Хочу работать с анализом данных. Кем я могу стать?

Разобрались, какие профессии есть в этой сфере и сколько получают специалисты разного уровня.

Аналитика — это не новый термин из IT-индустрии, и в том или ином виде ей занимается любая, даже самая небольшая компания. В масштабных и сложных бизнесах существует множество профессий, связанных с аналитикой: аналитик и инженер данных, специалист по Data Science и не только.

Всех аналитиков объединяет одно: они умеют обрабатывать информацию, искать в ней взаимосвязи и делать выводы. А ещё у них, как у всех специалистов в IT, есть уровни или грейды:

Часто это разделение условно, и спектр задач джуниора, мидла или синьора может отличаться в разных компаниях.

Аналитики данных ищут взаимосвязи в данных и презентуют результаты заказчикам. Например, именно аналитиков просят проверить, как меняется спрос на товар в праздники и сильно ли падают продажи, когда конкуренты делают скидки.

Если упростить, то аналитики данных отвечают на вопрос — «Какое решение лучше всего принять, исходя из имеющихся данных?».

Вот несколько примеров задач такого специалиста:

Полученные выводы, гипотезы и рекомендации аналитики оформляют в понятном виде, например в презентации, и показывают заказчику.

Чтобы решать такие задачи, аналитики должны иметь навыки работы с большим объемом информации и визуализации. Для получения и обработки данных им нужно знание языков SQL и Python, для проверки гипотез — понимание статистических методов, а для визуализации — навыки работы в таких сервисах, как Tableau.

По данным «Хабр Карьеры», зарплаты аналитиков сильно зависят от грейда:

Показатели формируются исходя из анкет с вопросом о зарплате, которые заполнили пользователи «Хабр Карьеры», поэтому результаты дают представление о том, сколько могут зарабатывать специалисты, но не обязательно отражают точные данные о рынке.

Профессия аналитика данных подойдёт тем, кто умеет сопоставлять факты и делать выводы, не боится рутинной работы (задачи часто будут похожими, а результаты иногда придётся перепроверять). А ещё — тем, кто хочет больше вникать и влиять на дела бизнеса.

Инженеры не анализируют данные — вместо этого они отвечают за то, чтобы аналитики и другие специалисты, работающие с информацией, получали её вовремя, в нужном виде и нужном качестве.

Вот какие задачи могут стоят перед инженерами данных:

Для выполнения этих задач инженеры должны уметь собирать и обрабатывать большие объемы данных, разбираться в видах инфраструктуры и хранилищ. Без навыков программирования тоже никуда — инженеры работают с SQL и Python, а ещё берут данные из других сервисов через API, то есть с помощью запросов и команд в виде кода.

По данным «Хабр Карьеры», зарплаты инженеров среди пользователей платформы кратно увеличиваются с ростом уровня:

Такая специальность подойдёт тем, кто готов программировать на Python и SQL, осваивать много инструментов для работы с данными и больше тяготеет к технической работе, чем к анализу и бизнес-решениям.

Специалисты по Data Science (или дата-сайентисты) анализируют данные, чтобы строить на их основе модели, с помощью которых можно делать прогнозы. Мы сталкиваемся с этими прогнозами постоянно. Например, когда смотрим раздел с рекомендациями в онлайн-магазине или видим «витрину» стримингового сервиса с музыкальными альбомами, выбранными на основе наших вкусов.

Вот какие задачи могут стоять перед такими специалистами:

С одной стороны, специалисты по Data Science отвечают на тот же вопрос, что и аналитики данных, — «Какое решение лучше всего принять, исходя из имеющихся данных?». Но дата-сайентисты работают шире: они умеют собирать и готовить данные для анализа как инженеры, а ещё используют машинное обучение — технологии, которые помогают решать задачи на основе применения решений большого количества других схожих задач.

Специалисты по Data Science дальше от бизнеса, но ближе к технике, чем аналитики данных, — поэтому им нужна другая глубина схожих навыков. Они должны иметь углубленные знания Python, его различных библиотек и фреймворков, а также математики — если аналитику достаточно понимания статистики и теории вероятностей, то дата-сайентистам не обойтись без математического анализа и линейной алгебры.

Специалисты по Data Science, которые зарегистрированы на «Хабр Карьере», отмечают такие медианные зарплаты:

Data Science подойдёт тем, кто считает себя «технарём» — готов программировать и заниматься математикой, кропотливо дорабатывать результаты и придумывать собственные способы решения сложных задач.

