Мы продолжаем непотопляемый цикл об айтишных и цифровых профессиях. Что уже было:
- В целом работа в большой ИТ-компании
- Карьера менеджера
- Карьера дизайнера
- Карьера аналитика ← вы здесь
- Карьера писателя
- Карьера в сфере данных: обзор для гуманитариев
- Карьера разработчика и тестировщика (для гуманитариев)
- Труд в бэк-офисе
- Участь предпринимателя
Сегодня рассказ про работу аналитиков с разных сторон. Чтобы было не слишком скучно, объясним на гусях.
Реклама. Эту серию статей спонсирует Практикум, что позволяет выживать в текущих условиях. Вместе с тем Практикум не контролирует содержание текста, и мы не делаем тут никаких скрытых интеграций. Если будет уместно дать ссылки на какие-то их курсы и продукты, мы дадим. В остальном — это «Кинжал». Постараемся коротко и по делу.
Основные вехи:
Состояние рынка и карьерные перспективы
Смысл работы аналитика
Смысл аналитики в том, чтобы где-то раздобыть данные, изучить их и сделать какие-то полезные выводы.
Всё, это весь раздел.
Какие бывают аналитики
Возьмём на примере. Гуси организовали предприятие по производству удобрений. Дело не идёт: клиенты не заказывают гусиный помёт, товар копится на складах. Гуси пошли спрашивать совета у знакомых.
Приходят к сове. Сова говорит: «У вас недостаточная выработка удобрений, чтобы работать на B2B-рынке. Вам нужно нанять ещё тысячу гусей и выстроить конвейерную систему производства, вот план». Сова — бизнес-аналитик.
Пошли к дрозду. Дрозд задал им много вопросов о предприятии. Через неделю вернулся с ТЗ на разработку автоматизированной системы производства удобрений. «Вот это ТЗ отдайте разработчикам, они вам сделают». Дрозд — системный аналитик.
Пошли к лисице. Лисица прошлась по всем соседним фермам, поговорила с руководителями, изучила рынок. Через неделю приносит предложения, как улучшить продукт. Она предложила не только продавать удобрения, но и делать экскурсии по ферме. Лисица — продуктовый аналитик.
Пришли к ежу. Ёж долго ползал по территории фермы, пыхтел и принюхивался. Через неделю он принёс отчёт на семи листах, где было сказано, что калитку тяжело открыть, ступеньки скользкие и на территории фермы плохо ловит сотовая связь. Ёж — UX-аналитик.
Пошли к пауку. Он залез на сайт предприятия и выписал сто рекомендаций по улучшению юзабилити, оптимизации страниц и починке ссылок. Паук — веб-аналитик.
Пришли к мышам. Мыши изучили бигдату и выяснили, что спрос на удобрения имеет сезонный характер, а сейчас как раз спад. Но есть когорта клиентов, которые закупают удобрения впрок, их можно выделить. Вот выгрузка с этими клиентами. Мыши — аналитики данных.
Потом мыши сказали: «Так, падажжи…» Ушли ещё на неделю, а когда вернулись, у них была обученная нейросеть, которая автоматически находила релевантных клиентов. Мыши стали дата-сайентистами.
За следующий год дело пошло, ферма много заработала, и гуси пришли к старому селезню со своей базой 1С на флешке. Селезень её открыл, крякнул и сделал большой отчёт о финансовом состоянии предприятия: где деньги теряются, где зарабатываются, какие обязательства проблемные, сколько денег можно выделить на дивиденды. Селезень — финансовый аналитик.
Всё, дальше будет серьёзно.
Новые и старые аналитики
Бизнес-аналитики и финансовые аналитики существовали давно, потому что среднему и крупному бизнесу нужно разбираться в своих внутренностях.
Системщики появились вместе с автоматизацией производства. Например, нужно сделать программу складского учёта. Она может быть какой угодно: в столбик, в табличке, с карточками, в чатике, отсортированная по категориям. Системщики выясняют, какой должна быть эта программа, и передают это знание разработчикам.
И совсем недавно появились цифровые аналитики: по данным, UX, вебу и продуктам. Они пришли вместе с цифровой экономикой: когда люди начали заказывать товары через интернет, пользоваться приложениями, покупать подписки и контент.
Ничего без аналитики
В современных ИТ-компаниях есть принцип: «Ничего не делаем без аналитики». То есть сначала они изучают рынок, строят гипотезы и проводят исследования — и только потом начинают что-то разрабатывать. В каком-то смысле аналитика — это фундамент современного цифрового бизнеса.
Но так не у всех. Кто-то просто просыпается утром и говорит: «Надо вот так делать».
Основные навыки аналитика
В общем виде аналитик — это ваш одногруппник, который писал обалденные курсовые. Работа аналитика — собрать инфу, изучить её, понять и изложить.
Вот основные навыки:
- Исследование — интервью, сбор данных, работа с источниками, организация специализированных исследований.
- Анализ — думание головой, знание бизнеса, мира и людей, математика, статистика, DataLens, иногда лёгкое программирование на Python, Haskell или языке R.
- Презентация — PowerPoint, PowerBI, инструменты визуализации данных, грамотная речь и способность чётко структурировать свои мысли.
Главная польза от аналитика в том, что он потратил время и разобрался. Представьте, что перед вами лежит 300 страниц какой-то информации. Аналитик — это тот, кто из этих 300 страниц сделает одну, и в этой одной будет самое важное для вас.
