5 лучших курсов по продуктовой аналитике – PromoEducation

5 лучших курсов по продуктовой аналитике - PromoEducation Аналитика

Почему я выбрал онлайн-обучение

Чтобы устроиться на работу, мне нужны были сертификаты, которые подтвердят мои знания. Я мог читать статьи о программировании и смотреть ролики на «Ютубе», но за это не дают сертификатов. Можно получить их в вузах — там бывает очная магистратура по компьютерным наукам и анализу данных. А можно пройти онлайн-курсы. Я выбрал второй вариант, и вот почему.

А онлайн-курсы были в основном недорогие. Вот «Основы программирования на Python» на «Курсере» стоили 5000 Р. А были и вообще бесплатные, например «Введение в базы данных» на платформе «Стэпик». В общем, я понял, что онлайн-обучение точно обойдется дешевле.

Проще бросить. Я допускал, что учеба может мне не понравиться, а курсы и магистратуру в вузах нужно оплачивать вперед. Я боялся, что будет сложно вернуть деньги, и рассуждал, что за курс потеряю меньше, чем за магистратуру. Забегая вперед, скажу, что я дважды возвращал деньги в процессе обучения, проблем с этим не было.

Легко совмещать с работой. Я хотел и дальше трудиться в продажах, а параллельно учиться. Планировал заниматься по вечерам, в выходные и праздники. Еще на работе у меня бывали «окна» в течение дня: в это время я собирался учиться, а если что, переключаться на срочные задачи. С офлайн-обучением такой график был бы невозможен.

Курс 11
introduction to python for data science

Платформа и организатор: «Дата-кэмп».

Длительность: подписка была на год, но я занимался только в феврале — апреле 2020 года.

Стоимость: 80 $ (По каждому из 10 курсов я получил сертификат
1.2. Основные задачи

