Что такое маппинг компетенций и как его использовать

Требования к претендентам на должность BI-аналитика

Конкретные требования, предъявляемые к специалистам, зависят от их профессионального уровня. Так, начинающие аналитики (уровень Junior) должны иметь законченное высшее образование в области ИТ или матстатистики, уверенно владеть возможностями офисного табличного редактора типа MS Excel, а также обладать знаниями в сфере BI (в идеале — опытом работы).

Для специалистов Middle-уровня указанный опыт обязателен и должен составлять хотя бы 2 года в роли аналитика и разработчика отчетов и дашбордов в рамках одного из решений BI. Кроме того, необходимо знание SQL-запросов.

Претендующие на роль специалиста Senior-уровня должны обладать опытом работы от 4 лет в качестве аналитика данных BI. В числе обязательных кейсов — полноценно разработанные отчеты и дашборды хотя бы в рамках одного решения, успешная работы с OLAP-кубами. Специалист должен обладать углубленными знаниями архитектурных и функциональных особенностей BI, уметь разрабатывать и развивать хранилища данных. Необходимым для данного уровня является и умение взаимодействовать с заказчиками.

Претенденты на руководящую должность должны помимо прочего иметь опыт руководства подразделением и быть готовыми продемонстрировать свои способности. Необходимы навыки в разработке стратегии развития отрасли, во взаимодействии с топ-менеджерами крупных компаний. В портфолио соискателя на роль руководителя отдела должны присутствовать реализованные проекты по руководству BI-проектами.

Многие компании также требуют от соискателей владение разговорным английским языком. Данное условие связано с необходимостью работника взаимодействовать с иностранными коллегами и экспатами.

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.

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.

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:

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.

Вакансии для аналитиков данных без опыта работыСкриншот: HeadHunter / Skillbox Media

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

Зарплата специалиста мидл-уровня может превышать 100 тысяч рублей в месяц. О зарплате часто предлагают договориться на собеседованииСкриншот: 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.

В некоторых вакансиях для сеньоров предлагают зарплату от 300 тысяч рублей в месяцСкриншот: 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:

Пример кода на языке Python — скрипт проверки списка на дубликатыСкриншот: 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.

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:

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.

Редакция Skillbox Media рекомендует

Делаю презентации и получаю 220 000 рублей в месяцНа 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».

Топ-5 инструментов BI-аналитики

Это идеальный инструмент для создания приложений по BI-аналитике и их развертывания на базе котировок.

Многие сервисы аналитики выдают чистые цифры в результате и для презентаций необходимо их визуализировать

Сложно структурированные данные в этой системе упрощаются. Это помогает быстрее и легче создавать аналитические приложения. Платформа использует интерфейс прикладных программ (ИПП) — облачную технологию, с помощью которой специалист может использовать создаваемые API в приоритетном порядке практически из любого места. Данные берутся из любых источников типа Google Analytics или Salesforce и анализируются благодаря функции самообслуживания.

Дарим скидку от 60% на курсы от GeekBrains до 07 июля

Уже через 9 месяцев сможете устроиться на работу с доходом от 150 000 рублей

Данная функция также позволяет создавать корпоративные аналитические приложения с минимальной общей стоимостью эксплуатации (ТСО).

Информация в Sisense может обрабатываться параллельно за счет внутрикристальной технологии. Для обслуживания многих серверов задействуется столбчатая база данных, что позволяет дополнительно экономить средства на оборудовании.

В платформу встроена поддержка языка R, используемого для анализа прогнозов и для создания расширенных отчетов. Аномалии в Sisense выявляются благодаря внедрению машинного обучения, которое информирует оператора.

В целом данный инструмент позволяет:

Только до 4.07

Чтобы получить файл, укажите e-mail:

Введите e-mail, чтобы получить доступ к документам

Подтвердите, что вы не робот,указав номер телефона:

Введите телефон, чтобы получить доступ к документам

Уже скачали 52300

Основные возможности данной системы бизнес-аналитики BI:

Tableau

Данный продукт также позволяет находить и визуализировать данные.

Оперировать данными, анализировать их и создавать на базе них ответы здесь достаточно просто благодаря внедренной функции перетаскивания. Имеется возможность самостоятельного изменения данных, чтобы затем просмотреть результаты. Кроме того, система использует интеллектуальные алгоритмы, сортирующие избыточные задачи и автоматизирующие их.

