совершать как можно меньше ошибок и максимально точно подбирать аудиторию.

5. Внимательность

Аналитик должен учитывать все факторы, которые могут повлиять на результат анализа, не упустить ни одной важной детали, иначе на выходе он получит неверные данные и сделает ошибочные выводы.

Карьера, график работы, зарплата

Карьера. Внутри компании можно из простого аналитика стать тимлидом, руководителем подразделения и развиваться в направлении менеджмента — разрабатывать и курировать собственные продукты, придумывать стратегии их развития.

Можно совершенствовать навыки программирования, повышать свою квалификацию как аналитика данных, переходить в более крупные компании, на более востребованное и престижное направление, заниматься дата-моделированием, большими данными (big data), делать прогнозы и предсказания.

График работы. Аналитики в офисе работают по обычному графику с 9:00 до 18.00 или с 10:00 до 19:00. Иногда приходится задерживаться на работе, но это зависит от нагрузки конкретного аналитика.

Аналитик может работать и удалённо: консультировать заказчиков, которым необходим анализ данных, писать приложения. Всё, что ему для этого нужно — компьютер или ноутбук, выход в интернет и доступ к базам данных.

Зарплата. Зарплата аналитика зависит от его опыта и квалификации, от компании, в которой он работает. В начале карьерного пути я получала 45 тысяч рублей, сейчас зарабатываю больше.

Средняя зарплата аналитика в Москве — 70 тысяч рублей. Начинающий аналитик сразу после окончания вуза может получать от 25 тысяч рублей.

Аналитик данных в будущем

Современный бизнес во многом строится на анализе данных о клиентах, продажах, эффективности рекламных стратегий, поэтому профессия аналитика сейчас очень востребована и останется такой в ближайшие десятилетия. Перспективные направления: работа с большими данными, дата-моделирование, экономическое прогнозирование. Кроме того, умение работать с большим количеством информации (анализировать, структурировать её, делать выводы) востребовано не только в экономике и финансах, но в любой другой сфере деятельности.

Я считаю, что профессию надо выбирать по зову сердца, ориентируясь на то, что нравится делать. Какой бы перспективной ни была профессия, в ней невозможно достичь высот, если не получаешь от неё удовольствия.

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter

В комментах меня попросили написать о работе аналитика, решил написать об этом пост.

В бизнесе нет точного определения того, что должен делать аналитик. Их много видов, в каждой компании аналитики выполняют разные задачи и самым размытым при этом остается бизнес аналитик.

Эта профессия чем-то похожа на работу системного администратора. В одной компании это человек, который занимается только администрированием сети и сервера, в другой - эникейшик, который занимается всем - от прокладки проводов до настройки 1С и создания сайтов.

Мой случай ближе всего к эникейщику.

Для начала я попробую собрать всё, чем в теории может заниматься аналитик в компании.

1 - написание бизнес процессов. Есть определенные стандарты визуализации бизнес-процессов, т.н. нотации. Это вот эти вот штуки:

Этих нотаций, как и языков программирования, великое множество. Вот одной из задач аналитиков является как раз формализация бизнес процессов в такие диаграммы, формализация их, проверка всех "узлов" на наличие ответственных, отчётности и узких горлышек. Отдельное веселье - для каждого юнита (СЕО, разработчик, сейл, офис-менеджер) один и тот же БП перерисовывается в зависимости от его уровня погружения. Как правило для высших чинов в компании их рисуют совсем верхнеуровнево, для технарей - максимально детально, для остальных - максимально просто.

2 - раз уж заговорили про нотации - описание продуктов и их структуры. Здесь принцип похожий, даже нотации иногда используют одинаковые и для БП и для описания продукта. Тут тоже самое - декомпозировать продукт и его элементы таким образом, чтобы можно было передать его "куски" разрабам. Часто эту же функцию выполняют архитекторы. Тут зависит от сложности самого продукта и что именно нужно формализовать.