Основные задачи аналитика в нашем отделе: Анализ изменений KPI по мере развития продукта.Обнаружение и изучение аномалий.Поиск «узких мест» и точек роста. Это очень важная задача, которая позволяет человеку развиваться профессионально. Он сам ставит перед собой гипотезы, проверяет их, находит новую информацию, которую больше никто не видит, и таким образом получает опыт, который не даст ни один руководитель. Поддержка принятия решений. Мы помогаем членам команды отвечать на стоящие перед ними вопросы.Поддержка и развитие аналитической инфраструктуры.
О последнем пункте я расскажу подробнее. Инфраструктура состоит из следующих уровней: На первом уровне находится база данных проекта, в которую мы записываем все данные, а сами пользуемся её репликой, чтобы исключить риски для проекта. На втором уровне у нас хранилище на базе Hadoop, куда мы из БД проектов переносим информацию для исторического анализа очень больших объёмов. Следующий уровень — это надстройки над хранилищем для выполнения кода. Здесь можно реализовывать любые сложные преобразования данных, которые мы не можем реализовать с помощью инструментария предыдущих уровней. На последнем уровне у нас визуализация. За нее исторически отвечает проприетарное программное обеспечение — QlikView. А Excel — это классика, для быстрых задач мы всегда его используем.
Курс 5
Основы программирования на Python
Платформа: «Курсера». Организатор: ВШЭ. Длительность: 9 недель. Я занимался в мае — июне 2021 года, но застопорился на седьмой неделе и не стал проходить дальше. Что я получил: курс был очень сложным, но интересным. Я потренировался решать задачи математически, а потом писать алгоритм решения кодом на Python. Так я понял, что мне нужно еще больше знаний по математике и алгоритмам. Минусы: многие задачи были такими сложными, что пригодилась бы помощь преподавателя, а ее не было. Пришлось самому копаться в интернете и искать решения. Еще у нас был форум студентов. Там мы обсуждали задачи, а иногда нам отвечали администраторы курса. Но это все равно не то.На курсе было слишком много высшей математики и теории вероятностей. И сложность заключалась не в написании кода, как я хотел, а в том, что я не умел решать олимпиадные задачи по математике. Полезность: 8 из 10.
Курс 2
Основы статистики
Платформа: «Стэпик». Организатор и лектор: Анатолий Карпов — дата-аналитик из «Мэйл-ру-груп». Курс выложен на базе Института биоинформатики — это научная организация, которая создает бесплатные курсы для математиков, информатиков и биологов.Длительность: 9 занятий, я проходил их 1,5 недели в марте 2021 года. Стоимость: бесплатно. Что я получил: повторил все, что изучал в вузе по статистике, и вспомнил базовые термины. Потом мне было легче на других курсах. Минусы: ответы на некоторые тесты можно было просто угадать. Я бы усложнил варианты вопросов и ответов. Полезность: 9 из 10. Курс подойдет и новичкам, и тем, кто уже изучал статистику, но забыл. Я сравнивал темы из курса с главами учебника по статистике — во многом они совпали. Но смотреть лекции и решать практические задачи по курсу интереснее, чем читать учебник.
Чтобы достичь product market fit
Пользователи не станут пользоваться продуктом, который не соответствует их ожиданиям (о поиске product market fit мы рассказывали ранее). На этом моменте «застревают» многие компании из-за отсутствия аналитика. Он может собрать данные о действиях лояльных клиентов и потерянных и сделать выводы о необходимых доработках.Когда вы знаете, что важно для целевой аудитории, не сложно достичь соответствия ее ожиданиям. Например, в Airbnb раньше была проблема: рекламодатели уходили из сервиса, потому что не могли сдать жилье. А потребители не пользовались услугами из-за некачественных фото.В 2021 году компания провела анализ более 100 000 объявлений с профессиональными фото и обычными и пришла к выводу о необходимости запуска дополнительной услуги. Они бы не получили такого результата, не будь в их команде профессионального продуктового аналитика.
Курс 6
Основы SQL
Платформа: «Стэпик». Организатор и лектор: Никита Шультайс — программист, основатель собственной компании по разработке Shultais Education. Длительность: 32 часа, я прошел их за три недели в августе — сентябре 2021 года. Стоимость: 4500 Р. Что я получил: познакомился с реляционными базами данных — они состоят не из одной таблицы, а из многих, но данные в них связаны между собой. Плюс я узнал, как формировать запросы на языке SQL. Все это сейчас нужно мне для работы аналитиком.Полезность: 9 из 10. Плохо, что в сертификате не было программы курса. Мои работодатели не могли узнать, что именно я проходил и как долго учился
Чтобы занять первые позиции на рынке
Грамотное использование данных и аналитики обеспечивает компании масштабный рост. Это было доказано не раз на практике и в исследовании McKinsey. Специалисты агентства опросили руководителей крупных компаний и пришли к выводу, что работа с данными сегодня приносит им от 20% прибыли ежегодно.И речь идет не о какой-то разовой работе аналитика, таких результатов позволяет достичь комплексная и постоянная работа. Поэтому отрыв между крупными компаниями, которые могут тратить на работу с данными большие бюджеты, и маленькими, у которых нет возможности выделять столько же денег, растет с каждым годом.Тем не менее, малый бизнес начинает осознавать важность работы с данными, поэтому организации выделяют небольшие бюджеты для найма продуктовых аналитиков и постепенно увеличивают их с получением первых результатов. Это подтверждают многочисленные утверждения о росте спроса на услуги специалистов из этой области.
Что читать продуктовому аналитику
Сейчас вы на старте новой карьеры. Сразу запомните важное правило: продуктовый аналитик никогда не должен останавливаться в развитии. Эта сфера еще молода и быстро меняется. Если несколько лет назад для работы хватало Google Analytics и Яндекс.Метрики, то сегодня пул рабочих инструментов увеличился во много раз.Чтобы всегда оставаться востребованным, надо пополнять знания: проходить дополнительные курсы, смотреть вебинары, посещать «тусовки» продуктовых аналитиков и т.п. Один из самых простых вариантов — чтение профессиональной литературы. Мы подобрали 8 интересных книг, которые помогут в начале карьеры: Alibaba и умный бизнес будущего: Как оцифровка бизнес-процессов изменила взгляд на стратегию. Наименее прикладная книга из списка, но понравится любому продуктовому аналитику. Автор рассказывает, чем занимается Alibaba и как создает виртуальную экосистему, которая быстрее, интеллектуальнее и эффективнее традиционной деловой инфраструктуры. Прочитав эту книгу, вы узнаете о картине будущего в Китае, новых технологиях в конкурентной борьбе и создании новой стоимости в традиционных отраслях.Маршрут построен! Применение карт путешествия потребителя для повышения продаж и лояльности. Учебник для продуктового менеджера, который надо прочитать три раза. После первого раза поймете общий замысел и выполните все базовые упражнения, чтобы определить цели и задачи своего бизнеса. После второго раза определите важные для достижения коммерческого успеха своей компании разделы. В третий раз читайте вместе с командой и менеджерами, чтобы сгенерировать идеи и составить план их постепенной реализации.Разработка ценностных предложений: Как создавать товары и услуги, которые захотят купить потребители. Ваш первый шаг. Остервальдер — автор многих научных трудов для бизнеса. После изучения его литературы вы научитесь определять сильные и слабые стороны продукта, узнаете об управляемых и не очень факторах и научитесь составлять краткий бизнес-план. Вы будете понимать, как посмотреть на продукт глазами самого придирчивого клиента.Спринт: Как разработать и протестировать новый продукт всего за пять дней. Уникальная методика от лучших специалистов Google. Как продукт должен выглядеть? Кто будет его покупать? Какие функции стоит добавить, а от каких отказаться? Кому показывать первый прототип? Этот подход позволяет за неделю создать новый продукт, протестировать его и сформулировать стратегию. При этом риски будут минимальными.Impact Mapping: Как повысить эффективность программных продуктов и проектов по их разработке. Эта книга больше подойдет продуктовым аналитикам, работающим в сфере создания программного обеспечения. Метод Impact mapping используют для формулировки и объединения разных допущений и гипотез, их анализа и тестирования. Автор делает уклон в сторону гибкого (agile) и бережливого (lean) подхода.Agile: Оценка и планирование проектов. Один из основных учебников об agile-подходе к планированию разработки, переоценке, расстановке приоритетов или управления целой командой. Главное преимущество книги — отсутствие абстрактной теории, только реальные примеры и кейсы, ориентируясь на которые вы сможете быстро научиться использовать метод в работе. И если раньше вы делали более-менее нормальные планы, то теперь они станут очень хорошими.Как создать продукт, который купят: Метод Lean Customer Development. Автор рассказывает о сложностях создания продукта в условиях полной неопределенности. Альварес описывает авторский метод: с чего начать, с кем говорить, что нужно и как понять, что ваша гипотеза подтвердилась — ответы на все эти вопросы найдете в книге. После закрепления полученных знаний на практике, вы научитесь быстро проверять обоснованность предположений и создавать продукты, востребованные и популярные среди целевой аудитории.Много цифр: Анализ больших данных при помощи Excel. Все книги про Excel и другие таблицы отличаются монотонностью и скукой. Читать их сложно, обычно процесс растягивается на несколько недель. Джон Форман с юмором рассказывает об электронных таблицах: формулы и поиск решения, кластерный анализ и оптимизационное моделирование, прогнозы и программирование и многое другое.Статья подходит к концу, поэтому самое время для подведения итогов. Во-первых, повторим, что продуктовый аналитик — специалист, который собирает данные (на какие кнопки нажимают пользователи, что делают на страницах продукта, какие товары кладут в корзину и т.п.) для определения популярных и непопулярных функций продукта.Во-вторых, начать осваивать новую профессию еще не поздно, о чем бы не говорили скептики. Эта сфера продолжает активно расти, компании переводят бизнес в «цифру», потребность в квалифицированных продуктовых аналитиках растет. В-третьих, учиться можно самостоятельно, но лучше отдать предпочтение платным курсам. Опытные преподаватели дадут структурированную, а главное актуальную информацию, объяснят все сложные рабочие моменты простым языком и помогут трудоустроиться на хорошее место.Надеемся, сегодня вы открыли для себя что-то новое и полезное и, возможно, задумались о получении новой профессии. А если остались какие-то вопросы, задавайте их в комментариях, мы с радостью на них ответим!
1.1. Подход к аналитике

