Как начать карьеру в аналитике с нуля?

Как начать карьеру в аналитике с нуля?

Всем привет! Я уже больше 10 лет работаю с данными, я работал в России, Европе, Канаде и США и создавал аналитические решения для различных секторов бизнеса. Но речь пойдет не обо мне или моем опыте. Мы поговорим, про то, как начать работать с данными, какие профессии бывают и какие перспективы у вас есть.

Понятие аналитика это термин включающий в себя технологии, инструменты и методологии для работы с данными . То есть в сердце аналитики находятся данные.

Откуда берутся данные? Данные создаются бизнес процессами, приложениями, системами, клиентами.

То есть, когда вы совершаете какое-то действие, например, заходите на сайт vc.ru или покупаете капучино в Starbucks, данные о вашем посещение или о покупке собираются для последующего анализа. Данные позволяют организациям анализировать ваше поведение, узнать ваши предпочтения, откуда вы пришли и многое другое.

Роль Аналитики

Если вкратце, то целью аналитики является:

1. Заработать больше денег

2. Сократить расходы

3. Исследовать новые рынки и продукты

4. Избежать/предсказать риски

Первый два пункта - самые главные. Неважно, у вас маленький стартап или у вас огромная компания. Вам необходимо собирать данные и отслеживать ключевые показатели. Например, количество активных покупателей, стоимость привлечения клиента, прибыль, расходы, и многое другое.

Навыки для работы с данными

Как правило, компании нанимают людей, у которых есть навыки для работы с данными, начиная от простых, таких как, Excel и заканчиваю сложными - создание моделей машинного обучения (ML). Между Excel и ML есть еще много навыков, которые вам помогут преуспеть, например:

- SQL - язык для работы с базами данных

- Python - популярный язык для работы с данными

- Business Intelligence - инструменты визуализации данных и создания отчетности

- Хранилище данных - база данных для консолидации всех данных

- Решения Big Data - противоположность хранилищам данных (например Озеро данных)

- Интеграция данных (ETL/ELT) - инструменты для сбора данных и загрузки в единый репозитория

- Облачные вычисления - технологии активно развиваются и компании все чаще использую облачные решения, например AWS, Azure, GCP или отечественные аналоги.

- Углубленная аналитика - data science, machine learning, deep learning и все что с этим связано.

Основные роли для работы с данными

Чтобы картина был более полноценной, необходим еще рассказать про основные вакансии, которые есть в индустрии и их обязанности.

- SQL разработчик/аналитик - специалист, которых отлично знает SQL, может написать сложные запросы, рассчитать показатели и помочь бизнесу быть эффективней.

- BI разработчик/инженер - человек который работает с бизнесом, и помогает извлекать пользу из данных, по средством инструментов BI. Например, можно создать удобный дашборд, и передать его бизнес пользователям, где они самостоятельно могут отслеживать бизнес показатели. Я сам работал долго BI разработчиком, и мне нравиться эта вакансия, потому что она на стыке ИТ и бизнеса. Есть огромное количество креативных задач.

- ETL разработчик - человек, который управляет процессом загрузки и трансформации данных

- Инженер Данных - современно название ETL разработчик. Данный специалист часто работает с облачными решениями, решениями BigData. Он строит, так называемые, data pipelines, то есть организовывает потоки данных и часто загружает их в хранилище данных или озеро данных, давая доступ BI разработчикам, аналитикам или бизнес пользователям.

- BigData инженер - специалист, который отлично знает решения Apache Hadoop и всю экосистему BigData. Может использоваться как синоним Инженера Данных

- Data Scientist, Аналитик данных, ML инженер - ребята, кто знает как извлечь с данных дополнительную пользу, которую не так просто заметить, они используют специальные алгоритмы, статистику и математику, чтобы создать модель, которая будет решать задачу классификации (например предсказать - перестанет клиент пользоваться сервисом или нет) или регрессии (например запланировать бюджет на следующий квартал).

Как начать обучение?

С одной стороны, все достаточно просто, есть данные, если инструменты для работы с ними, бери и делай, но с другой стороны, все сложно, так как сейчас в интернете огромное количество информации, платных курсов, которые используют "хайп" вокруг аналитики и продают вам дорогие курсы, обещают трудоустройство. Так же очень мало ресурсов на русском языке и мы часто теряемся в этом океане информации и терминов.

Я считаю, что лучший способ - это начать с простого, и двигаться к более сложным вещам.

Подход, в котором нужно платить, чтобы получить качественный контент уже устарел, и появляются новые модели, где можно учиться и развиваться бесплатно, помогая себе и другим и при этом менять индустрию. Сейчас много классных ресурсов, таких как Coursera, Edx, на которых есть курсы по аналитике, визуализации, машинному обучению и другим областям. Как правило западные ресурсы на английском языке. Но есть и отечественный ресурс - DataLearn, который поможет начать и разобраться с терминологией.

Как начать карьеру в аналитике с нуля?

Вы можете найти подробную информацию про ресурс Data Learn на нашем сайте, и также посмотреть описание курса. Все материалы доступны в github (учебник) и youtube (видео лекции). Сейчас курсе уже почти 300 студентов, мы закончили 2 модуля. Есть много положительных отзывов, поэтому я хочу масштабировать ресурс дальше.

Хотите освоить востребованные навыки или улучшить существующие? Переквалифицироваться? Все в ваших руках!

1717
11 комментариев

Комментарий недоступен

5
Ответить

Что-то как-то быстро Вас достали статьи с 1-ого апреля-то, кто ещё "новорег")))

1
Ответить

Ну можно пропустить=)

1
Ответить

Комментарий недоступен

2
Ответить

Бесплатный! курс, где вам объясняют про инструменты - как что и для чего, а 80% остальной работы вы должны будете проделать самостоятельно. 

Ответить

А вам нужен курс, где за вас задания тоже сделают? Из моего личного опыта - лучшие курсы которые я проходил всегда оставляли недосказанность и заставляли гуглить и разбираться частично самому.
ИМХО, важнейший навык аналитика (да и не только) - не конкретные инструменты, а самостоятельность и умение учиться/разбираться.

3
Ответить

А самостоятельность это плохо? Там есть рабочий чат, где люди, которые не справляются получают ответы на свои вопросы. На других учебных ресурсах все более менее похоже, только вам еще пообещают золотые горы и за эти обещания вы заплатите 120+ тыс. руб.

1
Ответить