Как подготовить себя к тому, чтобы стать аналитиком в ИТ?

Как подготовить себя к тому, чтобы стать аналитиком в ИТ? Аналитика

Как подготовить себя к тому, чтобы стать аналитиком в ит?

Как подготовить себя к тому, чтобы стать аналитиком в ИТ?Вы прочитали мою предыдущую статью («5 признаков того, что вы не готовы стать бизнес-аналитиком в ИТ») и вас совсем не расстроило (ну если только немного;) наличие у вас каких-то признаков, или даже наоборот – теперь вы еще больше хотите двигаться дальше и закрывать пробелы в знаниях? Или совсем не читали предыдущую статью, а просто случайно увидели текущую? В любом случае, вы наверняка хотите узнать, с чего же начать, чтобы подготовить себя к курсам / стажировке или любому другому формальному обучению. Об этом и пойдет речь далее.

В зависимости от той позиции, с какой вы начинаете (то есть от того, что вы уже знаете и умеете на данный момент), у вас может уйти на это всё от недели-двух до нескольких лет. Да-да, я не оговорился – до нескольких лет…  усиленного изучения и освоения нового. Для сокращения этого срока вам, конечно, ооочень пригодится ваша мотивация и способность учиться.

Чтобы было проще начинать, я разбил это «с чего начать» на некоторое количество шагов. Хорошая новость заключается в том, что вы можете выполнять их именно в приведенной последовательности, можете в какой-то своей, а можете вообще пробовать всё делать в параллель, главное – пройти все шаги. Чуть менее хорошая новость заключается в количестве пунктов. Но вас же уже не запугать, не так ли? Итак, поехали.

  1. Найдите того, кому вы всё, что узнаете и освоите дальше, будете рассказывать и объяснять («ухо»).
  2. Узнайте, кто такой бизнес-аналитик. В подробностях!
  3. Узнайте, что вообще такое бизнес-анализ и что входит в эту область знаний.
  4. Проведите честную самооценку по качествам, знаниям и навыкам, необходимым бизнес-аналитику, составьте план развития и начните его выполнять.
  5. Протестируйте свой уровень английского, составьте план по его повышению и начните его выполнять.
  6. Получите (базовые) знания по ИТ и разработке ПО (включая процесс и подходы разработки ПО).
  7. Освойте визуальное моделирование хотя бы на базовом уровне.
  8. Узнайте актуальную ситуацию на рынке труда.
  9. Поговорите с парой живых аналитиков и с парой не-аналитиков (но тоже живых), чтобы проверить все ваши предположения и планы.

А теперь давайте рассмотрим первые 5 из них (оставшиеся 4 рассмотрим в следующей статье):

1. Найдите того, кому вы всё (или почти всё), что узнаете и освоите дальше, будете рассказывать и объяснять («ухо»).

Как подготовить себя к тому, чтобы стать аналитиком в ИТ?Да, назовем этого человека «ухо». Это может быть муж, жена, коллега, брат, сестра, друг, подруга, однокурсник, сосед – да, собственно, кто угодно. Этот человек должен хотеть вам помочь и у него должно быть достаточно времени для вас и терпения, чтобы это делать. Его главная помощь будет заключаться в том, чтобы пытаться понимать то, что вы будете ему объяснять, и задавать вопросы, когда действительно непонятно.
Если вдруг так случилось, что вы никого не можете рядом найти, напоминаю, что мы живем в век ИТ, и вы можете воспользоваться скайпом, вайбером, whatsapp и т.д. для этого.. Если вы интровертный интроверт и удаленно никак, то заведите себе утку и объясняйте всё ей.
Это необходимо по двум причинам:

  1. Вы значительно лучше запомните и поймете материал, пока будете рассказывать / объяснять
  2. Вы будете прокачивать свой навык объяснения, который так нужен бизнес-аналитику

2. Узнайте, кто такой бизнес-аналитик. В подробностях!
Чем он занимается, зачем в этом замечательном мире существует, какие аналитики бывают, чем отличаются друг от друга, чем отличается от других ролей в разработке ПО (проектный менеджер, тестировщик, программист, продавец, продуктовый менеджер, …), какими качествами должен обладать, какие достоинства и недостатки есть у профессии, как выглядит карьерный путь, сколько аналитики зарабатывают. Познакомьтесь с одним-двумя аналитиками. Причем лучше, если они будут из разных компаний. Сводите их на обед или хотя бы на кофе и за полчаса-час расспросите про их работу, про то, что им в ней нравится, что нет, про то, как они стали аналитиками и т.д.
Когда вы всё это сделаете, вспомните предыдущий пункт и попробуйте объяснить вашему «уху», кто такой аналитик и, например, почему круто им быть.