Дополнительный анализ:  Глава 35. Настройка аналитик

Мы считаем, что у нас в студии применяется системный подход к аналитике. В классической схеме аналитики входят в состав команд проектов. Такой человек очень глубоко погружен в проект, он знает его досконально. Как правило, аналитики из разных команд друг с другом практически не общаются. В нашей системе есть роль руководителя отдела, который транслирует требования, методики и инструменты. То есть все аналитики во всех проектах используют задокументированные проверенные универсальные подходы, но при этом не ограничены только ими. Для нас это некий минимум, на основе которого можно получить более частную и глубокую экспертизу.Сотрудники могут использовать инструменты и подходы, не упомянутые в типовых методиках. В свою очередь, руководитель отдела контролирует результаты работы аналитиков, и, поскольку он сам является наиболее компетентным специалистом, он добавляет команде свой опыт и знания.Важным преимуществом такого подхода является то, что аналитики взаимозаменяемы. Очень часто бывает, что человек работает в одном проекте годами и со временем выгорает, его взгляд «замыливается». В такой ситуации перевести его в другой проект обычно очень сложно, потому что у аналитика есть специфические знания о проекте и его инфраструктуре, которых ни у кого больше нет.
1.3. Компетенции продуктового аналитика

Мы выделяем такой список: SQL и подобные языки;архитектура баз данных;языки программирования (Python, R, Scala);математика и математическая статистика;логика и продуктовое мышление;умение защищать свою позицию;коммуникативные навыки.Я хочу подчеркнуть два последних пункта. Принято считать, что аналитик — это интроверт с IQ выше 130, который готовит 50-страничные отчёты о том, что происходит в его сфере ответственности. Но на самом деле в нашей парадигме аналитик — это тот человек, который является драйвером обнаруживаемых им проблем и точек роста.В коллективе сложно убедить людей в том, что ты нашёл что-то важное, потому что каждый занимается своей приоритетной задачей. А просто передать эту информацию и забыть о ней — такая позиция нам не подходит. Поэтому для аналитика очень важно уметь строить отношения в коллективе, находить способы защитить свою позицию и свои выводы, «драйвить» реализацию своих рекомендаций.
2. Методики
Теперь немного расскажу о примерах методик, которые мы транслируем сотрудникам отдела аналитики. На наш взгляд, три кита успешного free-to-play продукта — экономика, удержание и монетизация. Для каждой из этих сущностей в отделе аналитики разрабатываются методики для оценки и сравнения с другими проектами. Их можно разделить на три большие группы:Методики первичной оценки продукта. Подходы, актуальные на ранней стадии жизни продукта, когда ещё нет ядра, а есть только новая игра, в которой лишь начала появляться аудитория. Методики оценки изменений в проекте с ядром. Применяются для оценки изменений в новых версиях игры, эффекта от добавления фич и правок, как на KPI, так и на показатели продукта в целом.Методики изучения аномалий. Мы разрабатываем их для типовой реакции на распространенные аномальные ситуации с продуктовыми показателями. Существуют определенные подходы, что и в каком порядке нужно анализировать, чтобы максимально быстро найти наиболее вероятные причины и начать решать проблему.
Об аномалиях я расскажу как-нибудь в другой раз, а сегодня поговорим о первичной оценке и анализе изменений на примере классического F2P-проекта с закрытой экономикой.
2.1.2 Конверсия прогресса
Одним из важнейших аспектов для игры является первичное удержание. В первые минуты после установки люди знакомятся с игрой и принимают решение, будут они в это играть или нет. Большинство проектов теряет половину аудитории в первые 30 минут. Как можно быстро найти проблемы в удержании аудитории? В привязке к прогрессу, мы делаем это с помощью классической воронки:Строим график количества пользователей, которые достигают определённых ключевых точек. На графике ярко выражены спады в точках 4, 10 и 20. Если вычислить относительную конверсию от точки к точке, будут сразу видны провалы, в которых конверсия резко падает относительно соседних точек.Причины бывают разные: проблемы в UX, проблема выбора между разными режимами, когда пользователи идут не по вашей стратегии, а идут в PvP или другие режимы, сложность, технические сбои и т.д. Но в целом, это те точки, на которые следует сразу обратить внимание, поскольку они провоцируют пользователей либо уйти, либо действовать не по выбранной вами кривой прогресса.
3.2. A/B-тесты

Мы очень любим A/B-тесты. У нас есть проект, в котором мы провели 70 полноценных A/B-тестов всего за 2 года. Если суммировать наш опыт в некую выжимку, можно сказать следующее: A/B-тесты — самый честный (из реалистичных) способ проверки гипотез. Лучше всего их делать на новой аудитории. Если тестировать фичу, которую старая аудитория уже видела, и потом показать ей новый вариант, то восприятие и реакция будут не такими, как у людей, которые фичу не видели. Скорее всего, реакция будет негативной и публичной, и может повлиять на результаты теста. Лишь в отдельных случаях, с неочевидными для игроков различиями или в специфических ситуациях, тесты можно проводить на всей аудитории.Очень важно проверять статистическую значимость результатов. Вселенная устроена так, что даже в идентичных условиях будет определенная разница в подсчитанных показателях благодаря фактору случайного распределения. Математическая статистика обладает методами, позволяющими с высокой степенью вероятности определить, укладывается ли результат в нормальную погрешность или отражает реальную разницу. Такая работа критически важна для оценки результатов A/B-тестов.Если вы собираетесь проводить несколько A/B-тестов, затрагивающих один и тот же параметр, то лучше всего их разносить во времени. Иначе любая странность в результатах спровоцирует дискуссию о том, повлияли ли эксперименты друг на друга, или же есть другое объяснение. Не стоит проверять все идеи A/B-тестами. Лучше пропускать их через фильтр команды и выбирать самые сильные гипотезы. У каждого драйвера фичи будет большой соблазн проверить свою гипотезу через A/B-тест. Но на это уйдёт время, и часть пользователей мы не сможем использовать для более важных экспериментов. Если вы делаете A/B-тест, то заранее решите, что будет для вас минимальным значимым результатом. В таком случае вы сможете оценить, сколько вам понадобится аудитории для такого теста и сколько примерно времени это займет. Если по окончании срока планка не достигнута, нет смысла продолжать тест. Не увлекайтесь.
3.3. Моделирование проекта
Думаю, в коммерческих компаниях все работают с бизнес-моделями. Мы считаем, что если рассматривать метрики изолированно друг от друга, то аналитику и менеджменту будет трудно собрать в голове цельную картину жизненного цикла проекта. А если объединить эти метрики в одну математическую модель, в которой будут учтены все важные процессы, это повысит качество работы аналитика и даст то самое цельное видение бизнеса.У нас есть проект, выручка которого по месяцам выглядит так: Вроде, всё хорошо, проект снова начал расти. Наверное, у него есть перспективы? Но если построить достаточно простую модель, то может оказаться, что проекту грозит падение. Те процессы, которые математически воссозданы в нашей модели, но которые не видны на графике исторической выручки, влияют на прогноз проекта в будущем и определяют динамику его выручки. В то же время, причины, обуславливающие именно такую динамику в будущем, легко определить в процессе деконструкции модели и разработать меры по изменению тренда.Важно понимать, что хорошая бизнес-модель обладает определенными свойствами: Во-первых, она моделирует процессы внутри сервиса. Это не просто формула вроде «ARPU умножить на аудиторию и получить деньги». Модель позволяет сформировать baseline. Не ждите чудес. Она не сможет вам предсказать «чёрных лебедей», например, фичеринги или изменение стратегии привлечения. Она правильно моделирует исторические данные. Можно подставить данных из предыдущих временных периодов и получить реальный результат. Она легко экстраполируется в будущее. Зная текущее состояние проекта и его поведение в последние месяцы, мы можем продлить эти процессы в будущее. Если в проекте что-то будет меняться, вдруг случится экстренный приток регистрации, или монетизационные акции повысят вашу выручку, то модель при этом не сломается. Она должна уметь это предусматривать. Модель учитывает развитие продукта. Если вы сделали важные шаги в проекте, показатели выросли, и модель из-за этого перестала работать, то она была некорректной. Модель позволяет задать разные сценарии. Какой результат мы получим через полгода, потратив в этом месяце на рекламу миллион долларов? Хорошая бизнес-модель умеет это предсказать. И самое главное для аналитика. Мы не просто делаем какой-то прогноз. Да, часто случается много событий, которые корректируют наши планы. Но в каждый момент времени, разбирая результат моделирования, мы понимаем, почему произошло именно так. Если мы прогнозировали одно число, а получилось другое, то мы сразу можем понять, что пошло не по прогнозу. Может быть, мы не учли какой-то важный фактор. Возможно, внезапно сыграло что-то, что нам нужно учитывать в дальнейшем. Так мы растем не только в контексте прогнозирования и моделирования, но и понимания взаимосвязей факторов, определяющих траекторию роста или падения.
Инструменты продуктового аналитика
У каждого продуктового аналитика свой уникальный набор инструментов. Конечный список зависит от сферы деятельности и поставленных задач. Но есть ряд универсальных инструментов, которыми пользуется большинство специалистов: Python. Простой язык программирования с большим количеством библиотек и обширным комьюнити, к которому можно всегда обратиться за помощью или с вопросом. Аналитик используют Питон для автоматизации обработки больших массивов данных, когда возможностей Excel уже не хватает. Кроме этого, инструмент подходит для визуализации данных, построения моделей прогнозирования оттока клиентов, проведения кластеризации и т.п.Google Analytics и/или Яндекс.Метрика. Основные и бесплатные системы аналитики, показывающие источники трафика, действия пользователей, конверсии и многое другое. Позволяют формировать отчеты разных форм с нужной информацией. Эти инструменты подходят для работы с веб-проектами. Для мобильных приложений есть схожие аналоги (например, AppMetrica от Яндекс).Tableau. Удобный инструмент для анализа, визуализации и объединения данных из разных источников. Новички любят Tableau из-за интуитивно понятного интерфейса. Функционал платформы обширен: например, доступна настройка автоматического обновления и рассылка отчетов заинтересованных лицам.Mixpanel. Система отслеживания поведения пользователей в режиме реального времени. С помощью этого инструмента продуктовый аналитик отслеживает весь путь пользователя. Полезен при проведении А/Б-тестов.SQL. Инструмент для взаимодействия с базами данных внутри экосистемы продукта. Знание SQL позволяет аналитику обрабатывать и компоновать нужные данные без участия разработчика.
Как проходит онлайн-обучение дата-аналитике
Я учился на 11 онлайн-курсах по дата-аналитике. Один из них проходил напрямую у создателя — Высшей школы бизнес-информатики. Остальные нашел на образовательных платформах «Курсера», «Стэпик», «Скиллбокс», «Дата-кэмп» и «Яндекс-практикум».На всех платформах я выбирал отдельные курсы. Только на «Дата-кэмпе» оплатил сразу годовую подписку и мог проходить по ней любые курсы. У каждого курса на «Стэпике» было не только описание с планом, но и отзывы с оценками. Так мне было легче понять, стоит ли вообще его проходить. Каталоги курсов на других платформах были устроены аналогичноКто преподавал. Курс в Высшей школе бизнеса вели преподаватели самой школы, а в «Яндекс-практикуме» — аналитики «Яндекса». На других платформах курсы создали преподаватели университетов, колледжей и бизнес-школ и сотрудники крупных успешных компаний.«Скиллбокс» сам набирает команду преподавателей. На курсе «Профессия Data Scientist: анализ данных» лекции читали сотрудники «Рамблера», «Профи-ру», Сбера и самого «Скиллбокса». В Высшей школе бизнес-информатики преподавали директора крупных компаний. Но курс по аналитике это не спасло, мне он не понравился. Расскажу про это дальше в статьеЕсли курс вел частный преподаватель, на «Стэпике» было подробное описание, где он учился, где работает и какие у него достиженияФормат занятий. Курсы включали в себя теорию в виде лекций — текстовых или в формате видео. И практику — тесты и домашние задания. Смотреть лекции и сдавать тесты я мог в любое время, хоть ночью. Главное — успевать все делать в пределах модуля. На «Яндекс-практикуме» модуль длился 2 недели, на остальных платформах — неделю.За тесты мне начисляли баллы. Потом из них складывалась итоговая оценка. В основном тесты проверяли преподаватели, только на Data Science Professional Certificate на «Курсере» это делали такие же студенты, как и я. Мне это не понравилось.Так выглядел тренажер «Яндекс-практикума». Аналогичный был на «Дата-кэмпе»Качество. Некоторые курсы были очень качественно сделанными, с хорошим планом занятий и интересными практическими заданиями. Например, на «Курсере» мне понравился курс «Основы программирования на Python». Другие курсы были непродуманными: они не казались цельными, потому что из раза в раз менялся формат лекций. Таким был курс «Профессия Data Scientist: анализ данных» на «Скиллбоксе».Сертификаты. Если я проходил обучение до конца, то получал электронный сертификат. В нем было мое имя, название курса и итоговая оценка. Потом я прикрепил все сертификаты к резюме. Сертификат курса IBM, который я прошел на «Курсере»Чтобы получить сертификат на «Стэпике», нужно было прослушать 80% лекций. Но я еще прошел необязательные модули и правильно выполнил все тесты. Поэтому у меня сертификат с оценкой 100%Я оценю полезность каждого курса по шкале от 1 до 10 баллов, где 1 — совсем бесполезно, а 10 — очень полезно, интересно и применимо в новой работе.
Как я выбирал направление
Я искал область, где можно начать с нуля в 30 лет и где даже на старте доход будет от 80 000—100 000 Р на руки. Выбирал между веб-разработкой, гейм-разработкой и анализом данных. Читал о них на «Хабре» и смотрел требования и зарплаты в вакансиях в интернете.Еще в гейм-разработке меня смутило то, что в вакансиях много требований даже для новичков. И без профильного высшего образования эти знания получить трудно. Это требования в вакансии гейм-разработчика. Как минимум нужно отличное знание и владение C#, а я с ним никогда не имел делоЧто такое аналитика. Аналитики исследуют разные данные, фильтруют их и прогнозируют. А компании смотрят на этот анализ и решают, как им дальше развиваться и какие новые продукты создавать. Меня интересовали два направления аналитики — дата-сайенс и бизнес-аналитика, то есть BI. Дата-аналитики работают с данными, которые помогают развивать бизнес компании. Например, анализируют транзакции клиентов в банке. Потом банк формирует для этих клиентов заманчивые предложения.Бизнес-аналитики анализируют структуру организации и ее внутреннюю деятельность. Советуют, что улучшить, чтобы компания развивалась, и разрабатывают программы, которые ускоряют бизнес-процессы. Почему я выбрал дата-аналитику. О дата-аналитике мне подробно рассказал друг: он как раз заканчивал магистратуру по дата-сайенс в Высшей школе экономики. Он сказал, что это перспективное направление и аналитики востребованы во всем мире.Чтобы заняться аналитикой с нуля, нужно хорошо разбираться в математике и статистике. А я забыл их со времен университета. Зато из языков программирования нужны были только Python и SQL. Я стал читать о них, нашел примеры кода — языки показались мне простыми и доступными.Меня расстраивал только доход: в некоторых вакансиях предлагали всего 40 000—60 000 Р. А на одну позицию искали стажера-аналитика Python и вовсе на 25 000 Р. Но я понимал, что если сменю специальность, то поначалу придется просесть в деньгах. Зато перспективы роста у меня будут лучше, чем в продажах.Меня успокоило, что опытные Python-разработчики могут рассчитывать на более высокий доход
Как я нашел работу
В конце зимы — начале весны 2020 года я составил резюме на «Хедхантере», описал свои навыки и приложил сертификаты. Откликался на вакансии, где полностью подходил по требованиям или где чувствовал, что потом освою навыки. Об опыте нигде не расспрашивали, но уточняли, знаю ли я тот или иной инструмент. Иногда присылали на почту тестовые задания по SQL или Python. А вот сертификаты даже не смотрели. Только иногда интересовались, каково было учиться в «Яндекс-практикуме» и «Дата-кэмпе».В резюме я немного приукрасил свои навыки. Например, указал, что уже применял SQL в работе, пусть на базовом уровне. И написал, что уже обрабатывал данные с помощью Python. В остальном резюме было честным и открытымВ апреле, в разгар карантина, я устроился аналитиком в банк. Python там пока не применяю, а вот SQL — плотно и постоянно. Основное направление моей работы — это клиентская и CRM-аналитика. У моего банка есть два подразделения: одно отвечает за клиентов из малого бизнеса, другое — из среднего.Они дают мне задания: например, сделать выборку людей, которые могут заинтересоваться кредитом или сберегательным депозитом. Я проверяю транзакции всех клиентов и смотрю, какие продукты они оплачивали в других банках. Так и узнаю, что наш продукт им тоже может быть интересен.Как освоить новую профессию онлайнПодумайте, в какой сфере хотите работать, и изучите, какие там есть профессии. Почитайте о них в интернете и посмотрите на требования в вакансиях. Выбирайте то, что вам интересно и где зарплата на старте вас устраивает.Составьте список скиллов, которые нужны работодателям. Отметьте, что вы уже знаете, а что придется освоить. Подумайте, что предстоит изучить в первую очередь. Остальное наметите в процессе.Найдите в интернете курсы по нужным направлениям. Сравните программы, цены, расписание и отзывы бывших студентов, если они есть.Занимайтесь каждый день.Если курс явно бесполезен, не тратьте на него время. А если он еще и платный, требуйте вернуть деньги.Когда вы освоите больше половины навыков из вакансий, составьте резюме. Опишите все, что умеете, и приложите сертификаты.Ответственно выполняйте тестовые задания: если получится хорошо, вас примут на работу даже без опыта.
Кто и как может стать продуктовым аналитиком
Возможно, сейчас вы работаете в области, далекой от продуктовой аналитики. Значит ли это, что вам не получить новую квалификацию? Едва ли. Вернемся к анализу рынка продуктовых аналитиков и посмотрим на бэкграунд: Чаще всего аналитиками становятся разработчики, маркетологи, менеджеры проектов и другие. 33% респондентов начали свою карьеру сразу с этой специальности (молодые люди, недавно закончившие школу). Больше трети специалистов пришли совершенно из других областей. Специалисты «Нормального исследования» выделили самые неожиданные профессиональные бэкграунды: геммолог;звукорежиссер;психолог;руководитель складского департамента;государственный служащий.Исследование показывает, что попробовать свои силы в этой сфере может человек из любой сферы. Поэтому если вы сильно заинтересованы в получении новой профессии, не опускайте руки и пробуйте. Другой вопрос — как стать продуктовым аналитиком, если сейчас работаешь, например, психологом в школе. Есть два варианта: бюджетный и дорогой. Первый предусматривает самостоятельное обучение: книги, вебинары, уроки в свободном доступе и т.п. Полностью бесплатным его не назовешь, потому что придется платить за рабочие инструменты для получения практики. Но это в любом случае дешевле (в несколько раз), чем прохождение платных курсов и специальных программ. Но придется долго искать нужные материалы, проверять их на актуальность и находить ответы на возникшие вопросы.Второй — платное обучение в онлайн- или оффлайн-школе аналитиков. Это готовая программа с актуальными знаниями от практикующих специалистов. Стоимость курса может достигать 100 тысяч рублей. Но зато вы получаете структурированную информацию, сразу практикуетесь и можете получить быструю консультацию от опытного продуктового аналитика.Мы больше склоняемся к платному обучению по нескольким причинам: дается актуальная информация;есть готовые проекты для получения первого опыта;свободное обсуждение работы с другими учениками и преподавателями;помощь в дальнейшем трудоустройстве (не всегда).Даже если за курс придется заплатить 80-100 тысяч рублей, эти вложения окупятся через несколько месяцев после получения первой должности.
Курс 1
Data Science Professional Certificate
Платформа: «Курсера». Организатор: IBM — американский производитель программного обеспечения. Длительность: 1—9 месяцев. Программа состояла из 9 курсов по дата-сайенс, но я прошел только 4: по языкам программирования Python и SQL, визуализации данных и машинному обучению. Учился в январе — апреле 2021 года.Что я получил: на курсе интересно рассказали про азы языков Python и SQL. Минусы: многие модули были поверхностными. Например, на модуле по машинному обучению нас просто знакомили с темой, но не раскрывали ее до конца. Быстро переходили от теории к примерам программного кода, но не описывали его полностью, а предлагали скопировать готовые части в окошко ответа и посмотреть результат. Я не всегда понимал, как все работает и почему код именно такой.Проверяли задания такие же студенты, как и я. Например, я каждый раз проверял минимум два задания двух других учеников. Было бы лучше, если бы это делали преподаватели и давали обратную связь. Полезность: 5 из 10. Для новичка курс хороший, но для работы знаний бы не хватило. Я глубже изучил Python и SQL на других курсах. Так что считаю, что мог бы без него обойтись.
Курс 10
Профессия — аналитик данных
Платформа и организатор: «Яндекс-практикум». Преподаватели: аналитики «Яндекса». Длительность обучения: 6 месяцев, январь — июль 2020 года. Что я получил: я окончательно разобрался в основах дата-аналитики. Хорошо понял библиотеки Python, которые нужны, чтобы анализировать и визуализировать данные. Это, например, библиотеки Pandas, Matplotlib, Seaborn. Сейчас я активно пользуюсь ими в работе.Минусы: все модули стартовали ровно раз в 2 недели, утром в понедельник. И если я заканчивал модуль раньше, не мог сразу начать другой. Еще в работе мне пока не пригодились две дисциплины — автоматизация рутинных задач и машинное обучение. Полезность: 10 из 10. Материал был логично структурирован, его отлично подавали. Вместо невнятных видеолекций предлагали занимательный, юморной, интерактивный текст. А все примеры были живые и понятные — из работы сервисов и продуктов «Яндекса».
Курс 8
Информационная бизнес-аналитика
Где: в Высшей школе бизнес-информатики. Организатор: ВШБИ — это отдельный институт ВШЭ. Длительность: 8 месяцев. Я занимался 2,5 месяца, в ноябре — декабре 2021 года, а потом бросил. Это единственный курс, где занятия проходили не онлайн, а в аудиториях по вечерам. Их сделали дистанционными, когда в 2020 году объявили пандемию коронавируса.Что я получил: ничего. Минусы: в курсе было много теории, но в этой сфере она быстро устаревает и почти не нужна, потому что практика важнее. В курс впихнули все подряд: и бизнес-анализ производств, и анализ информационных систем и финансовой структуры предприятия, и вопросы менеджмента. Получилось обо всем и ни о чем конкретно. Было много кейсов из сфер, которые не связаны с аналитикой. Например, нам рассказывали про работу какой-то фотостудии в Москве и про логистику цветочного магазина. Эти знания были мне не нужны: я хотел заниматься только аналитикой. Я так и не понял, каких специалистов планировали выпустить после окончания курса.Полезность: 3 из 10 — исключительно за громкое название, красивую историю на дне открытых дверей и удобное расписание занятий. Я учился 2 будних дня по вечерам и почти весь день в субботу. Из нас пытались сделать что-то среднее между руководителем, аналитиком и менеджером. Не представляю, как и кем бы я работал, если бы прошел только этот курс
Курс 9
Профессия Data Scientist: анализ данных
Платформа и организатор: «Скиллбокс». Длительность: 9 месяцев, но я бросил через 2 недели в январе 2020 года. Стоимость: 40 800 Р, но мне полностью вернули деньги. Что я получил: ничего. Минусы: курс состоял из записей скучных вебинаров. Преподаватель монотонно что-то рассказывал и одновременно писал примеры кода в командной строке, которая отображалась на экране. Когда я сделал первое домашнее задание, в оценке неизвестный проверяющий написал: «Все ок». Хотя я сам знал, что задачу можно было решить лучше. Такая обратная связь меня не устраивала. Когда я позвонил по поводу возврата денег, менеджер признала, что курс действительно сырой. Полезность: 2 из 10. В рекламе этого курса меня привлекло обещание трудоустройства. Но я решил, что найду курс получше и устроюсь работать без чьей-либо помощи
Личные качества продуктового аналитика
Если вы задумались о получении профессии продуктового аналитика, наверно, у вас твердый характер. Это одно из главных требований к специалисту: без этого качества вы не сможете справляться со стрессами и переработками, которые в жизни продуктового аналитика — частое явление.Но даже если вы не отличаетесь твердым характером, не расстраивайтесь. Вы сможете закалить его во время обучения, главное — желание. А еще не лишним будет наличие других качеств: аналитический склад ума;внимательность (иногда даже придирчивость к мелочам);инициативность, смелость перед возникшими проблемами, способность решать проблемы других людей (например, коллег, пользователей и т.п.);системное мышление, способность четко и ясно излагать свои мысли;терпеливость и усидчивость для повторного выполнения одних и тех же действий для получения идеального результата, без которого невозможен положительный итог работы;восприимчивость к конструктивной критике;умение слушать и объективно оценивать мысли и предложения других людей;общительность для тесного взаимодействия внутри команды.Список качеств вытекает из распространенных проблем в работе продуктового аналитика. Но не пугайтесь раньше времени, на самом деле они встречаются не так часто, как может показаться на первый взгляд. Не опускайте руки из-за отсутствия нескольких качеств: ко всему можно привыкнуть и научиться. А дополнительным стимулом станет высокий уровень заработной платы, о которой поговорим далее.
