8 навыков которые помогут джуниор аналитику найти первую работу

8 навыков которые помогут джуниор аналитику найти первую работу Аналитика

Время на прочтение

Стажировка, на мой взгляд, один из самых удачных способов запрыгнуть в аналитику данных.

👉 3 месяца стажировки в самом неприглядном месте лучше, чем то же время в поисках “идеальной” вакансии

👉 Стажировка в резюме выглядит привлекательнее учебных проектов

👉 После стажировки есть возможность трудоустройства в компанию

От автора телеграм-канала Аналитика и growth mind-set.

Содержание
  1. Где искать работу аналитику данных
  2. После 35 уже поздно… или нет?
  3. Чем занимается аналитик данных
  4. Сколько зарабатывает аналитик данных
  5. Сколько сил и времени тратит средний медианный выпускник на трудоустройство
  6. Главное об аналитиках данных в 4 пунктах
  7. Понравилась статья?
  8. Поделитесь с друзьями!
  9. Читайте также
  10. Как я переделал резюме, чтобы меня заметили
  11. Зарубежом
  12. ⚡Где именно искать?
  13. Что нужно знать и уметь, чтобы работать аналитиком данных
  14. Какие данные у нас были
  15. Новая страна — новая жизнь
  16. Чтобы выполнить тестовое, я за день прошел новый курс
  17. В России
  18. ⚡Горящие стажировки, открытые прямо сейчас:
  19. ⚡Стажировки с конкретными датами и отбором:
  20. ⚡Бесплатные школы аналитики от крупных компаний, которые совмещают в себе преимущества стажировки:
  21. Как стать аналитиком данных с нуля
  22. Поиск работы — это тоже работа
  23. Что влияет на скорость трудоустройства
  24. Чего мы ожидали
  25. Многие популярные выражения об IT оказались мифами
  26. Какие навыки нужно получить и где искать первые проекты
  27. Кто такой аналитик данных
  28. Сколько проектов должно быть в портфолио, чтобы быстрее найти работу
  29. Подведём итоги

Где искать работу аналитику данных

Искать работу можно на агрегаторах, на специальных площадках и по знакомству.

Площадок с вакансиями много. Можно пойти на агрегаторы вакансий — HeadHunter, «Хабр Карьеру» и другие. Если есть желание выйти на международный рынок, лучше всего искать работу на LinkedIn. Ещё есть каналы в Telegram — например, getmatch и careerspace.

Дополнительный анализ:  Разделы анализа финансовой отчетности и анализа финансового положения и результатов деятельностиПАО "Заря"за период с 01.01.2016 по 31.12.2019

Начинающим аналитикам данных полезно ходить на мероприятия IT-тематики и знакомиться там с работодателями и IT-специалистами. А ещё можно вступить в профессиональные сообщества в социальных сетях.

Чем больше усилий вы приложите, тем выше шанс быстро найти работу. Вот несколько советов начинающим аналитикам данных:

  • Участвуйте в соревнованиях или создайте пет-проект — проект, который разрабатывают не на заказ, а для себя. Его можно включить в портфолио и показать при трудоустройстве.
  • Готовьтесь к собеседованию — повторите технический материал, а также почитайте о компании, в которую вы идёте на интервью. Важно разбираться в контексте, чтобы показать свою заинтересованность на собеседовании.
  • Оформите резюме. Желательно, чтобы оно включало проекты и решённые задачи. Также стоит упомянуть курсы, которые вы проходили.

Не бойтесь откликаться на вакансии, которые вам интересны, но под требования в которых вы не подходите. Зачастую решение о найме принимают не на основе резюме, а после личной встречи, на которой вы можете показать себя с лучшей стороны.

После 35 уже поздно… или нет?

Вот как выглядит зависимость медианного времени поиска работы от возраста кандидата.

Медианная длительность поиска работы в днях по возрастам с линейным трендом
Медианная длительность поиска работы в днях по возрастам с линейным трендом

Видно, что линейный тренд положительный, но также видно резкие скачки метрики. В итоге у нас типичный график в стиле «ничего не понял, но очень интересно». Причина такого поведения метрики — очень маленькие выборки кандидатов в некоторых возрастах. Именно на таких выборках мы и получаем аномально большие и аномально маленькие значения.

Избавимся от них, объединив кандидатов близкого возраста в группы. К сожалению, нам придётся удалить кандидатов до 20 и старше 45 лет, так как количество кандидатов в группах 15–19, 49–54 и 54–59 лет остаётся экстремально маленьким даже после объединения.

Медианная длительность поиска работы по возрастным группам
Медианная длительность поиска работы по возрастным группам

Отлично! Из этого графика видно, что «40 — это новые 30». Медианные длительности поиска работы в возрасте от 30 до 35 и от 35 до 40 практически идентичны и составляют 2,5 месяца.

А вот лёгкий поиск работы в возрасте 20–24 лет удивляет. Как правило, кандидаты из этой группы не имеют законченного высшего образования, часто являются студентами и не могут работать полный рабочий день. Почему же кандидаты из этой возрастной категории находят работу быстрей, чем кандидаты из категории от 25 до 30 лет? Может, они шлют бешеное количество откликов на вакансии?

Медианное число откликов на вакансии по возрастным группам
Медианное число откликов на вакансии по возрастным группам

Нет, причина явно не в этом. На рисунке мы видим постоянно растущий тренд — более старшим кандидатам приходится делать больше откликов.

Возможно, основная причина длительности трудоустройства объясняется не предпочтениями работодателей, а гибкостью соискателей. Попробую объяснить на своём примере. Когда я «входила в IT», я уже была замужем, у меня было двое детей и мы жили в хорошей квартире. Практически сразу после начала поисков я получила предложение от хорошего работодателя, но на другом конце города. Зарплата на джуниор-позиции не оправдывала ситуацию «мама уезжает с рассветом и возвращается ближе к полуночи». Также было слишком накладно переезжать всей семьёй со сменой садика, няни, квартиры и работы мужа. Поэтому я отказала работодателю и продлила поиски работы ещё на два месяца. Будь я моложе лет на 10, просто сменила бы арендное жильё и согласилась.

Чем старше соискатель, тем выше вероятность наличия у него семьи и детей, что, следуя этой гипотезе, может влиять на поиски работы двояко:

  • у соискателя снижается круг предложений, которые он может принять,

  • соискатель может себе позволить более долгие поиски, так как в семье может быть ещё один работающий взрослый.

