Необходимые инструменты для бизнес-аналитиков в интернет-компаниях
Привет, меня зовут Рома, в этой статье я расскажу об основных инструментах, которые нужны бизнес-аналитикам в ИТ, и о том, как их изучать и развивать.
Я работаю в аналитике около пяти лет: сейчас в eBay в Амстердаме, раньше в Avito, до этого в консалтинге и корпоративных финансах.
Ключевые инструменты, которые нужно знать бизнес-аналитикам: SQL, Tableau, Excel, PowerPoint, Salesforce, Python или R, Google Analytics.
SQL (structured query language) нужен для выгрузки информации из хранилища данных организации (data warehouse). Например, руководитель дал задачу узнать, как изменились количество клиентов и выручка за последний год.
Чтобы выгрузить необходимую информацию, аналитик подключается к базе данных (например, Vertica, Teradata) и пишет запрос к таблицам на языке SQL. Основы SQL можно выучить за пару часов, но чтобы научиться быстро и без ошибок писать сложные запросы к большому числу таблиц, необходим опыт и понимание того, как устроены источники данных и где они хранятся в конкретной компании.
Существуют несколько разновидностей SQL (например: MySQL, SQL Server), но отличия незначительные.
Tableau — это программа для визуализации данных и публикации дашбордов. Также существуют другие инструменты со схожей функциональностью (например, Microsoft Power BI, Looker, R Shiny), но Tableau наиболее популярна в крупных компаниях.
Преимущество Tableau в том, что можно подключаться к большому количеству разных источников данных (разные виды баз данных или к простому Excel-файлу), быстро визуализировать информацию с помощью графиков и настроить автоматическое обновление и рассылку отчётов.
Визуализировать информацию и строить отчёты в Tableau можно интуитивно, без специальные знаний. Но чтобы строить некоторые типы графиков (например, исторические данные и изменение год-к-году), нужно изучить некоторые нюансы.
Также в Tableau можно строить карты на основе адресов — например, показать на карте всех текущих и потенциальных клиентов, объём покупок и выручку, чтобы помочь отделу продаж приоритизировать усилия.
Excel — базовый инструмент для работы с данными. Во многих случаях, когда задача разовая, а также объём данных не очень большой (в пределах нескольких сотен тысяч строк), анализ данных в Excel можно провести быстрее, чем с помощью таких инструментов, как Python или R.
Когда аналитик специализируется на бизнес-функции, а не на продукте, достаточно редко возникают ситуации, когда задачу анализа данных нельзя решить с помощью Excel. При этом часто стейкхолдеры (например, в бизнесе, финансах и продажах) используют Excel как основной инструмент работы с данными. И это стоит учитывать, чтобы обсуждать анализ данных и результаты в знакомом для коллег инструменте.
Функциональность в Excel, которую рекомендую изучить для новичков: сводные таблицы для анализа данных и функции vlookup и index/match для соединения данных из разных таблиц. С помощью макросов можно автоматизировать некоторые задачи в Excel — например, при нажатии кнопки автоматически делать скриншот и отправлять информацию на заранее определённую электронную почту.
PowerPoint — основной инструмент для создания презентаций, например, с результатами проектов. Частота использования этого инструмента зависит от компании и команды.
Например, бывшие консультанты, которые много работали со слайдами, предпочитают работать с презентациями. Люди с техническим бэкграундом обычно предпочитают Jupiter Notebook или отчёты Tableau. А, например, в Amazon политика компании такая, что презентации не используются совсем, вместо них сотрудники пишут документы на одной или нескольких страницах.
С PowerPoint многие из нас знакомы ещё со школы, но хотел бы дать несколько базовых советов по работе с этим инструментом на основе своего опыта. Во-первых, структура презентации — сначала желательно определить цель встречи, темы и подтемы, которые будут обсуждаться, написать заголовки слайдов и только потом заполнять слайд содержимым, а не наоборот.
Во-вторых, заголовки слайдов должны не просто описывать информацию (пример: выручка за последние пять лет), а должны представлять собой содержательный вывод (выручка за последние пять лет падала на 10% в год из-за снижения доли рынка) и в идеале отвечать на вопрос ”So what?” («Ну и что?»).
В-третьих, перед отправкой презентации необходимо прочитать свои слайды и проверить на логику, ошибки в данных и опечатки.
В-четвёртых, есть инструменты, которые позволяют повысить эффективность создания презентаций. Например, многие ведущие консалтинговые компании используют расширение ThinkCell, которое позволяет быстрее и лучше строить графики, также есть расширение DeckRobot для автоматизации форматирования всего слайда в стилистике компании.
Python и R — языки программирования, которые популярны для анализа данных. Преимущества этих языков перед другими инструментами в том, что они могут помочь автоматизировать многие типы задач (например, анализ текстовой информации или прогнозирование оттока клиентов).
Объём данных для анализа фактически не ограничен, по сравнению с Excel. Есть огромные возможности по построению моделей и прогнозированию. Изучение Python или R с нуля проще, чем других языков программирования (таких как Java), но тем не менее это требует существенно больше времени, чем SQL или Tableau.
Существует много сайтов, которые позволяют изучать и тренировать эти языки программирования — например, DataCamp и Kaggle.
Salesforce — это CRM (customer-relationship management). Сервис представляет собой базу данных, предназначенную для хранения информации о клиентах. В крупных компаниях Salesforce (или аналоги, такие как Microsoft Dynamics) — это основной инструмент, с которым работают сотрудники отдела продаж: заполняют и обновляют информацию о клиентах, потенциальных сделках, контрактах и так далее.
Руководители отдела продаж используют Salesforce для постановки и мониторинга выполнения задач подчинённым, аналитики выгружают из Salesforce информацию и строят отчёты. Помимо основного продукта базы данных, Salesforce может включать в себя целую экосистему и другими важными функциями, например, биллингом.
Научиться работать с Salesforce и извлекать информацию можно быстро, но, как и у других инструментов, у Salesforce есть свои нюансы — например, бывает некорректная информация о клиентах (которая часто делается вручную) или технические ошибки в системе, которые нужно учитывать при анализе данных.
Google Analytics — это наиболее популярный инструмент для веб-аналитики. Для большинства интернет-компаний трафик сайта и мобильных приложений, его источники и действия пользователей на сайте — критически важная информация, которая сильно влияет на все основные бизнес показатели, включав выручку.
Google Analytics — удобный инструмент для анализа вышеперечисленных и других показателей веб-платформ. Как правило, наиболее важные показатели (такие как количество уникальных посетителей и общее число просмотров) переносятся во внутреннюю базу данных организации, откуда их можно выгрузить с помощью SQL. Однако для более глубокого понимания деталей и трендов необходимо работать непосредственно с Google Analytics.
Где можно изучить инструменты
- Основы SQL.
- Codecademy — SQL, Python.
- Datacamp — SQL, Python, R.
- HackerRank — SQL, Python.
- Kaggle — Python, R.
- Обучающие материалы на сайте Tableau.
- Google Analytics Academy.
- Udemy (все инструменты).
Понимание и умение эффективно работать с вышеперечисленными инструментами необходимо для бизнес-аналитиков в ИТ-компаниях. При желании перейти работать в эту сферу изучение инструментов существенно повысит шансы на приглашение на интервью и предложения о работе.
Однако необходимо понимать, что кроме инструментов есть много других не менее важных навыков, которые необходимо знать аналитикам — например, умение понимать и приоритизировать задачу, презентовать результаты, работать в команде и другие.
Вниманием! Если кто-то поставил минус и пришел написать язвительный комментарий - ОСТАНОВИСЬ! Эта статья не так плоха, как кажется.
Статья вообще отличная, если честно
Какое-то неоднозначное впечатление.
А, что если скажу, что есть топовые аналитики которые не знают даже Excel, не говоря уже о Phyton. То, что выше больше похоже на "помощника аналитика", или я ошибаюсь?
То есть фундаментально есть разная аналитика, а называют их всех одинаково, аналитиками.
Согласен, даже бизнес-аналитика бывает разная (во всех компаниях, где я работал, это были достаточно разные понятия: в одной упор на маркетинговые исследования, Unit-экономику, создание продукта, в другой описание бизнес-процессов, в третьей построение мат. моделей и автоматизация)).
Затем различие по "помощнику аналитика (младший аналитик/стажёр)" - человек, который выгружает отчёты, предоставляет информацию по запросу, и человек (аналитик/старший аналитик), который сам находит тонкие места, сам проявляет инициативу, делает лучше бизнес-процессы, оптимизирует прибыль и т.д. (здесь применима градация junior, middle, senior, как в разработке)
И наконец, зависит от штата аналитиков. Иногда (если аналитик 1 в компании) приходится совмещать и несколько ролей как по-вертикали аналитика (и разрабатывать продукты, и выгружать отчёты для начальства), так и по-горизонтали (аналитика / продакт / проджект менеджмент, администрирование систем по управлению проектами / маркетинговые исследования)
Хорошо, что автор упомянул про IT-аналитику. Потому что в производстве, например, особенно российском, есть максимум 1с и эксель с поверпойнтом.
Из инструментов можно еще добавить Polymatica, когда Excel уже не тянет по объёму данных, а Python и SQL не хочется изучать))
Polymatica и Tableau не одно и то же?
Окей... я знаю это. Возьмешь на работу в ебей?)