3 - Эксель / ГТ во всех их проявлениях. В большом кол-ве компаний под аналитиком понимается именно Excel-man, а чаще - woman. И чаще всего (и я сочувствую коллегам, которые работают в экселе) - это сбор данных и создание отчётов. В ГТ чуть проще. Я, например, большую часть времени занимаюсь как раз автоматизацией отчётности. Проще говоря - у нас есть 2 СРМ и туча чатов в тлг. Вот моя задача сделать так, чтобы остальным сотрудникам компании нужно было делать меньше ручных действий и чтобы каждое действие сотрудника фиксировалось и проходило все этапы до дашборда СЕО в автоматическом формате.

4 - обслуживание технических систем - расчёт ЗП, контроль за сейлами чтобы они корректно вели базу (иногда под эту задачу нанимают отдельного человека с должностью "аналитик продаж"), ручная состыковка того, что не удалось или пока не дошли руки автоматизировать. Ну и поддержка пользователей этих систем.

5 - маркетинговая аналитика. Здесь я много писать не буду, т.к. свечку не держал и в теме почти не разбираюсь.

6 - анализ рынка. Собственно - сбор информации о конкурентах и ее последующий анализ. Тут начинается веселье с инструментами. Как правило именно здесь и пригождаются парсеры, питоны, R-ы и прочая радость. Информация разношёрстная, обновляется часто, руками каждый раз собирать ее за***шься. Собственно чем лучше аналитик умеет обращаться со всей этой радостью - тем больше полезной инфы он может накопать для компании.

7 - аналитик-советчик. Требует хорошего понимания продукта/сферы/бизнеса. Нужно не только уметь собирать цифры и делать из них дешборды, но и иметь уровень погружения +- такой же как у СЕО. Обучить этому куда сложнее, чем научить человека кодить на R (по моему опыту), а литературы нужно не меньше. Если у вас такой человек в компании есть - считайте вам повезло. Это гибрид владельца бизнеса и СЕО, но не несущий ответственности. Как правило такой человек будет отгружать вам ценные идеи и сам знает куда и что ему копать. Часто - автономный юнит.

8 - Мектрик-мен. Что-то среднее между аналитиком и супервайзером. Его задача следить за КПИ остальных и вовремя "зажигать красную лампу", если у кого-то проседает КПИ, либо проседает какая-то глобальная метрика, типа NPS (показатель лояльности клиента) или RTR (коэффициент возвратов). Во многих компаниях эта функция у руководителей отделов или у HR-ов.

9 - Человек-интерфейс. Самая грустная ситуация для аналитика - когда его используют только как сборщика и формализтора данных. Есть люди, которые находят дзен и в этом, но профессиональный рост таких людей очень долгий. А если это политика компании - то рост вообще останавливается. По сути это новая версия старых младших бухгалтеров, которые должны ТОЛЬКО считать какие-то цифры и ТОЛЬКО выдавать их по запросу. По сути аналитик не вовлечен в бизнес и его руководитель или СЕО делает львиную часть работы аналитика. Происходит это либо из-за недоверия СЕО/руководителя, либо его проблем с делегированием, либо неспособностью вырастить/найти себе толкового аналитика.

Если при виде скринов из BI, Data Studio или Tableu у тебя потеют ладошки - ты на 80% латентный аналатик. По сути помесь аналитика с дизайнером (или когда хотел быть художником, но тебя отправили учиться на физмат). Дешборды - это отдельный вид искусства. При этом их создание требует и неслабых технических навыков. По сути эксель, sql и прочие радости должны быть уже как родные, раз аналитик переходит на этот уровень.

11 - великий и ужасный data scienсe.Здесь тоже мало что могу сказать, это мне пока не по грейду.