В работе бизнес-аналитика много рутинных задач, которые легко оптимизировать с помощью этого сервиса

В состав платформы включены два инструмента, ускоряющие подготовку данных. Это Tableau Prep Builder, позволяющий выстраивать поток информации, и Tableau Prep Conductor, с помощью которого можно отслеживать и управлять потоками.

В целом программный комплекс позволяет:

SAP BI

Эта система BI-аналитики предназначена в первую очередь для создания аналитических отчетов и коллабораций.

Создатели продукта уверяют: важно своевременно отслеживать ключевые события и иметь быстрый доступ к нужной информации. Это дает возможность сократить количество гипотез в процессе анализа данных. Оптимизировать и ускорить работу позволяет внедренная технология машинного обучения. А за счет коллаборации упрощается обмен информацией в реальном времени. Также система легко интегрируется с офисными программами от Microsoft для оперирования данными и создания полноценных презентаций.

Внедрение технологий машинного обучение позволяет серьезно сократить время обработки отчетов

С любого устройства обеспечивается доступ к контекстной и персональной информации.

Looker

Это оптимальное решение для стартапов и среднего бизнеса.

В Looker реализована возможность анализа данных и предоставления к ним доступа в реальном времени. А функция обзора рынка и клиентов позволяет желающим грамотно инвестировать в бизнес.

У этой платформы множество достоинств, среди которых кроссфункциональность и быстрое время обработки информации

В системе имеется панель мониторинга, с помощью которой можно гибко настраивать отслеживание информации и отчетности на самых глубоких уровнях. Кроме того, данная панель дает возможность улучшить существующие инструменты путем включения новых данных. К массиву информации предлагается подключаться непосредственно на уровне табличных строк и отчетов. Встроенная интеграция с Dropbox, Slack, Marketo и Segmen позволяет легче обрабатывать данные и обмениваться ими.

Платформа, кроме того, дает возможность анализировать мошеннические действия, заранее их предполагать и предупреждать.

Основные характеристики системы:

MicroStrategy

Данный продукт используется на больших производствах с крупными бюджетами.

Внедрение системы позволяет освободить имеющиеся ИТ-подразделения от анализа данных и отчетности. Отсутствует необходимость и в написании сложного кода.

Эта система способна обрабатывать данные, полученные из множества источников, и сводить их вместе

Предлагается развертывать систему из облака либо создавать ее локально в течение двух суток. Поддерживается загрузка информации из любых источников.

С помощью данной платформы специалисты могут:

Важные функции инструментов BI-аналитики

Грамотный специалист BI подберет для работы те инструменты, которые наилучшим образом решат конкретную задачу. Правильно подобранный набор средств в руках начинающего специалиста формирует комплекс оптимальных решений, пригодных для дальнейшего изучения.

Все эти инструменты предназначены главным образом для сбора большого массива данных из нескольких источников и для автоматизации его обработки. Дальнейшая визуализация собранной информации помогает формулировать общий смысл этих данных. Затем по результатам этой работы аналитик BI собирает отчет, руководствуясь определенными параметрами.

Получится ли улучшить ваш проект?

Каждый Big Data-проект индивидуален, но есть определенные паттерны, по которым вы можете понять – имеет ли смысл задуматься о небольшом апгрейде вашего рабочего процесса.

Если ваш проект выполняет узконаправленные задачи какой-либо команды BI, если у вас нет потребности в ускорении или удешевлении процесса и все работает как слаженные часы – тогда хорошим решением для вас будет продвигаться по принципу «работает – не трогай».

Если же члены вашей команды периодически указывают на дублирующую работу или сомневаются в целях, к которым вы идете, заказчики жалуются на качество и полезность новых данных, а команда DQ и DE не справляется с лавиной новых задач и бюджета на расширение не предоставляется, то описываемое решение, возможно, позволит вам разобрать накопившиеся проблемы небольшой ценой.

Оценку проводят опытные эксперты

Зачем нужна оценка?

Ассесмент позволяет определить индивидуальный уровень компетенций отдельно взятого аналитика-проектировщика и повысить его ценность на рынке труда

Какие ошибки можно совершить, составляя матрицу компетенций

Референсы загоняют в рамки и могут натолкнуть на решения, которые не подходят вашей компании. Шаблонами стоит пользоваться, только когда вы уперлись в порог некомпетентности — столкнулись со сложностью, которую не можете решить.

Составлять матрицу в одиночку

Документ не должен делать только рекрутер или нанимающий менеджер. Это совместная работа — только так получится создать актуальную и объективную матрицу.