Чем занимается аналитик данных

Все аналитики данных решают следующие задачи:

  • Сбор данных. Аналитику нужно понять, какие данные могут потребоваться для решения задачи и где их можно найти. Он берёт данные из внутренних и внешних источников — онлайн-сервисов, документов и баз — и объединяет их для дальнейшей работы.
  • Обработка данных. Аналитик удаляет ненужные данные, очищает их от ошибок и повторов. Решает, как их можно отсортировать, и упорядочивает.
  • Интерпретация. Аналитик ищет закономерности в данных и выявляет аномалии. Выясняет, как метрики влияют друг на друга, и рассчитывает необходимые для бизнеса показатели.
  • Построение отчётов. Аналитик готовит отчёты и визуализирует их: делает графики и диаграммы.
  • Выводы. Выводом может служить результат логического умозаключения или рекомендация. Например, аналитик может выяснить, почему изменилась какая-то метрика, или выдвинуть гипотезу о том, что стоит сделать, чтобы улучшить результаты.

В аналитике данных много направлений и, следовательно, есть разные специализации. Например, бывают маркетологи-аналитики, продуктовые аналитики, бизнес-аналитики, финансовые аналитики. Все они решают задачи, о которых мы говорили выше. Но методы анализа, метрики и объекты, с которыми работают специалисты, различаются.

Например, маркетологи-аналитики, скорее всего, будут работать с воронками продаж, сегментацией аудитории и юнит-экономикой. Продуктовые аналитики — с системой продуктовых метрик, мониторингом KPI и анализом причин и следствий. Бизнес-аналитики — с бизнес-процессами: эти специалисты больше других погружены в детали работы компании.

Сколько зарабатывает аналитик данных

На рынке труда большой спрос, а специалистов не хватает. Поэтому зарплаты в этой отрасли большие. Согласно статистике Zarplan, средняя зарплата аналитика данных в России — 107 516 рублей в месяц. А медианная зарплата — 83 тысячи рублей в месяц.

На зарплату влияют разные факторы — например, регион, размер компании, число обязанностей. Но в первую очередь уровень дохода зависит от квалификации специалиста. В диджитале обычно выделяют три уровня компетенций: джун, мидл, сеньор.

Джуниор — новичок, который может написать простой код и работать с базами данных. Его зарплата — от 40 тысяч до 80 тысяч рублей в месяц: такие предложения есть на HeadHunter.

8 навыков которые помогут джуниор аналитику найти первую работу

Мидл — специалист с опытом работы от года. Зарплата специалиста такого уровня — от 100 до 200 тысяч рублей в месяц.

8 навыков которые помогут джуниор аналитику найти первую работу

Сеньор — это специалист с опытом работы от трёх лет. Он разбирается в бизнес-процессах и умеет общаться с бизнес-заказчиками и разработчиками. Сеньор может рассчитывать на зарплату от 200 тысяч рублей в месяц.

8 навыков которые помогут джуниор аналитику найти первую работу

Аналитик данных может продвинуться по карьерной лестнице и зарабатывать больше. Если развить хард-скиллы — например, навыки программирования, математики, статистики или моделирования, — можно переквалифицироваться в дата-сайентиста. Это программист, который создаёт модели, предсказывающие результат.

Если сделать упор на софт-скилы и прокачать умение управлять командой и проектом, ответственность и понимание бизнес-процессов, то можно стать руководителем проектов.

Сколько сил и времени тратит средний медианный выпускник на трудоустройство

Сложность и длительность трудоустройства в нашем датасете описывают следующие переменные:

  • длительность поиска в днях;

  • количество откликов на вакансии,

  • количество пройденных собеседований,

  • количество решённых тестовых заданий.

Как видно по данным, распределения этих величин не являются нормальными — то есть средние значения далеки от медианных. Более того, в распределениях есть выбросы, а значит, медианные показатели характеризуют их намного лучше, чем простые средние.

Распределения величин, описывающих сложность и длительность поиска работы
Распределения величин, описывающих сложность и длительность поиска работы

Согласно выгрузке из базы, три выпускника умудрились найти работу за три, пять и шесть дней. Очевидно, на них ориентироваться не стоит. Как и на экстремально длинные поиски в 495 дней (больше года!) или экстремально массовую рассылку резюме (633 отклика).

По медианным данным, выпускник ищет работу чуть дольше двух месяцев, делает 57 откликов, проходит три собеседования и решает три тестовых задания.

Сколько усилий тратят выпускники на поиск работы
Сколько усилий тратят выпускники на поиск работы

Примерно 40% выпускников пришлось приложить больше усилий — они искали работу не более шести месяцев, сделали не более 203 откликов, решили не более восьми тестовых и прошли не более восьми собеседований. Получается, для кого-то шесть месяцев поиска и 200 откликов — это суровая реальность.

Медианные показатели у аналитиков данных и специалистов по Data Science практически одинаковы. Дата-сайентистам нужно сделать на 10–11 откликов меньше, а поиск работы у них короче на пять-шесть дней.

Метрики сложности и длительности трудоустройства по направлениям
Метрики сложности и длительности трудоустройства по направлениям

Главное об аналитиках данных в 4 пунктах

  • Аналитик данных (data analyst) — это специалист, который работает с данными. Он собирает их, обрабатывает и делает выводы на их основе. Аналитик данных может работать удалённо и в офисе, в штате и на фрилансе. Но чаще компании ищут специалистов в штат, в офис.
  • В аналитике данных высокие зарплаты. Средний доход в России — 107 тысяч рублей в месяц. Рост от джуна до сеньора занимает в среднем 4–5 лет, и за это время можно увеличить доход до 300 тысяч рублей в месяц.
  • Аналитик данных должен знать математику и статистику, уметь программировать на Python, R и SQL, работать с Excel и BI-системами. Аналитика подойдёт людям, которые любят решать головоломки и неординарные задачи.
  • Есть три точки входа в аналитику — смежная отрасль, вуз и курсы. Курсы — хорошее решение и для тех, кто хочет освоить аналитику с нуля, и для тех, кто хочет перейти в неё из смежной отрасли или дополнить знания, полученные в вузе.

Источник: S

killbox

Понравилась статья?

Поделитесь с друзьями!

Читайте также

Как я переделал резюме, чтобы меня заметили

Я прошел карьерную консультацию, переделал резюме.

Убрал упоминания о том, что я начинающий аналитик, а на первое место вывел то, что уже умел делать, стек, в котором мог работать. Расписал подробнее навыки. Например, если ты пишешь, что можешь работать с SQL-запросами, этого мало. А если пишешь, что умеешь создавать оконные функции, и добавляешь ссылку на пример работы, уже лучше. 

