Как начать карьеру дата-аналитика, где получить знания и каких ошибок можно избежать в этой профессии

Логотип компании
Аналитика помогает бизнесу определить, куда лучше направить свои силы, что принесет больше результата. Например, какая аудитория приносит больше выручки, какой функционал удерживает пользователей, какая коммуникация увеличивает конверсию в покупку.

В современном мире огромную роль играют данные. Прогнозы, политики и стратегии выстраиваются на их основе. От профессионализма аналитика, знания отрасли, критического мышления, умения правильно и оптимально решать задачи зависит очень многое. Ирина Пилявская, руководитель аналитики Тинькофф банка рассказывает, как начать карьеру дата-аналитика, где получить необходимые знания и каких ошибок можно избежать в этой новой, но очень востребованной профессии.

Кто такой дата-аналитик и чем он занимается? Какова его роль в бизнесе?

Есть такое устоявшееся представление, что аналитик — человек, который занимается очень сложными расчетами. Мне не очень нравится это амплуа, потому что никогда не бывает задачи просто посчитать, аналитик — это не калькулятор. Никакие расчеты сами по себе не несут ценность для бизнеса. Ценность работы аналитика состоит в нахождении ответа на вопрос, в обнаружении инсайта, подтверждении или опровержении гипотезы, в помощи в принятии решения с опорой на данные.

В моем представлении аналитик — это партнер менеджера, который консультирует его, изучив данные. Для качественной работы такой специалист должен очень хорошо разбираться в контексте того, что он изучает, чтобы общаться с бизнесом на одном языке. Ему необходимо правильно понимать вопросы, возникающие у его коллег, и уметь доносить результаты своей работы доступно, чтобы менеджер понимал, что ему дальше с этими результатами делать.

Именно эта необходимость глубокого погружения в контекст приводит нас к специализации аналитиков. Маркетинговые, продуктовые, e-com, game-dev, crm — огромное множество приставок к слову «аналитик», которые можно встретить как в описании вакансий, так и в резюме специалистов. Экспертиза в какой-то области всегда идет большим плюсом для кандидата и может стать решающим фактором при найме в соответствующую команду.

Получается, что аналитик — это очень много про soft-skills и критическое мышление. Умение правильно и оптимально решать аналитические задачи я закладываю в инструментарий, который не всегда такой сложный, как его себе представляют. Необязательно надо быть гением статистики. Очень многие задачи можно решить минимальным набором навыков и обычной логикой.

В чем разница между Data Mining и Data Analyst?

Data Mining — это процесс анализа данных, которым занимается Data Analyst. Грубо говоря, недостаточно просто найти какую-то аномалию в данных. Ее обязательно надо объяснить человеческим языком, что она значит в реальном мире, как это выражается в поведении пользователей. Не встречала в своей практике, чтобы этим занимался отдельно выделенный человек, но вполне допускаю, что в очень больших аналитических командах такая роль может быть.

Я бы скорее поговорила о различиях Product Analyst и Data Analyst, потому что эта тема многих споров между аналитиками.

Продуктовый аналитик — специалист, который изучает поведение пользователей в продукте, аудиторию продукта, продуктовые сценарии. Тут очень важно уметь ставить себя на место конечного пользователя, и чаще гипотеза становится первичной. То есть это ситуация, не когда мы видим аномалию и пытаемся додумать, как при этом выглядит поведение аудитории, а наоборот — выдвигаем гипотезу и проверяем ее в данных. И очень важно уметь поставить себя на место менеджера продукта, понять, какие вопросы он задает, какие решения ему надо принимать, как ему помочь с помощью данных. Все то, о чем я уже говорила ранее.

Не все аналитики хотят развиваться в сторону продукта, маркетинга или любой другой сферы бизнеса. Есть много специалистов, у которых страсть к данным, их дофамин от работы лежит в области решения сложных статистических задач. Такие ребята идут скорее в Data-аналитики и, может, потом даже в Data Scientists. Им все равно важно понимать контекст задачи и целиться в применимость результатов их работы, но сами задачи более технологичные. Например, те же рекомендательные системы, предсказание покупок и много других задач в области, где сам продукт, может, и не слишком широк в плане функционала, поэтому улучшения данного продукта достигаются в том числе за счет использования данных.

Как начать карьеру аналитика, какие минимальные скиллы надо иметь?

Чтобы ответить на этот вопрос, надо сначала понять, что входит в задачи начинающего аналитика. Как правило, Junior-аналитику выделяют пул довольно простых задач, не требующих экспертизы, глубокого понимания тех самых бизнес-процессов. Например, какие-то несложные отчеты, базы для рассылок. Для этого аналитику достаточно уметь извлечь данные из базы и правильно представить. В навыках это SQL, можно немного Python, математика и основы описательной статистики. В целом из hard-skills этого достаточно, хотя, конечно, очень сильно зависит от работодателя. Софт-скиллы нарабатываются опытом, надо много слушать, как мыслят бизнес-заказчики, смотреть выступления с конференций про конкретные кейсы — тоже очень полезно.

По мере роста у аналитиков появляются более сложные задачи, такие как построение дашбордов, исследования, проведение A/B-тестов. Для этого требуется уже хорошо понимать область, представлять ход мысли менеджеров, глубже разбираться в статистике и уметь понятно рассказывать сложные вещи. Думаю, как и во многих других специальностях, карьерный рост аналитика связан не только с ростом сложности решаемых задач, но и с ростом самостоятельности, ответственности и инициативы. Это та профессия, в которой весьма ценится проактивность. Аналитик, понимающий потребности бизнеса, инициирует исследования и приходит к бизнесу уже с результатами и предложениями — такой специалист ценится на рынке на вес золота. Кстати, наблюдается довольно частая практика, когда в итоге аналитики становятся менеджерами продукта или управленцами бизнеса.

Где нужно учиться?

В вузах дают хорошую математическую базу, технически ребята выпускаются оттуда сильные. Но я не встречала, чтобы после учебы и без опыта работы кто-то разговаривал с менеджерами на одном языке. То есть без опыта сразу претендовать на middle-позицию, скорее всего, не получится. Есть и более быстрый способ — дополнительно поучиться. Образовательные курсы есть у многих компаний, и это будет ближе к запросу рынка в плане скиллов.

Тут я похвастаюсь тем, что делают мои коллеги по Тинькофф, потому что это правда большой вклад в индустрию. Есть образовательная программа «Тинькофф Финтех», на которой представлены образовательные курсы по разным направлениям: аналитике, разработке, QA, SRE, маркетингу и другим. Занятия ведут лиды и топовые специалисты компании, проверяют работы и помогают с пониманием материала. Есть более длительная программа, специально подготовленная для студентов МГУ, ИТМО и УрФУ, доступная также и тем, кто не является студентом этих вузов. И самая фундаментальная и продолжительная образовательная программа — магистратура Тинькофф в МФТИ. Как я уже говорила, для аналитика критически важно понимать, как применять навыки на практике, и этим особенно хороша данная программа — с первого дня обучения вас трудоустраивают в компанию, дают возможность сразу «пощупать» задачи на практике и начать нарабатывать свой профессиональный опыт. Все образовательные программы бесплатны и доступны после отбора для всех, кто интересуется аналитикой или разработкой.

Хочу еще сделать акцент на том, что не стоит бояться и оттягивать обучение или думать, что перед тем, как сделать первый шажочек в профессии аналитика, надо сначала потратить годы на образование. Лучше освоить минимум и сразу искать практику, например, на позиции стажера или джуна. У меня в команде была пара ребят, которые так начинали и вскоре показывали очень хороший результат. Конечно, во время работы они продолжали много изучать недостающего материала, но мы все всегда учимся — это тоже особенность профессии. Есть и примеры, когда аналитики приходили из другой профессии. Один, например, работал маркетологом — и это просто здорово! Такой маркетинговый аналитик может делать очень крутые вещи именно потому, что прекрасно понимает бизнес-контекст. Это мой ответ на сомнение, которое может возникнуть относительно перехода из гуманитарной специальности. Я его не поддерживаю. Вот социология — гуманитарная наука? Из социологов получаются хорошие продуктовые аналитики, потому что, если задуматься, эти профессии схожи, они обе изучают поведение человека. Только социолог анализирует человека в социуме, а продуктовый аналитик — в продукте.

Сама я начинала свою карьеру тогда еще в стартапе — в приложении «Кошелёк». Это очень интересный опыт, но очень сложный из-за отсутствия ментора, который будет подстраховывать своим опытом и направлять в развитии. Поэтому для старта я бы все же рекомендовала крупные компании, где есть ресурсы и желание помогать начинающим аналитикам. Это более комфортный рост.

Профессия аналитика довольно молодая, может, поэтому вокруг нее так много дискуссий, и сама концепция хорошего аналитика непрерывно деформируется. Это интересно, и в то же время требует постоянного обучения, актуализации знаний, расширения своих профессиональных навыков. Для внутреннего развития и в том числе перехода из другой профессии у нас в Тинькофф есть курсы для сотрудников, где можно как изучать тот же SQL, статистику или дашбординг с нуля, так и прокачивать свои скиллы, чтобы развиваться в темпе индустрии.

Сколько стоит работа аналитика? На какую зарплату можно рассчитывать?

Рынок, конечно, очень разный. Надо понимать, что в самом начале нужно очень много времени других специалистов, чтобы рассказывать новичку все, что ему нужно узнать, проверять его работу и подсказывать, как выполнять задачи. И это всегда инвестиции со стороны компании-работодателя. В целом, по моим ощущениям, зарплатные ожидания начинающих аналитиков начинаются от 60 тысяч.

Аналитик уровня Middle в среднем по рынку получает 120–160 тысяч. За время локдауна зарплаты сильно росли, потому что иностранные компании стали больше нанимать на удаленке с гораздо более высокими офферами. Компаниям приходилось догонять и конкурировать с ними за найм, поэтому ставки доходили до 200 тысяч, но специалист должен был быть действительно хорошим, проактивным.

Для Senior Analyst или позиции Lead зарплаты начинаются от 220 тысяч и вплоть до 450 тысяч. Видела такие вакансии у кипрских криптостартапов, например. Но это и сфера очень специфическая, и потом может быть неприятно возвращаться к рыночным ставкам. Шучу, что такие вакансии надо показывать школьникам, чтобы они учили математику.

Как выглядит день для аналитика данных?

Очень сильно зависит от бизнес-команды, в которой работает аналитик. Скажем, в операционном подразделении, таком как отдел продаж, у аналитика очень много заказчиков задач, поэтому много коммуникаций и мало предсказуемости. В день в такой команде аналитик потратит не меньше часа, а то и два просто на ответы коллегам по команде. На передачу результатов работы давайте выделим 30 минут — час. Три часа я бы выделила на кодинг и часа два на красивое доступное оформление результатов своей работы: презентации, отчеты, документацию по исследованиям.

В продуктовой команде заказчик один — продуктовый менеджер. Ежедневно аналитик потратит 30 минут на синхронизацию по статусам задач, час можно выделить на взаимодействие с командой разработки по новым функционалам, разметке статистикой этих функционалов. Час выделим на подведение итогов A/B-тестов, а все остальное время потратим на продуктовые исследования, изучение поведения пользователей и прочее.

Что самое сложное в работе?

Вообще сложностей много, но ко всем можно придумать решение. Например, иногда прилетают очень срочные задачи, когда кто-то из бизнеса прямо сейчас сидит на переговорах и хочет получить какие-то цифры. Это может быть сложно некоторым ребятам чисто психологически — не растеряться, не испугаться и быстро сориентироваться. Конечно, я стараюсь предусмотреть такие моменты и подготовить все заранее, иметь все самые критичные данные в дашбордах. Но тут никто не защищен от подобных задач, если работает с операционными подразделениями.

Может быть сложно делать какие-то долгие исследования, когда не видно ни конца, ни края, просто потому что не чувствуешь прогресс и теряешься в том, что делать дальше. Можно прописывать заранее все гипотезы и фиксировать каждый день, что уже проверено, какие результаты. Но да, особенно первые три-четыре исследования могут именно из-за этого показаться сложными.

Есть ребята очень амбициозные, которые любят признание. Таких может задевать то, что результаты их работы как будто присваивают заказчики, потому что именно менеджеры принимают решения на основе данных и собирают все лавры. Для того чтобы не было подобных обид, я регулярно провожу аналитические демовстречи, на которых аналитики рассказывают всей команде о том, что классного они сделали, какие инсайты нашли. Это очень помогает.

Я сейчас думаю и понимаю, что я вообще не рассматриваю какие-то технические моменты как сложности. Аналитики — люди очень отзывчивые, мы все всегда рады помочь друг другу справиться с любыми расчетами, исследованиями, алгоритмами. Поэтому таких сложностей бояться вообще не стоит. А сложности с коммуникациями, мотивацией, выгоранием — хороший тимлид должен помогать своей команде с этим справляться, это его прямые обязанности. Плюс в Тинькофф в этом помогают психологи лайф-коучи, к которым может обратиться любой сотрудник.

Как выстроить процессы для аналитиков? Расскажите про взаимодействие с командой.

Если кратко сформулировать принципы, которых я придерживаюсь, когда выстраиваю процессы аналитической команде, то получится примерно следующее. Аналитика дает добавочную ценность бизнесу, но без нее можно прожить, поэтому взаимодействовать с аналитиками должно быть приятно и понятно, чтобы менеджеры обращались к аналитической экспертизе чаще. Процессы должны давать аналитикам комфортные условия для погружения в задачи, для этого коммуникации должны быть оптимизированы и удобны. И моей задачей является поиск баланса между удобством для аналитиков и качественным сервисом для менеджеров.

Очень важно, чтобы у аналитика была коммуникация и с бизнес-командой, и с другими аналитиками. Есть ребята, которым комфортно брать на себя роль просто молчаливого исполнителя, но это не то, что я от них хочу. Им надо много общаться со своим бизнес-заказчиком, поэтому у них должны быть регулярные встречи, чтобы они обсуждали цели и результаты задач. Каждый день утром я встречаюсь со своей командой аналитиков, чтобы узнать, как у них прошел предыдущий день, что они обнаружили в данных, с какими вопросами столкнулись. Нужно понимать, что команда аналитиков может друг другу рассказать очень много полезного, подсказать. Но для этого нужна формальная встреча.

Как тимлид я провожу со своей командой регулярные ретро. Это такие психологические кружки, когда мы обсуждаем, что у нас получилось, что нас радует, что нас тревожит, расстраивает и так далее. Мне очень важно вовремя понимать, если что-то идет не так. Аналитик — это на самом деле такой творческий человек в мире статистики. А хорошо делать интеллектуальную работу может только счастливый человек. Если ты находишься в постоянном стрессе, это просто неминуемо приведет к выгоранию. Привести к этому может что угодно: нет понимания полезности своей работы, проблемы в общении с менеджерами, слишком большая нагрузка, синдром самозванца. Моя задача и задача компании — вовремя разглядеть проблему и решить ее, лучше сразу через процессы и для всей команды.

Очень важно грамотно планировать нагрузку на аналитиков и приоритеты для задач. Приоритеты определяют сами заказчики, что сейчас важнее сделать. Но мы, как исполнители, должны сообщить, сколько задач мы можем взять, чтобы не испытывать стресс, что мы что-то не успеваем и не перерабатывать. И еще это все про управление ожиданиями — заказчик задачи должен понимать, когда мы отдадим ему результат и в каком виде, чтобы планировать свою работу.

Еще очень важно дать аналитикам возможность сосредоточиться на своих задачах в течение дня и не отвлекаться на сообщения от менеджеров. Сообщений может быть очень много, и тогда сосредоточиться на исследовании просто не получается. Я решила эту проблему каналом в слаке для вопросов к аналитикам. Получается, что ответить может любой освободившийся специалист. И интересно, что это даже не всегда аналитик — любой, кто уже сталкивался с вопросом и знает, как ответить. Также мы собрали ответы на самые частые вопросы. Получается, что такой канал освободил для нас очень много времени. И это уже такой взгляд на аналитику как на продукт и сервис.

Тема процессов — очень интересная и актуальная для многих команд, а еще обширная. У меня есть отдельная статья на habr, в которой я рассказываю про адаптацию scrum под аналитиков.

Какие ошибки наиболее распространены в работе аналитика?

Качество данных — это наше больное место. Часто в спешке делаешь работу на каких-то данных, с которыми уже много раз сталкивался, что что-то могло произойти с их доставкой в БД, и тогда результаты расчетов получаются неверными.

Еще из технических ошибок: когда собираешь как-то очень сложно данные из разных таблиц с кучей условий, то большая вероятность где-то напортачить. Проблема в том, что наш код никто, кроме нас, не протестирует. Поэтому надо выделить время, чтобы сесть и перепроверить, получается ли результат, который ожидаешь. Чтобы отловить ошибки, мы внедряем процесс code-review — это когда твой код должен перепроверить другой аналитик. Вообще такая практика есть у разработчиков, но мы тоже пишем код, а потому часто подсматриваем у них успешные практики. И вот я опять вернулась к процессам.

Я так же отнесу к ошибкам ситуации, когда аналитик не проработал постановку задачи с заказчиком. То есть, когда задачу не обсуждают заранее, а просто делают по тз от менеджера. Часто выходит, что бизнес сформулировал свой вопрос как-то не так, и аналитик сделал не то, что решит проблему заказчика. Приходится переделывать и тратить в два раза больше времени.

Как аналитика помогает в кризисное время?

Аналитика — это глаза бизнеса. Нескромно звучит, но я в это верю. И в Тинькофф со мной согласны — мы очень любим подвергать сомнению гипотезы, считать и принимать решения на основе данных. Аналитика помогает бизнесу определить, куда лучше направить свои силы, что принесет больше результата. Например, какая аудитория приносит больше выручки, какой функционал удерживает пользователей, какая коммуникация увеличивает конверсию в покупку. То есть аналитика — это знания, без которых бизнес стреляет из пушки по воробьям.

Опубликовано 29.06.2022

Похожие статьи