Не продумывать систему оценки

Компетенции, индикаторы и грейды должности — это всего лишь информация. Самое важное — понять, как каждый участник HR-процессов может ее использовать. Поэтому ключевая задача — продумать систему оценки специалистов и варианты применения матрицы.

Пренебрегать подготовкой инструкции по работе с матрицей

Документ может получиться объемным, поэтому не будет лишним составить инструкцию по применению.

Сколько зарабатывает BI-аналитик

Месячный заработок аналитика Junior-уровня в среднем составляет 100 тысяч рублей. Конкретные цифры могут колебаться в диапазоне 70-110 тысяч рублей в месяц. Это зависит от текущих навыков и опыта специалиста.

Результаты работы BI-аналитика напрямую связаны с тем, сколько зарабатывает компания, поэтому он может претендовать на высокие оклады

Бизнес-аналитик BI уровня Middle может претендовать на месячную зарплату в пределах 120-200 тысяч рублей. Среднестатистические Senior-специалисты зарабатывают уже от 190 до 260 тысяч рублей в месяц.

Руководители отделов могут ежемесячно получать по 290-700 тысяч. Конкретная цифра зависит от размеров компании, количества сотрудников в подчинении, объема должностных обязанностей. Для Москвы и Санкт-Петербурга среднее значение зарплаты данных специалистов составляет 450 тысяч рублей в месяц.

Как создать матрицу компетенций

Чтобы матрица компетенций работала, ее необходимо составлять, основываясь на целях компании, департаментов или команд. Для этого следует провести интервью с генеральным директором, топ-менеджером, руководителями подразделений и команд. Важно, чтобы их видение было одинаковым, иначе матрица получится бесполезной.

Например, генеральный директор хочет увеличить прибыль в 3 раза за 2 года, а руководитель департамента продаж считает, что компании важно сохранить текущие показатели. Для достижения каждой из этих целей компании нужны менеджеры по продажам с разным набором компетенций.

Если вы заметили конфликт целей, помогите участникам прийти к единому мнению и только потом начинайте составлять матрицу.

Определение ключевых компетенций

Чтобы сформулировать список компетенций, рекрутеру важно понять:

Цель, задачи и навыки специалиста должны быть основаны на цели компании.

Чтобы получить информацию о должности, поговорите с нанимающим менеджером и лидом команды. Если такие специалисты уже есть в компании и пока их не нужно нанимать, обсудите портрет сотрудника с руководителем направления, в котором предусмотрена должность.

На основе этих данных и понимания рынка рекрутер составляет примерный список компетенций. Его необходимо обсудить на встрече с проектной командой. Это поможет убрать лишнее и добавить недостающее. Но будьте готовы, что каждая сторона может тянуть одеяло на себя. Например, нанимающий менеджер захочет добавить огромное количество компетенций и превратить кандидата в «единорога». Чтобы разрешить спор, опирайтесь на цели компании и вызовы, которые должен преодолеть специалист на должности. Оценивайте все компетенции с этой точки зрения и оставляйте только те умения и навыки, которые будут требоваться сотруднику ежедневно.

Чтобы убедить бизнес сократить список компетенций, покажите, какова емкость рынка таких кандидатов или насколько большое количество этапов интервью потребуется для оценки компетенций. Вряд ли нанимающий менеджер согласится на 2 финальных интервью по 2 часа, а технический интервьюер — на 6 часов сессии лайвкодинга.

Описание компетенций и индикаторов

Компетенции должны быть сформулированы так, чтобы любой пользователь матрицы их легко понял. Обычно это короткие и емкие описания, например:

Однако такие формулировки не помогут объективно оценить, на каком уровне находится специалист. Поэтому стоит продумать индикаторы компетенций — то, как компетенция проявляется в работе.

Так могут выглядеть компетенции и их индикаторы для рекрутеров разных грейдов:

Индикаторы должны представлять собой конкретные способности специалиста, а не ограничиваться оценками «‎Высокий», «‎Средний», «‎Низкий».‎ ‎Иначе определение уровня специалиста будет необъективным.

Определение шкалы оценки

В моей матрице каждый навык оценивается по 10-бальной шкале. 1 балл соответствует уровню джуна, 10 баллов — уровню хэда. Оценить, насколько развит навык, помогают индикаторы.

На собеседовании каждому ответу кандидата присваивается определенный балл, а сумма этих баллов — ориентировочный грейд специалиста.

Например, рекрутер, который может планировать и организовывать свою работу, определять приоритеты и следовать расписанию задач, получает 3 балла за компетенцию «‎Тайм-менеджмент». ‎

Делать так много грейдов не обязательно, можно ограничиться базовыми — джуниор, мидл и сениор. Главное, каждому индикатору присвоить балл, чтобы создать систему оценивания

Определение эталонных показателей

Приступая к поиску, рекрутеры часто держат в голове идеальный портрет кандидата, составленный на основе матрицы. Но важно помнить, что матрица — это карта и ориентир для изучения рынка. Не зацикливайтесь на определенных параметрах сотрудника. Иногда развитые софт-скиллы и высокий потенциал могут перекрыть недостаток баллов по жестким навыкам.‎

Также будьте аккуратны в совокупной оценке. Не всегда кандидат, набравший максимум по большинству компетенций или минимум по нескольким, будет соответствовать определенному грейду. Чтобы верно определить уровень специалиста, опирайтесь не только на сумму баллов, но и на конкретные показатели по каждой компетенции и собственное впечатление.

Сборка, тестирование и доработка варианта

Поэтому черновик матрицы рекомендую составлять в гугл-таблицах — это бесплатный и гибкий инструмент. Финальную версию можно перенести в вашу базу знаний.

После завершения работ протестируйте матрицу на реальных задачах. Исходя из вашей цели, сравните результаты до и после. Оцените, повысилось ли качество финальных кандидатов или проходят ли успешнее испытательный срок нанятые специалисты.

Чтобы тестирование было валидным, оно может длиться от нескольких месяцев до года.

Матрица должна быть простым и понятным инструментом. Поэтому завершите тестирование опросом всех пользователей о том, насколько удобно им было применять матрицу и понимают ли они ценность инструмента.

Матрицу необходимо доработать в трех случаях:

Когда стоит пересматривать матрицу компетенций

Один из главных недостатков матрицы компетенций — негибкость. Обычно документ получается объемным и на его пересмотр уходит много времени. Поэтому стоит назначить ответственного сотрудника, который будет отвечать за актуальность матрицы. Например, в Тинькофф эту функцию выполняют лидеры профессии. Также эту роль может взять на себя руководитель проектной команды.

4 красных флага, которые укажут, что документ пора актуализировать:

Чтобы отслеживать красные флаги, попросите каждого, кто работает с матрицей, давать фидбэк после использования документа. Так вы быстрее поймете, что инструмент не выполняет свою задачу.

Второй способ постоянно поддерживать матрицу в актуальном состоянии — раз в 3–6 месяцев организовывать встречу проектной команды, которая определит методы оценки документа, проведет глубокую аналитику его использования, а также сопоставит матрицу с реалиями рынка.

А что на практике?

Рассмотрим одну из актуальных ситуаций. Имеется сайт компании, с которого считываются действия посетителей и складываются JSON-нами в Data Lake. Вряд ли дата-инженеры будут пытаться угадать – в какие таблицы и с каким атрибутами необходимо развернуть данные Яндекс.Метрики. По крайне мере, до момента появления задачи на расчет определенного показателя. А затем появляется потребность в новом показателе или агрегации, и каждый раз доработка витрины или генерация новой со всеми этапами разработки и тестов. Но можно поступить иначе. Почему бы не предоставить эти данные продуктовому аналитику, который владеет Python и NoSQL, и выдать ему Jupyter или Impala.

Проанализировав данные у него будет возможность, как минимум, заранее определить, что для вашего бизнеса время на сайте (ym:s:visitDuration) и глубина просмотра (ym:s:pageViews) – важны. Эти показатели (+20 иных) имеет смысл сразу распарсить в витрину, а другие 50 – не несут важной целесообразности, например: операционная система (ym:s:operatingSystem), потому что это никак не влияет на маркетинг при работе с каналами коммуникаций на связанных этапах. А как максимум, связав данные договоров компании с действиями на сайте, он предоставит вам развернутый CJM (Customer journey map – визуализация пути клиента) или качественную воронку с цифрами и их влиянием на unit-экономику на каждом из этапов.

Как итог: вместо кропотливого процесса, в котором уже на первом этапе можно получить дорогостоящие повторения, мы получаем более оптимальный процесс с более производительным результатом.

На некоторых проектах уже применяются подобные решения к построениям хранилищ, что позволяет оценить результат. Подключение источника данных к единому хранилищу может занимать от двух недель до трех месяцев работы дата-аналитиков, дата-инженеров и тестировщиков. Стоимость таких трудозатрат высока. Детальный анализ потребности подключаемых данных позволяет сократить объем работы.

Например, в прошлом квартале на новом проекте реализовывали подключение новой системы и провели необходимые исследования с коммуникациями заранее. В результате обнаружили, что подключаемая система интегрирована в системы X и Y, которые уже подключены к хранилищу. Нюансы заключались в том, что система изменила свое название и ее данные были интегрированы в системы X и Y другими методами подключения, что позволяло распределить всю необходимую информацию по разным сущностям этих систем. Обнаружить это решение позволило знание аналитика о том, что схожая клиентская потребность уже закрывается в рамках компании и необходимо изучить – каким образом.

Главный инсайт в этом примере заключается в том, что при работе системного аналитика, который исследует только подключаемую систему, мы бы получили лишние месяцы работы и избыточность данных, а продуктовый подход может позволить этого избежать и сократить затраты.

Виды профессиональных компетенций

Для формирования списка компетенций чаще всего используют стандартные хард- и софт-скиллы. Однако ограничиваться только описанием мягких и жестких навыков не нужно. В матрице также имеет смысл прописать желательный опыт специалиста, образование, наличие pet-проекта и другие нюансы, которые помогут точнее определить портрет подходящего сотрудника.

Список ключевых компетенций можно расширить дополнительными навыками. Обычно это более узкие умения. Например, для рекрутера это может быть устойчивость к фрустрации или умение скрапить данные. Обычно список дополнительных компетенций выносят в отдельный блок матрицы, так как к ним обращаются при наличии времени для оценки или когда необходимо выбрать одного из двух кандидатов, но по ключевым компетенциям они равны.

Курсы BI-аналитики от GeekBrains

Учебная программа дает возможность всем желающим научиться представлению данных в нужном виде, способствующем быстрому принятию важных решений в бизнесе.

О том, что делает аналитик BI, мы поговорили ранее. Эта деятельность подойдет людям, для которых обычная работа в табличном редакторе кажется скучной. Инструментарий BI автоматизирует всю рутину, высвобождая время для более интересных задач. С помощью данных инструментов специалисты визуализируют информацию в пригодном для анализа виде.

Итак, курс по BI-аналитике может заинтересовать:

Программа GeekBrains подходит в том числе полным новичкам в данной отрасли, позволяя им дорасти до уровня Junior.

Обучение позволит действующим специалистам эффективнее использовать инструменты анализа и дальше развиваться в заданном направлении.

Знания и опыт, полученные на курсе, помогут руководителям грамотно анализировать и отслеживать главные показатели бизнеса.

Курсы BI-аналитики от GeekBrains

Приведем далее учебную программу

В состав включены следующие видеокурсы:

Изучается вводная часть

Посвящена роли BI в бизнесе, а также работе в Google Data Studio

Изучаются язык SQL и среда MySQL

В состав программы входит всего один раздел:

Посвящен изучению языка Python для использования в анализе и в OLAP

Рассматриваются платформы Tableau и Qlik View, создается дипломный проект

Отдельно стоит отметить курсы GeekBrains, предполагающие свободную дату начала обучения:

Итак, востребованность BI-аналитики в современном мире очевидна. Этим объясняется и достаточно высокие заработные платы специалистов. Кандидат на должность должен обладать усидчивостью, терпеливостью, внимательностью. Работа требует постоянного мыслительного процесса, и это необходимо учитывать новичкам при выборе вакансии.

Сколько стоит ассесмент?

Ассесмент не является самоцелью.

Мы рассматриваем оценку как инструмент развития и планирования движения специалиста по лабиринту компетенций и способ повышения его коммерческой ценности на рынке труда.

Если вы хотите стать Легионером и получить возможность коммерческого трансфера в другие компании, мы проведем оценку за свой счет.

Если вы хотите обучить своих сотрудников и узнать персональный уровень развития компетенций каждого отдельного специалиста, стоимость обучения увеличится на 10%

Руководитель Центра оценки и развития компетенций AC/SE. Основатель Pro LIGA IT

Специалист, который хочет прокачать компетенции и повысить свой профессиональный грейд

Специалист, который хочет получить экспертную оценку и получить лучший оффер от работодателя

Ассесмент для подготовки профессиональной команды системных аналитиков

Мы верим, что вы стоите большего