Добавил в резюме единственный учебный проект, но расписал его в деталях. Обычно резюме просматривают HR-менеджеры. Они видят, что у человека есть стек, а по стеку — проект. Значит, соискатель формально подходит под требования. Его передают техническому специалисту, который понимает, что соискатель может писать код. Шансы пообщаться на собеседовании растут.

В целом на поиск работы у меня ушло два месяца. Я получил примерно 10 откликов, сделал около четырех тестовых заданий, прошел одно собеседование, после которого меня взяли на работу. Процесс пошел гораздо быстрее, когда я перестроил стратегию и перестал искать вакансии для соискателей без опыта. 

Зарубежом

Для начала нужно различать Ученичество/Apprenticeship и Стажировку/Internship. Обычно Apprenticeships более длительные, в них больший упор на практику, но также в них есть структурированная теория (подробнее про отличия тут).

⚡Где именно искать?

1) На сайтах компаний, которые вам нравятся

🔻Data Analyst Apprentice в Walt Disney Company (открыта).

🔻Apprenticeship в IT от Google

🔻Data Analyst и Business Analyst Apprenticeship в Amazon

🔺Internships, связанные с аналитикой в TikTok

🔺Internships в IT от Google

🔺Internship в IT от KPMG

2) В общих агрегаторах по поиску работы

🔻Поисковик Google Jobs и других.

🔺Apprenticeships в агрегаторе Indeed по запросу “Data Analyst Apprentice” (Apprentice — ученик) и Data analyst “Apprenticeship”

🔺Internships в агрегаторе Indeed по запросу “Data analyst intern” и “Data analyst internship”

3) В агрегаторах по поиску работы в IT

🔻Out in tech

4) На сайтах по поиску стажировок

🔻Statistics Internships Abroad

🔺Marketing Data Analyst Intern-Marketing Solutions-Business Development в Shopee (прием заявок до 12 апреля)

🔺Business & Data Analyst Internship в Loreal (прием заявок до 31 марта)

5) Виртуальные стажировки — стажировки, которые проходят полностью онлайн.

🔻В Data Glacier (с 30 марта по 24 июня)

🔻Data science job simulation от Boston Consulting Group

🔻Другие симуляторы в области данных

🔻Data Science & Business Analytics Graduate RotationalInternship Program

🔻Remote internship program в IT от Remote Group

🔻Data Analytics Free Internship Program

В большинстве случаев для практики зарубежом (кроме виртуальных стажировок) нужно:

👉 разрешение на работу в конкретном месте, в каких-то случаях такое разрешение предоставляет работодатель

👉 хороший уровень письменного и разговорного английского

Переодически буду публиковать стажировки в РФ в канале на русском и зарубежом в канале на английском.

8 навыков которые помогут джуниор аналитику найти первую работу

Что нужно знать и уметь, чтобы работать аналитиком данных

Аналитик данных использует в работе математические методы, программирование и специальные сервисы. Перечислим то, что требуется каждому аналитику.

Знать математику и статистику. А именно математический анализ, линейную алгебру, численные методы, математическую статистику, дискретную математику. Это разделы математики, изучить их можно в вузе или на курсах для аналитиков.

Знать теорию нужно, чтобы правильно обрабатывать и анализировать данные, искать закономерности и зависимости, в том числе неявные. Ещё эти знания нужны для формирования и проверки гипотез.

Владеть языками программирования. Написание кода — неотъемлемая часть работы аналитика при обработке данных. Чаще всего используют следующие языки программирования:

  • SQL. Довольно простой язык. Полезен для первого знакомства с данными.
  • Python и R. Языки более высокого уровня, с их помощью можно выявлять сложные закономерности. Также они помогают визуализировать данные, что тоже полезно для аналитики.
8 навыков которые помогут джуниор аналитику найти первую работу

Уметь работать с таблицами в Google и Excel. Почти все данные, с которыми работает аналитик, содержатся в таблицах. Также в Excel и «Google Таблицах» обрабатывают данные, строят прогнозы и составляют отчёты.

Уметь работать с инструментами визуализации. Например, с Power BI, Tableau, Qlik. В них строят дашборды — интерактивные информационные панели, которые получают данные из других систем и отображают их в понятном виде.

Понимать потребности бизнес-заказчиков. Аналитик должен хорошо разбираться в бизнесе, с которым работает. Только так он сможет определить, что означают для бизнеса полученные выводы.

Уметь общаться с людьми нетехнических специальностей. Аналитик часто взаимодействует не только с разработчиками и дата-инженерами, но и с другими сотрудниками. Поэтому он должен уметь объяснять даже самые сложные вещи понятным языком, избегая технических терминов.

Какие данные у нас были

В работе мы использовали два набора данных.

Первый набор — данные из карьерного трекера Практикума. Это сервис, на котором выпускники и студенты (доступ предоставляется незадолго до конца обучения) могут:

  • видеть потенциально интересные и подходящие для них вакансии, а также откликаться на них,

  • заносить информацию по вакансиям, найденным в других источниках,

  • вносить свои результаты — отправленные отклики, полученные приглашения на собеседования и выполненные тестовые,

  • получать статистику о ходе трудоустройства.

Выпускники, участвующие в программе акселерации, обязаны регулярно предоставлять статистику по поиску работы. Остальные могут делать это по желанию — некоторые студенты отслеживают прогресс вне акселерации из-за удобства сервиса.

В обоих датасетах были данные о трудоустройстве выпускников и студентов — большая часть из них выпустилась с курсов стандартной длины (семь-восемь месяцев) по специальностям «Аналитик данных» и «Специалист по Data Science». Выпускников длинных курсов «плюс» или коротких «буткемп» почти не было, поэтому мы отказались от идеи отследить влияние длины курса на скорость и сложность трудоустройства. Также в выборку вошли несколько выпускников курсов «Системный аналитик», «Инженер данных» и «Бизнес-аналитик».

В обоих файлах информация об образовании и опыте работы выпускников хранилась в виде категориального значения. Для подсчёта корреляции текстовое описание было переведено в цифры.