Что касается конкретно меня - для меня дзен в автоматизации. Меня дико прет с того, что какой-то инфопоток стал управляемым, структурированным и считабельным или когда БП, который раньше занимал у сотрудника по часу в день теперь делается автоматически или полуавтоматически. Поэтому чат-боты прикрученные к СРМ и базам данных, которые собирают метрики всего что можно и сводят это в простенький дешборд - это прям круто)

Надеюсь пост получился интересным для моей аудитории, а еще лучше полезным. Возможно кто-то после его прочтения решит выбрать сию замечательную профессию =)

Таблички это круто, а таблички, которые еще и приносят каждодневную пользу людям - круто вдвойне.

Руководитель Центра продуктовой аналитики в МТС Банке. Автор курса «Продуктовая аналитика» в SkillFactory.

Культура управления продуктом на основе данных данных развивается и в корпорациях, и в небольших стартапах. Поэтому продуктовые аналитики нужны во многих сферах: e-commerce, IT, банковская сфера, связь, образование и логистика. Вместе с руководителем Центра продуктовой аналитики МТС-Банка и автором курса «Продуктовая аналитика» Антоном Долгачевым разбираемся, зачем в этой профессии Python и что аналитик может узнать из огромного количества источников данных.

Кто такой продуктовый аналитик

Продуктовый аналитик — это специалист, который отвечает за работу со всей воронкой продукта (модель, которая иллюстрирует путь покупателя от знакомства с продуктом до покупки): начиная от привлечения пользователей и их действий в канале (средства коммуникации с клиентами, например, рассылки или группа в Facebook), заканчивая оценкой финансового результата, расчетом новых бизнес-кейсов.

Задачи продуктового аналитика в разных компаниях могут отличаться, но можно выделить несколько основных.

Работа с культурой управления продуктом на основании данных, то есть с Data Driven-подходом. В рамках этой задачи необходимо создать инструменты для принятия решений по продукту, например дашборды и OLAP-кубы (многомерные системы данных, в которых есть три переменных, например клиенты, продукт и география, а не две, как в таблицах), и обучить команду работе с этими инструментами.

Работа с инсайтами и гипотезами, которая может принести бизнесу пользу в моменте.

Инсайты — это выявление нового знания о продукте: отклонение от нормы в позитивную или негативную сторону, выявление зависимости для определенных показателей или когорт клиентов (группы клиентов, которые совершили одно и то же действие в определенный период времени, например, подписались на рассылку в ноябре 2021 года. Подробно о когортом анализе мы писали в этой статье) и т. д. Они могут появиться, когда аналитик взаимодействует с командой, анализирует воронки и другие отчеты. Аналитик обращает внимание на такие аномалии, выясняет их причину и вместе с командой вырабатывает гипотезы.

Например, аналитики из devtodev анализировали игру, в которой игроки останавливались на седьмом уровне, не переходили на следующий уровень, но не прекращали играть. Выяснилось, что в игре первые семь уровней были начальными, а начиная с восьмого – условно «профессиональными». Игроки просто хотели быть лучшими из новичков, и играть в свое удовольствие, а не сражаться с профи.

Поиск точек роста и потерь

Точки роста — это потенциал продукта, который позволит расти и зарабатывать больше. Например, если мы видим, что клиенты, купившие один продукт, с наибольшей вероятностью конвертируются в кросс-продажу (дополнительная продажа тому же клиенту) других продуктов и объем сегмента таких клиентов достаточно велик, — это хорошая возможность поэкспериментировать с активными/пассивными коммуникациями и существенно нарастить продажи.

Без аналитика продуктовая команда не сможет выстроить важные процессы:

Выбрать метрики, на которые направлены задачи команды. Не все данные одинаково важны для развития продукта, поэтому аналитик помогает команде расставить приоритеты и выделить ту область знаний, на которую стоит обратить внимание. Такой подход экономит бюджет компании на хранение и обработку данных.