Что почитать, чтобы все-таки узнать, кто такой аналитик (еще раз обращаю внимание, что это не заменит живого общения с представителями сей прекрасной профессии):

3. Узнайте, что вообще такое бизнес-анализ и что входит в эту область знаний.
Этот пункт – чуть проще  предыдущего, но, тем не менее, имеет смысл на нем остановится и копнуть чуть глубже. В частности, неплохо бы узнать, из каких частей/разделов состоит сфера “бизнес-анализ”, что хотя бы примерно находится внутри каждого раздела и как эта область знаний коррелирует с другими областями знаний в разработке ПО (в какую входит, с какими пересекается).

Что почитать о бизнес-анализе:

4. Проведите честную самооценку по качествам, знаниям и навыкам.
Как подготовить себя к тому, чтобы стать аналитиком в ИТ?К этому моменту вы уже знаете, кто такой аналитик и какими качествами он должен обладать, что должен знать и что должен уметь. Составьте собственный список на основе изученного материала, разбитый по этим 3-м категориям: качества, знания, навыки. Для каждого пункта списка выставьте значение по 6-балльной шкале, где 0 – полное отсутствие, а 5 – идеальное проявление (лучше и быть не может) того, как должен быть «прокачан» этот пункт у начинающего аналитика. Сделали? А теперь попробуйте сами себя честно оценить по каждому пункту. Честно! А какой смысл самим себе врать? Кстати, недооценивать себя тоже не стоит. Ну, если сильно переживаете за способность себя оценить, можно обратиться к коллеге, другу, жене, профессионалу, в конце концов, за помощью.

Как подготовить себя к тому, чтобы стать аналитиком в ИТ?
Если вы дочитали до этого места и по какой-то причине не можете составить такую табличку сами (я имею в виду колонку «параметр для оценки»), это, конечно, не очень хорошо, но я тут не для того, чтобы вас демотивировать. Тем более, вы можете захотеть просто себя перепроверить, так что я вам предлагаю составить её настолько полно, насколько сможете сами, а я в следующей части статьи поделюсь своими соображениями на счет этой таблички.
Что почитать по теме:

5. Протестируйте свой уровень английского, составьте план по его повышению и начните его выполнять.
Попробуйте прочитать главу из книги Вигерса на английском. Поняли больше 90%? Шикарно! Нет? Ноги в руки и на курсы, а лучше к репетитору. С репетитором протестируйте ваш словарный запас, вашу способность понимать устную и письменную речь, вашу способность писать на английском и говорить на английском. И потом вместе с репетитором составьте план вашего развития. Задача №1 (если она ещё не выполнена): уметь читать на английском нетехнические и технические тексты и понимать их практически без словаря. Задача №2: уметь вступать на английском в переписку.
Добавьте в таблицу выше английский язык и также выставьте для него «желаемый» и «фактический» уровни.

Что почитать по теме:

Предлагаю тут пока приостановиться. Этих пяти пунктов вам должно хватить на первое время, а я пока допишу оставшиеся четыре. Как видите, не всё так сложно, если начать раскладывать по полочкам. Нужны мотивация, упорство и время.
Я буду рад услышать обратную связь на то, с чего я предложил начать, и, конечно же, ваши вопросы. Может, подскажете ещё толковых источников по каждому из пунктов? Пожелания по продолжению тоже принимаются.

Upd [21.11.2021]. А вот и продолжение статьи.


Как подготовить себя к тому, чтобы стать аналитиком в ИТ?

Юрий Веденин

директор и тренер учебного центра ITMINE, директор UXpresso

Профессиональный путь

Заработал первые деньги. На первую работу устроился в 14 лет — на археологические раскопки во время летних каникул. Платили тогда около 20 Р за час работы. На заработанные деньги я смог купить б/у телефон LG G1800 и новенький MP3-плеер.