Особенности карьеры
Аналитики обслуживают средний и крупный бизнес, поэтому часто имеют дело с каким-то объёмом бюрократии. Бюрократия — это когда не очень умный менеджер мешает делать важное дело. Или когда решение нужно согласовать с десятью ненужными людьми. Часть работы аналитика — корпоративный нудёж.
Понятно, что есть и менее бюрократизированные компании, но со стороны вы это не увидите. Поэтому готовьтесь к худшему.
У аналитика нет далеко идущей карьерной лестницы. Можно быть младшим аналитиком на подхвате. Можно быть единственным аналитиком на всю компанию. Можно быть руководителем группы аналитиков. Дальше — менеджмент. У аналитиков не такое древо развития карьеры, как у разработчиков или дизайнеров.
Если аналитик занимается данными, у него есть возможность вырасти в дата-сайентиста и заниматься нейронками и искусственным интеллектом. Это топчик и вышка, но нужно учиться.
Аналитик — это сидячая работа и интенсивный интеллектуальный труд со всеми вытекающими.
Результат работы аналитика сводится к повышению эффективности чужого предприятия. Работа аналитика явно не для тех, кто хочет с нуля построить компанию и своими руками создать новый «Айфон». И хотя работа аналитика важна и без нее сейчас ничего не делается, это не такая гламурная сфера, как дизайн, например. Никто в детстве не мечтает быть аналитиком.
Где работать
Продуктовые и UX-аналитики нужны в продуктовых компаниях — тех, кто делает онлайн-сервисы, приложения и игры. Примеры таких компаний — Яндекс, Авиасейлс, Мейл, Касперский. Там работают продуктовые менеджеры, и им в помощь нужны аналитики.
Дата-аналитики нужны везде, где много данных: например в торговых сетях, кинотеатрах, у мобильных операторов, в банках. Последние 20 лет они собирали данные как не в себя, и вот данные есть, а выводов по ним нет. Нужны люди, которые будут извлекать смысл из этих данных.
Системные аналитики — обязательная позиция в любой ИТ-компании, которая делает софт на заказ. Если там есть программисты, там обязательно будут системщики: они ходят к заказчику и пишут техзадания.
Финансовые и бизнес-аналитики работают везде, где есть хотя бы 100 сотрудников. Это обязательная позиция в любой средней и крупной компании, потому что без этой роли руководители не могут принимать решения.
Состояние рынка и карьерные перспективы
Аналитика — это часть бэк-офиса. Когда экономика растёт, растут предприятия, открывается много вакансий, в том числе аналитиков.
Выше среднего растут вакансии диджитал-аналитиков — анализ данных, продуктовая и UX-аналитика. Это связано с тем, что цифровой сектор растёт быстрее других, а аналитикой там занимались мало.
Дикого «перегрева» по зарплатам у аналитиков нет: зарплаты от 50 до 200 тысяч рублей — это средние зарплаты для ИТ. У разработчиков встречаются намного более высокие зарплаты — но в более сложных сферах.
Современные цари дата-аналитики — это дата-сайентисты, которые занимаются нейросетями, машинным обучением и другими сложными вещами. Это горячая тема, сложная сфера, на неё есть спрос в крупных компаниях. Но это работа для математиков и технарей.
Основной риск для аналитика — развитие нейросетей и искусственного интеллекта (которым как раз занимаются дата-сайентисты). Если у них всё получится, то у аналитиков будет всё меньше ручной и всё больше творческой работы. Хорошая новость в том, что чем совершеннее будут эти инструменты, тем больше компаний будут ими пользоваться, тем больше им нужно будет аналитиков.
Это как с частным извозом в начале 20 века: когда автомобили заменили лошадей, извозчики лишились работы. Но кто-то должен был водить автомобили.
По-человечески
Аналитик — это просто востребованная работа. Она сложная, кропотливая, нудная, не гламурная, зато хорошо оплачиваемая. Аналитики очень нужны, но о них не снимают документальные фильмы.
Вы приходите, работаете, делаете слайды, уходите домой. И дома живёте нормальную жизнь. Ну или на удалёнке сидите, всё то же самое. Это просто труд: без фанатизма, великой идеи и спасения мира.
Другое дело, что под капотом у аналитики нереальные новые технологии, которые изменили мир — та же биг дата и машинное обучение. Но чтобы быть частью этого, нужно серьезно учить математику.
Рекламное, красивое
Практикум просил передать вам ссылки на свои курсы, связанные с аналитикой. Все курсы сделаны на базе интерактивных тренажёров, в них есть бесплатная часть, вам помогают наставники, а в конце — карьерные консультанты помогают с трудоустройством. Нормальная профессиональная переподготовка для тех, кто хочет работать в этих наших айти-кругах.
- Бесплатнейший профориентационный курс — чтобы понять, какая сфера аналитики вам лучше подходит.
- Основы математики для цифровых профессий — бесплатный тренажёр, рекомендуем.
- Продвинутая математика для анализа данных — для тех, кто метит в дата-сайенс.
- Аналитик данных — с нуля, база.
- Покоритель нейронок (дата-сайентист) — с нуля, но хорошо бы пройти курсы по математике выше.
- Системный аналитик — с нуля.
- Бизнес-аналитик — с нуля.
Ещё есть два ускоренных курса (буткемпа). Там нужно заниматься весь день, но курсы идут вдвое быстрее. Вот они: дата-сайенс, аналитик данных.
