Кто такой аналитик чем занимается сколько зарабатывает и как им стать

Что делают аналитики данных на самом деле? Чем они пользуются на работе? Правда ли, что аналитикам не обязательно с кем-либо общаться и что им достаточно только цифр и таблиц? 

Мы поговорили с Дариной Кухтиной, наставником в Яндекс Практикуме, и спросили её обо всём этом и о других нюансах профессии. Получился честный и открытый рассказ о том, как устроена работа современного аналитика данных. Можно посмотреть видео или послушать как подкаст:

Содержание

Аналитика данных — популярная отрасль, в которой не хватает специалистов. Только на HeadHunter более 7 тысяч вакансий для «аналитиков данных» и почти 20 тысяч вакансий — для «аналитиков». В аналитике можно стартовать с нуля и уже через 1–3 года получать 300 тысяч рублей в месяц. Светлана Вронская, эксперт департамента аналитических решений ГК «КОРУС Консалтинг», рассказывает, что нужно освоить, чтобы работать с данными, — и где это сделать.

Средний размер оплаты труда аналитика на 01 декабря 2023 года составляет 223 000 рублей в месяц. По сравнению с прошлым месяцем это значение увеличилось на 30%.

Год назад в этот период времени средняя зарплата аналитика составляла 198 000 рублей в месяц, что означает прирост на 25 000 рублей (или на 13% в процентном соотношении).

Зарплаты таких сотрудников отличаются в зависимости от уровня компетенций конкретного специалиста, типа занятости, локации работодателя и других факторов.

Рассмотрим подробнее, сколько сегодня зарабатывают аналитики с корреляцией на различные факторы и сравним текущие зарплаты с предыдущими периодами.

Обновлено 20 июня 2024

Big Data Analyst (аналитик больших данных) обрабатывает и интерпретирует массивы данных, ищет логические связи, помогает клиенту выявить факторы, представляющие интерес для бизнеса. Профессия подойдет тем, кто интересуются большими данными, информационными технологиями и анализом. Кстати, недавно центр профориентации ПрофГид разработал точный тест на профориентацию, который сам расскажет, какие профессии вам подходят, даст заключение о вашем типе личности и интеллекте.

• Краткое описание
• Особенности профессии
• Плюсы и минусы профессии
• Важные личные качества
• Обучение на Big Data Analyst
• Лучшие вузы для Big Data Analyst
• Курсы
• Курсы по базам данных
• Место работы
• Заработная плата
• Зарплата big data analyst (аналитика больших данных) на июнь 2024
• Профессиональные знания
• Примеры компаний с вакансиями big data analyst (аналитика больших данных)

Кому подходит и какие навыки понадобятся?

Аналитики, как подсказывают сайты рекрутинговых агентств, обязаны разбираться в математике, программировании и даже основах продакт-менеджмента. Минимально-обязательный набор навыков работодатели часто выносят в специальный список, включающий следующие пункты:

• Собирать и обрабатывать данные с помощью Google Sheets, Sublime или Excel
• Готовить SQL-запросы, автоматизировать действия с помощью языков программирования Python или R
• Анализировать собранную статистику, визуализировать результаты
• Представлять отчетность в BI-системах, включая Tableau, Power BI, Google Data Studio
• Разбираться в математике, статистике, а в некоторых случаях еще и в библиотеках машинного обучения

Понадобятся аналитикам и Soft-скиллы: коммуникабельность (специалистам приходится постоянно взаимодействовать с коллегами, ставить цели и передавать задачи), стрессоустойчивость, желание развивать навыки и возможность работать даже с учетом сжатых сроков и молниеносно приближающихся дедлайнов.

Краткое описание

Big Data Analyst работает с большими данными, его клиенты в основном представители бизнеса, но не только – технологии «биг дата» во многих странах на государственном уровне используются в здравоохранении, медицине, фармации. Обработка, анализ и интерпретация данных позволяют взглянуть на привычные вещи по-другому, выявить новые процессы, феномены и т. д. В идеале аналитики больших данных должны разбираться в той сфере, в которой ведут деятельность, но на практике это далеко не всегда так.

Аналитик данных не ограничен одной областью, в которой работает. Технически его обязанности не меняются, меняется бизнес-контекст, и найти узкопрофильных специалистов, например, для медицины, в реальности практически невозможно. Также сложно искать вакансии внутри одной индустрии. Аналитики спокойно лавируют между компаниями, вливаясь в специфику по ходу работы.

Главный инженер «Сбера» по разработке в Data Analytics

Однозначного определения больших данных пока еще нет, но чаще всего под Big Data подразумевают наборы неструктурированных и разнородных данных, существенно превосходящие традиционные реляционные (структурированные) базы данных по объему. Сведения совершенно разного формата в общий массив поступают из разнообразных источников (датчики, приложения, камеры видеонаблюдения, социальные сети и т. д.) и постоянно пополняются в режиме реального времени. Сбором и обработкой нужной для определенных целей информации занимается аналитик больший данных.  

Описание профессии

Вклад аналитиков данных в бизнес-сферу (да и мир вокруг) несложно представить на реальных примерах, подготовленных независимыми исследователями из NewVantage Partners. Например, силами Data Analyst сервис Uber мгновенно рассчитывает стоимость поездок, безошибочно распределяет таксистов по улицам мегаполисов и с точностью до 98% предсказывает, в каком месте понадобятся дополнительные автомобили.

Не менее впечатляющую работу проделали аналитики из Unilever, которые вывели формулу привлечения аудитории с помощью рекламных объявлений в социальных сетях по четвергам и пятницам. Именно ближе к выходным потенциальная аудитория, как показала статистика, была заинтересована в покупке мороженого. Казалось бы, мелочь, но расходы на рекламу сократились на 80%.

Примеры Uber и Unilever лишь капля в море: аналитики данных повлияли и на бизнес в России — «Тинькофф», «Сбербанк» и «Яндекс» постоянно отчитываются о происходящих переменах во всех сервисах из-за проведенных исследований, которые основываются на проанализированной статистике.

И собирают данные непосредственно аналитики. Но скомпоновать тысячи разрозненных сведений лишь половина дела, понадобятся и дополнительные действия:

• Подготовка отчетов. Записи включают информацию о трендах в мире и выбранной бизнес-сфере, а заодно помогают брендам не пытаться еще раз экспериментировать в тех нишах, в которых уже провалились конкуренты
• Поиск закономерностей. Аналитики с легкостью способны выяснить, когда клиенты чаще выбираются в город за покупками, какие напитки выбирают в кафе и ресторанах и почему по субботам смотрят сериалы и кино
• Взаимодействие с командой. Профессионалы постоянно передают задачи, общаются с владельцами бизнеса, выстраивают рабочий график для сотрудников, а вместе с тем проверяют чужие отчеты
• Разработка гипотез. Статистику необходимо интерпретировать в реальное решение. Например, маркетинговому отделу давно пора сменить рекламные креативы, а разработчикам — добавить парочку новых кнопок
• Визуализация данных. Тысячи чисел не помогают разобраться в деталях, графики и диаграммы ни у кого не вызывают вопросов

Перечисленные действия и необходимы для подготовки будущих решений. А уж каких именно — зависит от мастерства аналитика.

Обучение на Big Data Analyst

Аналитику больших данных нужна подготовка в вузах, без высшего образования устроиться на работу практически невозможно. Стоит обратить внимание на следующие направления подготовки:

• «Математика и компьютерные науки» (код: 02.03.01);
• «Прикладная информатика» (код: 09.03.03);
• «Информатика и вычислительная техника» (код: 09.03.01);
• «Программная инженерия» (код: 09.03.04);
• «Механика и математическое моделирование» (код 01.03.03);
• другие направления подготовки, связанные с ИТ, математикой и компьютерными науками, информатикой, вычислительной техникой, управлением в технических системах. 

Пока ни один, даже самый крупный российский университет, не выдает дипломы, в которых записано, что выпускник может работать аналитиком больших данных. Но любая из программ, связанных с подготовкой программистов или ИТ-специалистов, станет хорошей базой для того, чтобы после окончания вуза (или параллельно с учебой) пройти курсы и получить профессию именно Big Data Analyst.  

И обязательно надо уделить внимание изучению технического английского языка.

Аналитик работает только в таблицах и не общается с людьми

Аналитик — это чаще всего профессия про общение. Конечно, аналитику нужно много работать с данными, чтобы доставать из них какие-то выводы. Но потом эти выводы нужно представить бизнесу, а для этого нужно уметь презентовать свою работу. 

Аналитику приходится часто общаться с заказчиками — с теми, кому понадобился анализ. Например, заказчик может прийти с просьбой составить миллион таблиц. Задача аналитика — расспросить заказчика, зачем это делать и какую проблему мы этим решаем. Может так оказаться, что на самом деле нужен не миллион таблиц, а новая модель данных, которая учитывает нынешнее положение компании.

В жизни многие заказчики приходят не с проблемой, а как раз со способом решения — сделай нам таблицы, посчитай вот такие-то цифры и всё такое. А хороший аналитик всегда выяснит, какой же настоящий запрос у заказчика и какую задачу он хочет решить.

Особенности профессии

Анализ больших данных позволяет создавать новые продукты, искать точки роста для бизнеса или, если, например, речь о применении в медицине, – выявлять причины развития заболеваний. Big Data Analyst ежедневно обрабатывает колоссальное количество данных, стремясь извлечь из них информацию, которая играет важную роль для бизнеса (спрос, предложение, конкуренция, ценовая политика на рынке и т. д.). Кроме этого, аналитик больших данных может разрабатывать модели машинного обучения.

В целом Big Data Analyst выполняет следующие задачи:

• собирает необходимые данные и готовит их к анализу;
• проводит дескриптивный анализ, интерпретирует и визуализирует данные;
• создает гипотезы, которые помогут принять решения.

Во время работы аналитик больших данных выявляет логические связи, на базе которых создаются новые стратегии.

Для предоставления полезной информации и отчетов аналитик должен уметь:

• интерпретировать данные, анализировать результаты с помощью статистических методов;
• применять математическую или статистическую теорию и методы для сбора, систематизации, интерпретации и обобщения числовых данных;
• применять интеллектуальный анализ данных, их моделирование, обработку естественного языка и машинное обучение для извлечения и анализа информации из больших структурированных и неструктурированных наборов данных.

Главный инженер «Сбера» по разработке в Data Analytics

Big Data Analyst может выполнять часть обязанностей Data Scientist и Business Intelligence, но все зависит от требований работодателя.

Ключевая разница аналитика больших данных и просто аналитика – в стеке технологий, которые они используют. Например, если речь не о больших данных, то может быть достаточным использовать SQL в реляционных БД, Excel, Python и мощность оперативной памяти вашего собственного компьютера. В случае же работы с Big Data нужно:

• уметь работать с MPP-системами (базы данных с массово-параллельной архитектурой), такими как Arenadata DB, Greenplum, Vertica, Teradata и т. д.;
• понимать основные принципы работы и уметь оптимизировать запросы и работать с большими таблицами;
• уметь работать с распределенными файловыми системами (HDFS и S3) и соответственно уметь пользоваться инструментами для работы с ними (Spark, Hive, Impala, Hbase).

Главный инженер «Сбера» по разработке в Data Analytics

Правда ли, что сейчас нужен аналитик почти в каждую компанию?

Если коротко, то да. 

Раньше был упор на дата-сайентистов, но сейчас всё больше вакансий дата-аналитиков. Проблема в том, что многие не понимают разницы между сайентистами и аналитиками данных.

Аналитик данных больше общается с бизнесом. Он больше про помощь бизнесу и принятие бизнес-решений, и именно про таких специалистов мы сейчас и говорим.

Дата-сайентист — больше про код. Это такой исполнитель, который редко общается с заказчиками. Он больше работает внутри кода: настраивает нейросети, занимается машинным обучением, оптимизирует функции и так далее.

Ещё есть бизнес-аналитики и продуктовые аналитики, которые занимаются немного другими вещами. В вакансиях часто всё перепутано, поэтому, если будете искать работу аналитиком, смотрите на обязанности, а не на название вакансии.

Сравнение зарплат аналитиков в зависимости от уровня компетенций

Уровень профессиональных качеств аналитика является ключевым коэффициентом формирования его заработной платы. В IT сформировались 4 основные градации специалистов: Junior, Middle, Senior и Lead. Узнаем, сколько зарабатывают аналитика в разрезе этих характеристик на графике:

Из графика следует, что, в среднем:

• «Мидл» зарабатывает больше «Джуниора» на 16%.
• «Синьор» зарабатывает больше «Мидла» на 11%.

Наиболее заметное увеличение дохода аналитика происходит при трансформации из «Джуна» в «Мидл»-специалиста.

Таблица сравнения зарплат по уровню грейда

А теперь сравним зарплаты аналитиков в таблице:

Динамика изменений среднего уровня зарплат аналитиков

График изменения зарплат по уровням (Junior, Middle, Senior, Lead) аналитиков

Востребованность специалистов в зависимости от компетенций

Уровень компетенций аналитиков прямо влияет не только на размер оплаты труда, но и на востребованность на рынке. Оцените текущий спрос на круговой диаграмме:

Как мы видим, наиболее востребованными являются специалисты уровня Middle.

Традиционно, сложнее всего найти работу по специальности аналитика «Джуну». Это подтверждает и наша диаграмма.

Курсы по базам данных

• 

  Руководитель: эффективное управление

Открытые вакансии аналитиков

В GeekLink сейчас есть 16 открытых вакансий для аналитиков. Вот примеры последних опубликованных предложений:

👉 Смотреть все вакансии

Методология расчета статистики:

01 декабря 2023 года мы собрали все открытые вакансии в категории Аналитик и установили максимальные, минимальные и средние оклады, которые предлагали работодатели. Зарплаты, указанные в валюте мы перевели в рубли по текущим курсам ЦБ РФ на момент формирования статистики.

Статистика обновляется в автоматическом режиме 1 числа каждого месяца. Она не отражает картину трудового рынка в целом, так как собирается только на основе данных GeekLink. Завышенные или заниженные уровни зарплат в отдельных когортах объясняются небольшим количеством вакансий, участвующих в подготовке материала.

Чем больше вакансий будет публиковаться на платформе GeekLink, тем более точными будут становиться данные, отражающие уровень зарплат аналитиков. Поделитесь своим опытом трудоустройства по этой специальности или другими полезными наблюдениями по теме в комментариях. 💬

Что должен знать и уметь аналитик данных

Аналитик данных комбинирует в работе методы математики, программирования и анализа бизнес-процессов. Вот что должны знать и уметь все аналитики.

Знать математику и статистику. Аналитику данных необходимо знание теории вероятности, линейной алгебры, математического анализа и углублённой статистики. Это важно для анализа данных — например, для поиска закономерностей и аномалий — и для построения прогнозов. Значительная часть математических функций уже реализована в Python и функциях Excel, поэтому важно именно понимание теории.

Уметь программировать. Языки программирования нужны, чтобы автоматизировать работу. На них пишут запросы к базам данных, с их помощью обрабатывают данные и строят отчёты. Чаще всего от аналитика данных ожидают, что он владеет языками Python, R, SQL.

Уметь работать с таблицами Google и Excel. Большинство данных, с которыми работает аналитик, содержится в таблицах. Кроме того, в Excel и «Google Таблицах» обрабатывают данные, строят прогнозы и составляют отчёты.

Уметь работать с инструментами визуализации. Это могут быть такие BI-системы, как Power BI, Tableau, Qlik. Они нужны, чтобы предоставлять данные в виде дашбордов. Так сотрудникам компании проще пользоваться полученной информацией.

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

Уметь общаться с людьми нетехнических специальностей. Аналитик взаимодействует с сотрудниками компании гораздо чаще, чем, например, с разработчиками и дата-инженерами. Поэтому он должен уметь объяснять даже самые сложные вещи понятным языком, избегая технических терминов.

Кроме того, есть набор специфических навыков для разных специальностей. Например, маркетолог-аналитик и веб-аналитик должны уметь работать с «Яндекс Метрикой» и Google Analytics, а финансовый аналитик — с бухгалтерской отчётностью.

Несмотря на то что аналитики данных работают в разных областях, для специалистов характерны общие личные качества: аналитический склад ума, внимательность и усидчивость. Аналитик должен обладать здоровым скептицизмом и быть готовым постоянно учиться.

На чём могут специализироваться аналитики данных

Специализаций у аналитиков данных много. Расскажем о некоторых из них.

Маркетолог-аналитик. Это специалист, который анализирует рынок, конкурентов, поведение покупателей и вообще весь маркетинг компании. На основе анализа он может построить маркетинговую стратегию, распределить бюджет или дать рекомендации по тому, что изменить, чтобы результаты улучшались. Его глобальная цель — сделать так, чтобы компания зарабатывала больше. 

Продуктовый аналитик. Это специалист, который помогает бизнесу понять, как пользователи взаимодействуют с продуктом, например с онлайн-сервисом. Продуктовый аналитик исследует метрики и предполагает, как можно их улучшить. 

Бизнес-аналитик. Специалист, который занимается сбором, хранением и анализом данных о результатах деятельности компании. Он автоматизирует отчётность, тестирует гипотезы, моделирует ситуации, ставит задачи разработчикам, внедряет специализированные IT-системы — например, ERP, CRM. 

Гейм-аналитик. Этот специалист собирает и анализирует данные, которые помогают понять, интересна ли игра пользователям или в ней нужны изменения. Например, он может оценить, как меняется среднее время, которое пользователи проводят в игре, или какие действия они совершают чаще. Гейм-аналитик обычно работает вместе с геймдизайнером и гейм-продюсером.

Финансовый аналитик. Это специалист, который помогает бизнесу управлять финансами. Цель его работы — изучить, что происходило с финансами в прошлом, и прогнозировать будущие финансовые данные. Он может, например, строить финансовые модели для новых проектов или рассчитывать их срок окупаемости. 

Системный аналитик. Это специалист, который работает с IT-системами. Он переводит требования к IT-продукту с языка бизнеса на язык разработки и контролирует процесс создания продукта вплоть до запуска в работу. Он должен сделать так, чтобы на всех уровнях системы — от баз данных до пользовательского интерфейса — всё работало корректно. 

Веб-аналитик. Этот специалист анализирует данные об интернет-пользователях. Например, анализирует, как ведут себя посетители сайта, и предполагает, что можно изменить, чтобы они чаще оформляли заказы. Веб-аналитик нужен компаниям, которые продвигают продукты в интернете. 

Есть и другие направления работы. Например, 1С-аналитик отвечает за внедрение продуктов компании «1C», аналитик маркетплейсов — за анализ данных о продажах на этих площадках, UX-аналитик — за анализ данных о том, как пользователи взаимодействуют с сайтом или приложением.

Сравнение зарплат аналитиков в зависимости от занятости

Влияние формы занятости оказывает меньшее влияние на оклад специалиста, тем не менее, интересно сравнить, сколько зарабатывают аналитики, трудящиеся на «удаленке», в офисе или гибридном графике. Релокация не является формой занятости, но мы также добавили ее в сравнение, так как в IT-рекрутинге под понятием «relocate» принято считать трудоустройство с последующим переездом (чаще всего в другую страну), что по сути, представляет собой новый, набирающий популярность формат трудоустройства в IT-сфере.

Таблица сравнения зарплат по форме занятости

В таблице ниже представлены зарплаты аналитиков в зависимости от формы занятости:

Востребованность специалистов в зависимости от занятости

Сравним востребованность аналитиков на рынке труда, устроенных на «удаленке», в офисе или гибридном режиме. Здесь же присутствует «Релокация» по причине, озвученной выше.

Из диаграммы следует, что больше всего работодателям требуются аналитики для работы в удаленном формате.

Примеры компаний с вакансиями big data analyst (аналитика больших данных)

Материал может содержать рекламу. Информация о рекламодателе по ссылкам в статье.

Как попасть в профессию — опыт Дарины

Дарина захотела стать аналитиком ещё в школе, поэтому после окончания она поступила в СПБГУ, чтобы специально выучиться на аналитика. Во время учёбы Дарина брала подработку — например, работала в проекте, связанном с медицинскими данными. Также подрабатывала репетитором математики у школьников.

А потом ей встретилась вакансия Практикума — открывались курсы по анализу данных. Дарина написала в Практикум, и её взяли как преподавателя на курс.

Лучший способ освоить профессию на старте — это практика. Как можно больше практики. Если есть возможность совмещать учёбу и реальные проекты — это сразу ускорит ваше погружение в тему и поможет лучше разобраться в предмете. Многим компаниям нужны те, кто возьмёт на себя несложную, но нужную работу — и им хорошо, и вам полезно.

Заработная плата

Уровень дохода Big Data Analyst стабильно высокий. На размер зарплаты влияют несколько факторов:

• уровень профессиональных знаний;
• регион и сфера ведения деятельности;
• опыт и наличие дополнительного образования. 

Кто такой аналитик данных

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

Предположим, собственник компании хочет пересмотреть ассортимент: понять, каких товаров нужно закупать больше, а каких — меньше. Аналитик данных изучает данные о продажах и выясняет, что 90% выручки компании приносят 15 товаров. Ещё 10 товаров приносят 8% выручки. Пять товаров генерируют 2% выручки, но компания продаёт их в убыток, потому что тратит много денег на хранение и доставку. Собственник решает отказаться от этих пяти товаров.

Аналитик данных — зонтичное понятие. Так называют людей, которые работают с самыми разными данными — о маркетинге, финансах, продуктах и так далее. Подробнее о специализациях мы поговорим ниже.

Анализ данных нужен любому бизнесу, который работает с данными, даже малому. Небольшой бизнес обрабатывает, например, данные о клиентах, продажах, выручке. Обычно таких данных немного, поэтому задачи по аналитике могут поручать маркетологам, бухгалтерам, продакт-менеджерам и другим специалистам.

В крупных и средних компаниях данных намного больше. В них часто практикуют data-driven-подход — это стиль управления бизнесом, при котором решения принимают на основе цифр и данных. Такие компании часто нанимают аналитиков.

Профессия аналитика данных востребована сейчас и останется востребованной в будущем. Объём данных, которые используют во всём мире, быстро увеличивается. В 2020 году он достиг 64,2 зеттабайта. По прогнозам, к 2025 году он вырастет до 180 зеттабайт или более.

Специалист с похожими обязанностями — дата-сайентист (data scientist). Это программист, который создаёт модели, предсказывающие результат. Для этого он сначала ищет в массивах данных связи и закономерности, на основе которых и строит модель. Разница между дата-сайентистом и дата-аналитиком в том, что аналитик не строит модели, а занимается анализом данных.

Например, дата-сайентист может создать программный алгоритм, который анализирует финансовые операции клиента и рекомендует решение: выдать ему кредит или отказать. Аналитик данных ставит перед дата-сайентистом эту задачу, а после делает полезные для бизнеса выводы на основе полученной информации. Проанализировав статистику, аналитик может рекомендовать банку сократить или увеличить объёмы кредитования.

Задачи бизнес-аналитика и дата-сайентиста нередко пересекаются, но каждый занимается своей частью работы.

Сколько зарабатывают аналитики данных?

Сайты рекрутинговых агентств HeadHunter и SuperJob переполнены вакансиями без конкретных зарплатных вилок: информацию о премиях, карьерном росте и непосредственно зарплате многие работодатели стараются не раскрывать до собеседования.

А потому на HH пригодится список для сортировки доступных объявлений. Например, переключившись на пункт «от 25 000 рублей», в поисковой выдаче появится не меньше 1 200 объявлений с конкретными «расценками».

Но и там полная неразбериха: половина объявления для стажеров, часть — для веб-аналитиков, а еще под 500 штук — для Middle-специалистов с опытом от 3–4 лет.

А потому составлять представление о зарплате аналитиков данных приходится через «третьи руки», то есть, через сравнения вилок для всех специалистов в индустрии от сервиса «Нормальные исследования». Результат следующий: стажеры в регионах зарабатывают от 25 000 до 50 000 рублей, в Москве — от 40 000 до 80 000. Middle-специалистам платят уже от 100 000 рублей по всей стране. С опытом от 3–6 лет ставка поднимается уже до 300 000 рублей.

Место работы

В Big Data Analyst заинтересованы консалтинговые, финансовые, медицинские, рекрутинговые, логистические и другие компании. Их услугами пользуются крупные мобильные операторы и интернет-компании масштаба «Яндекса» и Google, правоохранительные органы, представители сферы торговли, нефтегазовой и других отраслей. Вакансий в регионах много, поэтому проблем с поиском работы у аналитиков больших данных не будет.

Какие софт-скиллы полезны

Софт-скиллами принято называть не профессиональные, а личные качества человека. Многие считают, что настоящему профи достаточно хорошо делать свою работу, а всё остальное неважно, но в жизни всё не так. Никому не приятно работать с человеком, который не умеет общаться с коллегами и ведёт себя как сноб.

Что из софт-скиллов особенно ценится в аналитике:

Ответственность: готов ли я взять ответственность за решения и конечный результат? Например, аналитик решил скрыть ошибку от заказчика и не исправил её, но на итоговые выводы это не повлияло — это безответственно или нет?

Проактивность: готов ли я сам предлагать какие-то решения, или буду ждать, пока меня об этом спросят или поставят задачу?

Критическое мышление: могу ли я критически посмотреть на продукт? Могу ли я понять, что мы работаем с некорректными данными? Могу ли я отличить какие-то безумные результаты от адекватных?

Короче, софт-скиллы — это важно, даже если вы почти всё время работаете только с данными.

Топ зарплат аналитиков в зависимости от специализации

Спецализация аналитика также может сильно влиять на уровень зарплаты. Ниже мы перечислили популярные направления аналитиков, по которым у нас есть достаточно данных для определения средних зарплат. Чтобы посмотреть подробную статистику по каждой из специализаций, просто кликните по ее названию.

Согласно данным таблицы, больше всего зарабатывает Data Scientist, а меньше всего Маркетолог-аналитик.

Курсы

В онлайн-университете открыт факультет аналитики Big Data, который гарантирует выпускникам трудоустройство. Курс создан для начинающих аналитиков, также он заинтересует опытных IT-специалистов. В программу включено машинное обучение, Big Data, алгоритмы обработки и анализа данных, другие нужные в практической работе дисциплины. После окончания курса студенты сдают выпускной проект, при успешной защите получают документы о переподготовке.

Средняя зарплата аналитика

На 2023 год средняя зарплата аналитика, по данным Хабр Карьеры, — 127 000 рублей. Для начинающих аналитиков — 90 000 рублей. Вакансий на рынке много, хороших предложений — мало. Это значит, что если у вас есть хорошая база и желание развиваться дальше, то работу будет найти гораздо проще. За хорошей базой приходите в Практикум на курс «Аналитик данных» — там бесплатный старт и много реальных кейсов, которые можно положить в портфолио.

Инструменты для работы

SQL — язык запросов для работы с базами данных. С его помощью аналитики вытаскивают из базы нужную информацию по разным критериям.

Язык программирования R, Python или опыт работы в Excel. Какие-то расчёты и визуализации можно делать внутри Excel, какие-то — в Python. Начать можно с погружения в Excel, а дальше — как пойдёт. Если что, для начала работы аналитиком достаточно минимального знания языка программирования — главное, чтобы код работал, а красота и скорость работы придут с опытом.

Математика, основы статистики и теории вероятности. Анализ данных — это прежде всего работа с цифрами, построение моделей, гипотез и их проверка. Для этого нужно знать математику, разные формулы и уметь применять это всё на практике. Совсем на старте достаточно хороших школьных знаний, но в процессе работы лучше изучить это поглубже.

Платные курсы

Информация о курсах для аналитиков данных включает целую серию рекомендаций и для тех, кто лишь начинает знакомство с индустрией, и для тех, кто переходит с позиции Junior на новые ступени стремительно развивающейся карьеры. И, раз уж рекомендаций достаточно много, то ниже — три лучших курса по мнению редакции.

Профессия «Аналитик данных: расширенный курс» от «Нетологии»

Фундаментальный курс от «Нетологии», воспитывающий будущих специалистов за 13 месяцев с нуля и до позиции Middle. Образовательная программа включает знакомство сразу с несколькими языками программирования, а еще — визуализацию данных, развитие эмоционального интеллекта и правила работы в команде.

Обучение на платформе построено в нескольких форматах — кроме видеолекций и вебинаров, предусмотрены командные проекты, разговорные сессии с наставниками и тематические факультативы. Финальный этап — защита дипломного проекта (разработка кейса по выбранному направлению).

Программа «Нетологии» разделена на тематические модули: начинать знакомство с курсом предстоит с особенностей аналитического мышления и SQL, а заканчивать — английским языком для аналитиков и инструментами анализа и визуализации данных. Обучение насыщенное, а потому важно постоянно поддерживать набранный темп.

Аналитик данных с нуля от Skillbox

Разработаться в анализе данных студенты способны и на курсе от Skillbox: за время обучения новички разберутся в сервисах аналитики, научатся писать код на Python и обращаться к базам с информацией с помощью SQL, а еще — проверять гипотезы и визуализировать статистику.

Курс содержит сотни видеолекций, включает несколько дополнительных факультативов, а вместе с тем сразу же погружает в разговорный английский язык. Доступны во время обучения и экзамены с тестами: некоторые представлены в виде заданий в тренажерах, а другие станут проектами для портфолио.

Обучение на курсе «Аналитик данных с нуля» построено на свободном графике — студентам в любое время доступен образовательный материал, а связь с наставниками возможна и ранним утром, и поздней ночью.

Бесплатные курсы и лекции

Анализ данных разбирают и за пределами популярных онлайн-школ. Например, сразу несколько курсов для аналитиков доступны на платформе Stepik. Взять хотя бы в расчет целый путеводитель для тех, кто лишь начинает путь в индустрию, или Big Data.

Альтернативный способ погрузиться в профессию — заглянуть на официальный сайт Microsoft и разобраться в принципах анализа и визуализации данных с помощью Power BI. Курс включает информацию и для новичков, еще незнакомых с аналитикой, и для профессионалов, заинтересованных в пополнении собственного портфолио новыми проектами.

Встречаются курсы для аналитиков и на сайте Coursera, но лишь на английском языке (зато с сертификатами и от лучших преподавателей из США и Европы). Как вариант — за 6 месяцев на курсе Data Analyst от Google разбираются сотни инструментов и десятки проектов и бизнес-сценариев. Ближайшая альтернатива — Data Science от Harvard University. Правила те же — для новичков, на английском, зато с сертификатом.

Найдутся обучающие видеоролики для новичков и на YouTube: в тематическом плейлисте «Курсы для аналитиков данных» собрана сотня видеороликов с теорией и разбором языков программирования, а вместе с тем и практикой — проектами, сбором и анализом данных. И, хотя хронологии в плейлисте недостает, зато в списке нашумевшие ролики от VK Team, Skillbox и аналитиков со стажем.

Книги и Telegram-каналы для аналитиков данных

Кроме платных и бесплатных курсов, аналитикам данных понадобится и профильная литература. И речь необязательно о характерной для профессии документации с запутанными формулировками, но и о книгах с почти художественным повествованием:

• «Python и анализ данных». Маккини Уэс. Исчерпывающее пособие по математической статистике, аналитике данных и визуализации собранной информации. Некоторые главы связаны еще и с основами IPython и NumPy, а вместе с тем затрагивают Pandas и Matplotlib
• «Голая статистика». Чарльз Уилан. Культовая книга от преподавателя экономики, старательно разбирающего основы статистики с помощью наглядных графиков и текстовых «сценариев». Книга не пытает новичков терминами, а вместе с тем показывает, как выбирать неожиданные, но правильные решения даже в критических ситуациях
• «Бизнес-моделирование и анализ данных». Уэйн Винстон. Практическое пособие по Microsoft Excel. И речь не о таблицах и отчетах, но и о моделировании нестандартных ситуаций, расчетах и гипотезах, выборе и инструментах проверки зависимостей. Кроме теории книга Винстона наполнена бизнес-задачами, способными вовлечь в обучение даже тех, кто не слишком-то и знаком с аналитикой
• Все лгут. Поисковики, Big Data и Интернет знают о вас все. Сет Стивенс-Давидовиц. Научное и отчасти философское исследование, затрагивающее и аналитику данных, и социологические факторы поведения аудитории. Разбираются в книге и принципы взаимодействия с информацией —  от сортировки до передачи третьим лицам

А еще аналитикам пригодятся Telegram-каналы: некоторые станут источником вакансий (например, в чате «Работа ищет специалистов» почти каждый день появляются новые объявления для Junior и Middle-аналитиков), другие же станут подспорьем во многих начинаниях. Тот же канал «Инжиниринг данных» постоянно разбирает тренды в IT-индустрии, а среди сообщений Reveal the Data несложно найти информацию про визуализацию, отчетность и развитие BI-систем.

Какое направление аналитики выбрать?

Сфера аналитики включает сразу несколько специальностей с похожими названиями, из-за чего даже на сайтах рекрутинговых агентств возникает весьма ощутимая путаница. А потому редакция блога и провела расследование и выяснила критерии обозначения сразу нескольких профессий. Например:

На HeadHunter предостаточно вакансий для маркетинговых аналитиков, привлекающих новых клиентов через рекламу, а еще для тех, кто знаком с инструментами BI для автоматизации отчетности и тестирования гипотез.

Чем занимается аналитик данных

Работу аналитика данных можно описать простыми словами так: он получает из больших данных полезную информацию, на основе которой можно принимать правильные решения.

Вот задачи, которые решают все аналитики данных:

• Сбор данных. Аналитик берёт данные из внутренних и внешних источников — онлайн-сервисов, документов и баз — и объединяет их для дальнейшей работы.
• Обработка данных. Аналитик удаляет ненужные данные, очищает их от ошибок и повторов. Решает, как их можно отсортировать, и упорядочивает. На практике это занимает до 80% всей работы аналитика.
• Интерпретация. Аналитик ищет закономерности в данных и выявляет аномалии. Выясняет, как метрики влияют друг на друга, и рассчитывает необходимые для бизнеса показатели.
• Построение отчётов. Аналитик готовит отчёты и визуализирует их, то есть представляет результат работы в виде, например, графиков и диаграмм.
• Выводы. Это может быть логическое умозаключение или рекомендация. Например, аналитик может выяснить, почему изменилась какая-то метрика, или выдвинуть гипотезу: что можно сделать, чтобы улучшить результаты.

Набор других задач специалиста определяется тем, с какими данными он работает.

Профессиональные знания

1. Дескриптивный, пространственный, статистический анализ.
2. Business Intelligence, SQL.
3. Несколько языков программирования, в первую очередь Python.
4. Технический английский язык.
5. ETL, OLAP.
6. Data Mining. 
7. Витрины и хранилища данных.
8. Искусственные нейронные сети. 
9. Машинное обучение.

Насколько востребована профессия?

Спрос на аналитиков данных в России не меняется уже долгие годы: на HeadHunter и SuperJob каждый месяц появляются сотни вакансий для начинающих и уже накопивших немного (или даже много) опыта специалистов. Часть объявлений (а если точнее, то почти 80%) приходится на Московскую область — там рады и выпускникам онлайн-курсов, находящихся в поиске подходящего места для прохождения стажировки, и «сеньорам», претендующим на зарплату в 300 000 рублей.

С регионами ситуация сложнее — вакансий в разы меньше, но зато доступны редкие по меркам индустрии позиции, вроде разработчиков отчетности (из обязанностей — разработка аналитических моделей и внедрение нестандартных задач) и специалистов по интеграции стороннего ПО в инфраструктуру. Зарплаты в регионах соответствующие — от 25 000 рублей для стажеров и от 60 000 для Middle-специалистов.

Проблему с недостаточно высокой зарплатной ставкой практикующие специалисты часто решают с помощью подработок на Kwork и сторонних биржах фриланса. Анализ данных с последующей визуализацией собранных сведений приносит фрилансерам от 500 до 3 000 рублей за каждый заказ.

Не менее популярны аналитики данных и в США с Европой: профессия последние 5 лет входит в список наиболее прибыльных (средний доход в год — 75 тысяч долларов) и крайне перспективных. И, как подсказывают все те же аналитики, ситуация едва ли поменяется в ближайшие годы. Скорее наоборот — зарубежные работодатели обязательно заинтересуются специалистами из России и с радостью помогут и с получением визы, и с релокейтом.

Лучшие вузы для Big Data Analyst

1. РУДН.
2. МГТУ им. Н. Э. Баумана.
3. НГУ.
4. ДВФУ.
5. СПбПУ.
6. УрФУ.
7. УГАТУ.
8. АлтГУ.
9. ЮУрГУ (НИУ).
10. ОмГУ им. Ф. М. Достоевского.

Зачем на самом деле нужны аналитики данных

Многие начинающие аналитики зацикливаются на деталях — каких-то навыках, языках и фреймворках, без которых сложно в профессии. Начинающие аналитики углубляются в данные, изучают модели, но построение моделей — это только один из инструментов аналитика. 

Главная идея анализа данных — это помочь бизнесу принять верное решение. Цель не в том, чтобы построить миллион графиков, а в том, чтобы помочь компании решить свои бизнесовые задачи. Именно за это аналитикам платят хорошие зарплаты — за то, что их работа позволяет компании зарабатывать больше или тратить меньше.

Важные личные качества

Big Data Analyst работает с огромными массивами информации, что накладывает отпечаток на его характер. Чтобы справляться с обязанностями, аналитику больших данных надо:

• быть дисциплинированным, усидчивым, терпеливым и методичным;
• уметь долго концентрировать внимание;
• быть способным работать в режиме многозадачности;
• обладать развитым техническим и аналитическим мышлением;
• уметь работать в команде.

Кроме того, аналитик больших данных должен быть достаточно прагматичным, уверенным в своих силах, ведь от его умения делать выводы на основании полученной информации во многом зависит успех бизнеса и принятие стратегически важных решений. 

Как стать аналитиком данных

В аналитике данных можно стартовать с нуля, без опыта: занять позицию стажёра и научиться всему на практике. Многие компании готовы обучать молодых специалистов. Но на старте зарплата будет небольшой — около 50 тысяч рублей.

Найти работу легче тем, у кого уже есть опыт решения задач, связанных с аналитикой. Поэтому в анализ данных часто приходят специалисты из смежных отраслей. Например, разработчики — они уже знакомы с языками программирования, или маркетологи — они умеют работать с системами аналитики на базовом уровне.

Также шансы попасть на стажировку повышаются у тех, кто прошёл профильные курсы. Курсы позволяют освоить главное — понять, как работает аналитика, научиться работать с базами данных и отчётами и строить дашборды. Более сложные скиллы можно получить на практике.

Высшее образование не обязательно. Но оно будет преимуществом для тех, кто строит карьеру. Есть профильные программы высшего образования для аналитиков, но подойдут и другие. Например, часто в эту сферу приходят люди с математическим или экономическим образованием.

Источник: Skillbox Media

Понравилась статья?

Поделитесь с друзьями!

Читайте также

Сколько зарабатывает аналитик данных

Бизнесу нужна качественная аналитика, а квалифицированных специалистов на рынке пока ещё не так много. Поэтому в аналитике данных сравнительно большие зарплаты.

Рассмотрим зарплату специалистов в штате, которую предлагают на HeadHunter. Доход зависит от ступени квалификации — их три: джун, мидл и сеньор.

Джуниор — начинающий специалист. Работодатели ждут, что он освоил SQL на базовом уровне, может писать простой код на Python, знает Excel и работает с базами данных. Его зарплата — от 40 тысяч до 80 тысяч рублей в месяц.

Мидл — специалист с опытом работы от года. Он хорошо знает SQL и Python, статистический анализ, моделирование. Мидл может претендовать на зарплату от 100 до 200 тысяч рублей в месяц.

Сеньор — специалист с опытом работы от трёх лет. Он знает языки программирования на продвинутом уровне, отлично разбирается в статистическом анализе и визуализации данных. А ещё понимает, как устроены бизнес-процессы, умеет общаться с бизнес-заказчиками и разработчиками. Сеньор может получать от 150 до 300 тысяч в месяц.

Аналитик данных может зарабатывать и больше — только на HeadHunter в июле 2023 года было более 150 вакансий с доходом более 315 тысяч рублей в месяц. Столько предлагают мидлам и сеньорам с хорошими скиллами, а также тем, кто готов занять позицию старшего аналитика или руководителя отдела.

Плюсы и минусы профессии

Аналитики данных востребованы в РФ и в мире, много зарабатывают (и речь не только о зарплате, но и о премиях и бонусах) и всегда найдут работу — и на сайтах рекрутинговых агентств, и на биржах фриланса. Плюсов уже предостаточно, но профессия скрывает и иные преимущества:

• Достаточно низкий порог вхождения: стать аналитиком вполне реально на онлайн-курсах за 6–8 месяцев активного обучения
• Аналитики часто работают дистанционно и редко придерживаются конкретного графика — достаточно выдавать результат
• Активный горизонтальный и вертикальный рост — специалисты способны занимать руководящие должности или переходить в соседние сферы
• Масштабные проекты от крупных IT-брендов многих стран — именно силами аналитиков развивается «Сбербанк», ВТБ и даже «Яндекс»
• Частая смена деятельности — кроме сбора и анализа данных, специалисты проводят оптимизацию проектов

Недостатки у профессии привычные для IT-индустрии: постоянная рутина (бесконечные созвоны, обработка статистики, подготовка отчетов), беспрерывное обучение («айтишники» обязаны подстраиваться под переменчивое состояние рынка и всегда быть в «тренде»), растущий уровень ответственности.

И чем больше должностных обязанностей у аналитика, тем и ответственности больше — специалисту придется отстаивать собственное мнение перед руководством, а после еще и привыкать к разбору всевозможных ошибок и проблем.

Заключение

Аналитики данных популярны в России — работодатели, даже несмотря на переменчивое состояние рынка труда из-за действующих санкций, находятся в активном поиске и стажеров, знакомых с Python и базами данных, и Middle-специалистов с многолетним опытом работы. Постоянно растущий спрос на новичков и профессионалов во многом связан с постепенным замещением зарубежного бизнеса отечественными аналогами.

Мессенджеры, социальные сети и даже кэшбэк-сервисы — Россия все меньше зависит от американских и европейских идей, но все сильнее нуждается в тех, кто способен практически с нуля разработать похожие (или даже более качественные) проекты и привлечь новую аудиторию. Но перед разработкой необходим подробный анализ: и состояния рынка, и платежеспособности потребителей, и прибыльности различных ниш.

Без точных расчетов бизнес не принесет пользы, а силы сотен сотрудников будут потрачены зря. Потому-то аналитиков и ждет безбедное будущее: работа в тяжелых условиях рынка обязательно найдется. И заказчиками, как подсказывают независимые эксперты, выступят и российские работодатели, и китайские партнеры.

Плюсы и минусы профессии

1. Профессия новая и стремительно набирает популярность.
2. Большое количество клиентов заинтересовано в услугах Big Data Analyst.
3. Специалисты по большим данным получают высокую заработную плату.
4. Возможность получить работу мечты в крупной российской компании, например, «Яндекс» или Mail.ru Group, или деловое предложение от зарубежных корпораций, холдингов: аналитика Big Data – это дорогое удовольствие, позволить его себе могут только гиганты бизнеса или госструктуры.
5. Возможен профессиональный рост и смена профиля деятельности.

1. Работа малоподвижная и однообразная.
2. Часто ненормированый рабочий день.
3. Постоянное психологическое напряжение.
4. Нет вакансий в небольших городах, но этот недостаток компенсируется возможностью работать удаленно. 

Курсы, лекции и литература?

Специальности, связанные с аналитикой данных, в российских колледжах и вузах до сих пор не появились: абитуриентам по-прежнему приходится поступать на математические факультеты и уже по ходу дела разбираться с информатикой, вычислительной техникой и статистикой.

Теоретически смежные дисциплины в будущем обязательно пригодятся — в качестве своеобразного фундамента для будущих практических экспериментов. Но рассчитывать лишь на информатику и статистику в долгосрочной перспективе бессмысленно, а потому на 2–3 курсах студентам желательно уже приступить к обучению в онлайн-школе. Так появится шанс сразу после выпуска найти подходящую вакансию или хотя бы стажировку. 

Выводы

• Аналитик данных помогает бизнесу заработать больше денег или оптимизировать разные процессы.
• Для работы нужно знать математику, статистику, вероятности и уметь немного программировать.
• Чем раньше вы начнёте заниматься реальными задачами, тем быстрее вырастете в квалифицированного аналитика. Практика решает.
• Софт-скиллы — это важно. Не забывайте про это.
• Работы много, спрос есть. Учиться на аналитика не будет поздно ещё долго.