Розбираємось з професіями, що пов’язані з аналітикою та даними

Привіт! Мене звати Оксана, я є керівницею команди аналітики в Jooble, а також лекторкою та менторкою з аналітики.

На своїх менторських зустрічах до мене чи не найчастіше звертаються початківці, які хочуть зрозуміти, що їм обрати за спеціальність та які навички там потрібні. І хочу сказати що питання менті наштовхнули мене на думку, що насправді розібратися в поточних спеціальностях у сфері аналітики та даних дуже не просто.

Багато різних ролей, схожі назви, різні вимоги та різні шанси знайти роботу без досвіду. Пропоную, аби зрозуміти ключову різницю в професіях, сконцентруватися на відповідях на такі запитання:

1. Мета ролі?
2. Основні завдання?
3. Інструменти?
4. Ключові навички?
5. Старт кар’єри?

А до розгляду пропоную взяти наступні спеціальності:

• Data Analyst;
• Product Analyst;
• Data Engineer;
• Data Science;
• Marketing (Digital/ WEB) Analyst;
• Finance Analyst;
• Business Analyst;
• BI Developer (BI Analyst);
• Research Analyst.

Здається що й так список довгий, але насправді є ще ролі, які тут можна додати. Проте, щоб не робити цей матеріал ще довшим, ключових позицій буде достатньо.

Data Analyst

Почнемо зі, здавалося б, найпростішої та найзрозумілішої професії — Data Analyst.

Але насправді тут не все так просто. В кожній компанією під цією назвою буде щось зовсім інше! Тому дуже рекомендую на співбесідах не соромитися й уточнювати ваші потенційні задачі та очікування від ролі.

Основна мета: аналіз даних для виявлення тенденцій та закономірностей.

Основні завдання: обробка та аналіз великих наборів даних, створення звітів.

Інструменти: SQL, Excel, Tableau, Python.

Ключові навички: аналітичне мислення, знання SQL, візуалізація даних.

Старт кар’єри: досить часто з’являються позиції junior-рівня. Тут варто розглядати старт не лише в IT, аналітиків такого рівня шукають логістичні компанії, заправні станції, агробізнеси. Туди потрапити може бути легше.

Тобі це підходить, якщо ти любиш копатися в даних, знаходити невідповідності, тебе не бентежить просидіти одну годинку в Excel і наступну в python, ти вмієш швидко вливатися в будь-яку проблему і тебе не лякає мультифокус.

Але ще раз тут наголошу, що під такою назвою дуже часто компанії хочуть бачити людину-оркестр! Очікують і Data schience, і інженерію. Відкрито запитуйте в компанії, кого вони шукають.

Product Analyst

Ідемо далі, і переходимо до дуже популярної на сьогодні ролі — Product Analyst.

Основна мета: оптимізація продукту на основі аналізу даних користувачів.

Основні завдання: аналіз поведінки користувачів, оцінка ефективності функцій продукту, аналіз А/В-тестування та побудова гіпотез.

Інструменти: SQL, Tableau, Amplitude, MixPanel.

Ключові навички: знання аналітики вебсайт, аналітичне мислення, знання статистики та А/В-тестування, робота з продуктовими метриками та фреймфорками, вміння їх обирати для конкретного бізнесу.

Старт кар’єри: досить важко зайти відразу в продуктову аналітику, рідко з’являються позиції junior. Варто моніторити та не втрачати надію, але частіше компанії розглядають людей з роком досвіду, тому що досить довго потрібно пояснювати А/В-тестування, гіпотези та статистику.

Тобі це підходить, якщо ти маєш здатність до когнітивної емпатії та до розуміння інших, тебе не лякають постійні інтерпретації поведінок користувачів через дані (а це досить виснажливо!).

Продуктова аналітика підійде проактивним людям, які хочуть генерувати ідеї, постійно бути в комунікації з іншими спеціалістами, проактивно розбиратися в користувацьких діях. Тут буде важко людям, які хочуть працювати в режимі детального ТЗ та чітко структурованого беклогу.

Data Engineer

Основна мета: створення інфраструктури для обробки даних.

Основні завдання: розробка та підтримка систем зберігання даних.

Інструменти: Hadoop, Spark, SQL, Python.

Ключові навички: програмування, знання баз даних, системи ETL.

Старт кар’єри: є вакансії junior-рівня, головне мати SQL + Python.

Тобі це підходить, якщо ти любиш працювати з базами даних, тебе не лякають нескінченні джерела даних, отримання доступів та довжелезні ETL. Ти більше хочеш займатися технічною складовою, а не бізнесовою (тобто шукати шляхи технічних покращень, а не бізнес).

Дуже часто намагаються цю роль об’єднати з Data Analyst. Але все-таки це технічна спеціальність зі своїми наборами хардів, тому у великих компаніях та в компаніях, які якісно будують аналітичну інфраструктуру, це must have-спеціальність. Сюди варто йти, якщо вас цікавить саме технічний напрямок, адже ви будете здебільшого працювати з базами, API, ETL, інфраструктурою і постійними замовниками у вигляді аналітиків.

Data Scientist

Основна мета: створення моделей для розв’язання складних задач.

Основні завдання: розробка алгоритмів машинного навчання.

Інструменти: Python, R, Статистика, SQL, ML.

Ключові навички: знання машинного навчання, програмування.

Старт кар’єри: досить часто компанії готові розглядати початківців з гарними академічними знаннями після університету.

Тобі це підходить, якщо ти добре вчив математику в університеті та готовий до досить довгих інвестицій часу в ітеративне покращення моделей, тобто результат від роботи може бути не відразу.

Цю роль також частенько мішають з дата-аналітикою або продуктовою аналітикою, тому що в багатьох компаніях просто немає повної зайнятості для людини з задачами написання моделей. Якщо ж це чистий DS, то це також більш технічна роль, більшу частину часу буде займати написання та тестування моделей.

Marketing (Digital, WEB) Analyst

Основна мета: оцінка ефективності маркетингових стратегій.

Основні завдання: аналіз ринкових даних, поведінки споживачів.

Інструменти: Google Analytics, Excel, SQL та в цілому google інфраструктура.

Ключові навички: знання маркетингу, аналітичне мислення.

Старт кар’єри: частенько можна знайти junior позицію, головне пройти тестове, тому підготуйтеся.

Тобі це підходить, якщо ти: готовий працювати з інколи досить рутинними задачами які повторюються з логічної сторони. Це аналіз рекламних кампаній, перерозподілення бюджетів, пошук аудиторій, на яких рішення спрацювало. І якщо в тебе немає бажання бути ближче до користувача продукту.

Я знаю, що часто після маркетингу йдуть в дата- або продуктову аналітику, тому що хочуть розширити своє розуміння бізнесу. Маркетинг-аналітика дуже обмежена стандартними підходами до метрик та інструментів, що робить її досить схожою в очікуваннях від компанії до компанії. Але для початківців тут є значний мінус — більшість інструментів маркетингу можна вивчити лише на практиці через роботу в реальній компанії. Проте я рекомендую все одно не нехтувати курсами з GA, вони є в досить гарній якості.

BI Developer

Основна мета: розробка звітів та дашбордів для підтримки прийняття бізнес-рішень на основі даних.

Основні завдання: створення, налаштування та підтримка систем бізнес-аналітики, розробка інтерактивних дашбордів та звітів.

Інструменти та технології: Tableau, Power BI, SQL, ETL-процеси, Excel.

Ключові навички: розуміння бізнес-процесів, вміння працювати з базами даних, знання інструментів візуалізації даних.

Старт кар’єри: такі позиції в цілому рідше зустрічаються ніж дата-аналітик або продакт, і тут можуть взяти початківця, але прям з дуже гарним портфоліо в цій BI, яка потрібна компанії.

Тобі це підходить, якщо ти: готовий до пошуку зручних рішень та розробки дашбордів, готовий більшість часу працювати з системами візуалізації й менше з бізнес-проблемами. Уважний до деталей і відкритий до креативності. Треба бути готовим, що це позиція здебільшого візуалізації, не буде активної іншої аналітичної роботи.

Research Analyst

Основна мета: проведення досліджень та аналіз даних для підтримки стратегічних рішень.

Основні завдання: збір, аналіз та інтерпретація даних для виявлення тенденцій та інсайтів, підготовка дослідницьких звітів.

Інструменти та технології: Excel, Google :)

Ключові навички: аналітичне мислення, знання статистичних методів, вміння працювати з великими наборами даних.

Старт кар’єри: таких позицій в цілому небагато, але, враховуючи нескладний набір інструментів, компанії готові розглядати початківців. Проте тут дуже важливе аналітичне мислення та нестандартні підходи. Адже ви не працюєте з готовими даними вашої компанії — вам потрібно знайти дані в дуже різних джерелах, розібратися в них і лише після цього зробити висновки.

Тобі це підходить, якщо ти готовий вирішувати постійно нові задачі, робити логічні висновки та не працювати багато з системами візуалізації або ж базами даних, твій основний інструмент — Google Docs :)

Finance Analyst

Основна мета: аналіз фінансових показників для підтримки рішень.

Основні завдання: підготовка фінансових звітів, прогнози.

Інструменти: Excel, SQL, фінансові моделі.

Ключові навички: фінансовий аналіз, аналітичне мислення.

Старт кар’єри: потрібна фінансова освіта.

Тобі це підходить, якщо ти готовий до дуже уважної роботи з фінансами компанії. Тут критично важлива правильність чисел та пунктуальність в їх підготовці.

Чомусь плутають фінансову аналітику з продуктовою та дата. До мене приходять за консультаціями з PNL та інших фінансових показників, хоча маю ось такий дисклеймер:

Фінансова аналітика це окрема галузь, на яку потрібно навчатися у профільних вишах. Це досить складний та комплексний напрямок, тому не варто його плутати з іншими типами аналітики.

Business Analyst

Основна мета: оптимізація бізнес-процесів через аналіз вимог.

Основні завдання: збір та документування вимог, аналіз процесів.

Інструменти: Excel, Miro, Notion, Jira, Confluence, English.

Ключові навички: аналітичне мислення, комунікаційні навички.

Старт кар’єри: рідко, але є позиції, проте частіше шукають людину з досвідом.

Тобі це підходить, якщо ти спокійно спілкуєшся з великою кількістю людей, готовий знаходити їх кореневі проблемі та бути місточком між людиною з проблемою і людиною, яка цю проблему може вирішити.

Це також хоча й аналітик, але не той, що аналізує дані, а той що аналізує задачі та вимоги до розробки чи продукту. Тут зовсім інший набір навичок та інструментів, здебільшого потрібна гарна англійська + комунікаційні навички.

Висновки

Роботи з даними дуже багато, абсолютно з різних сторін, з різних перспектив. Тож можливо та важливо обрати своє — те, чим буде цікаво займатися і що не буде змушувати вставати зранку зі словами «блін, знову на роботу».

Обирайте своє озеро для професійного плавання!