Системные аналитики участвуют в разработке IT-продуктов: проектируют функционал ПО и способы его реализации. Для этого они собирают и анализируют требования пользователей и заказчика, а потом передают их отделу разработки.

Вот примеры некоторых задач системного аналитика:

Чтобы выполнять эти задачи, системные аналитики должны хорошо знать, как создаются IT-продукты, и понимать, чего от них ожидает пользователь. Для этого они должны уметь работать с инструментами для моделирования процессов разработки, приводить разрозненные требования к удобным и понятным инструкциям, проектировать интерфейсы и структуры данных.

Анкеты пользователей «Хабр Карьеры» дают такую информацию по медианным зарплатам системных аналитиков:

Это направление будет интересно тем, кто любит упорядочивать хаос, планировать задачи и раскладывать их по полочкам, легко и с радостью общается с людьми, а ещё тем, кто хочет углубиться в техническое направление, но не хочет программировать (можно обойтись базовыми знаниями SQL).

Бизнес-аналитики оптимизируют бизнес-процессы, причём как «внутри», так и «снаружи» компании. Внутри бизнеса они изучают показатели эффективности, чтобы сделать работу коллег экономнее, быстрее и проще. А за его границами — решают проблемы пользователей и улучшают их опыт взаимодействия с продуктом.

Вот несколько примеров задач бизнес-аналитиков:

Для решения этих задач бизнес-аналитикам нужно ориентироваться в показателях компании и процессах внутри неё, а также общаться с заказчиками и клиентами. Такой специалист в IT-компании должен уметь собирать и формулировать требования, работать с таблицами, хотя бы немного знать SQL и понимать, как устроен процесс разработки ПО.

Судя по анкетам пользователей «Хабр Карьеры», медианные показатели зарплат бизнес-аналитиков могут кратно отличаться в зависимости от грейда:

Такая профессия подойдет тем, кто любит оптимизировать расходы в работе и в жизни, быстро устаёт от рутинных задач и готов много общаться с коллегами, заказчиками и клиентами.

Бизнесу нужно учитывать, сколько денег ушло на закупки, аренду и зарплаты, сколько товаров осталось на складе, и много других показателей. Для автоматизации такого учёта многие компании используют «1C:Предприятие» — систему, в которую входит много других программ.

1С-аналитики подбирают эти программы исходя из задач бизнеса, а также помогают дорабатывать и создавать новые решения на базе 1С. Они могут сочетать функции системных и бизнес-аналитиков — но обязательно с работой в программной среде 1С. Например, они тоже исследуют бизнес-модели, собирают и формулируют требования, выступая звеном между заказчиком и разработчиками.

1С-аналитики востребованы в финансовом секторе, ритейле и других сферах — а спрос на них растёт из-за ухода с российского рынка зарубежных аналогов 1С. Но есть и ограничение: подобная популярность у 1С-решений распространяется большей частью на страны СНГ.

Вот что могут делать 1С-аналитики:

Чтобы выполнять работу, 1С-аналитикам нужно понимать, как устроены бизнес-процессы в компании, уметь собирать требования и — самое важное — владеть навыками работы с 1С: читать код, ориентироваться в конфигурациях и правильно подбирать и дорабатывать готовые решения под нужды заказчика.

По данным журнала для бухгалтеров «Главбух», зарплаты 1С-аналитиков могут быть следующими:

Работа 1С-аналитика подойдет тем, кто любит автоматизировать процессы, умеет выбирать между подручными средствами и новыми инструментами и интересуется вопросами бизнеса и разработкой в одинаковой степени — 1С-аналитики работают и там, и там.

Работа продуктовых аналитиков лежит в пространстве между бизнесом и пользователями — такие специалисты изучают поведение клиентов и думают, как улучшить их опыт, постоянно следят за метриками и ищут точки роста для продукта.

Вот несколько примеров задач для продуктовых аналитиков:

Для выполнения подобных задач продуктовые аналитики должны уметь анализировать показатели бизнеса, визуализировать данные и понимать клиентов. Они так же, как и аналитики данных, работают с SQL, Python и занимаются визуализациями. Ещё они должны уметь анализировать метрики (например, в Яндекс Метрике), сегментировать аудитории и разбираться в юнит-экономике, анализируя доходы и расходы бизнеса на единицу: продукт, клиента или пользователя.

По данным «Хабр Карьеры», зарплаты продуктовых аналитиков следующие:

Направление подойдёт тем, кто умеет замечать мелочи и делать из них выводы, а также тем, кому может быть любопытно замечать, как новые решения влияют на поведение пользователей.