Категориям образования были присвоены такие значения:

Профильное (образование в сфере работы с данными)

Релевантное (техническое образование)

Нерелевантное (нет образования или есть, но не связанное с данными и IT)

А категориям опыта — такие:

Релевантный (прошлое трудоустройство по специальности, стажировки, командные проекты)

Почти релевантный (волонтёрские, пет- и опенсорс-проекты)

Только учебный опыт

Новая страна — новая жизнь

До того как стать аналитиком данных, я не сразу задумался об IT. После школы пошел учиться на менеджера, работал в продажах и отделе маркетинга, понял, что это не мое, и ушел заниматься своим хобби — стал инструктором в сфере экстремального спорта и туризма. Занимался всем, связанным со скалолазанием и альпинизмом. Это любимая работа, но в прошлом году я решил переехать в Черногорию, пришлось уйти. 

Занимался всем, связанным со скалолазанием и альпинизмом
Альпинизм был и моим хобби, и работой

Когда ты работаешь тренером, инструктором — ты меняешь место жительства, и все приходится начинать заново. Все клиенты остаются на старом месте, надо нарабатывать новых. Еще сложнее, если меняешь страну и начинаешь работать с другим законодательством. В Черногории у меня есть знакомые, которые продолжили работать в экстремальном спорте; я же решил, что, раз все нужно начинать сначала, начну в новой профессии. 

Чтобы выполнить тестовое, я за день прошел новый курс

Я увидел вакансию аналитика данных в компанию «Спутник» — это резидент Сколково, который создает «умные» домофоны и разрабатывает приложения к ним. Отправил резюме, написал сопроводительное письмо о том, что хочу у них работать. Мне прислали тестовое задание. Нужно было взять дашборд, рассказать, почему он плохой и как можно его улучшить. 

Я в срочном порядке изучил еще один BI-инструмент, с которым раньше не сталкивался: за день прошел курс по нему, начал учиться составлять красивые дашборды, собрал сведения, как правильно и как неправильно с ними работать. Нашел в сети пример максимально плохого дашборда, который мог бы исправить кто угодно, в сжатые сроки переделал его и красиво это подал. 

Меня пригласили еще на два собеседования. Это оказался один из случаев, о которых я говорил ранее: компания искала человека с опытом, но по факту им нужен был junior, который обучится у них и выполнит свои задачи с нуля. 

В России

⚡Горящие стажировки, открытые прямо сейчас:

1. Стажер Аналитик данных в Авито

2. Стажер-аналитик, Направление Special Situations в Ozon Fintech

3. Стажер-Аналитик в Яндекс

4. Младший аналитик (стажер) в управление по развитию клиентского опыта в М.Видео

5. Стажер в отдел бизнес-аналитики в международную биофармацевтическую компанию

6. Стажер-финансовый аналитик в Росбанк

7. Стажировка для аналитиков данных в Контуре

8. Стажер-аналитик digital-рекламы в МТС

9. Стажер Аналитик в Тинькофф

10. Стажировка в Сигме на направлении Бизнес и системная аналитика

11. Стажировка на Аналитика в Ланит

12. Стажёр-разработчик баз данных

13. Стажировка в «КонсультантПлюс»

⚡Стажировки с конкретными датами и отбором:

1. Летняя стажировка в направлении Анализ данных (продуктовый анализ, бизнес анализ) в “Цифре”Прием заявок: до 16 июня.

2. IT Talent Program от Атон. Направления Data science/Аналитика данных, Бизнес-анализ, SQL-разработка. Прием заявок: с 1 апреля по 6 мая.

3. Стажировка в Kaspersky в направлении Анализ и обработка данных. Прием заявок: с 3 апреля.

4. Стажировка в Alfa Bank. Направления — аналитика данных, аналитика бизнес-процессов, продуктовая аналитика, рис-аналитика, финансовая аналитика, системная аналитика, CRM-аналитика. Прием заявок: откроется в апреле.

5. Стажировка Дата-аналитик в VK. Прием заявок: открыт.

6. Стажировка Продуктовый аналитик в VK. Прием заявок: открыт.

⚡Бесплатные школы аналитики от крупных компаний, которые совмещают в себе преимущества стажировки:

1. Академия аналитиков Авито. Новый набор: весной 2024.

2. Школа Анализа Данных Яндекса. Новый набор: в апреле 2024.

3. Летняя школа аналитиков-разработчиков Young&&Yandex. Прием заявок: до 21 апреля 2024.

4. Школа 21 от Сбер. Направления — базы данных, машинное обучение и анализ данных (Python). Ближайшие отборочные интенсивы: Великий Новгород — 1 апреля, Магас — 15 апреля, Сургут — 17 июня, Новосибирск — 3 июня.

5. Школа аналитики от ВТБ. Прием заявок: 27 мая – 8 июля 2024.

6. Школа Data Analyst от Сбербанка. Программа разработана для сотрудников Сбербанка, решивших освоить профессию с нуля. Итогом обучения может стать профессиональный рост в своей команде или переход на новую роль в Банке.

7. Академия больших данных от VK. Направления — Data Scientist, Machine Learning Engineer, Machine Learning Operation Engineer. Прием заявок: следите за новостями.

8. Алгоритмы и структуры данных от Тинькофф. Прием заявок: следите за новостями.

Как стать аналитиком данных с нуля

Есть три основных способа начать работать в сфере. В аналитику приходят из смежных сфер, после получения профильного образования в вузе и после курсов.

Чаще всего в аналитику переходят из смежных отраслей. Аналитиками становятся программисты, экономисты, HR-специалисты и все, чья работа предполагала анализ данных. Даже те, кто просто работал с Excel. Главное для тех, кто приходит из смежных сфер, — подтянуть недостающие скиллы, например программирование или статистику.

Кроме того, в сферу попадают после обучения в вузе по специальности или смежным дисциплинам. Например, в НИУ ВШЭ есть магистерская программа по наукам о данных, а на мехмате МГУ — бакалаврская программа «Фундаментальная математика и математическая физика».

Ещё одна точка входа — курсы. На них преподают и математику, и программирование. Обычно программы курсов построены таким образом, чтобы дать необходимые для работы навыки.

Неважно, как вы пришли в аналитику. Главное — практиковаться. Примеры проектов, в которых вы участвовали, помогут подтвердить навыки при трудоустройстве. Подойдут даже симуляции проектов или результаты с Kaggle — популярной платформы для соревнований по data science от Google.

Поиск работы — это тоже работа

Примерно после четвертого модуля нам сказали, что можно начинать искать работу. Стал просматривать вакансии, увидел, сколько всего требуется от соискателей, и понял, что нужно учить еще больше, подстраиваться под требования рынка. 

