Как стать продуктовым аналитиком из маркетолога: история успеха

Как стать продуктовым аналитиком из маркетолога: история успеха Аналитика

Что должен знать и уметь продуктовый аналитик?

Продуктовый аналитик – это очень ответственная специальность, которая требует определенных профессиональных навыков. И мы с вами можем попробовать собрать в один список основные знания и умения такого сотрудника:

  • знает хотя бы один язык программирования, подходящий для аналитики (Python, Java или R);
  • умеет работать с инструментами веб-аналитики, например, Google Analytics или Яндекс.Метрика;
  • легко визуализирует полученные данные при помощи Tableau, Power BI или аналогов;
  • понимает, как работать с базами данных, знаком с SQL.

А развить навыки профессионального продуктового аналитика можно здесь:

Лучшие курсы Tableau для маркетологов и аналитиков

Топовая подборка курсов по SQL для начинающих

Обзор курсов по A/B-тестированию и веб-аналитике

Обзор лучших программ обучения по Python

Обучение языку R: подборка профессиональных курсов

Обзор проверенных курсов по Power BI

Однако, как и любая другая специальность, связанная с высокой ответственностью, зачастую сжатыми сроками работы и возможным стрессом, продуктовая аналитика принимает не всех. О том, какими личными качествами должен обладать идеальный сотрудник в этой отрасли, я вам сейчас расскажу.

Важно видеть взаимосвязь метрик

За шесть лет работы в аналитике я прожил боли и проблемы, с которыми сейчас сталкиваются мои новые сотрудники. В мобильном приложении с простой страничкой и парой кнопок анализировать нечего. Когда мы говорим о серьёзном продукте с множеством флоу, метрик и процессов под капотом — без комплексной аналитики никуда.

В мобильной аналитике сначала разбегаются глаза от всего многообразия метрик и сложности поведения пользователей. Но самый большой диссонанс происходит после понимания, что всё это между собой очень тесно взаимосвязано. Аналитики, которые переходят из других сфер в продуктовую аналитику, часто сначала не видят этих связей. Они просто привыкли работать с набором автономных метрик и не понимают, что простое изменение в мобильном приложении может повлиять на поведение пользователя совсем в другой его части. Например, мы добавляем полезные для пользователя функции в приложение, а оно начинает весить на гигабайт больше. Как результат — снижение количества новых скачиваний и удаление установленного приложения у старых пользователей.

Но чаще всего бизнес готов к таким рискам, если их можно контролировать. Например, для тестирования новой фичи в приложении проводится A/B-тест на ограниченную группу пользователей. Даже если метрики в рамках эксперимента «упадут» — это нормально. Так мы тоже учимся «как делать не нужно», лучше понимаем своих пользователей и делаем продукт лучше.

Чтобы разобраться со всеми метриками и их связями, нужно довольно глубоко понимать продукт. Новичкам бывает тяжело на старте обработать столько информации. Но со временем человек начинает понимать, как всё устроено, втягивается в процесс. Решает любопытство, желание узнавать новое. К тому же, текущих аналитиков сложно назвать первопроходцами — в интернете много информации по теме, а вокруг — опытные коллеги. А если есть ментор, который подскажет верный путь на старте, адаптироваться будет намного проще.

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 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.

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.

Кто и как может стать продуктовым аналитиком

Возможно, сейчас вы работаете в области, далекой от продуктовой аналитики. Значит ли это, что вам не получить новую квалификацию? Едва ли. Вернемся к анализу рынка продуктовых аналитиков и посмотрим на бэкграунд:

Чаще всего аналитиками становятся разработчики, маркетологи, менеджеры проектов и другие. 33% респондентов начали свою карьеру сразу с этой специальности (молодые люди, недавно закончившие школу).

Больше трети специалистов пришли совершенно из других областей. Специалисты «Нормального исследования» выделили самые неожиданные профессиональные бэкграунды:

  • геммолог;
  • звукорежиссер;
  • психолог;
  • руководитель складского департамента;
  • государственный служащий.

Исследование показывает, что попробовать свои силы в этой сфере может человек из любой сферы. Поэтому если вы сильно заинтересованы в получении новой профессии, не опускайте руки и пробуйте.

Другой вопрос — как стать продуктовым аналитиком, если сейчас работаешь, например, психологом в школе. Есть два варианта: бюджетный и дорогой.

Первый предусматривает самостоятельное обучение: книги, вебинары, уроки в свободном доступе и т.п. Полностью бесплатным его не назовешь, потому что придется платить за рабочие инструменты для получения практики. Но это в любом случае дешевле (в несколько раз), чем прохождение платных курсов и специальных программ. Но придется долго искать нужные материалы, проверять их на актуальность и находить ответы на возникшие вопросы.

Второй — платное обучение в онлайн- или оффлайн-школе аналитиков. Это готовая программа с актуальными знаниями от практикующих специалистов. Стоимость курса может достигать 100 тысяч рублей. Но зато вы получаете структурированную информацию, сразу практикуетесь и можете получить быструю консультацию от опытного продуктового аналитика.

Мы больше склоняемся к платному обучению по нескольким причинам:

  • дается актуальная информация;
  • есть готовые проекты для получения первого опыта;
  • свободное обсуждение работы с другими учениками и преподавателями;
  • помощь в дальнейшем трудоустройстве (не всегда).

Даже если за курс придется заплатить 80-100 тысяч рублей, эти вложения окупятся через несколько месяцев после получения первой должности.

Курс 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

На какой заработок можно рассчитывать?

Если смотреть на младших аналитиков, то здесь достаточно большой разброс зарплат. Некоторые компании нанимают джунов только со знаниями и опытом, а всех новичков назначают грейдом ниже — стажерами. В таком случае младший аналитик будет получать более 100 тысяч рублей.

Рынок аналитики в данный момент переживает бум в виду недостатка специалистов. Если еще пять лет назад middle-аналитик мог рассчитывать в среднем на 100–130 тысяч руб., то сейчас многие организации готовы платить 140–170 тысяч. Эта сумма не сильно меняется от компании к компании, поскольку большинство вакансий находится в Москве.

Региональные компании вынуждены поднимать ЗП практически до столичного уровня, поскольку релокацию также никто не отменял: часто в регионах находятся не самостоятельные компании, а филиалы московских. Что интересно — в результате пандемии многие ушли на удаленку, а часть из них и вовсе с нее не вернется.

Что касается специалистов высокого уровня, то сейчас их на рынке труда не так много, и компании стараются их рекрутировать. Поэтому в 2021 году действительно хорошему senior-аналитику стоит просить на собеседовании не менее 200 тысяч рублей. Тут стоит сказать, что есть компании с очень сильной аналитикой, в которых фактический senior-аналитик может считаться middle и получать невысокую ЗП, но потенциально опыт в такой компании позволит перейти на должность руководителя аналитики в другое место.

Особенности профессии

Продуктовый аналитик – важное звено в цепи разработки. Он работает вместе с менеджером проектов и командой веб-разработчиков, помогает сделать продукт лучше и удобнее для пользователей.

Специалист собирает данные о поведении клиентов во время пользования товаром, а затем их анализирует. Эти две задачи – сбор информации и ее интерпретация – и являются главными для аналитика.

Данные, которые интересуют специалиста: какую кнопку пользователи нажимают чаще, сколько часов в день используют продукт, какая функция остается невостребованной и т. д. Все исследования проводятся в режиме реального времени.

Но пока это просто цифры, которые не указывают на причину. И тут наступает второй этап – интерпретация. Специалист анализирует поведение потребителей, после чего объясняет причины того или иного поступка. Эти результаты он передает веб-разработчикам, которые теперь имеют вектор дальнейшего направления.

Тем самым продуктовый аналитик выполняет многие важные функции. Рассмотрим их подробнее.

  • Удерживает интерес клиентов к продукту

Маркетинг и деньги, вложенные в продвижение, могут привлечь к продукту новых пользователей. Но если бизнес растет только за счет привлечения, а не удержания клиентов, то компания продержится недолго.

Новые потребители “стоят” всегда дороже, чем постоянные, поэтому нужны специалисты, которые будут сохранять пользователей. Этими специалистами и являются продуктовые аналитики. Они изучают поведение клиентов, их проблемы во время пользования продуктом, ценности, которые потребители ищут в товаре.

  • Оптимизирует продукт под запросы целевой аудитории

Все люди пользуются теми вещами, которые им нужны, что логично. Поэтому и продукт должен быть нужным для потенциальных покупателей. Но на этом, казалось бы, простом моменте – просто создавай нужное другим – попадают в ловушку многие компании, у которых нет аналитиков.

Эти специалисты нужны, чтобы собрать данные о действиях постоянных клиентов, которые долгое время пользуются продуктом, и тех, кто отказался от использования. На основе этой информации аналитики делают выводы о тех или иных доработках.

  • Оказывает содействие захвату лидерства на рынке

Любая компания хочет опередить конкурентов и быть лучше их всех. А чтобы это стало явью, необходимо улучшить продукт и сделать его конкурентоспособным. И аналитика может в этом помочь.

Но анализируя только одну конкретную функцию или только один сегмент пользователей, добиться нужного результата не получится. Чтобы стать лидером на рынке, необходима долгосрочная аналитическая стратегия.

При грамотном подходе специалисты по анализу продуктов обеспечивают организациям масштабный рост, увеличивают прибыль бизнеса и сокращают расходы на рекламу, из-за чего и увеличивается разрыв между конкурентами.

  • Улучшает процесс взаимодействия клиента и продукта

Чтобы веб-разработчики не действовали вслепую, продуктовые аналитики передают им проанализированные результаты своих исследований на счет поведения клиентов в режиме реального времени. Тогда команда переосмысливает свое видение продукта, может взглянуть на него под другим углом, узнает, что именно нужно изменить, и делает это качественно.

Если говорить проще, то все 4 функции можно обозначить двумя вопросами:

  1. Где и почему есть проблемы у продукта?
  2. Как это исправить?

Чтобы ответить на них, аналитик выявляет сильные и слабые места продукта, а после показывает разработчикам, как выгодно продемонстрировать первые моменты и исправить вторые.

Продуктовый аналитик знает, чем пользуются клиенты, а что игнорируют, какие сценарии подстегивают потребителя совершить покупку, а какие, наоборот, отталкивают, чем отличаются постоянные пользователи от тех, кто отказался от использования продукта и многое другое.

Специалист должен быть компетентен во многих областях и соответствовать немалому списку требований. Он должен уметь описывать следующие события:

  • сколько клиентов за определенное количество времени пользовалось приложением, заходило на сайт и т. д.;
  • сколько потребителей добавило товар в корзину или заинтересовалось какой-либо платной услугой;
  • сколько пользователей оплатило покупку;
  • сколько клиентов отказалось от покупки на последних этапах.

Стоит уточнить, что продуктовые аналитики не собирают все возможные виды данных. Часть информации просто бесполезна, она никак не влияет на работу специалиста и результаты его исследований, а только увеличивает процент шума, т. е. соотношение ни на что не влияющих данных к ценной информации.

Я была маркетологом в россии, а в британии стала продуктовым аналитиком

Марина Шмайгер жила в России и работала маркетологом. В 2021 году она вместе с мужем и двумя детьми переехала в Англию — и поняла, что ее навыки в новой стране не актуальны. Она рассказала, как искала работу без знания технических инструментов и во время локдауна решила проходить одновременно два курса.

Три с половиной года назад моего мужа пригласили в один проект в Лондоне, и, как жена декабриста, я подхватила двух детей и уехала за ним. До переезда я работала маркетологом в компаниях, ориентированных на детей: в магазинах игрушек Hamleys, в сети кафе «АндерСон», в семейном парке «Мастерславль», а перед отъездом — в команде запуска нового лицензионного продукта компании Disney.

На момент переезда мне было почти 37 лет и я понимала, что мой опыт в офлайн-маркетинге в Москве будет очень трудно применить в Лондоне — у нас совершенно разный культурный код и потребительские привычки. Также, почитав маркетологов из розничного бизнеса, я поняла, что отношения между детьми и родителями здесь тоже строятся по-другому, используются другие механики трейд-маркетинга, каналы привлечения и доверия к бренду. Я подумала, что чтобы разобраться в рынке, мне потребуется время, а если все равно осваивать все заново — почему бы это время не потратить на что-то новое?

Как раз в это время я начала читать книгу Юваля Харари (израильский историк-медиевист, автор бестселлера «Sapiens: Краткая история человечества») «21 урок для 21 века» — о том, как четвертая технологическая революция влияет на развитие общества. Тут я поняла: до пенсии еще лет 25, но со знаниями только офлайн-маркетинга я до нее не дотяну. Стало ясно, что надо делать вторую карьеру, в которой смогу развиваться в новой стране.

Первым шагом стало получение британского образования. Я решила сфокусироваться на околомаркетинговых дисциплинах и выбрала несколько магистратур в области потребительского поведения и нейромаркетинга. Для большей надежности я подала документы в четыре университета и в итоге выбрала оффер от City University of London на программу по поведенческой экономике. Это дисциплина про то, как когнитивные, социальные и эмоциональные факторы влияют на принятие экономических решений.

Во время учебы я параллельно 10 часов в неделю работала в небольшой местной компании, делала анализ рынка, исследовала конкурентов, формировала гипотезы, проводила интервью и помогала с юзабилити-тестами (исследование для определения, удобен ли сайт или сервис для его предполагаемого применения). Там я увидела, как работает IT-сфера, но по-прежнему использовала свой маркетинговый опыт, не осваивая ничего принципиально нового.

В ноябре 2021 года я закончила магистратуру и стала Master of Science in Behavioural Economics. Если говорить коротко, то это было нереально тяжело. На одну только диссертацию я потратила 560 часов чистого рабочего времени. В результате я получила фундаментальное академическое британское образование, где научилась работать с академическими источниками, большими данными, искать корреляции, строить логистические регрессии, но к сожалению, применять конкретные инструменты в бизнесе — нет.

После окончания университета я ходила на собеседования и все больше убеждалась, что нужны не только фундаментальные знания, но и конкретные инструменты. Три раза доходила до финала отбора, но офферов не предлагали — я не владела современными инструментами сбора, анализа и визуализации данных. Меня спрашивали: «А какой у тебя стек?», а я такая: «Не знаю… PowerPoint?»

Я помню свое разочарование перед прошлым Рождеством, когда меня собеседовали в Trivago (сервис по поиску отелей и сравнения цен на них), им как раз нужен был человек на Customer Insights (дословно «понимание клиента» — т.е. интерпретация тенденций в поведении потребителей для повышения эффективности продукта и увеличения эффективности продаж). Я клево сделала тестовое задание, и тут меня спрашивают: «В чем вы предпочитаете делать Mind Maps (графическое отображение процесса мышления)?» У меня просто пропал дар речи, я даже не знала, в чем их вообще можно делать.

После Trivago я поняла, что нужна помощь профессионала, и нашла себе карьерного консультанта. Я составила приблизительный список должностей, которые могут быть связаны с Customer Insights, и провела в LinkedIn исследование профилей людей, которые работают на этих позициях, чтобы понять, какие у них обязанности и какой технологический стек они используют в своей работе. Стало понятно, что самые востребованные навыки — умение работать с Python и SQL.

В декабре я записалась на курс «SQL for Beginners» от одной онлайн-школы. Потратила 56 часов на освоение скрипта и решение задач, но к концу поняла, что автономное обучение — не моя история, мне нужно сообщество и ментор. Пришлось продолжить поиски. Так как мне не хотелось растягивать обучение на годы, я обратила внимание на буткемпы(интенсивные программы ускоренного обучения IT-специальностям) по анализу и работе с данными, которые очень популярны в Англии. Сейчас, во время пандемии, это звучит странно, но обучение было офлайн, в модном коворкинге WeWork. Группа из 25 человек, три преподавателя, фуллтайм с 9 до 17 часов, домашние задания и очень большая нагрузка.

К сожалению, как и все в Англии, это стоило безумных денег. Мы с мужем сходили в General Assembly на день открытых дверей буткемпа по Data Science, который шел 3 месяца и стоил 10 тыс. фунтов — сейчас это миллион рублей. Выглядело все очень интересно и привлекательно, но смущали две вещи: во-первых, это слишком дорого, а во-вторых, разве можно выучить Data Science за три месяца?

Когда у тебя нет лишнего миллиона рублей, начинаешь искать другие варианты. Я подумала, что у нас здесь куча друзей, которые работают в Facebook, Amazon и Google. Все они получили математическое или техническое образование в России и очень востребованы в международных компаниях. Очевидно, что российская математическая школа сильна и не уступает международной, а значит, осваивать эти профессии можно не только в Англии.

Я стала искать курсы по анализу данных в России. Изначально я сформулировала для себя несколько критериев: обучение не больше 6 месяцев, должны быть менторы и кураторы, сообщество студентов и много тренажеров для отработки навыков. Все это я нашла на сайте SkillFactory в 6-месячном курсе «Аналитик данных» и в феврале 2020 года, за месяц до всемирного локдауна, начала учиться.

В первые две недели обучения на курсе я поняла, что нагрузка оказалась гораздо серьезнее, чем я ожидала. Нас сразу загрузили кучей задач в тренажере, изучением теории и работой над первым кейсом. У меня уходило минимум 25 часов в неделю на то, чтобы нормально, в своем темпе пройти и усвоить материал и сделать все домашние задания согласно расписанию. 

Сначала мы изучали юнит-экономику и веб-аналитику, работали с данными в SQL и Google-таблицах, а с шестого модуля начался Python.

Курс 

Аналитик данных 

Освойте перспективную профессию с нуля! Вы изучите все необходимые инструменты и навыки, пройдя через все этапы работы над аналитическим проектом. Скидка по промокоду BLOG 5%.

Узнать больше

Но общаясь с однокурсниками в нашем канале в Slack, а также читая посты в сообществе дата-аналитиков, я поняла, что мой опыт и характер не очень подходят для этой профессии. Так как я ориентировалась на рынок труда Великобритании, простой поиск в LinkedIn показал, что в основном на этих позициях работают молодые ребята из Китая и Индии, имеющие образование в области Computer Science. Эта профессия требует серьезных знаний математики, определенного склада ума и тысяч часов практики. Я, уже почти 40-летняя женщина из России, ни дня в своей жизни не изучавшая математику, в краткосрочной перспективе не смогу конкурировать с молодыми людьми, которые изучали точные науки с детства.

Мой карьерный консультант предложил обратить внимание на работу с продуктом в IT-компаниях. Мне хотелось сосредоточиться на исследованиях и анализе поведения, поэтому в апреле я пошла учиться в SkillFactory на курс «Продуктовая аналитика». Как показало время, это было правильным решением: помимо изучения SQL и Python меня интересовало взаимодействие людей с продуктом, метрики, проведение А/В-тестов.

Курс

Продуктовая аналитика

Вас ждет полное погружение в роль продуктового аналитика, вы освоите продуктовый подход, а также методики принятия решений на основе данных. Скидка по промокоду BLOG 5%.

Узнать больше

Совмещать два курса было дико сложно, но бросать курс по Data Science мне не хотелось, потому что там было много полезных для работы инструментов. Так как был локдаун и мы все были заперты в четырех стенах, а на улицу можно было выходить только в магазин за продуктами, учеба стала спасением и моим личным вкладом в борьбу против пандемии. Когда мне было лень садиться и делать домашние задания, я задавала себе вопрос: «Кем ты хочешь видеть себя после локдауна?»

Мне очень помогло наше сообщество студентов в SkillFactory — после семьи это были единственные живые люди, с которыми я общалась почти ежедневно. У нас был канал, в котором я познакомилась со студентом с другого потока, который тоже живет в Лондоне и делает карьерный переход. Он аудитор, но хочет уйти в Data Science. Когда читала сообщения в чате, понимала, что проблемы у всех одинаковые. Ощущение единомышленников — это очень сильно.

Проучившись месяц на двух курсах одновременно, я поняла, что для большей эффективности нужно начать применять знания на практике. В Великобритании очень популярна история со стажировками, и многие стартапы, особенно на ранней стадии, ищут себе сотрудников, которым нужен опыт. В мае на сайте workinstartups.com я нашла британский благотворительный стартап Sidekick, помогающий поддерживать ментальное здоровье, что во время пандемии было особенно актуально.

Создали его два молодых человека, сейчас они успешные финансисты, но в подростковом возрасте у обоих были психологические проблемы. Они написали мобильное приложение и искали единомышленников, которые помогут с исследованиями и аналитикой. Я откликнулась, прошла собеседование и стала заниматься анализом поведения пользователей в Mixpanel (сервис для бизнес-аналитики). Мы определили путь клиента, метрики и основные показатели конверсии, над которыми нужно работать.

Конечно, моего опыта было недостаточно и половину терминов по-английски я не знала. Пришлось учиться на ходу. В итоге я проработала у них три месяца и смогла применить то, что узнала на учебе.

Слайд из моей презентации по работе со стартапом. Я проанализировала путь клиента и выявила проблемы. Далее эти проблемы были решены и показатели улучшились.

Но в таком режиме — два курса и стажировка — я протянула только до середины июля, затем взяла академический отпуск. На тот момент курс по анализу данных я прошла на 70%, а по продуктовой аналитике — на 50%. Мне хотелось начать искать работу и наконец-то попробовать применить свои знания не только на стажировке, но и в реальном бизнесе.

Мой прогресс по специальности «Аналитик данных». Надеюсь, когда-нибудь закончу курс.

Рынок труда в Великобритании начал приходить в себя после локдауна, сняли все ограничения, появилось много новых и интересных вакансий. Я начала откликаться на позиции в области работы с данными и Customers Insights, и в это время SkillFactory открыл свой карьерный центр. В телеграм-канале карьерный консультант Юлия Пушкина выкладывала информацию о вакансиях и стажировках, но в основном все искали либо программистов, либо дата-сайентистов.

Но однажды я увидела описание работы моей мечты в американском стартапе с российскими корнями — Study Free. Они искали Product Analyst (продуктового аналитика). Нужно было строить Customer Journey Map (карта пути клиента — визуализация всех взаимодействий клиента с компанией), анализировать поведение клиентов на каждом этапе воронки продаж, определять продуктовые метрики, работать над вовлечением и удержанием пользователя.

Первое собеседование было ознакомительным, после него мне дали тестовое задание — провести анализ существующего клиентского пути и описать, какие действия я бы предприняла и какие метрики использовала. На выполнение тестового задания я потратила 15 часов. Далее была еще одна встреча с продуктовым менеджером, а затем — еще одна, с основателем компании. Через три дня после нее я получила оффер.

Сообщаю карьерному консультанту SkillFactory, что получила оффер

1 сентября я вышла на позицию продуктового аналитика. Наш стартап совмещает в себе агрегатор по поиску стипендий и программ в университетах и индивидуальный автоматизированный сервис по управлению процессом поступления. Плюс есть консалтинговая часть для тех, кому нужен персональный куратор, который пройдет вместе со студентом этот сложный путь. Пандемия, кстати, никак не влияет на нашу работу: студенты поступают и получают стипендии. Мы растем безумно быстро: когда я пришла, нас было 23 человека, а спустя 5 месяцев — уже больше семидесяти.

Никогда не знаешь, чем будешь заниматься в следующий момент. В ноябре стало понятно, что я занимаюсь больше не анализом поведения, а скорее работой с продуктом и Customers Insight, и в итоге меня перевели на позицию продакт-менеджера. Понимание, что такое целевая аудитория, как сформулировать УТП (уникальное торговое предложение) и других базовых вещей из маркетинга, конечно, пригождается. В своей работе я использую 20% знаний из магистратуры, 40% — из маркетингового опыта и еще 40% — из курсов SkillFactory.

Поскольку мы находимся в активной стадии роста, то работы много. Сейчас мы внедряем три разных направления продукта, и я участвую во всех. По каждому я должна общаться и с финансами, и с продажами, и с маркетингом, и с IT, и с продуктовым дизайнером, и с аналитиками. Плюс я сама работаю как продуктовый аналитик.

Мой календарь расписан с 9 утра до 7 вечера. Даже после, когда все отключаю, залезаю в телефон и там еще час переписываюсь с коллегами. Еще из приятного, что зарплатная вилка после смены профессии изменилась в лучшую сторону. Зарплаты в области офлайн-маркетинга и работы в IT-продукте могут отличаться в два и более раза.

При смене профессии я бы советовала действовать и стратегически, и тактически. Для разработки собственной стратегии мне помогли книги Юваля Харари. Для себя я определила основные тренды — это большие данные и психология людей. Далее выбрала, в каких профессиональных направлениях и отраслях хотела бы развиваться. Например, меня очень интересует тема компьютерной безопасности, и когда-нибудь я бы хотела попробовать поработать в отделе расследований или предотвращения цифровых преступлений.

Считаю, что стоит выделить свои сильные стороны и максимально их прокачивать. Не нужно думать, что рынок перенасыщен, все занято и хороших вакансий не найдешь. У меня есть друг-предприниматель, который переехал в Голландию и открыл там бизнес. Он как-то сказал: «В каждом мешке картошки найдется место для стакана муки». Можно всегда просочиться куда-то. Поэтому не нужно бояться, все получится.

Курс

Аналитик данных

Получите перспективную профессию с нуля или прокачайте свои навыки. Вы освоите 100% инструментов, необходимых для реальной работы.

Получить скидку Промокод “BLOG10” 5% скидки

Записала: Мария Осина.

Дополнительный анализ:  Раздел II. Квалификационные характеристики должностей работников, занятых в научно-исследовательских учреждениях, конструкторских, технологических, проектных и изыскательских организациях | ГАРАНТ
Оцените статью
Аналитик-эксперт
Добавить комментарий

Adblock
detector