Мнение редакции
Комплексный курс для погружения в профессию аналитика. За год вы подробно разберёте разные виды аналитики. Вы поймете, чем отличаются продуктовая, маркетинговая и клиентская аналитика от аналитики больших данных и научитесь работать с каждой из них. Вы узнаете, зачем аналитику разбираться в программировании, научитесь писать код на языке Python и освоите язык запросов SQL. Вы научитесь визуализировать данные и презентовать наглядные функциональные отчёты руководству.Получить скидку →Содержание. Программа состоит из разделов: культура стратегических решений;модель мышления продуктолога;сплит-тестирование;аналитика данных пользователей;разработка двух проектов.Эксперты: Алексей шаграев — head-developer Yandex. Антон Дергачев — создатель курса, глава product analytics МТС Банка. Роман Беднарский — создатель курса, продуктолог Yandex. Студенты-выпускники могут: проводить сплит-тесты для подтверждения или опровержения гипотез;ориентироваться в показателях эффективности;вести аналитику каждого этапа работы с продуктом;подбирать эффективные механики для решения разных задач;проверять информацию и подтверждать результаты;принимать решения исходя из полученной информации;подключать систему аналитики для мобильного и web-трафика.Наши впечатления: подойдет всем, кто хочет начать свой путь в product или прокачать скилл в аналитике. Все полученные навыки студенты могут применить на практике в учебных или собственных проектах. Кураторы всегда на связи и готовы помочь разобраться с проблемами.На выходе получаем специалиста, который прекрасно ориентируется в нюансах и специфике профессии и владеет необходимыми навыками. Skillfactory не бросает выпускников на произвол судьбы и способствует трудоустройству или стажировке. Дипломный проект можно добавить в резюме как подтверждение знаний и опыта.Получить скидку →Длительность9 месяцевУровеньС нуляДля кого подходитProduct-менеджерам, product-оунером, маркетологам, аналитикамФорматВидеолекции домашнее задание обратная связь от ментораГарантииПомощь с трудоустройствомИтогиДиплом проекты в портфолиоЦенаполная – 130 000 ₽со скидкой – 78 000 ₽рассрочка — 4333 ₽/мес.Содержание. Программа курса включает в себя следующие темы: Эксперты: Олег Рудаков — директор по развитию направления аналитики, AGIMA. Наталья Секацкая — директор по развитию «Таргет Консалт Компани». Константин Башевой — Яндекс, аналитик-разработчик. По итогу вы сможете: собирать и обрабатывать данные из разных источников;работать автономно и понимать программистов;автоматизировать работу с помощью Python;находить точки роста продукта и использовать их для улучшения показателей бизнеса;анализировать трафик и сайт;визуализировать данные с Tableau.Наши впечатления: курс для тех, кто хочет стать асом продуктовой аналитики. Обучают новичков до уровня Middle Product Analysts.Начинают с азов, постепенно усложняя материал. В конце каждого ждет работа над дипломным проектом.Получить скидку →
Особенности профессии
Статистика, анализ, поиск ценной информации среди огромного массива данных – это работа, которую изо дня в день выполняет продуктовый аналитик. В его обязанности входит решение следующих задач: автоматизация процесса обработки данных;выявление векторов роста и проблем, которые замедляют развитие;составление метрик мониторинга продуктов;выявление факторов, которые ложатся в основу расстановки приоритетов в тех или иных задачах;проверка и тестирование гипотез;проведение прозрачного А/В-тестирования;анализ данных.На базе собранных данных принимаются стратегические решения, которые помогают повысить прибыльности бизнеса и сократить расходы на рекламу. Продуктовые аналитики принимают непосредственное участие в процессе удержания клиентов, улучшения поведенческих факторов, монетизации, оценки эффективности маркетинговых кампаний и т. д.Продуктовые аналитики сравнивают свою деятельность с работой медицинского сотрудника, но в сфере бизнеса: они видят симптомы и понимают, на каком участке работ происходит сбой. Предварительно они собирают анамнез, а потом разрабатывают план «лечения» бизнеса.
Программа повышения квалификации НИУ ВШЭ для продуктовых аналитиков «Аналитика в управлении цифровым продуктом»
И наш консультант бесплатно ответит на все вопросы и расскажет про курс подробнее.{“0”:{“lid”:”1612646547230″,”ls”:”10″,”loff”:””,”li_type”:”hd”,”li_name”:”course”,”li_value”:”Курс «Продуктовый аналитик»”,”li_nm”:”course”},”1″:{“lid”:”1612398114204″,”ls”:”20″,”loff”:”y”,”li_type”:”sb”,”li_name”:”potok”,”li_req”:”y”,”li_variants”:”Офлайн Zoom (25 февраля)”,”li_defselitem”:”2″,”li_nm”:”potok”},”2″:{“lid”:”1612398154312″,”ls”:”30″,”loff”:””,”li_type”:”nm”,”li_name”:”name”,”li_ph”:”Ваше имя”,”li_nm”:”name”},”3″:{“lid”:”1612398114205″,”ls”:”40″,”loff”:””,”li_type”:”em”,”li_name”:”email”,”li_ph”:”E-mail”,”li_req”:”y”,”li_nm”:”email”},”4″:{“lid”:”1612398114206″,”ls”:”50″,”loff”:””,”li_type”:”ph”,”li_name”:”phone”,”li_ph”:”Телефон”,”li_mask”:” 7 (999) 999-99-99″,”li_nm”:”phone”},”5″:{“lid”:”1612646515612″,”ls”:”60″,”loff”:””,”li_type”:”in”,”li_name”:”comment”,”li_ph”:”Комментарий”,”li_nm”:”comment”}}

Дополнительный анализ:  Андрей Фурсов - Главная страница

Оцените статью
Аналитик-эксперт
Добавить комментарий

Adblock
detector