Из того, что мы еще не проходили к тому моменту, я решил освоить еще четыре области знаний и прошел несколько дополнительных коротких курсов. Так, во многих вакансиях на аналитика данных требовали знать BI-инструменты, уметь работать с базами данных, проводить A/B-тестирование. Также сделал упор на статистику и Excel. В компаниях часто его используют. И я, как аналитик, должен подавать данные на языке, понятном менеджерам. 

Задание на курсе
Учебная задача — подбор параметров и гиперпараметров для модели

Поиск работы — это работа: нам рекомендовали каждый день находить определенное количество вакансий, понимать, что требуется, обязательно писать сопроводительные письма. Я так и делал: писал письма по восемь часов. 

Сначала откликов практически не было. Присылали отказы из-за того, что я нахожусь не в России, предлагали стажировку, на которой искали не аналитика данных, а продавца-консультанта. В какой-то момент я понял, что вакансии, которые я нахожу, заканчиваются, — и решил перестроить стратегию поиска.

Оказалось, что моей основной ошибкой было искать вакансии для людей без опыта. Не все работодатели осознают, кого хотят нанять, либо специально завышают требования. Нужно сыграть в игру, показать опыт. 

Что влияет на скорость трудоустройства

Построим корреляционную матрицу на основе расчётов коэффициента корреляции Спирмена — получим такую тепловую карту. 

Чем ближе число на пересечении двух разных показателей к единице, тем сильнее положительная корреляция и тем сильнее при росте одного параметра будет расти другой. Если же корреляция близка к нулю, связи между параметрами нет и они полностью независимы. Если корреляция отрицательна, то нас будут интересовать показатели, близкие к −1. Такая корреляция означает, что с ростом одного параметра другой будет убывать.

Тепловая карта корреляционной матрицы
Тепловая карта корреляционной матрицы

Начнём с очевидных выводов. Количество откликов имеет среднюю корреляцию с количеством собеседований и количеством тестовых. До собеседований и тестовых доходит тот, кто откликается на вакансии (и как бы мы это узнали без нашего исследования?).

Период поиска в днях также имеет среднюю корреляцию с количеством откликов. И слабую — с количеством собеседований и количеством тестовых. Тот, кто долго ищет работу, имеет слабую конверсию откликов в собеседования и тестовые и поэтому должен делать много откликов. Получается, самое сложное в поиске работы — попасть на собеседование.

Удивительно, но корреляция целевых переменных с образованием и опытом работы очень близка к нулю. Опыт работы и образование выпускника до (!) курсов не влияют на срок поиска и количество затраченных усилий. Можно выдвинуть несколько гипотез для объяснения этого факта:

  • Потенциальные студенты с релевантными опытом и образованием ищут совершенно другую работу. Их требования по оплате и другим условиям работы выше. А чем выше требования к будущему работодателю, тем при прочих равных дольше длится поиск работы.

  • Студенты без релевантного образования и опыта работы понимают свои минусы и поэтому по максимуму используют возможности карьерного трека в Практикуме: не пренебрегают советами по составлению резюме и портфолио, активно откликаются на вакансии. Более подготовленные студенты хуже готовят резюме и портфолио, меньше времени уделяют сопроводительным письмам и не так активно откликаются на вакансии.

Увы, но проверить эти гипотезы мы не можем. В любом случае наше общее обещание по среднему времени трудоустройства правдиво для студентов с самыми разными уровнями образования и опытом — но у участников могут отличаться отношение к выбору предложений, степень активности и тактика в трудоустройстве.

Возраст если и имеет корреляцию с периодом поиска работы, то очень слабую. Рассмотрим эту связь подробнее.

Чего мы ожидали

По замыслу эта форма могла бы работать так: например, студентка Анна указывает, что ей 34 года, у неё нет профильного образования и релевантного опыта работы. В ответ она получает предсказание: «90% выпускников с такой же анкетой нашли работу менее чем за шесть месяцев, сделав 200 откликов на вакансии, решив 30 тестовых заданий и пройдя шесть собеседований. Наверное, тебе больше подойдёт курс “Аналитик данных плюс” — этот выбор сократит время поиска работы на три недели и 46 откликов».

И Анна сильно задумывается, готова ли она к такому труду. Но если уж решается попробовать, то не ждёт чуда и готовится откликаться на 200 вакансий в течение полугода.

А 25-летняя студентка Василиса с профильным образованием и двумя пет-проектами в портфолио получает такое предсказание: «Выпускники с такой же анкетой в 90% случаев находят работу менее чем за месяц, сделав 10 откликов, решив два тестовых задания и пройдя два собеседования». И Василиса радостно начинает учиться.

Такие обещания были бы честнее — и студенты заранее бы знали, на что рассчитывать. А наиболее подготовленные из них получали бы привлекательные прогнозы, которые мотивировали бы их учиться именно в Практикуме.

Чтобы научиться делать такие выводы, мы провели исследование.

Многие популярные выражения об IT оказались мифами

В прошлом году, когда только пошел учиться, повсюду слышал, что IT-специалисты не нужны, скоро их заменят нейросети. Или что айтишников слишком много и невозможно найти работу, особенно без опыта. Это ерунда: вакансий много и становится больше. Нейросети ничего не решают. Конечно, в технологических компаниях были крупные сокращения, но сейчас некоторые из них снова открывают набор. IT — очень быстро развивающаяся сфера, в которой нужно много узких специалистов. Поэтому, мне кажется, что на рынке не появится «пузыря». 

Какие навыки нужно получить и где искать первые проекты

Аналитика — идеальная сфера для тех, кто любит решать головоломки. Рассказываем, как стартовать в ней с нуля.



Роман Панов

Редактор и иллюстратор. Перепробовал пару десятков профессий — от тестировщика до модели, но нашёл себя в удалёнке. Учится в Skillbox и делится в своих текстах новыми знаниями.

8 навыков которые помогут джуниор аналитику найти первую работу

О старте в аналитике рассказала

Специалист по машинному обучению департамента аналитических решений в ГК «КОРУС Консалтинг». Магистр НИУ ВШЭ по направлению «Наука о данных». В IT с 2019 года, участвовала в проектах из разных сфер — от ретейла до финтеха.

Профессия аналитика данных востребована — только на HeadHunter размещено более 49 тысяч вакансий со словом «аналитик» в описании. Аналитика позволяет зарабатывать 200 тысяч рублей в месяц, с неё можно начать путь в IT.


Аналитик данных (data analyst) — это специалист, который работает с данными: собирает, обрабатывает их и делает выводы на их основе. Эти выводы помогают принимать бизнес-решения.

