Работа аналитиком-методологом в Ростове-на-Дону

Работа аналитиком-методологом в Ростове-на-Дону Аналитика

Что такое большие данные

На уроках математики в школе вы постоянно работали с данными: складывали, умножали, делили в уме или в столбик. Возможно, вы также ведёте семейный бюджет в блокноте или в таблице — вносите информацию и используете простые формулы: находите суммы, разности, средние значения.

Большие данные — это когда информации действительно много: чёткой границы нет, но обычно речь идёт о гигабайтах, если не о терабайтах. Эти массивы могут поступать сразу из множества источников: интернет‑магазинов и социальных сетей, промышленных систем управления качеством, систем видеонаблюдения, устройств интернета вещей.

Данные отличаются по структуре, бывают упорядоченными и нет. Например, история операций по кредитке упорядочена по времени, а характеристики смартфонов на складе можно хранить без строгого порядка.

Плотность данных также может быть разной: одни системы выполняют измерения каждый час, другие — несколько раз в секунду. Соответственно, и объёмы информации отличаются: от нескольких килобайт до сотен гигабайт.

Работать с большими данными вручную сложно: это долго, дорого и неэффективно. Поэтому для анализа таких массивов используют средства автоматической обработки.

Короткое введение

Сухих формальных определений и другого подобного рода материалов по системному и бизнес-анализу на просторах Интернет хватает, так что не стану повторяться. Так же ни в коем случае не собираюсь и пересказывать содержание книги «Путь аналитика. Практическое руководство IT-специалиста».

В последнее время описываемой области знаний уделяется весьма скромное внимание. Выражается это в самых разных вещах. Например, до сих пор нет стандарта де-факто на профессию «Системный аналитик». Конечно, есть Международным институт бизнес-анализа (International Institute of Business Analysis, IIBA)

К слову, в настоящее время создается российское отделение IIBA. Не буду рекламировать, но все желающие могут легко найти соответствующую группу в LinkedIn.

Так же число книг по IT-аналитике заметно меньше, чем по другим IT-дисциплинам (буду рад ошибиться по данному вопросу — возможно, какие-то важные книги в этой области прошли мимо меня). Даже на Хабре статьи непосредственно по аналитике за последние пару лет можно пересчитать чуть ли не по пальцам одной руки (1, 2, 3, 4). Ну да имеем что имеем. В конце концов, все в наших руках.

Аналитик, работа аналитиком, вакансии аналитик в ростове-на-дону

Работа аналитиком-методологом в Ростове-на-Дону
Работа в Ростове-на-Дону / Вакансии / Бухгалтерия, финансы, аудитАналитик 1С, Аналитик бизнес-процессов, Аналитик отдела продаж, Бизнес-аналитик, Системный аналитик, Ведущий аналитик, Кредитный аналитик, Программист-аналитик,


Аналитики — кто это?

По большому счету в сфере ИТ можно выделить два вида их специализации:

  • Системные аналитики
  • Бизнес-аналитики (данная роль относится не только к ИТ).

Несмотря на то, что решаемые задачи и требуемые навыки у них существенно различаются, на ИТ-проектах в большинстве случаев обе эти роли объединяет в себе один сотрудник (или группа сотрудников). Разделение иногда встречается (например, обычно на проектах для финансовых организаций), но такие случаи в меньшинстве.


Формальные определения без труда гуглятся, а по сути:

  • Главные задачи системного аналитика: сбор, анализ, формализация и согласование требований к системе. Другими словами, управление требованиями на протяжении всего их жизненного цикла. Основной, хотя обычно не единственный, документ на выходе – техническое задание или его аналог. На этом остановимся подробнее ниже.
  • Главные задачи бизнес-аналитика – изучение, описание, анализ и (при необходимости) реинжиниринг бизнес-процессов. Основной документ на выходе – описание бизнес-процессов As Is (обязательно) и To Be (при необходимости).

Первый в обязательном порядке должен иметь хороший ИТ-бэкграунд. Для второго он хоть и желателен, но не обязателен. Нередко бизнес-аналитиками становятся люди с экономическим образованием. Первый должен свободно говорить на одном языке с разработчиками и с бизнес-пользователями, для второго достаточно только бизнес-пользователей.

Другими словами, можно устроиться бизнес-аналитиком на крупный проект, не особо разбираясь тонкостях ИТ (я видел такое в одном из крупных российских ритейлеров), но практически невозможно устроиться системным аналитиком, будучи неспособным общаться с конечными заказчиками (неважно, в силу недостаточной коммуникабельности или нежелания разбираться в бизнесе клиента).

Где можно получить профессию аналитика?

Тем, кто мечтает получить профессию аналитика, в первую очередь необходимо определиться с направлением деятельности, поскольку именно от этого зависит выбор учебного заведения. Будущий финансовый аналитик сможет получить необходимый для работы объем знаний в финансовом институте или университете, а аналитик в сфере IT – в техническом ВУЗе.

К большому сожалению, профильных ВУЗов, специализирующихся на подготовке “универсальных” аналитиков сегодня в России не существует, поэтому молодым специалистам предстоит сначала изучение особенностей того рынка, который его больше всего интересует, а потом получение знаний в области аналитики методом самообучения.

Еще одной особенностью получения профессии аналитика является необходимость получения практического опыта перед началом самостоятельной деятельности. Поэтому выпускнику ВУЗа после окончания обучения предстоит еще какое-то время поработать стажером у уже опытного специалиста.

Большое значение имеет и престижность ВУЗа, в котором аналитик проходил обучение: чем престижнее учебное заведение, тем большие карьерные перспективы имеет специалист. Так что, выбирая институт или университет, в первую очередь обратите свое внимание на такие ведущие ВУЗы России, как:

Зачем бизнесу анализировать данные

Представьте, что вы управляете продуктовым магазином. Как узнать, чего хочет покупатель? Спросите его — и услышите, какие товары он приобретает чаще, в какое время обычно ходит за покупками.

Но масса деталей останется за кадром. Например, именно аналитики знают, как на покупки влияет заполненность полок, плохая погода, фоновая музыка.

Все эти и другие данные можно собрать и проанализировать. Это поможет супермаркету расставить товар так, чтобы покупатель как можно дольше оставался в торговом зале и обращал внимание на нужные предложения, и пересмотреть график работы кассиров, чтобы уменьшить очереди на кассах.

Найти применение большим данным можно в любой сфере:

  • На заводах система компьютерного зрения следит за рабочими. Система заметит, если кто‑то забыл про каску, и напомнит о правилах безопасности.
  • В банках анализ больших данных диктует условия кредитов и депозитов, выявляет хакерские атаки и подозрительные операции.
  • Городами тоже управляют большие данные. Умные светофоры уменьшают пробки, компьютерное зрение ищет преступников в толпе. С аналитиками советуются, прежде чем построить новую дорогу или центр госуслуг, изменить маршрут автобуса.

На основе данных можно построить модели и проверить гипотезы. Модель — это математическое описание любой ситуации, которое помогает предположить будущее. Например, модель прогнозирования спроса в торговой сети предскажет, как будет меняться востребованность отдельных товаров, поможет скорректировать цены и объёмы закупок.

Зачем нужны аналитики? (привет, кэп)

До сих пор от некоторых разработчиков (хотя сейчас уже очень редко) можно услышать, что аналитики (равно как руководители проектов, менеджеры по продукту и т.д.) не только не вносят полезный вклад в дело, но и просто «мешаются под ногами». Лезут, понимаешь, со своими процессами, бумажками и прочей бюрократией — не дают простому девелоперу спокойно работать (смайл).

Излишняя бюрократизация конечно зло, но реализовать большой проект «на коленке», да еще усилиями специалистов лишь одного профиля в современном мире нереально. Никто не оспаривает важную роль разработчиков, но будут ли они продавать, оформлять кучу сопутствующей документации, пытаться понять своеобразный язык заказчиков и т.д.? Позволю себе предположить, что вряд ли многих из них это заинтересует.

К слову, если бы все вышеназванные товарищи (аналитики, менеджеры и т.д.) были бы обычными дармоедами, их бы в нашем мире жесткой конкуренции не нанимали в таких количествах и не платили бы им таких денег. Оговорюсь только, что речь идет об Enterprise-проектах.

Создать успешное мобильное приложение и заработать на нем понятные деньги сейчас (пока еще?) под силу одному человеку. Возвращаясь, собственно, к роли аналитиков. Чтобы не растекаться мыслью по древу, просто перечислю основные моменты, с которыми им приходится сталкиваться в реальных проектах:

  • Выслушать заказчика. Иногда уже это бывает непросто – некоторые способны говорить часами буквально ни о чем, и не всегда легко удается перевести общение в конструктив. Тут ключевым является навык активного слушания.
  • Понять иногда «птичий» язык заказчика и сформулировать его требования понятным языком, полно и без противоречий. Т.е. превратить поток сознания клиента в набор формализованных требований.
  • В некоторых случаях, когда заказчик «сам не знает, чего хочет», предложить оптимальное решение или «подвести» к нему самого заказчика;
  • Проанализировать влияния новых требований на существующую архитектуру и функционал. Здесь часто будут полезны консультации архитектора.
  • Задокументировать требования в виде документа или набора документов в требуемом виде. Затем согласовать их и утвердить.
  • Завести талоны в системе такс-трекинга и в дальнейшем отслеживать их нелегкую судьбу. Завести может и архитектор или dev. lead по ТЗ, но чаще это делает аналитик.
  • Осуществлять верхнеуровневый контроль соответствия реализованного функционала требованиям.
  • Управлять изменениями требований.
  • Осуществлять все взаимодействие с заказчиками по вопросам требований.
  • Часто – участвовать в сдаче продукта заказчику.
Дополнительный анализ:  Работа ведущим системным аналитиком в Ростове-на-Дону

Так же аналитиков частенько «припахивают» к не совсем профильным для них задачам, вроде участия в тестировании, внедрении и разработке пользовательской документации. Бороться с этим или смириться – по большому счету личное дело каждого. Более интересной, хоть и тоже не совсем профильной активностью является участие в пресейлах. Кстати, часто эта деятельность бывает весьма увлекательной и развивающей (хотя и чрезвычайно затратной по времени).

Известные представители профессии

Как освоить профессию аналитика данных

Обычно в университетах студенты получают фундаментальные знания, но работодателей интересуют навыки решения практических задач и опыт в нужной области. И если крупные учебные заведения регулярно обновляют программу, рассматривают реальные кейсы и современные инструменты для анализа данных, то вузам поменьше для этого часто не хватает ресурсов. Поэтому студентам приходится самостоятельно искать проекты и задачи, чтобы научиться применять теорию на практике.

Быстрое погружение в профессию и понимание потребностей работодателей даёт почувствовать, какие знания и умения нужны. Формируется привычка самостоятельного поиска решений, примеров, похожих кейсов, нарабатывается опыт, растёт портфолио.

Проверьте, готовы ли вы освоить профессию аналитика данных:

  1. Пройдите вводный курс — поймёте, насколько вам интересен анализ данных.
  2. Прочитайте отзывы людей, которые уже завершили занятия на курсе по этой профессии и трудоустроились.
  3. Изучите программу обучения и задайте вопросы образовательной поддержке курса.
  4. Найдите вакансии в своём городе или предложения удалённой работы, изучите требования к специалистам по анализу данным.
  5. Взвесьте все за и против. Было ли интересно анализировать данные на вводном курсе? А вакансии кажутся привлекательными? Если всё так, похоже, вам подходит эта профессия.

Краткое техническое отступление

Давайте сознательно прервем повествование и остановимся на самих требованиях. Что касается видов, атрибутов, характеристик, подходов к сбору и оформлению требований – пожалуй, большего «бардака» сложно найти. Состав и содержание документов с требованиями существенно различаются (взять, к примеру, наш ГОСТ и RUP, и имхо это не сравнение пушки и рогатки).

Набор атрибутов требований так же в каждом подходе приводится свой, часто весьма неоднозначный (например, в BABOK). В довершение, часто путают результаты этапов анализа и проектирования, заставляя исполнителей включать в аналитические документы финальный вид диаграммы классов и полную схему БД (об этом ниже).

Не претендуя на истину в последней инстанции или какое-то ноу-хау (примерно то же написано в Википедии), сформулируем два ключевых способа классификации требований.

По уровню:Бизнес-требованияСамые высокоуровневые требования, которые определяют цели создания ПО. Примерами таких требований могут быть достижение 20%-го сокращения издержек или повышение качества управления (например, за счет возможности оперативного формирования отчетности).

Данные требования обычно описываются в отдельном документе — «Видении проекта» (Vision) или «Бизнес-требованиях», который так же включает определение основных ролей будущих пользователей Системы и перечисление ее основных сценариев использования.

Требования пользователейОни определяют набор пользовательских задач, которые должна решать Система, с описанием сценариев решения данных задач. Требования пользователей обычно представляются в виде перечисления вариантов использования Системы и взаимосвязей между ними (как правило, в виде Use-case диаграммы языка UML).

Сами варианты использования описывается в виде составляющих их последовательностей действий со всеми возможными пред/постусловиями и ветвлениями. Часто описание является текстовым (эта тема хорошо описана в книге Алистера Коберна ” Современные методы описания функциональных требований к системам “).

Функциональные требованияДетально описывают все элементы функционала, который должен быть непосредственно реализован в Системе, чтобы обеспечить возможность выполнения всех сценариев использования, описанных в Требованиях пользователей.

Функциональные требования являются наиболее детализированными. Они описывают, в том числе, входные/выходные данные и их проверки, алгоритмы обработки данных и элементы пользовательского интерфейса (без дизайна).Как правило, данные требования оформляются в виде отдельного документа («Технического задания» и т.д.).

В этом же документе детализируются сценарии использования Системы (Требования пользователей), к которым обычно и привязываются функциональные требования.Пример функционального требования: «По клику на кнопке <Кнопка А> на форме <Форма Б> должно отображаться модальное диалоговое окно, содержащее <Содержание окна>».

По типу:Функциональные требованияОписывают непосредственно функционал, реализуемый Системой (пример приведен выше в описании классификации требований по их уровню в пункте «Функциональные требования»);

Нефункциональные требованияОписывают характеристики системы и ее окружения, а так же накладываемые ограничения.Примерами нефункциональных требований могут служить ограничения на поддерживаемые разрабатываемой Системой аппаратные платформы и операционные системы, а так же требования к производительности, к безопасности и т.д.

Примечание:Как видно из описания, приведенного выше, функциональные требования – это категория требований как по их уровню, так и по их типу. К сожалению, в настоящий момент сложилась именно такая неоднозначная терминология (по опыту многих проектов и нескольких работодателей). Если у вас есть другие подходы, пожалуйста, поделитесь.

Описывать характеристики (непротиворечивость, полноту и т.д.) качественных требований и все их атрибуты (статус, источник и т.д.) здесь не буду, чтобы не раздувать пост. Если эта тема будет интересна, с удовольствием освещу ее в отдельной статье, хотя все это без труда гуглится.

Последовательность работ и их результатовСледует четко различать результаты этапов анализа и проектирования. На этапе анализа формируются требования к Системе.Все детали реализации Системы определяются уже на следующем этапе – этапе проектирования.

  1. Произойдет смешивание в одном документе результатов различных типов работ, выполняемых разными людьми (аналитиком и архитектором);
  2. Срок сдачи технического задания будет увеличен, т.к. для его завершения потребуются некоторые результаты этапа проектирования.
    Результаты этапа проектирования эффективнее оформлять в отдельном документе, описывающем архитектуру Системы.


Однако некоторые отступления, такие как включение в «Техническое задание» спроектированных макетов интерфейса (без дизайна/оформления), допустимы, т.к. выполняются теми же людьми, которые разрабатывают само техническое задание.

Порядок сбора самих требований:

  1. Сначала выявляются цели создания Системы (бизнес-требования). Может сложиться впечатление, что фиксация данных требований не является обязательной для разработки. Но в этом случае у Исполнителя не будет возможности контролировать соответствие разработанной Системы тем целям, для которых она создавалась, а так же – возможности устанавливать семантические зависимости между целями разработки системы и сценариями ее использования;
  2. Далее определяются роли пользователей Системы (как людей, так и других программных систем). После этого выявляются и описываются сценарии использования Системы каждой из данных ролей. Так формируются Требования пользователей.
  3. Далее разрабатывается полный набор требований к функционалу Системы таким образом, чтобы данный функционал позволял выполнить все сценарии, описанные в Требованиях пользователей. Так же фиксируются ограничения для Системы и параметры среды ее функционирования.

Отсутствие дублирования в описании требованийКлючевым моментом управления требованиями является отсутствие дублирования, т.е. каждое требование должно быть зафиксировано только в одном документе и только в одном месте данного документа.

Отступление от данного принципа приведет как к серьезному увеличению трудозатрат на поддержку данных документов, так и к неизбежному нарушению их целостности (т.к. для сложно программной системы учесть все нюансы всех новых требований параллельно во всех документах является сложной и ресурсоемкой задачей).

Управление изменениямиПри разработке современных программных систем часто требуется внести изменения в требования уже по окончании этапа анализа. Здесь важно, чтобы стороны понимали и принимали следующие принципы:

  • Исполнитель понимает, что требования не всегда могут быть сформулированы Заказчиком полностью и корректно на начальных стадиях проекта. Соответственно, изменения в требованиях по ходу проекта допускаются.
  • Заказчик понимает, что изменение требований влечет за собой увеличение трудозатрат и сроков сдачи продукта.

Доступность информационных ресурсов, заинтересованных лиц, экспертов предметной области и технических специалистовДля формирования полного и точного перечня требований к Системе специалисты Исполнителя должны иметь в достаточном объеме доступ:

  • ко всем относящимся к разработке ПО материалам;
  • ко всем ключевым носителям информации и лицам, обладающим требуемыми полномочиями

Во втором случае имеются в виду:

  1. заинтересованные лица
  2. эксперты предметной области
  3. лица, участвующим в согласовании и утверждении требований
  4. технические специалисты со стороны заказчика либо других подрядчиков/субподрядчиков.


На этом, пожалуй, закончим это небольшое отступление. Язык повествования получился сухой, каюсь. Но тема достаточно формализованная.

Кто такой аналитик

Первые упоминания о профессии датируются IV в. до н.э., но описание сути работы древних аналитиков отличается от того, что привычно сегодня. Раньше они занимались исследованиями в области общечеловеческих вопросов, историей. Сегодня под это определение подпадает человек, имеющий высокий уровень квалификации в какой-то области или конкретном вопросе.

Дополнительный анализ:  Работа: Аналитик проектов учет отчетность в Москве — Август 2021 - 783 вакансии |

Аналитики бывают разными в соответствии с типом специализации:

  • финансовый — эксперт в финансовых делах. Следит за трендами, делает прогнозы по величине прибыли и объемам расходов, анализирует данные по ценным бумагам;
  • спортивный — наблюдает за спортивными соревнованиями, жизнью спортсменов, развитием профессиональных клубов и т.д. По результатам своих исследований он делает различные прогнозы, которые продает за деньги. Это может касаться ставок на матч, исход турнира, положение клуба в рейтинге, даже популярность спортсмена у публики;
  • биржевой — оценивает события на биржевых рынках. По результатам исследований дает советы инвесторам, сам вкладывает деньги клиентов в перспективные проекты, разрабатывает долгосрочные стратегии;
  • системный — занимается анализом процессов, чтобы на основании полученных данных автоматизировать их, разработать модели пунктов для программного обеспечения;
  • консультант по бизнесу — изучает компании на заказ. Это делается для повышения рентабельности предприятий, оценки целесообразности объединения фирм, их покупки, поиска выхода из затруднений;
  • web-аналитик — анализирует данные, собранные с разных тематических и профессиональных порталов. Цели такой работы могут быть разными. Например, оценка популярности бренда, поиск ниши для какого-либо продукта;
  • IT-эксперт — технический специалист, перед которым обычно ставят задачи по автоматизации предприятия. Он собирает данные с каждого этапа производственного процесса, составляет план с описанием функционала ПО;
  • аналитик компьютерных систем — эксперт по компьютерным программам. Он их разрабатывает, проверяет, подбирает оптимальные варианты приложений.

Кто такой аналитик данных?

Data Analyst – это специалист, который занимается анализом данных, прочем не только структурированных и выраженных в цифровом измерении. Это может быть информация за прошлые периоды или в режиме реального времени. Задача аналитика – выявить закономерности и понять как это можно использовать в дальнейшем, а в каких то случаях даже автоматизировать некоторые решения.

Аналитик данных может работать в любой сфере – промышленное предприятие, банковское дело, страхование, научно-исследовательские учреждения, ритейл и многие другие. Особенно важна эта работа сейчас, когда многие перевели свой бизнес в интернет. Специалист должен уметь анализировать и понимать любые данные, делать правильные выводы.

Казалось бы как все просто – собрал данные, систематизировал и сделал выводы. Но на самом деле работа аналитика достаточно сложная и трудоемкая. Иногда, чтобы сделать вывод нужно перелопатить очень большой объем информации и не всегда решения лежат на поверхности.

Но результат того стоит: аналитик не только помогает найти лучшие решения для развития бизнеса, но и найти слабые места, которые впоследствии можно устранить. А если вы ведете свой бизнес в интернете, аналитика поможет  оценить потребности вашей целевой аудитории. Здесь без грамотного специалиста точно не обойтись.

Кто такой аналитик?

Аналитик – высококвалифицированный специалист, который проводит аналитические исследования, обобщает полученную информацию в определенной сфере деятельности, в совершенстве владеет различными методами анализа, а также способен прогнозировать процессы и разрабатывать программы развития.

Название профессии произошло от древнегреческого άναλυτικά (искусство анализа), что полностью отображает основную суть работы аналитика. Несмотря на то, что профессию аналитика принято считать относительно “молодой”, первые сочинения по аналитике появились еще в 4 веке до нашей эры (Первая и Вторая Аналитика Аристотеля). Однако занимались первые аналитики преимущественно историей и общечеловеческими вопросами.

Современные же аналитики обрабатывают информацию, касающуюся всех сфер жизнедеятельности общества, и имеют дело преимущественно с цифрами. Именно поэтому сегодня существует несколько узких специализаций этой профессии, зависящих от направления деятельности: финансовый аналитик, бизнес-аналитик, инвестиционный аналитик, системный аналитик, веб-аналитик, маркетолог-аналитик и т.д.

Обязанности аналитика представляют собой цепочку последовательных действий:

  • сбор и первичная обработка данных;
  • составление определенных предположений и тезисов;
  • анализ и проверка информации;
  • разработка проектов и методических работ, подкрепленных четкими обоснованиями;
  • формирование выводов и аналитического отчета о проделанной работе.

Другими словами, профессиональные обязанности любого аналитика, независимо от сферы деятельности, направлены на сбор, оценку и анализ информации, с последующей выработкой практических рекомендаций по улучшению работы предприятия или организации с учетом актуальной ситуации на рынке.

Кто такой бизнес-аналитик и как помогает компаниям быть на шаг впереди

Дата сайентисты и системные аналитики сильнее в программировании, лучше разбираются в инструментах BI, организации системы хранения и обработки данных.

Маркетинговые аналитики работают с BI, оптимизируют маркетинговые кампании, экономику продаж.

Финансовые аналитики разбираются в финансовых инструментах, инвестициях, кредитах и займах, условиях финансирования.

Продуктовые аналитики лучше знают метрики, связанные с конкретными продуктами, и инструменты для анализа работы эффективности продуктов (performance).

Наконец, бизнес-аналитики погружаются в выстраивание процессов, экономику, финансы, исследования. Работают с BI и отчётностью, визуализируют данные.

Посмотрим, в каких командах задействованы бизнес-аналитики и какова их роль в каждой из них.

Чаще всего бизнес-аналитики работают в консалтинговом подразделении — внутреннем отделе или в консалтинговой компании. Под консалтингом подразумеваем управленческий консалтинг, среди известных представителей которого компании McKinsey, PWC, Deloitte, Ernst&Young.

Консалтинг — это проектные команды, которые решают задачи по изменению компании. Имеется в виду изменение бизнес-процессов — допустим, закупок, найма и онбординга, системы KPI — или создание и внедрение новых проектов.

Пример. Перед запуском системы для оплаты проезда «Тройка» в Московском метро консультанты просчитали экономику, затраты, ресурсы, схему работы.

Это подразделение компании, которое занимается долгосрочным планированием и развитием бизнеса. Например, аналитики решают, будет ли компания приобретать новые активы, запускать новые направления бизнеса.

Пример. Помимо «Северстали» и добывающих предприятий «Севергрупп» решила развиваться через создание цифровых активов, в частности, купив онлайн-ритейлера «Утконос».

Подразделение компании, которое внедряет цифровые технологии для оптимизации бизнес-процессов, повышения ценности для клиентов, разработки инноваций и улучшения организационных результатов.

Использование инструментов обмена данными, Интернета вещей позволяет получать метрики от больших производственных машин, объединять их в единую экосистему и минимизировать потери, к примеру, металла, а также оптимизировать трудозатраты.

Пример. Цифровая трансформация в металлургической или тяжёлой промышленности — это работа по внедрению ИТ-систем, в результате чего часть процессов автоматизируют, а часть оптимизируют.

Это команда, которая создаёт инструменты для сбора данных и далее для управления компанией на основе данных. Например, инструмент для сбора данных Share point для сотрудников или автоматический сбор данных.

BI — решение на собственном движке или внутри сервисов Tableau, Power BI, QlikView. Позволяет создавать автоматические отчёты, которые демонстрируют эффективность работы компании.

Аналитики в операционных командах могут посчитать финансовую модель проекта: сколько денег нужно вложить для реализации проекта, где целесообразно купить существующую компанию для выхода на рынок, а где — создать компанию с нуля.

В таких случаях это смежная с менеджментом специальность.

Пример. В Яндексе операционная команда запускает бизнес в новых городах и странах.

Функция, близкая к отчётности и стратегии. Такие команды создают системы KPI, поддерживают OKR (инструменты планирования), премии, расчёт показателей эффективности, бонусы — количественные показатели, которые крупные компании используют для сохранения конкурентоспособности и развития.

Business Intelligence (BI) — бизнес-аналитика, точнее — анализ бизнес-данных для принятия управленческих решений

Преимущества профессии аналитика

Аналитиков принято считать “ботаниками”, которые целые день корпят над бумагами, и постоянно что-то изучают, анализирую, исследуют и систематизируют. То есть, в представлении обывателей работа аналитиков скучна и монотонна. Но даже кажущаяся неприглядность такой работы не может “перечеркнуть” преимущества профессии аналитика, которых, кстати, достаточно много. Конечно же, все перечислить мы не сможем, поэтому остановимся только на основных.

  • Во-первых, аналитики востребованы на современном рынке труда, как ни одна другая профессия. Причем работодатели готовы платить за их услуги вполне приличные деньги (средняя зарплата аналитика в России сегодня составляет около 60-70 тысяч рублей).
  • Во-вторых, работа аналитика на самом деле очень разнообразна. Ведь новая информация появляется практически ежеминутно, и для человека увлеченного своим делом, поиск необходимых данных может стать захватывающим интересным занятием.
  • В-третьих, гибкий график работы и возможность осуществлять профессиональную деятельность как в офисе, так и удаленно (то есть, не выходя из дома). При этом специалист сам решает, будет ли он работать в штате компании или для него предпочтителен вариант работы “вольного” сотрудника, оказывающего услуги на договорной основе.

Ну и самое главное, в процессе работы аналитик общается с большим количеством самых разных людей, преимущественно из руководящего состава компаний и организаций. Поэтому со временем он обрастает “полезными” знакомствами, которые можно использовать как в профессиональной деятельности, так и для решения личных проблем.

Работа

Описание процессов (база данных, пользовательский интерфейс, интеграции, веб-сервисы). Участие в командах по разработке ПО. Анализ данных и постановка задач…

Высшее образование. Системное мышление. Грамотная речь. Владение пакетом MS Office (Word, Excel). Знание SQL, BPMN, UML, JSON, XML приветствуется.

§

Планирование, организация и контроль бесперебойной работы: информационных систем (web-портал, CRM), компьютерных сетей, телефонии, компьютерного, серверного и мультимедийного оборудования, оргтехники…

Наличие высшего образования в сфере информационных технологий. Опыт руководства группой <highlighttext>системных</highlighttext> администраторов, <highlighttext>аналитиков</highlighttext> и разработчиков (от 6 чел) от 3…

Дополнительный анализ:  Работа аналитиком в Рязани

§

Понимание работы диджитал инструментов, инфлюенс маркетинга, трафика, сайтов, соцсетей, дизайна, веб дизайна, программирования. ⁃ <highlighttext>системность</highlighttext> (календарь, планировщик, <highlighttext>аналитика</highlighttext>). ⁃ человек-решение.

Понимание тонкостей производства видео и фото материалов. Знание английского языка будет преимуществом. Аналогичный/смежный опыт работы. ⁃ эмоциональный интеллект. ⁃ ответственность, пунктуальность. ⁃

§

Собирать, анализировать, документировать бизнес-требования к информационным и автоматизированным системам, отслеживать изменения и управлять ими. Описывать и согласовывать пользовательские сценарии.

Опыт работы <highlighttext>системным</highlighttext> или бизнес <highlighttext>аналитиком</highlighttext> от года, либо опыт работы в смежных ролях: разработчиком, техническим писателем, тестировщиком.

Работа с документацией

Я бы сказал, что, если аналитик не находится на встрече – значит он сидит и работает с документацией. Не поймите меня неправильно, это совсем не значит, что нужно просто глупо стучать по клавиатуре, наоборот — именно здесь приходится задействовать все возможности нашего интеллекта, именно эта часть является наиболее трудоемкой.

Вот всего лишь несколько примеров того, с чем приходится регулярно сталкиваться:

  • Спецификация требований — превращение вольного полета мысли клиента в структурированный документ, четко описывающий, что необходимо сделать команде. Позже именно этот документ утверждается с клиентом и ложится в основу выполняемого проекта.
  • Изменения требований (Change Request) — процесс, инициируемый клиентом в том случае, когда требуются изменения в продукте уже после начала разработки или даже после ее окончания. Документ описывает, какая часть системы и как должна быть модифицирована, содержит оценку выполнения работы по времени и стоимости.
  • Инструкция пользователя и другие обучающие материалы — очевидно, что после окончания проекта, необходимо написать документацию для клиента, в которой будет описано, как пользоваться системой, даны советы и ответы на частые вопросы.

С какими сложностями сталкиваются студенты на курсе по анализу данных

Аналитик данных — не самая простая профессия. Чтобы стать хорошим специалистам, придётся приложить немало усилий. К чему стоит быть готовым?

  • Придётся регулярно выделять время на учёбу. Освоить весь материал в сжатые сроки физически невозможно: здесь надо много читать, запоминать, создавать предсказательные модели, писать код, проводить эксперименты и улучшать их результаты.
  • Вы будете постоянно задавать вопросы, и, чтобы получить нужный ответ и не тратить время впустую, необходимо научиться правильно их формулировать.
  • Часть информации предстоит искать самостоятельно. Конечно, в интернете есть всё, а ИТ‑сообщество достаточно отзывчиво, но с нестандартными запросами придётся повозиться.
  • Порой эксперименты с данными завершаются неудачей: ваша модель не подходит для решения задачи, вы получаете совсем не те результаты, которые ожидали. Это нормально: даже опытные аналитики не всегда достигают цели с первого раза. И это вовсе не повод останавливаться.
  • Некоторые темы покажутся совершенно непонятными. Вы можете читать материал снова и снова, но не приблизитесь к сути вопроса. В таких ситуациях помогает переключиться, а позднее вернуться к занятиям — либо попросить помощи у ментора или у других студентов.

Саморазвитие

Говорят, чтобы успевать за всеми новыми технологиями в программировании, нужно чуть ли не каждый день изучать новые фреймворки, пробовать новые версии любимых языков и следить за лучшими практиками со всего мира.

К счастью, фундаментальные основы бизнес-анализа не меняются так часто. Однако, как я уже говорил в своей прошлой статье, для того чтобы выделяться из толпы бизнес-аналитиков, вам нужно быть как можно более всесторонне развитым специалистом.

Вам тоже необходимо следить за изменениями в ИТ, вам необходимо развивать свои мягкие навыки, учиться бизнес-управлению, основам финансов, разбираться в предметных областях клиентов и так далее. В общем, получается так, что времени на обучение вам часто будет требоваться еще больше, чем коллегам-программистам.

В заключение дам совет по саморазвитию — примите его необходимость и обсудите со своим руководителем. Для развития бизнеса критически важно не загонять себя в рамки устоявшихся процессов, ведь завтра появится новый клиент и новый проект из абсолютно другой сферы.

Функционал специалиста

Чем занимается аналитик данных вы уже понимаете, а теперь расскажу немного о том, что представляет собой среднестатистический рабочий день специалиста, независимо от того, в какой сфере он работает. Итак:

  • знакомство с компанией (чем занимается, кто конкуренты и потребители);
  • определение задачи (для чего нужны данные и чего нужно достичь);
  • подбор аналитических инструментов, которые максимально подойдут в данном конкретном случае;
  • непосредственно сбор данных и их сортировка;
  • обработка данных для последующего анализа;
  • систематизация данных, формирование выводов и их визуализация;
  • презентация данных руководству с объяснением что, почему, как и зачем.

На основании представленных данных руководство принимает дальнейшие решения. Работа аналитика по данному проекту на этом не заканчивается. После внедрения принятых решений, специалист анализирует данные в текущем режиме и сравнивает их с тем, что было запланировано.

Более 70% рабочего времени занимают не отчеты и формирование выводов, а непосредственно сбор данных, их сортировка и систематизация.

Хард скилы

Python с библиотеками для анализа данных Pandas и NumPy

. Это мастхэв, его знание хотя бы на базовом уровне требуют 83% компаний в отрасли. Знание R, JavaScript и других ЯП нужны всего лишь 17% работодателям.

Интересно, что в 2021 году по результатам опроса дата-аналитиков и дата-сайентистов язык R в аналитике данных был куда популярнее — его использовали 61% специалистов.SQL

— практически во всех вакансиях требуется знание SQL и навыки работы с реляционными базами данных. Чаще всего требуют умение писать запросы и оптимизировать их.

Навыки работы с NoSQL системами управления базами данных вроде MongoDB, CouchDB или Apache Cassandra работодатели требуют довольно редко — примерно 9% вакансий.

Power BI, Qlik, Tableau. Большинство компаний не требует знаний какой-нибудь конкретной программы визуализации данных. Обычно они указывают одну из трех на выбор или пишут «системы визуализации данных» без указания конкретной. В целом специалисты могут сами выбирать, что именно им удобнее использовать. Принципиальной позиции у абсолютного большинства работодателей нет.

Опыт работы с Agile, Scrum, Kanban. Почти в половине вакансий работодатели указывают, что дополнительным плюсом будет умение работать с гибкими методологиями создания продуктов.

То есть важно не только то, что делает аналитик данных в рамках своей специальности, но и то, как он это делает.

Но ключевым требованием опыт работы с Agile не является (хоть его и указывают в вакансиях). Да, соискателю придется потратить время, чтобы привыкнуть работать в таком формате, но, по мнению компаний, это не критично.

Excel и Google Sheets. Как ни странно, но в трети вакансий требуется знание электронных таблиц. В основном это нужно продуктовым и консалтинговым компаниям, которые довольно мало пересекаются с диджитал-разработкой, или же относительно небольшим проектам, где весь отдел аналитики состоит из нескольких человек.

Действительно, маленьким командам часто незачем использовать мощные ресурсы SQL, если для обработки данных вполне хватает и обычного Excel. Но в таких ситуациях «аналитик данных» часто занимается сразу всем: сбором и анализом данных, инфраструктурой и автоматизацией.

Многие компании выделяют высокий уровень математической подготовки. Но здесь нужно понимать, что Data Analyst, в отличие от Data Scientist, использует довольно ограниченные математические инструменты, поэтому не нужно быть гением математики.

Высшее образование в области математики пригодится, но при должном усердии все необходимые функции можно изучить и самому. Но для Data Scientist глубокое знание математики уже считается критичным. Если вы планируете расти из Data Analyst в Data Scientist, то математику нужно будет подтянуть.

По основным хард скилам это все. Остальные встречаются менее чем в 10% вакансий, поэтому их можно отнести к индивидуальным особенностям работы в отдельных компаниях.

Чем работа аналитика данных отличается от data scientist

В простых ситуациях можно обойтись без анализа больших данных и использовать банальную логику. Например, если вы заметили, что покупатели с детьми в магазине часто приобретают определённое печенье, то вы можете просто поставить рядом с ним детский сок и тем самым увеличить продажи.

Но на практике всё обычно куда сложнее. Например, как составить оптимальный пакет услуг мобильного оператора и определить цену, которая будет доступной для абонента и принесёт максимальную выгоду компании?

Аналитик может структурировать и обработать данные о рынке мобильной связи, существующих пакетах и расходах абонентов. Он сформулирует и проверит гипотезы, найдёт закономерности и сделает выводы: предложит конкретный состав пакета и его цену.

Более сложными задачами, а также поиском неочевидных закономерностей в данных занимается уже другой специалист — data scientist. Так, вы можете и не подозревать, что покупки связаны между собой. Или что маршруты автомобилей во вторник и в среду отличаются, поэтому пробки образуются в разных районах — хотя, казалось бы, это обычные будние дни.

Для решения таких задач задействуют машинное обучение и искусственный интеллект. Data scientist выбирает конкретные методы, которые позволяют системе учиться на разрозненных данных, делать логичные выводы и прогнозы.

Оцените статью
Аналитик-эксперт
Добавить комментарий

Adblock
detector