Учился в МГУ, подрабатывал репетитором. После школы я поступил в МГУ на физика. Со второго курса я начал подрабатывать: готовил школьников к экзаменам по математике и физике, помогал отстающим.

Числился в РАН ради диплома. На старших курсах я был формально трудоустроен инженером в одном из институтов РАН и получал символическую зарплату за обработку данных эксперимента, по которому параллельно писал диплом. У меня был вариант остаться в науке, но я не захотел: пяти лет в общежитии мне хватило, а на те деньги, что платят аспирантам, снять жилье и обеспечить себя не получится.

В физике, которую я изучал в вузе, много математики, статистики, работы с данными. Все это так или иначе применяется в аналитике. На работе я «доставал» из базы данные, поддерживал регулярные отчеты, строил простые прогнозы продаж. Ушел через полгода, потому что не видел перспектив, да и атмосфера в компании была не самой дружелюбной.

При знакомстве начальник показался исключительно приятным человеком. Но за те пару лет, что я там проработал, отдел обновился почти на 100%: люди уходили, поработав несколько месяцев, либо их вынуждали уйти, а эйчар закрывал на это глаза.

Однажды я пришел на работу в 9 утра пятницы, а вышел в 6 утра субботы — потому что начальник решил, что никто не уйдет, пока мы не закончим отчет.

В один момент я понял, что не готов больше терпеть такого отношения ни за какие деньги. У меня были накопления: я привык скромно жить, и без работы мог бы оставаться не менее полугода. Из обязательств была только аренда комнаты — 15 тысяч рублей в месяц.

Помимо этого, на мой взгляд, это тот случай, когда «зачетка» начинает работать на тебя: имея опыт работы в известной компании, проще пробиться через фильтр эйчаров и заполучить работу мечты.

Дополнительный анализ:  ООО НПП АКВАРИУС АНАЛИТИК, Москва: ИНН 7716722289, ОГРН 1127746616150, адрес, телефон, сайт, реквизиты, выписка из ЕГРЮЛ

Помню, что откликов на мое резюме было довольно много, но по-настоящему интересных предложений, подходящих к моим требованиям, — минимум.

На поиск работы ушло два с половиной месяца — и дались они непросто: периодически я чувствовал себя никчемным. В какой-то момент я уже был готов согласиться на работу в очередной отечественной транспортной компании с высокой зарплатой, но отказался и продолжил искать.

Собеседование прошло не очень тяжело — просили решить стандартные задачи на математику, логику и проверяли навыки работы в «Экселе». Даже сейчас этого достаточно, чтобы начать карьеру в аналитике. В международных компаниях стараются набирать людей, которые близки по духу работодателю, а еще они уделяют внимание мотивации кандидатов: меня долго расспрашивали, почему я готов пойти на стажерскую позицию, имея практический опыт в аналитике. Видимо, мои ответы их устроили.

Было много разных мыслей по поводу «понижения в классе». Мое окружение, кажется, меня тогда не понимало.

Я продолжал работать сверхурочно. Делал это сознательно, чтобы зарекомендовать себя. Переработки, как правило, были обусловлены либо сжатыми сроками, либо тем, что задача мне была интересна. Не могу сказать, что это негативно сказывалось на физическом или эмоциональном состоянии: пока ты молод и все в новинку, работа дается легче.

Переработки не оплачивались, зато я всегда был на хорошем счету и, как правило, быстро получал повышение.

Одна из коллег решила перейти в коммерческий отдел и освободила место — так я стал штатным младшим аналитиком.

В крупных международных компаниях вариантов развития карьеры много — как горизонтальных, так и вертикальных. Аналитик в нашей компании может перейти в продажи, планирование, логистику, ИТ, финансы или перебраться в один из зарубежных офисов — и это поощряется руководством.

На первых этапах я разобрался с языками Excel, SQL, VBA. Сейчас изучаю Power BI, Python и Project Management. Так получается, что на самообразование трачу свободное время, — работу-то никто не отменял. Платить за обучение стал не так давно: например, купил пакет уроков в Skyeng, чтобы подтянуть английский.

Недавно получил вычет по ИИС и оплатил обучение в «Яндекс-практикуме» по программе «Аналитика данных». Скоро стартует шестимесячный курс — надеюсь, это позволит расти дальше. В целом считаю, что практически всему можно научиться бесплатно, но иногда быстрее и эффективнее сделать это за деньги.

Для меня психологическая отметка — 10 тысяч рублей за месяц хорошего онлайн-обучения. Думаю, что до 5% дохода в год вполне можно инвестировать в свое образование.

В международной компании я работаю до сих пор. За пять лет прошел путь от стажера до старшего бизнес-аналитика — и увеличил зарплату с 40 до 120 тысяч рублей.

Карьерный рост у меня планомерный. Здесь в принципе исключен вариант «из грязи в князи». На каждую более-менее серьезную позицию внутри компании уже есть претенденты, которые ждут, когда она освободится.

На личные качества тоже обращают внимание. Мало быть просто хорошим специалистом. Важно уметь общаться с коллегами, партнерами за пределами компании, работать в команде, проявлять инициативу.

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 аналогично

Кто 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 статье

Формат 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»

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 стать аналитиком данных и стартовать в data science: пошаговый план для новичков | медиа нетологии: образовательная платформа

Есть мнение, что аналитика и Data Science доступны только избранным, которые на «ты» с высшей математикой и программированием. На деле же основные языки работы с данными — Python и R — доступны для изучения без предварительной подготовки. Нетология разработала пошаговый план для новичков, которые хотят занять свое место в востребованной и высокооплачиваемой сфере аналитики и науки о данных.

Согласно исследованию Академии больших данных MADE и компании HeadHunter, спрос на специалистов Data Scientist вырос в 7 раз с 2021 по 2021 год. И продолжает расти: в первом полугодии 2021 года спрос составил 65% от спроса за весь 2021 год. Что интересно: женщин в профессии пока 19%, при этом молодые девушки 18–24 лет проявляют все больше интереса к Data Science (таких резюме почти 40%). Среднестатистические данные показывают, что зарплата дата сайентистов в 2 раза выше, чем у других ИТ-специалистов.

При этом даже новичок может найти место в аналитике данных. По мнению экспертов, математическая база не критически необходима. Десятки рабочих алгоритмов и библиотек уже способны всю математическую часть брать на себя без участия человека.

«В начале я бы не рекомендовал погружаться глубоко в математику. Сосредоточьтесь на решении практических задач и инструментах (библиотеках, методах). Мне сильно помог опыт разработки баз, очистки и переработки данных, первичного анализа. В реальной работе именно сбор и подготовка данных занимают большую часть времени», — говорит Вячеслав Потапов, руководитель направления анализа данных и машинного обучения Локо-Банка и выпускник курса Нетологии Data Scientist.

Что значительно облегчит старт карьеры в Data Science, так это навык применять знания на практике, умение разобраться в прикладной области, хорошее понимание бизнеса и, конечно, целеустремленность.

Мы рекомендуем грамотно спланировать освоение новой профессии. Пошаговый план от специалистов Нетологии «С чего начать погружение в сферу работы с данными» в этом поможет. Пройдите по ссылке, зарегистрируйтесь и получите план на почту.

Что входит в план изучения Data Science

А в нашей недавней статье специалисты ответили на частые вопросы о Data Science. Удачи в освоении перспективной профессии!


Хотите написать колонку для Нетологии? Читайте наши условия публикации. Чтобы быть в курсе всех новостей и читать новые статьи, присоединяйтесь к Телеграм-каналу Нетологии.

Сервис сквозной аналитики. что выбрать?

Пару слов о сервисе сквозной аналитики. Я в свое время пробовал выстраивать систему сквозной аналитики на основе Google Analytics (отправляя туда все данные, которые только мог). После обновления их системы я понял, что получил знания «как не нужно делать» и «как потратить время зря», создавая проект на неконтролируемой системе. То же самое меня ждало с Яндекс.Метрикой…

Другая плохая идея — собственная система. Почему сразу плохая? Если у вас не кружок энтузиастов, состоящий из 1–2 аналитиков и как минимум из 3–5 программистов, то это игра вдолгую, без возможности корректного применения на практике. Один специалист всегда упрется в потолок проверки написанной им системы и оценки качества полученных вычислений.

Третья плохая идея — открыть поисковую систему, вбить «топ-5 систем сквозной аналитики», открыть первые пару ссылок, бегло прочитать описание, найти интересующий тариф и начать внедрение сквозной аналитики.

Так как же быть, какой сервис выбрать? Все просто. На этот вопрос уже давно дан ответ: идете в магазин или интернет-магазин, покупаете PMBoK (Project Management Body Of Knowledge — свод знаний по управлению проектами) и получаете фактически практическое руководство на ближайшие N 1 лет.

При этом важно:

  1. Понять, что система сквозной аналитики — это не задача, а проект.
  2. Определиться с сутью проекта: это разработка или внедрение? Если выбираете разработку, сами для себя распишите бюджеты, MVP и сроки.
  3. Ответить на вопрос: каковы риски проекта?
  4. Определиться с заинтересованными лицами и ресурсами проекта:
    1. Кто ключевые пользователи.
    2. Кто куратор проекта.
    3. Что представляет собой команда проекта.
    4. Какая будет использована инфраструктура т.е. оборудование, программное обеспечение, лицензии.

Если аналитик в данном контексте — ключевая фигура команды проекта, то сервис сквозной аналитики — «сердце» инфраструктуры.

Что выбрал я, выстраивая систему сквозной аналитики в «К 31»?

Бюджеты, финансирование, инвестиции — от мелких до крупный компаний, корпораций, это все невероятно сложно согласовать и выбить свое место в данной цепочке. Чтобы доказать, зачем вам эта система, необходимо иметь работающий прототип. Для этого мы использовали CoMagic.

Почему мы выбрали именно эту систему?

  1. Вы и так платите за систему аналитики, дополнительных больших финансовых вложений не потребуется.
  2. В CoMagic есть разнообразные отчеты: «Воронка продаж», DashBoard, «Сделки». Они подключаются за небольшую плату, не требуется заключать отдельные договора, просто позвоните своему менеджеру или включите их в личном кабинете и начните работать.
  3. Документация по API. Вы сможете без особого труда понять, как получать и передавать данные между системами, не будучи высокоуровневым программистом.
  4. Нативные интеграции с различными CRM и аналитическими системами: можно настроить работу в один клик.

Таким образом, использование CoMagic* на первом этапе построения системы сквозной аналитики для нас стало отличным решением. Мы смогли оценить трудозатраты, проверить наши возможности, а также увидеть подводные камни.

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 открытым

В 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.

Дополнительный анализ:  Экзистенциальный анализ

Как освоить новую профессию онлайн

  1. Подумайте, 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.
  2. 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.
  3. Найдите в интернете курсы по нужным направлениям. Сравните программы, цены, расписание и отзывы бывших студентов, если они есть.
  4. Занимайтесь каждый день.
  5. Если курс явно бесполезен, не тратьте на него время. А если он еще и платный, требуйте вернуть деньги.
  6. Когда вы освоите больше половины навыков из вакансий, составьте резюме. Опишите все, что умеете, и приложите сертификаты.
  7. Ответственно выполняйте тестовые задания: если получится хорошо, вас примут на работу даже без опыта.

Почему штатный аналитик, а не агентство или фрилансер?

Я убежден, что поддерживать работу системы аналитики — а это постоянный обмен данными, формирование отчетов, визуализация и т.д. — может только тот специалист, который разрабатывал и/или подключал систему с самого начала.

Почему я так считаю? Простой пример: когда мы запускали новый проект, в абсолютно новой клинике, то отчет строился ежедневно, и в разрезе пары месяцев вся динамика была видна и легкопонимаема. В дальнейшем подключались другие каналы привлечения пациентов, вводились дополнительные данные, такие как источники финансирования, бюджет и расход.

Попытка ввести в эту задачу другого специалиста оказалась ошибкой: изменения были внесены, но не проверены на качество и корректность. Все цифры показывали недостоверные данные, в итоге делались некорректные выводы. Нам повезло, что это длилось всего неделю.

Специалист, который изначально разрабатывал систему, вышел из отпуска, заметил и исправил ошибку. Мы отделались легко, нам повезло. А ведь все могло бы быть иначе: из-за ряда неправильных выводов мы могли перераспределить бюджет на некачественный канал, что привело бы к снижению показателей и сливу бюджета.

Поэтому так важно, чтобы в штате всегда был специалист, изначально разрабатывавший систему или как минимум обладающий детальными знаниями о том, как она внедрялась. Это ваш must have для поддержания корректной работы системы аналитики, ее масштабирования, визуализации отчетов.

И тут возникает первый и, пожалуй, самый сложный вопрос… Как найти такого специалиста?

Это самая главная и вместе с тем трудная задача для интернет-маркетолога — найти хорошего аналитика. Уточню: речь не просто о человеке, который умеет хорошо считать. Я говорю о специалисте, который вникает и понимает, как формируется цифра, а значит, должен быть очень гибким и коммуникабельным. Необходимо работать с большим объемом данных, и в основном с сырыми данными, поэтому надо знать «природу» цифры.

Помимо этого, необходимо разбираться в BI системах: чем отличается коробочная (локальная) система от онлайн-системы, какие риски присутствуют при использовании каждой из них и что нужно, чтобы начать работать здесь и сейчас. Уметь работать с такими расширениями, как xml, json, csv (с различными разделителями: «,», «;», знать, чем они отличаются и что лучше использовать) и т.д.

Допустим, вы определились с таким специалистом. С чего начать его работу в компании?

Не дайте ему уйти!

Вне зависимости от того, сколько автоматизированных отчетов успел написать ваш аналитик, какие системы создал и какие инструкции подготовил для своего преемника, если он уходит — работа по созданию новых автоматизированных отчетов, да и в общем-то все развитие сквозной аналитики, замораживается до появлении нового специалиста. Поэтому лучшее, что вы можете сделать для компании, — не дать вашему аналитику уйти! 😁

При правильном подходе сотрудник на должности аналитика может работать от 3 лет. Что для этого нужно?

  1. Давать специалисту реальную возможность заниматься своими проектами, т.е. самовыражаться. Тут речь о желаниях сотрудника вовлекаться в рискованные и малоизученные области, которые могут и вовсе ничего не принести. Например, внедрение искусственного интеллекта. Это долгий процесс сам по себе, плюс не факт, что в дальнейшем эта технология будет иметь применение.

Мы с коллегами постоянно имеем возможность не только придумать проект, но и самостоятельно создать прототип, обкатать его на проекте, показать бизнесу и даже получить финансирование на реализацию.

  1. Давать возможность раз в год за счет компании (полностью или частично) посещать курсы. Законный вопрос: «Зачем? Ему надо, пусть сам и учится». Во-первых, вы увидите, вовлечен в данную сферу специалист или уже начинает перегорать и скоро покинет проект. Во-вторых, специалистов, которые действительно хотят расти, мотивируют фирмы, которые дают не только возможности, но и способы. Они могут привносить новое дыхание, виденье.

Благодаря своей компании я не только посетил платные курсы, но и постоянно ездил на различные мероприятия (RIW, Mail, Яндекс, мероприятия, посвященные ИТ в здравоохранении, ИИ в медицине). После таких мероприятий у нас горели глаза, мы видели наших конкурентов, которые уже сделали, а мы еще не начинали, и все это нас очень мотивировало.

  1. Обязательно следить за ростом такого специалиста и примерно через год, при условии, что его проекты продолжают расти, появляются новые задачи и сам специалист хочет попробовать реализовать в компании какие-то новые проекты, нанять для него помощника. Причем важно, чтобы он сам его себе подобрал. Вы получите: две головы лучше, чем одна, а также страховку на случай, если основной сотрудник решит покинуть компанию. У вас будет его приемник.

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

Стратегия на будущее

Я планирую развиваться в профессии до 40 лет — сейчас мне около 30, стать руководителем отдела аналитики, поработать за рубежом.

На мой взгляд, шансы стать руководителем у меня есть. Но, возможно, придется ждать несколько лет, поскольку ротация в нашей сфере невысокая по сравнению с продажами или маркетингом, например. К тому же у меня всего год менеджерского опыта — этого объективно мало, чтобы успешно руководить командой.

Раздумываю потратиться на курс по управлению проектами в одном из онлайн-университетов, а после замахнуться на MBA или второе высшее по экономике или менеджменту. Образование в MBA стоит от 800 тысяч — у меня эти деньги есть, и вполне вероятно, что через несколько лет я решусь, если пойму, что оно того действительно стоит. Еще я рассматриваю вариант сменить место работы через год-другой ради руководящей должности.

В последнее время я заинтересовался концепцией FIRE — Financial Independence Retire Early, или «финансовая независимость и ранний уход на пенсию», — и мне она очень близка. В будущем хочется жить на накопления, заниматься чем-то менее напряженным, например столярной мастерской или частными уроками, воспитывать детей, наслаждаться жизнью, иметь свой загородный дом без необходимости ездить в офис, вот это все.

На пенсию от государства не рассчитываю — к тому времени уже ни пенсии, ни государства как такового может не быть.

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.

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
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
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 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».
1. Работайте вместе!
Работать вместе можно по-разному. И здесь я точно не о такой работе: Узнаете команду вашего проекта?! Разве может быть что-то хуже?!) А вот может. Например, когда менеджер проекта считает, что он только ставит задачи, а сам не участвует в процессе построения аналитики. Чтобы не допустить такой ситуации, на старте соберитесь всей командой и обсудите MVP проекта. Это займет 2, 3, 5 часов, день… не важно. Не успеете за один день, соберитесь на следующий и т.д. Важно, чтобы все были согласны с каждым шагом плана, учитывайте каждое возражение, оперируйте диалогами, фактами и никогда не употребляйте выражение «начальство сказало, значит, делаем так!».Учитывайте нагрузку, старайтесь хоть немного вникать в процесс получения цифр и данных. Возможно, вы сможете оптимизировать изначальное решение или обнаружите узкое место и пойдете решать проблему с IT-службой. После первых нескольких отчетов, как только аналитик покажет, что знает, как получать цифры, обсуждать и корректировать вычисления, вполне вероятно, что его закидают просьбами посчитать — от простых отчетов до сложных проектов. И вместо реализации интересного проекта его поглотит рутина.
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.
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
Как освоить новую профессию онлайн
Подумайте, 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.
Курс 7
Введение в базы данных
Платформа: «Стэпик». Организатор и лектор: программисты Александр Мяснов и Иван Савин. Длительность: 13 часов, я прошел их за неделю в сентябре 2021 года. Стоимость: бесплатно. Что я получил: основные моменты я уже знал из учебника Грабера и из курса по SQL. А здесь глубже вник в реляционные базы данных и понял, по какой логике делать запросы на языке SQL. Полезность: 7 из 10. Мне понравилось, что многие задачи по SQL были прикладными. Например, нужно было рассчитать запасы товаров на складе интернет-магазина или проанализировать транзакции клиентов в банке.
Курс 3
Базовый курс по математике
Платформа: «Стэпик». Организатор и лектор: Анна Зубаха — преподаватель Московского физико-технического института. Длительность: 25 часов, я прошел их за 2 недели в марте — апреле 2021 года. Стоимость: бесплатно. Что я получил: освежил школьные знания по математике, потренировал мозг и развил аналитическое мышление. Вот зачем это было нужно: задачи на курсах по программированию сначала решают математически, то есть без математики невозможно программировать. Все, что дал мне этот курс, пригодилось и в следующем — по математическому анализу.
Что такое аналитическое мышление
Человек наделён несколькими типами мышления, но один всегда преобладает над остальными. Аналитическое мышление — последовательное. Люди, склонные к нему, обрабатывают большой блок информации, разделяя его на основные части и поэтапно исследуя каждую составляющую. Для этого они также должны обладать и развитым логическим мышлением.Аналитическое мышление подразумевает поиск новой информации, её изучение и систематизацию, а также выводы, сделанные на основе полученных данных.Такой тип мышления требует фактов, детальной проработки вопроса, акцента на мелочах, умения сопоставлять данные и делать выводы. Когда мы говорим о математическом складе ума, подразумеваем именно склонность к аналитическому мышлению. Человек с аналитическим типом мышления должен уметь:
Чем полезно аналитическое мышление
Хорошо развитое аналитическое мышление позволяет своевременно и эффективно справиться даже с самой сложной задачей и найти несколько возможных вариантов её решения. Человек с преобладающим аналитическим мышлением принимает обдуманные и взвешенные решения, умеет планировать и давать прогнозы своей деятельности.Сотрудники, наделённые такими качествами, высоко ценятся в компаниях. В любой профессиональной области умение быстро находить достойный выход из сложной ситуации будет преимуществом. К слову, эта способность пригодится и в повседневной жизни.
Курс 4
Введение в математический анализ
Платформа: «Стэпик». Организатор и лектор: Александр Храбров — кандидат физико-математических наук, преподаватель ВШЭ и СПбГУ. Длительность: 26 часов, я прошел за 3 недели в марте — апреле 2020 года. Стоимость: бесплатно. Что я получил: вспомнил азы матанализа и прорешал много интересных и сложных задач. Часть из них потом встретил в курсе по основам программирования на Python — мне было легче их решать.
12. Создайте карту мыслей
Интеллект-карта, карта мыслей, ментальная карта (mind map) — это способ визуализации мыслительного процесса. Механика простая: у вас есть ключевая мысль, которую вы ставите в самый центр карты. Пусть это будет «Развитие аналитического мышления».К ней вы добавляете связанные по смыслу или значимости элементы, например: методы развития, трудности, причины — всё, что кажется вам важным. Затем дополняете карту новыми ассоциативными рядами от каждого элемента. И перед вами появляется картина вашего мыслительного процесса.
10. Участвуйте в дискуссиях
Обсуждайте книги, фильмы, исторические события — всё что угодно. Вы услышите мнение другого человека и сможете поделиться своим об одном и том же событии, привести аргументы и потренироваться в последовательном изложении мыслей. Попросите собеседника об обратной связи: пусть расскажет, насколько ваши аргументы были убедительны, а мысли — последовательны.
Ставим цели и определяем способы их достижения
Построение плана работы зависит от целей, которые вы ставите перед аналитикой в целом. Ответьте на такие вопросы: Зачем вам аналитика? Какие бизнес-задачи вы хотите решить с помощью данных? На какие вопросы ответить? Ответы помогут сформулировать цели проекта. Следующим шагом мы определяем способы достижения поставленных целей. Если вы выступаете в роли менеджера проекта, стоит подготовиться к приходу аналитика:
6. Читайте книги
Можно выбрать детективы, например, о Шерлоке Холмсе, художественную или специализированную литературу. Задавайте вопросы: почему герой поступил именно так в этой ситуации, что можно было бы сделать ещё?
1. Решайте логические задачки
Для аналитического мышления важна логика. Если это ваша слабая сторона, то начните тренироваться. Выбирайте сперва простые задачки, постепенно двигаясь к сложным.
2. Решайте математические примеры
Найдите учебник по математике и вспомните школьные годы. Выбирайте сложные примеры, в которых есть переменные величины.
7. Анализируйте ситуации из повседневной жизни
Тренируйте критическое мышление, сомневайтесь, ищите факты и новую информацию, когда смотрите новости или читаете книгу. Обращайте внимание на детали, смотрите на вещи под новым углом и ищите неочевидные взаимосвязи между самыми разными предметами, сопоставляйте факты.
11. Спрашивайте себя, как устроены окружающие вас предметы
Задавайте себе вопросы о вещах, которые вас окружают, или ситуациях, с которым сталкиваетесь. Почему так происходит, как это работает, из-за чего случается? Отвечайте на них, но не ищите лёгких путей. Разберитесь в проблеме и дайте себе исчерпывающий ответ.
13. Записывайте
Ведите ежедневник, в который записывайте свои цели, способы их достижения и результаты. Проводите работу над ошибками, если цели достичь не удалось. Ищите причины и анализируйте.
14. Моделируйте ситуации
Придумайте любую ситуацию, в которой есть проблема, и попробуйте эту проблему устранить. Разработайте алгоритм действий и не останавливайтесь на одном решении — ищите ещё.
9. Ищите альтернативы
Не останавливайтесь на одном варианте решения проблемы — ищите ещё. Подумайте, что вы могли упустить, обработайте информацию несколько раз и сделайте выводы.
5. Играйте в шахматы
Найдите соперника и вспомните правила игры. Шахматы — отличный тренажёр для аналитического мышления.
3. Разгадывайте кроссворды
А когда за плечами будут сотни решённых, попробуйте сочинить свой. Это довольно сложно.
8. Узнавайте что-то новое каждый день
Выберите тему, которая вам интересна, и находите по одному факту о ней в день.
4. Решайте головоломки
Собирайте пазлы, разгадывайте ребусы или попробуйте собрать кубик Рубика.
Блоги профессионалов на «Ведомостях»

Оцените статью
Аналитик-эксперт
Добавить комментарий

Adblock
detector