Аналитик ищет закономерности в данных — а они бывают как довольно очевидные, так и неявные. Когда аналитик обнаруживает неявные закономерности, это называют инсайтом — от английского insight, что значит «понимание», «интуиция».

Вот пример закономерностей, с которыми работает аналитик. Компания продаёт товары на маркетплейсе. Руководитель ставит аналитику задачу: нужно понять, как изменить цены на товары, чтобы продавать больше.

Аналитик изучает данные и замечает, что некоторые товары охотнее покупают перед выходными. Он делает вывод: возможно, это значит, что перед выходными цены на такие товары стоит повышать. Или аналитик находит другую закономерность: молодые люди покупают товары определённой категории чаще, чем старшее поколение. Он делает вывод: возможно, необходимо снизить цены на эти товары, чтобы привлечь новых клиентов.

Аналитик может работать как в офисе, так и удалённо. Но чем ближе он к бизнес-процессам, тем больше ему нужно общаться с сотрудниками компании. Поэтому аналитиков чаще нанимают на работу в офисе.

Также аналитик данных может работать на фрилансе и вести несколько проектов одновременно. Но искать задачи на фрилансе сложнее — в основном компании ищут сотрудников в штат.

Все аналитики данных решают следующие задачи:

  • Сбор данных. Аналитику нужно понять, какие данные могут потребоваться для решения задачи и где их можно найти. Он берёт данные из внутренних и внешних источников — онлайн-сервисов, документов и баз — и объединяет их для дальнейшей работы.
  • Обработка данных. Аналитик удаляет ненужные данные, очищает их от ошибок и повторов. Решает, как их можно отсортировать, и упорядочивает.
  • Интерпретация. Аналитик ищет закономерности в данных и выявляет аномалии. Выясняет, как метрики влияют друг на друга, и рассчитывает необходимые для бизнеса показатели.
  • Построение отчётов. Аналитик готовит отчёты и визуализирует их: делает графики и диаграммы.
  • Выводы. Выводом может служить результат логического умозаключения или рекомендация. Например, аналитик может выяснить, почему изменилась какая-то метрика, или выдвинуть гипотезу о том, что стоит сделать, чтобы улучшить результаты.

В аналитике данных много направлений и, следовательно, есть разные специализации. Например, бывают маркетологи-аналитики, продуктовые аналитики, бизнес-аналитики, финансовые аналитики. Все они решают задачи, о которых мы говорили выше. Но методы анализа, метрики и объекты, с которыми работают специалисты, различаются.

Например, маркетологи-аналитики, скорее всего, будут работать с воронками продаж, сегментацией аудитории и юнит-экономикой. Продуктовые аналитики — с системой продуктовых метрик, мониторингом KPI и анализом причин и следствий. Бизнес-аналитики — с бизнес-процессами: эти специалисты больше других погружены в детали работы компании.

Редакция «Управление» Skillbox Media изучила зарплаты на рынке

На рынке труда большой спрос, а специалистов не хватает. Поэтому зарплаты в этой отрасли большие. Согласно статистике Zarplan, средняя зарплата аналитика данных в России — 107 516 рублей в месяц. А  зарплата — 83 тысячи рублей в месяц.

На зарплату влияют разные факторы — например, регион, размер компании, число обязанностей. Но в первую очередь уровень дохода зависит от квалификации специалиста. В диджитале обычно выделяют три уровня компетенций: джун, мидл, сеньор.

Джуниор — новичок, который может написать простой код и работать с базами данных. Его зарплата — от 40 тысяч до 80 тысяч рублей в месяц: такие предложения есть на HeadHunter.

8 навыков которые помогут джуниор аналитику найти первую работу

Вакансии для аналитиков данных без опыта работы
Скриншот: HeadHunter / Skillbox Media

Мидл — специалист с опытом работы от года. Зарплата специалиста такого уровня — от 100 до 200 тысяч рублей в месяц.

8 навыков которые помогут джуниор аналитику найти первую работу

Зарплата специалиста мидл-уровня может превышать 100 тысяч рублей в месяц. О зарплате часто предлагают договориться на собеседовании
Скриншот: HeadHunter / Skillbox Media

Сеньор — специалист с опытом работы от трёх лет. Он разбирается в бизнес-процессах и умеет общаться с бизнес-заказчиками и разработчиками. Сеньор может рассчитывать на зарплату от 200 тысяч рублей в месяц.

8 навыков которые помогут джуниор аналитику найти первую работу

В некоторых вакансиях для сеньоров предлагают зарплату от 300 тысяч рублей в месяц
Скриншот: HeadHunter / Skillbox Media

Аналитик данных может продвинуться по карьерной лестнице и зарабатывать больше. Если развить хард-скиллы — например, навыки программирования, математики, статистики или моделирования, — можно переквалифицироваться в дата-сайентиста. Это программист, который создаёт модели, предсказывающие результат.

Если сделать упор на софт-скилы и прокачать умение управлять командой и проектом, ответственность и понимание бизнес-процессов, то можно стать руководителем проектов.

Аналитик данных использует в работе математические методы, программирование и специальные сервисы. Перечислим то, что требуется каждому аналитику.

Знать математику и статистику. А именно математический анализ, линейную алгебру, численные методы, математическую статистику, дискретную математику. Это разделы математики, изучить их можно в вузе или на курсах для аналитиков.

Знать теорию нужно, чтобы правильно обрабатывать и анализировать данные, искать закономерности и зависимости, в том числе неявные. Ещё эти знания нужны для формирования и проверки гипотез.

Владеть языками программирования. Написание кода — неотъемлемая часть работы аналитика при обработке данных. Чаще всего используют следующие языки программирования:

  • SQL. Довольно простой язык. Полезен для первого знакомства с данными.
  • Python и R. Языки более высокого уровня, с их помощью можно выявлять сложные закономерности. Также они помогают визуализировать данные, что тоже полезно для аналитики.

8 навыков которые помогут джуниор аналитику найти первую работу

Пример кода на языке Python — скрипт проверки списка на дубликаты
Скриншот: Skillbox Media

Уметь работать с таблицами в Google и Excel. Почти все данные, с которыми работает аналитик, содержатся в таблицах. Также в Excel и «Google Таблицах» обрабатывают данные, строят прогнозы и составляют отчёты.

Уметь работать с инструментами визуализации. Например, с Power BI, Tableau, Qlik. В них строят дашборды — интерактивные информационные панели, которые получают данные из других систем и отображают их в понятном виде.

Понимать потребности бизнес-заказчиков. Аналитик должен хорошо разбираться в бизнесе, с которым работает. Только так он сможет определить, что означают для бизнеса полученные выводы.

Уметь общаться с людьми нетехнических специальностей. Аналитик часто взаимодействует не только с разработчиками и дата-инженерами, но и с другими сотрудниками. Поэтому он должен уметь объяснять даже самые сложные вещи понятным языком, избегая технических терминов.

В аналитике будет комфортно людям, которые любят решать головоломки или сложные неординарные задачи и готовы скрупулёзно изучать данные.

Что такое скрупулёзность? Аналитик данных должен быть внимателен к мелочам. Любая, даже незначительная ошибка может сильно повлиять на конечный результат. Кроме того, аналитик должен уметь мыслить критически.

Людям, которые не готовы долго сидеть над одной задачей, в аналитике будет сложно. Плохая новость для тех, кто в школе хейтил математику: её в аналитике достаточно.

Есть ещё один важный момент. В аналитике может не быть осязаемого результата. Заранее бывает сложно сказать, получится ли найти инсайты, с которыми можно вернуться к бизнесу. Или предложенные правила могут не сработать в реальной среде — и часто виноваты в этом будете не вы, а внешние обстоятельства, которые сложно предсказать.

Есть три основных способа начать работать в сфере. В аналитику приходят из смежных сфер, после получения профильного образования в вузе и после курсов.

Чаще всего в аналитику переходят из смежных отраслей. Аналитиками становятся программисты, экономисты, HR-специалисты и все, чья работа предполагала анализ данных. Даже те, кто просто работал с Excel. Главное для тех, кто приходит из смежных сфер, — подтянуть недостающие скиллы, например программирование или статистику.

Кроме того, в сферу попадают после обучения в вузе по специальности или смежным дисциплинам. Например, в НИУ ВШЭ есть магистерская программа по наукам о данных, а на мехмате МГУ — бакалаврская программа «Фундаментальная математика и математическая физика».

Ещё одна точка входа — курсы. На них преподают и математику, и программирование. Обычно программы курсов построены таким образом, чтобы дать необходимые для работы навыки.

Неважно, как вы пришли в аналитику. Главное — практиковаться. Примеры проектов, в которых вы участвовали, помогут подтвердить навыки при трудоустройстве. Подойдут даже симуляции проектов или результаты с Kaggle — популярной платформы для соревнований по data science от Google.

Учат ли на аналитика данных в Skillbox? Да, в Skillbox есть курс «Аналитик данных с нуля». Он подойдёт для старта в отрасли, даже если вы не слышали об аналитике данных раньше. Тем, кто хочет освоить профессию после вуза или перейти в отрасль из смежной специальности, курс поможет быстрее получить необходимые навыки. В программе 35 практических заданий по SQL, Power BI, Python и итоговый проект — работа над кейсом от разработчика компьютерных игр.

  • проводить исследования и делать точные выводы — использовать математические модели, работать с массивами данных и находить закономерности в цифрах;
  • использовать программирование: языки Python и SQL;
  • строить гипотезы и оценивать перспективы бизнес-решений с помощью метрик;
  • делать развёрнутые аналитические отчёты, работать с «Яндекс Метрикой» и Google Analytics и собирать данные в одном окне;
  • работать с заказчиками — определять запросы бизнеса и презентовать результаты.

Найти работу можно уже во время обучения. Специалисты Центра карьеры Skillbox помогают оформить резюме и подготовиться к собеседованию, предлагают партнёрские вакансии.

Искать работу можно на агрегаторах, на специальных площадках и по знакомству.

Площадок с вакансиями много. Можно пойти на агрегаторы вакансий — HeadHunter, «Хабр Карьеру» и другие. Если есть желание выйти на международный рынок, лучше всего искать работу на LinkedIn. Ещё есть каналы в Telegram — например, getmatch и careerspace.

Начинающим аналитикам данных полезно ходить на мероприятия IT-тематики и знакомиться там с работодателями и IT-специалистами. А ещё можно вступить в профессиональные сообщества в социальных сетях.

Чем больше усилий вы приложите, тем выше шанс быстро найти работу. Вот несколько советов начинающим аналитикам данных:

  • Участвуйте в соревнованиях или создайте пет-проект — проект, который разрабатывают не на заказ, а для себя. Его можно включить в портфолио и показать при трудоустройстве.
  • Готовьтесь к собеседованию — повторите технический материал, а также почитайте о компании, в которую вы идёте на интервью. Важно разбираться в контексте, чтобы показать свою заинтересованность на собеседовании.
  • Оформите резюме. Желательно, чтобы оно включало проекты и решённые задачи. Также стоит упомянуть курсы, которые вы проходили.

Не бойтесь откликаться на вакансии, которые вам интересны, но требованиям в которых вы не соответствуете. Зачастую решение о найме принимают не на основе резюме, а после личной встречи, на которой вы можете показать себя с лучшей стороны.

  • Аналитик данных (data analyst) — это специалист, который работает с данными. Он собирает их, обрабатывает и делает выводы на их основе. Аналитик данных может работать удалённо и в офисе, в штате и на фрилансе. Но чаще компании ищут специалистов в штат, в офис.
  • В аналитике данных высокие зарплаты. Средний доход в России — 107 тысяч рублей в месяц. Рост от джуна до сеньора занимает в среднем 4–5 лет, и за это время можно увеличить доход до 300 тысяч рублей в месяц.
  • Аналитик данных должен знать математику и статистику, уметь программировать на Python, R и SQL, работать с Excel и BI-системами. Аналитика подойдёт людям, которые любят решать головоломки и неординарные задачи.
  • Есть три точки входа в аналитику — смежная отрасль, вуз и курсы. Курсы — хорошее решение и для тех, кто хочет освоить аналитику с нуля, и для тех, кто хочет перейти в неё из смежной отрасли или дополнить знания, полученные в вузе.

Редакция Skillbox Media рекомендует

  • В Skillbox Media есть обзоры разных профессий, связанных с аналитикой. Прочитайте статьи о работе маркетолога-аналитика, финансового аналитика, UX-аналитика, веб-аналитика, бизнес-аналитика, чтобы понять, какая специализация вам подойдёт.
  • Также в Skillbox Media есть статья, которую написал Ассир Битохов — дата-аналитик американской компании Xometry. Прочитайте её, чтобы узнать, как устроены карьерная лестница и собеседования в этой отрасли.
  • Если вас интересуют сервисы, в которых работают аналитики данных, прочитайте другие материалы Skillbox Media. Мы уже рассказывали о «Яндекс Метрике», Google Analytics, BI-системах и Power BI.
  • Если вы хотите стартовать в аналитике данных, обратите внимание на курс Skillbox «Аналитик данных с нуля». Он построен так, чтобы помочь освоить новую профессию даже тем, у кого нет опыта и знаний. На курсе учат всему, что пригодится в работе, и помогают с трудоустройством.

8 навыков которые помогут джуниор аналитику найти первую работу

Делаю презентации и получаю 220 000 рублей в месяц
На рынке полно клиентов, готовых платить за слайды, которые убеждают заключать сделки на миллионы рублей. Можно работать удалённо на себя или в штате компании. Как это делать, показываем на курсе «Мастер презентаций».

Кто такой аналитик данных

Аналитик данных (data analyst) — это специалист, который работает с данными: собирает, обрабатывает их и делает выводы на их основе. Эти выводы помогают принимать бизнес-решения.

Аналитик ищет закономерности в данных — а они бывают как довольно очевидные, так и неявные. Когда аналитик обнаруживает неявные закономерности, это называют инсайтом — от английского insight, что значит «понимание», «интуиция».

Вот пример закономерностей, с которыми работает аналитик. Компания продаёт товары на маркетплейсе. Руководитель ставит аналитику задачу: нужно понять, как изменить цены на товары, чтобы продавать больше.

Аналитик изучает данные и замечает, что некоторые товары охотнее покупают перед выходными. Он делает вывод: возможно, это значит, что перед выходными цены на такие товары стоит повышать. Или аналитик находит другую закономерность: молодые люди покупают товары определённой категории чаще, чем старшее поколение. Аналитик делает вывод: возможно, необходимо снизить цены на эти товары, чтобы привлечь новых клиентов.

Аналитик может работать как в офисе, так и удалённо. Но чем ближе он к бизнес-процессам, тем больше ему нужно общаться с сотрудниками компании. Поэтому аналитиков чаще нанимают на работу в офисе.

Также аналитик данных может работать на фрилансе и вести несколько проектов одновременно. Но искать задачи на фрилансе сложнее — в основном компании ищут сотрудников в штат.

Сколько проектов должно быть в портфолио, чтобы быстрее найти работу

У нас не было информации о количестве работ в портфолио студентов, но была информация о проектах, успешно завершённых студентами в Мастерской. У нас были очень большие ожидания от этого исследования. Предполагалось, что мы сможем сопровождать объявление о старте нового проекта фразой вроде «Закончи этот проект — и сократи время поиска работы на 10 дней!». Ну а что мы получили в итоге, видно на рисунке.

Медианное значение периода поиска работы по количеству успешно завершённых проектов в Мастерской
Медианное значение периода поиска работы по количеству успешно завершённых проектов в Мастерской

Необходимо признать, что не каждый выпускник успешно завершает четыре и более проекта в Мастерской, поэтому три правых столбца на графике визуализируют медианное значение по экстремально маленьким выборкам. Не будем их учитывать (и строить выводы об ужасающем влиянии четвёртого проекта). Хорошая сторона этого факта — для успешного трудоустройства большинству студентов достаточно не более чем трёх проектов.

Возможно, работа над проектами в Мастерской отнимает время и кандидатам просто некогда откликаться на вакансии? Посмотрим на медианное число откликов.

Медианное количество откликов по количеству успешно завершённых проектов в Мастерской
Медианное количество откликов по количеству успешно завершённых проектов в Мастерской

Стараясь не смотреть на три последних столбца (экстремально малые выборки!), отмечаем, что каждый успешно сделанный в Мастерской проект увеличивает количество необходимых для трудоустройства откликов на 20–30 штук.

Эту странную динамику можно объяснить следующими факторами:

  • чем слабее выпускник, чем хуже его позиция на рынке — тем больше проектов в Мастерской ему необходимо завершить для успешного трудоустройства,

  • проекты в Мастерской помогают получить лучшее предложение, а чем лучше вакансия, тем больше времени и сил необходимо тратить на её получение,

  • выпускники решают много проектов в Мастерской, когда не чувствуют себя готовыми к реальному трудоустройству.

Помню период, когда многие выпускники курса «Аналитик данных» сразу после выпуска начинали обучение на курсе «Специалист по Data Science». На вопрос «зачем?» отвечали, что проучились всего шесть месяцев и пока не чувствуют себя настоящими аналитиками. Хотя у них даже диплом государственного образца о переподготовке был.

Гипотеза «чем слабее выпускник, чем хуже его позиция на рынке — тем больше проектов в Мастерской ему необходимо завершить для успешного трудоустройства» хороша тем, что её можно попытаться опровергнуть. Для этого выведем нормированное распределение уровней опыта работы выпускников по количеству сделанных проектов в Мастерской.

Нормированная диаграмма распределения уровней опыта работы выпускников по количеству сделанных проектов в Мастерской
Нормированная диаграмма распределения уровней опыта работы выпускников по количеству сделанных проектов в Мастерской

Наша гипотеза как минимум не опровергается. Мы видим, что выпускники с релевантным опытом либо вообще не выполняют проекты в Мастерской, либо выполняют один, крайне редко — два проекта. А доля выпускников с исключительно учебным опытом растёт с увеличением числа выполненных проектов. 

Подведём итоги

Результат исследования не оправдал наших ожиданий. Мы не можем корректировать наше продуктовое обещание студентам в зависимости от их возраста, опыта или образования, так как скорость и сложность трудоустройства не зависят или почти не зависят от этих параметров. 

При этом в результате исследования нам удалось получить несколько полезных выводов: 

  • Медианный выпускник курсов «Аналитик данных» и «Специалист по Data Science» находит работу после двух месяцев поисков, 57 откликов на вакансии, трёх собеседований и трёх тестовых заданий.

  • Предыдущий опыт работы и образование не влияют на длительность и сложность трудоустройства, но могут влиять на характеристики найденной работы.

  • Начинать свой путь в IT можно в любом возрасте. 19 — уже не рано, 40 — ещё не поздно. Но чем раньше вы это сделаете, тем меньше сил и времени на это потратите.

  • Самые удачные месяцы для начала поиска работы — апрель и октябрь. Если ваш выход на рынок приходится на декабрь, будьте готовы, что поиск может занять примерно на месяц больше. Учитывайте сезонность, планируя старт обучения или собираясь сделать перерыв.

  • Для успешного трудоустройства в портфолио будет достаточно двух-трёх проектов.

Оцените статью
Аналитик-эксперт
Добавить комментарий