Провести пилоты и эксперименты. Интерпретация результатов — самая важная часть тестирования, за которую тоже отвечает аналитик; здесь важны правильная подготовка к тестированию и корректное статистическое обоснование результатов эксперимента.
Рассчитать модели Unit-экономики. Unit-экономика — это оценка прибыльности юнита — единицы, генерирующей доход, например, одного произведенного продукта или одного платящего по подписке клиента. Создание нового продукта, перезапуск или внедрение новых возможностей в бизнесе должны быть финансово обоснованы. Аналитик устанавливает взаимосвязи между характеристиками продукта и управляет изменениями и процессами планирования.

В команде аналитик работает с разными специалистами:

продакт-менеджер, который отвечает за видение продукта в целом;
CRM-менеджеры, отвечающие за вторичные продажи;
маркетолог, отвечающий за привлечение новых клиентов;
дата-инженер, организующий хранение очищенных данных в витринах данных;
UX-специалист, который занимается улучшением клиентских путей и снижением проблем, вызванных ошибками в них;
сотрудники других команд, которые занимаются развитием смежных продуктов/каналов.

Зачем нужна продуктовая аналитика?

сделать продукт удобнее для пользователей;
привлечь новую аудиторию;
удержать интерес к продукту;
сократить расходы;
поднять продажи.

Под «продуктом» могут пониматься разные вещи. Скажем, в банковской сфере это и финансовые продукты, к примеру потребительское кредитование, и программные продукты, например мобильный банк. У того и у другого есть продуктовые команды, есть определенные цели, задачи и метрики эффективности, а значит, везде нужна продуктовая аналитика, чтобы отслеживать достижение показателей.

Проблемы во взаимодействии клиента и продукта начали выявлять давно. Еще в 1980-х годах компания Microsoft столкнулась с проблемой: пользователи не понимали, зачем в Word добавили такое количество функций, ими просто не умели пользоваться. В одном из банков на Уолл-стрит IT-отдел просто удалил панель инструментов, чтобы сотрудники могли только открыть документ, отредактировать текст, сохранить или распечатать. Осознав проблему, Microsoft начала проводить обучение, чтобы представители разных профессий открыли для себя преимущества Word. Если в компании есть продуктовые аналитики, то они первые увидят, что у пользователей есть трудности.

Вас ждет полное погружение в роль продуктового аналитика, вы освоите продуктовый подход, а также методики принятия решений на основе данных.

Черная пятница! Скидка до 60% на все курсы до конца ноября по промокоду BLOGFRIDAY

Как стать продуктовым аналитиком

Проект «Нормальные исследования» выяснил, что продуктовой аналитикой, как правило, занимаются специалисты, которые до этого уже работали в дата-аналитике. Им проще всего войти в профессию, так как они знакомы с основными инструментами. Реже продуктовыми аналитиками становятся разработчики, маркетологи и менеджеры проектов.

«Знание сферы, в которой разработан продукт, тоже облегчает вхождение в профессию. Если человек работал на одном из участков бизнес-процесса банка, то стать продуктовым аналитиком в банковской сфере ему, конечно, будет проще. Но ключевое — это хороший уровень технических скиллов. Обрести знание продукта проще и быстрее, чем обрасти необходимыми знаниями в области обработки и анализа данных», — Антон Долгачев

Рабочие инструменты аналитика

Python — язык программирования с низким порогом входа, который подходит для многих задач. Netflix, Spotify и Amazon используют его для анализа пользовательских предпочтений и выстраивания стратегий. Python справляется с обработкой больших объемов данных и визуализацией лучше многих инструментов, на сегодняшний день он признан самым популярным языком программирования. В качестве альтернативы для аналитиков здесь можно выделить язык R.

SQL — язык запросов, который позволяет получать информацию из табличной базы данных, объединять таблицы, делать выборку по колонкам и строкам. Для работы достаточно базовых знаний и навыков быстро писать запросы. Более продвинутый уровень написания скриптов с уклоном в максимально оптимальное исполнение обычно востребован уже у разработчиков и дата-инженеров.

Визуализация данных — это представление отчетов в наглядных формах: графики, таблицы или диаграммы. Есть группа инструментов, которые помогают комплексно работать с данными и представлять отчеты в реальном времени продуктовой команде, например Tableau, Qlik Sense, Power BI.

Google Analytics, Яндекс.Метрика, Firebase, Appmetrika, Appsflyer — инструменты, которыми чаще пользуются маркетологи-аналитики, но некоторые данные могут пригодиться продуктовому аналитику: источники трафика на сайте, события продуктовой воронки и какие-либо дополнительные значимые события.

Перспективы и зарплата аналитика продукта

Карьера продуктового аналитика в большинстве компаний состоит из стандартных этапов:

Junior. Им доверяют подготовку данных, простой анализ, написание скриптов. Джунам достаточно знать основы статистики, Excel и SQL, уметь визуализировать данные и писать простой код. Обычно они работают в команде с наставником.

Middle. Решает задачи средней сложности. Он лучше разбирается в инструментах, но знает еще не все нюансы работы, устройства бизнеса и продукта, поэтому тоже редко решает задачи один. Однако уже умеет задавать бизнесу правильные вопросы при обсуждении очередной задачи.

Senior. Специалист этого уровня хорошо понимает рынок и специфику продукта. Некоторые из них могут обходиться без дата-инженера и разработчика в команде, так как сами прекрасно разбираются в коде и настройке баз данных. Кроме владения основными инструментами, senior обладает развитыми soft skills и умеет организовать работу команды.

Карьерный трек развивается по экспоненте: примерно каждые полтора года на новой ступени навыки и знания аналитика растут в цене. В итоге успешные специалисты, которые развивают еще и управленческие навыки, становятся тимлидами. Кроме того, продуктовый аналитик может не ограничиваться одним работодателем, а брать заказы на фрилансе и работать из любой точки мира.

В среднем аналитики зарабатывают около 155 тыс. рублей. Новичкам предлагают от 80 тыс., а самые высокие зарплаты в направлении — более 300 тыс. рублей.

Министерство цифрового развития составило список топ-50 самых востребованных профессий в российском IT, который основан на данных HeadHunter, Superjob и Хабр.Карьеры. Вакансии удаленных аналитиков составляют примерно 20% спроса, и наиболее высокий интерес работодатели проявляют именно к продуктовым аналитикам: эта профессия находится на 6-м месте в рейтинге.

Где учиться

Высшее образование в этой профессии — скорее базовая необходимость, чем конкурентное преимущество. По результатам «Нормальных исследований», у 94% аналитиков есть диплом об образовании и только 6% смогли начать работу без него.

Начать учиться бесплатно можно с помощью книг, блогов и вебинаров.

Книги помогут понять принцип работы с продуктом специалистам, которые до этого делали упор на технические навыки:

Вебинары — это способ познакомиться с направлением и задать вопросы опытным специалистам:

Подпись: Вебинар «Удаленный аналитик: must have-инструменты + лайфхаки по началу карьеры»

Можно записаться на онлайн-курс, получить теоретические знания и выполнить несколько проектов. На курсе «Продуктовая аналитика» вы освоите четыре блока: продуктовое мышление, клиентская аналитика, А/В-тестирование, Data Driven культура. Преподаватели из топовых компаний поделятся опытом и научат применять навыки в реальной работе.

Освойте продуктовый подход в аналитике за 4 месяца.

Черная пятница! Скидка до 60% на все курсы до конца ноября по промокоду BLOGFRIDAY

Тренажер SQL в подарок
Преподаватели из Яндекса, МТС, Ozon, VK
2 больших проекта в течение курса

Руководитель Центра продуктовой аналитики в МТС Банке. Автор курса «Продуктовая аналитика» в SkillFactory.

Читайте также: