Рассказываем, кто такие аналитики данных, как они работают и нужны ли таким специалистам глубокие знания в разработке.
Дата-аналитик — это специалист, который анализирует данные компании, сферу ее работы и рынка в целом, чтобы использовать их для принятия решений. Каждый день он изучает информацию о предпочтениях клиентов, рассчитывает метрики работы компании, формулирует и проверяет гипотезы. Все это нужно, чтобы получить так называемые actionable insights — выводы, на основе которых бизнес сможет принять правильное решение и улучшить продукт.
На практике это выглядит так. Допустим, компании нужно распределить бюджет между двумя продуктами: увеличить инвестиции в один — закупить рекламу, увеличить производство — и сократить вложения в другой. Как понять, какой из них принесет большую прибыль?
Интуитивно кажется, что нужно вкладываться в продукт, который больше покупают. Но не все так просто. Спрос может быть волнообразным: расти, а потом падать. Данные о продажах и состоянии рынка часто распределены по разным системам: CRM, сервисам для управления заказами, рекламой или маркетинговыми коммуникациями.
Главная задача аналитика данных — объединить имеющиеся данные, собрать недостающие и интерпретировать полученный массив информации.
Основные рабочие инструменты аналитика — Sublime Text, Jupyter Notebook, Google Sheets или Excel. Насчет последнего: в интернете можно встретить шутки на тему того, что считать таблицы в Excel «большими данными» уже не модно.
Это не так: огромное количество компаний по всему миру строят мощную аналитику на базе таблиц в Excel. Даже несмотря на то, что в их распоряжении есть самые продвинутые технологии. В первую очередь потому, что это доступные и простые инструменты, которые позволяют решать самые сложные задачи. Например, автоматизировать обработку данных в сводных таблицах, формировать листы прогноза, чтобы планировать бизнес-процессы, и даже строить 3D-карты.
Аналитикам данных также приходится писать запросы в базы данных SQL, чтобы получить точечную информацию о процессах или клиентах. Еще нужно работать с BI-системами Tableau, Power BI, Looker Studio, которые агрегируют данные из различных источников. А иногда приходится даже программировать на языках Python, R или Java, чтобы, например, автоматизировать поиск по таблицам, сегментировать их или выявить закономерности.
Вот конкретный кейс: аналитику нужно преобразовать видеопортал, такой как YouTube, в стриминговую платформу — площадку для проведения прямых эфиров. Для этого он:
Результат работы аналитика — графики, таблицы, данные. То есть артефакты с готовыми результатами. При этом сами специалисты по дата-анализу не принимают решения по итогам своей работы. Их задача — найти лучший способ представления информации, так, чтобы руководитель, опираясь на него, сам смог быстро принять решение.
Например, результатом работы может быть вот такой график с данными по выручке и продажам, собранный в Tableau — распространенном сервисе визуализации данных:
Приведем другой пример — тепловую карту. Это такой способ визуализации данных, в котором их значения отображаются разными цветами. Ниже тепловая карта c данными по объему спроса в различных геолокациях, собранная в визуальном элементе Azure Maps для Power BI:
Читайте также: Иллюзия больших данных: как работает социология и что делать, чтобы тебе верили
Аналитик данных нужен фактически любой компании, где принимаются решения. Дата-аналитики востребованы везде, где есть диджитал-маркетинг: в ретейле, IT, телекоме, здравоохранении. Такие специалисты превращают маркетинг в эффективный инструмент — они помогают точно понять, куда уходят деньги, и получить максимальную прибыль при минимальных вложениях.
Но есть отрасли и направления, где работа аналитика данных особенно важна. Например, банки — сфера, где всегда очень много информации: пользовательские данные, личные и финансовые. При этом управленческие ошибки в банковском секторе очень дороги. Например, если создать неправильную скоринг-модель — алгоритм, который оценивает, стоит ли выдавать клиенту кредит, — можно потерять и деньги, и доверие клиентов.
А еще с помощью аналитики данных можно:
Стать аналитиком можно, даже если всю жизнь до этого вы работали ученым, журналистом или госслужащим. Специальных талантов для этого не нужно. Но вот что точно может пригодиться всем новичкам:
На старте нужно знать, как работать с Excel и Google Sheet, обрабатывать данные с помощью языка SQL и писать сложные SQL запросы, представлять информацию в виде графиков и диаграмм.
После изучения основ аналитики стоит выбрать конкретную отрасль. Здесь может пригодиться прошлый опыт. Если вы были HR-специалистом, можно искать вакансии в сфере HR-аналитики. Работали бухгалтером — выбирайте экономическую и финансовую специфику, основные термины и процессы вам уже будут знакомы.
Читайте также: С чего начать учиться на аналитика данных
Чтобы начать работать аналитиком, не нужно глубоко знать программирование. Но если вы интересуетесь разработкой, есть еще одно возможное направление роста — Data Science.
Дата-сайентист — это эксперт, работающий на стыке бизнес-анализа и машинного обучения. Он обучает нейронные сети и создает прогнозные алгоритмические модели для сложных вычислений: оптимизации бизнес-процессов, научных расчетов. С помощью таких моделей можно, например, предсказывать эффективность рекламных кампаний, создавать новые формулы лекарств и даже изучать космос. Но здесь без знания Python или основ ML уже не обойтись.
Если заглянуть на HeadHunter, то разброс зарплат окажется довольно большим. В первую очередь, это связано с опытом работы специалистов и спецификой каждой вакансии.
Например, начинающим специалистам в среднем предлагают от 100 до 150 тыс. рублей.
Мидл- и сеньор-аналитики могут рассчитывать на зарплату от 200 до 400 тыс. рублей в зависимости от опыта и навыков.
На уровень зарплат влияет и регион работы. В Москве специалист уровня мидл, скорее всего, будет получать не меньше 200 тыс. рублей на руки. А в Тюменской области, например, для аналогичной вакансии установлена вилка от 100 до 130 тыс. рублей.
Хороший аналитик должен не просто собирать данные, но и понимать, для чего он это делает. Его работа поставлять не графики, а то, что следует за ними. Инсайты — вспышки озарения, которые двигают бизнес вперед. Без инсайтов графики остаются просто красивыми картинками.
Для того, чтобы этому научиться, недостаточно просто пройти курсы. Нужно наработать опыт, научиться глубоко погружаться в бизнес и уметь работать с собой — избегать простых обобщений, легких выводов и поверхностных решений. Тогда действительно получится стать не просто специалистом, а настоящим экспертом: ценным, конкурентоспособным и востребованным.
На первый взгляд, аналитик похож на оператора прибора. Его главная задача — снимать объективные показания и передавать их руководителям для принятия решений. Но, в отличие от оператора, аналитик делает это не механически, а вдумчиво, четко понимая, для чего это нужно и как данные помогут бизнесу.
Очень важно правильно визуализировать информацию, чтобы, глядя на график, можно легко принять решение: развивать направление, сфокусироваться на продукте, закрыть отделение или готовиться к кризису.
У этой профессии много сфер применения, а у специалистов — много возможностей для роста и развития. Если аналитик умеет работать с базами данных и инструментами визуализации, по уровню зарплаты его можно поставить на полступени ниже разработчика. А если знает Python и умеет работать с моделями — возможно, даже на ступень выше.
При этом для работы с основными задачами не обязательно глубоко погружаться в программирование и работу с моделями. В отличие от дата-сайентиста, для аналитика данных работа с моделями — не обязанность, а приятная опция. Хотя многие этой опцией пользуются. Сейчас очень много готовых библиотек для моделей, поэтому машинное обучение постепенно используется даже в рутинных задачах: классификации, А/В тестах, прогнозировании. Поэтому развиваться и строить карьеру можно в любом направлении.
Чтобы начать учиться на аналитика данных, действительно не нужны специальные знания или навыки. Но можно заранее подготовиться, чтобы процесс погружения прошел легче: почитать книги, изучить особенности профессии и разобраться с базовыми терминами. Собрали книги, курсы и видео, которые в этом помогут:
Книги:
Курс:
Лекции и видео: