Что не так с курсами на дата-аналитика (Data Analyst)

Всем привет! Я Лаптев Алексей, основатель и главный разработчик группы аналитических и маркетинговых сервисов в datamonster.

Что не так с курсами на дата-аналитика (Data Analyst)

Дисклеймер

Нет цели как-то принизить ценность курсов, но их содержимое периодически очень сильно отличается от реальных потребностей там, где платят деньги, делая диплом таких курсов волчьим билетом на рынке труда.

Надеюсь замечания помогут методистам курсов составлять более грамотные программы, не вызывающие смешанных чувств.

Уверен, такие программы - это недразумение и чей-то недосмотр, а не попытка растянуть курс для увеличения LTV.

Но возможно я не прав и готов принять всю критику в комментах.

Проблема

Увидел на одном канале рекламу курсов на аналитика с зп 285 000 руб у одного лидера рынках ну и решил глянуть чему там учат … и с трудом выдохнул обратно.

Что не так с курсами на дата-аналитика (Data Analyst)

Что предлагает курс

На лендинге курса есть схема, которая нам объясняет путь будущей карьеры.

Что не так с курсами на дата-аналитика (Data Analyst)

То есть вершиной карьеры после курса будет middle аналитик со специализациями:

  • Продуктовый аналитик
  • Маркетинговый аналитик
  • BI аналитик

Так получилось что я в этом немного разбираюсь и знаю что там реально нужно, по крайней мере на уровне middle.

Поэтому чтобы понять некоторую странность курса, давайте разберемся что делают эти товарищи.

Что делают аналитики и что им надо знать?

Дисклеймер

Приведенных требований хватит чтобы решить 95% задач по аналитике в каждой специализации.

Опустим уникальные требования на штучных задачах в крупнейших конторах. Смотрим массовый рынок, где наибольший шанс найти работу.

Маркетинговый аналитик

Задача:

Оценивает эффективность рекламы и говорит куда лучше тратить рекламный бюджет

Что ему нужно знать:

  • Маркетинговые метрики — ROI/ROMI/CR/CTR и некоторые другие
  • Какие кнопки нажимать в аналитических сервисах (Яндекс Метрика, Google Analytics, сервисы сквозной аналитики) и план работы в них
  • Азы статистики, чтобы понимать минимальные объемы данных, на которых имеет смысл делать выводы (не на 10 кликах а на 100 хотя бы).
  • Понимать как работает сайт — html/js чтобы ставить задачи программистам на проброс конверсий.
  • На экспертом уровне знать Python/SQL чтобы посмотреть сырые данные в крайне редких случаях.

Продуктовый аналитик

Задача:

Анализировать продуктовые метрики и предлагать гипотезы роста ключевых продуктовых метрик.

Что ему нужно знать:

  • Продуктовые метрики
  • SQL, чтобы их построить в каком нибуть metabase
  • Азы статистики, чтобы понимать минимальные объемы данных, на которых имеет смысл делать выводы (не на 10 кликах, а на 100 хотя бы).
  • На экспертном уровне — Python, чтобы рассчитать некоторые метрики самостоятельно, а не просить программистов.

BI аналитик

Задача:

Построение кастомных дашбордов и разработка источника данных под них.

Что ему нужно знать:

  • Архитектура базы данных (правильная структура, индексы)
  • SQL
  • Python или аналог для обработки данных с помощью SQL.

А где ML-аналитик и машин-ленинг?

На мой взгляд, ML-аналитика — это отдельная специальность, которой нет в рамках курса.

Использование различных сервисов и API на уровне «закинул данные/получил результат» — это не МL аналитика и большого ума тут не надо.

Более-того

Такие сложные аналитические продукты как сквозная аналитика (utmstat) или обработчики данных (apimonster) пишутся на банальном php/sql или аналогах.

Там нет рокетсайнса, ML и прочих атрибутов современного аналитика, которого нам пытаются продать.

Просто потому что на практике, все эти сложности в 99% случаев не нужны.

Это я к тому, что если уж сложные продукты по своей сути просты, то не нужно переусложнять требования к аналитику.

А теперь давайте посмотрим курс

Напоминаю схему карьеры

Что не так с курсами на дата-аналитика (Data Analyst)

Уровень Intern — 5 месяцев

Из полезного тут только я бы назвал SQL/Excel.

Зачем будущему маркетинговому аналитику машинное обучение, ML модели и теория вероятностей — я не знаю.

Что не так с курсами на дата-аналитика (Data Analyst)

Уровень junior — 4 месяца

So-so. Python лишнее, растянуто, но в целом пойдет.

Что не так с курсами на дата-аналитика (Data Analyst)

Уровень middle

9 месяцев учили довольно бесполезные вещи, а далее за 3 месяца решили освоить 3 разные специальности: )

Было бы полезней эти 9 месяцев зубрить Python/БД/SQL и строить различные дашборды, тогда бы итогу можно было бы стать супер-аналитиком, для которого маркетинговая и продуктовая аналитика это лишь одна из задач.

Ну или сразу учиться на одну из специальностей 3 месяца.

Что не так с курсами на дата-аналитика (Data Analyst)

Отучились 12 месяцев? А теперь интересный факт.

Про маркетинговую аналитику.

В utmstat есть услуга маркетинговой аналитики под ключ. Это когда мы раз в неделю делаем аудит данных и говорим где проблемы в маркетинге и продажах - в этом суть сквозной аналитики.

Весь ее смысл — скрипт в Google Doc на 10 страницах + возможности utmstat.

Результат: клиент получает список всех грубых ошибок в аналитике и продажах со стабильным качеством независимо от эксперта с кем работал.

Срок обучения?

Как такового обучения нет, прочитал и идешь работать с клиентами с небольшой помощью наставника.

На столько все просто, потому что отлажено и автоматизировано.

То есть при желании - неплохим маркетинговым аналитиком можно стать за месяц, если получить нужные инструкции, инструменты и опыт.

12 месяцев на такое учиться — это катастрофа.

Как правильно?

Критикуешь — предлагай.

Однозначно не стоит мешать в кучу абсолютно разные специальности, я бы сделал так:

Курс 1. Продуктовая/Маркетинговая аналитика.

Учим метрики, сервисы, SQL и немного Python. Без ML.

Курс 2. BI-аналитика.

Хорошо учим БД, SQL, Python, визуализация. Без ML.

Курс 3. ML-аналитика.

Хорошо учим все что надо для ML + Python/SQL.

Итого

Я бы не рекомендовал курсы такого уровня и печально что такие курсы проникают в известные учебные заведения.

Материал далек от коммерческой реальности, при этом требует потратить целый год на его изучение. Хотя сами специальности не скажу что денежные, но востребованные.

Прежде чем инвестировать год своей жизни в курс — убедитесь что он имеет ценность. Покажите его практикам.

P.S.

Ссылка на канал в телеге.

66
13 комментариев

Да и что подразумевается под экспертным уровнем python для аналитика? Повертеть таблички в пандасе или использовать метаклассы например?

1
Ответить

В идеале вытащить данные из апи/распарсить что-то и залить в БД для нормальной аналитики. Пандас - это костыль по большей части.

Ответить

Не очень верю в маркетологов с экспертным знанием sql & python.

1
Ответить

на фоне знания тервера - это мелочи судя по курсу

Ответить

Алексей, спасибо за статью) Я проходил курсы датасатанистов у одного нашего общего знакомого и с вами согласен. Уроки питона не сделали меня аналитиком, зато я научился работать с кодом и массивами данных с бОльшей вложенностью, чем в стандартных "двухмерных" таблицах экселя. А так, действительно, диплом любой популярной платформы без собственных кейсов / знаний / наработок / дообучения - не более чем волчий билет.

Ответить

массивами данных с бОльшей вложенностьюДостаточно иметь хорошее воображение и представлять массив не как таблицу, а как объект с полями

Ответить

все эти курсы что яндекс и прочее компании.. суть в том они говорят смотрите в хедхантере сколько требуется подобных спецов и рынок только будет расти... но прикол в том что они сами создают эти фэйковые объявления на хедхантере..99% объявление в хедхантере это фейк.. из 100 моих обращений в хедхаНтере меня никто не пригласил на собес.. не попадите на этот РАЗВОД НАРОД

Ответить