Как я перешёл в IT в 30 лет — бесплатно, без смс и без выгорания
Привет! Меня зовут Лёша Авраменко, я хочу поделиться своим опытом перехода в IT. Раньше я работал в банке в отделе рисков, а с января 2022-го вышел продуктовым аналитиком в Авито.
Сразу хочу отметить, что это не история кардинальной смены деятельности. Скорее, это рассказ о том, как начать путь в IT при наличии математической базы и правильно продать на собеседовании свой относительно релевантный бэкграунд.
Если у вас есть ощущение, что «на работе всё хорошо, но хочется чего-то другого», возможно, эта статья поможет точнее понять, что вас не устраивает, чего вы хотите и как можно изменить что-то к лучшему.
В статье я привёл список материалов, которые помогли мне прокачать навыки и знания, чтобы хорошо пройти интервью.
Какой у меня бэкграунд
Я бы разделил свой предыдущий опыт на две части — плюсы для старта в IT и минусы.
Из положительных моментов:
- Закончил ВМК МГУ в 2014-м с зелёным (не шучу!) дипломом.
- Проработал 9 лет в банках из топ-20, преимущественно в рисках/аналитике коллекшн.
- Последнее место работы — банк из топ-10. Я руководил отделом кредитной стратегии — командой из 3 аналитиков. Отвечал за стратегию принятия решений в части одобрения и лимитов кредитов наличными.
- Работал с SQL, Excel и SAS.
Негативные моменты:
- Никогда не работал по Agile и в продуктовых командах.
- Ничего не понимал в A/B-тестировании и проверке гипотез. В универе на втором курсе была теория, но с тех пор в голове не осталось примерно ничего.
- Почти на всех предыдущих местах работы была довольно строгая иерархия, и не было делегирования принятия решений.
- Мало использовал в работе Python.
Почему решил сменить сферу
Я посмотрел на своих руководителей и подумал: «Хочу ли я через несколько лет заниматься тем же, чем они сейчас?». Решил, что не очень =) Вот ещё несколько важных причин:
Устал от конкуренции между департаментами. За 9 лет работы в банках я так до конца и не прочувствовал, что можно говорить и показывать коллегам из других департаментов, а что — нет. При этом внутри одного департамента или управления всё было довольно честно и открыто.
Хотелось улучшать процессы и использовать более современные инструменты. На предыдущем месте работы чаще было важно получить быстрый результат вместо более медленного, но качественного решения. А мне хотелось большего фокуса на улучшении процессов. Например, все отчёты собирались в PowerPoint и Excel, а речи о внедрении BI-системы не было.
В основном решал однообразные задачи. Из-за специфики продукта и сферы ответственности большая часть задач сводилась к вопросам «что будет с выдачами и риском, если добавить/отменить/изменить проверки/cut-off скор-модели в конвейере принятия решений».
Понял, что имею слишком специфический опыт и навыки. Я считаю, что профессия банковского риск-аналитика менее универсальная, чем продуктового или data-аналитика. Особенно на международном рынке: мне кажется, зарубежная банковская сфера отличается от российской сильнее, чем IT-сфера.
Не мог потрогать руками результат своей работы. Например, мы могли сократить риск на 5% или увеличить выдачи кредитов на 3% — это крутые результаты, но их сложно почувствовать.
Хотелось поменьше корпоративных правил. Например, я всегда отрицательно относился к дресс-коду и максимально избегал его, никогда не видел себя «человеком в костюме с галстуком». Строгого дресс-кода нигде и не было, но почему лучше не приходить в офис в шортах или обязательно быть на месте до 10 утра, хотя в это время нет встреч, так и осталось для меня загадкой. Сюда же добавлю желание сменить строгую иерархическую структуру на более гибкую: манифест Agile выглядел привлекательным.
Замечал, что кандидаты предпочитают других работодателей. Меня демотивировали ситуации, когда кандидаты вместо работы у нас выбирали не только Яндекс, Авито или Тинькофф, но и весьма спорные места. Даже не IT-компании, а, например, банки сильно меньше.
Выплатил ипотеку за квартиру. Этот пункт может показаться странным, но он действительно стал сильным триггером изменений: в голове появилось право на ошибку и некоторая страховка, которая даёт пространство для риска.
Говорят, «денег всегда мало», но я поймал тот момент, когда подумал: «Хм, на самом деле денег-то мне хватает, чтобы жить нормально». Да, чем больше — тем лучше, но я вполне могу поискать другую работу и быть более избирательным. Тут ещё спасибо жене, что поддержала меня и мои порывы сменить работу.
Почему не ушёл раньше
В целом было комфортно. Меня окружали отличные коллеги и адекватные руководители, иногда встречались новые, сложные и интересные задачи.
Я чувствовал профессиональное развитие. Помню период, когда осознал, что сильно вырос в софт скилз. На обсуждениях я стал без колебаний вкидывать удачные идеи и предложения, хотя понимал, что это увеличивает список моих и так горящих задач, и по сути я сам себе усложняю жизнь. Затем мне доверили руководить командой аналитиков — это новые ощущения и новая ответственность.
У меня была неплохая зарплата. Ещё с 3-го курса универа я подсел на «денежную иглу»: когда устроился в первое место за зарплату, уже не хотелось терять доход, проходя неоплачиваемые стажировки в IT-компаниях, или готовиться к собеседованиям вместо усердной работы. Так примерно и прошли 9 лет 🙂
Чего хотел от новой работы
Вот список критериев, на которые я опирался, когда искал новое место:
Крупная технологическая продуктовая компания с отлаженными процессами. Хотелось понять, как можно грамотно организовывать процессы для решения проблем, связанных с аналитикой. Например, как реализовать процесс организации автообновляемой отчётности.
Продукт, за который не стыдно. Хотелось, чтобы продукт имел социальную пользу, а я мог потрогать руками результат своей работы — например, пользоваться продуктом самостоятельно и советовать его знакомым.
Развитая аналитическая культура. Хотелось иметь возможность задать любой хардовый вопрос и получить на него качественный ответ. Хотелось больше математичности в принятии решений: правильно проверять гипотезы, отвечать на интересные вопросы, быть в контексте, помогать бизнесу и продукту.
Отсутствие бюрократии, доверие и открытость. Хотелось работать в сотрудничестве, а не в конкуренции с другими подразделениями ради общей цели.
Близость по духу продукта и компании в целом. Сначала я вообще хотел уйти в gamedev, но понял, что в игры от российских разработчиков не играю, да и рынок намного меньше, чем у продуктовых IT-компаний, и убрал это ограничение.
Ориентируясь на эти факторы, я составил список компаний, в которых хотел бы работать.
Как спланировал подготовку к переходу
Цели определены, осталось дело за малым — подготовиться к собеседованиям. Для этого нужно было принять несколько важных решений и составить план:
Решил, что подготовлюсь самостоятельно. Можно пойти на курсы, но там важно укладываться в дедлайны. Поразмыслив, я прикинул, что сил и времени одновременно работать и закрывать дедлайны на курсах у меня не хватит, и я рискую просто перегореть.
Для самостоятельной подготовки нужно больше времени, чтобы разобраться, что именно надо учить, и структурировать материал. Но зато можно выбрать комфортный темп.
Если бы я решил пойти курсы, то вероятнее всего выбрал бы Karpov.courses — Школу Data Science Анатолия Карпова. Я не знаком с ним лично, но он нравится мне и как специалист, и как лектор, и как человек. А ведь он мне даже не платит за рекламу. Чуть менее вероятно, что выбрал бы Яндекс.Практикум. Другие курсы — маловероятно.
Выделил на подготовку пять месяцев. Я боюсь проваленных собеседований — это плохо, но как есть, — поэтому решил готовиться в комфортном темпе и отвёл на это 4–5 месяцев. Спойлер: хватило всего трёх.
Составил верхнеуровневый план подготовки:
- Пресс качат, бегит... Понять, как называется должность, которую я хочу.
- Понять, какие навыки требуются для работы на этой должности, и доработать недостающие.
- Понять, что спрашивают на интервью на аналогичные позиции. Заранее продумать ответы на большинство вопросов.
- По возможности сделать какой-нибудь минимальный проект для себя — pet project.
- Походить по собеседованиям в интересующие компании. Взять отпуск на пару недель и сменить работу.
Как готовился
Теперь расскажу, как начал разбираться в новой сфере и готовиться к собеседованиям.
Понял, как называется должность, которую я хочу. Я определился, что интересующая меня позиция называется продуктовый аналитик или дата аналитик.
Вот что советую посмотреть, чтобы разобраться в том, какие бывают аналитики:
Понял, какие навыки требуются для работы на этой должности, и развил недостающие. Вот как это сделать: смотрите материалы по запросу «дата аналитик», фиксируйте незнакомые слова, гуглите их, смотрите видео по теме и находите новые незнакомые слова. Так по кругу до тех пор, пока не начнёте понимать всё, что происходит в тематических видео. Потом — понимать вопросы докладчика аудитории и самостоятельно отвечать на них.
Я уже сделал это, поэтому ниже — мой личный топ-список материалов для подготовки:
👉🏼 Матемаркетинг. Смотрите все видео, которые по названию близки к аналитике и A/B-тестированию. Например, я посмотрел «Матемаркетинг» и понял, что надо разобраться в логике A/B-тестирования, которое завязано на ЦПТ — Центральной предельной теореме. Поэтому я пошёл вспоминать забытую статистику.
👉🏼 Курсы Анатолия Карпова на Stepik. Для меня самыми полезными оказались уроки 1.8-1.10 про ЦПТ и распределение средних. А в уроке 1.10 Анатолий рассказывает суть проверки гипотез за 1 минуту.
👉🏼 Статья «История одного обмана или требования к распределению в статистических тестах». Во многих источниках утверждают, что t-test можно применить только для метрики с нормальным распределением. На самом деле это не так, и статья подробно объясняет, почему это не так, и откуда взялось это заблуждение.
👉🏼 Статья «Когда останавливать A/B-тест? Часть 1: MDE. Вообще у expf много полезного и интересного, можно читать все материалы на Medium.
👉🏼 Блог Авито на Хабре. Отдельно выделил бы статьи Димы Лунина по A/B-экспериментам: вот первая часть и вот вторая. Встретил там ещё одно упоминание необязательности нормальности распределения метрики и ещё кучу полезной инфы.
👉🏼 Статьи GoPractice по продуктовым метрикам. Множество хороших статей про продукт и метрики: как их выбрать и как считать.
👉🏼 Видеозаписи митапов Авито Тех. На видео обсуждают клёвые прикладные задачи и их решения.
👉🏼 Бесплатные видео на YouTube от Karpov.courses и Школы Менеджеров Яндекса. Некоторым из них уже исполнилось несколько лет, но актуальности они сильно не потеряли.
👉🏼 Канал Глеба Михайлова. На него я натолкнулся довольно поздно в процессе подготовки, поэтому смотрел скорее обрывками. Стиль подачи на любителя, но я любитель. В основном это длинные видео с разбором одной темы «на пальцах» — без уходов в глубокие дебри, но достаточно, чтобы понять, например, в чём чуть A/B-тестов или градиентного бустинга.
👉🏼 Тематические чатики в Телеграме. В чатах можно:
- задать вопрос и получить ответ — не всегда на свой вопрос и не всегда правильный, но тем не менее =)
- поразмыслить над вопросами других, вместе порассуждать над ответом;
- увидеть незнакомые слова — а значит понять «белые зоны» в знаниях;
- найти ссылки на хорошие материалы для подготовки.
Вот список чатов, которыми я пользовался:
Указанных выше материалов хватило, чтобы понять, какие навыки требуются для работы, разобраться в теории A/B-тестирования и метриками. Дальше уже можно было смотреть вопросы с собеседований.
Посмотрел, что спрашивают на собеседованиях на аналогичные позиции. Вот несколько полезных роликов на эту тему и записей интервью с аналитиками, продактами и data science специалистами:
Важно смотреть собеседования не только аналитиков, но ещё продактов и data science специалистов, потому что там часто спрашивают похожие вещи. После вопроса интервьюера полезно остановить запись, продумать свой ответ, а потом сравнить его с ответом на видео.
Сделал небольшой проект для себя, чтобы потренироваться. Когда я разобрался, к каким вопросам готовиться, захотелось сделать ручками что-то близкое к задачам продуктового аналитика. Больше даже не для подготовки, а для поднятия самооценки.
А ещё я знал, что рассказы кандидатов о личных проектах клёво звучат на собеседованиях. Я решил вспомнить Python: придумал достать статистику по лайкам фотографий в соцсети знакомого, а потом спрогнозировать количество лайков для новых снимков. До конца проект не довёл — о причинах скажу ниже, — но что-то получилось. Главная цель была достигнута — я убедился, что ориентируюсь в Python.
💡 Поищите задачи на «Карьерном цехе»
Это отличный источник прикладных продуктовых задач и решений. Найти данные для продуктовой задачи в интернете — непростая задача, а тут кроме них есть ещё и решения с оценками качества. То что нужно!
Как проходил отбор в Авито
Я начал работать над личным проектом в конце ноября и планировал готовиться ещё месяц — чтобы пойти на собеседования в январе и найти что-то в феврале. Но тут на меня в соцсети старгетировалась реклама One Day offer от Авито — то есть предложение о работе можно было получить за один день. Авито был в списке компаний, где я бы хотел работать, а первый отбора этап был заочным. Я подумал: «Почему бы не попробовать свои силы, когда попытка ни к чему не обязывает и не имеет негативного эффекта?»
Заочный этап. Сначала нужно было решить 5-7 задач: часть на статистику и комбинаторику, часть — на простой Python. Последняя, довольно сложная задачка, была на бутстрап. Я порешал все, по итогу где-то накосячил, но в следующий этап прошёл.
HR-интервью по телефону. После заочного этапа мне позвонила HR-менеджер и рассказала о результатах. На этом же звонке было софтовое интервью: меня спросили об опыте и самых интересных задачах на прошлой работе. Мы говорили примерно полчаса, сложных вопросов не помню. Главное — заранее подготовить рассказ о последнем топ-проекте и знать, сколько денег он принёс =)
Техническое + behavioral интервью. Дальше было собеседование с двумя аналитиками Авито, на котором мы:
- порешали задачи на статистику и проверку гипотез;
- порешали продуктовый кейс Авито;
- поговорили о том, «что бы ты улучшил в продукте» — здесь мне как раз пригодилась подготовка к интервью по видеозаписям других собеседований;
- поговорили более глубоко про опыт на прошлом месте: как управлял командой, как решал проблемы;
- поговорили про мотивацию: что ищу, почему, что не нравится сейчас.
На собеседовании я старался отвечать, не отталкиваясь от того, что хотят слышать, — просто честно говорил, как было.
Встреча с командами. На последней встрече были руководители трёх команд и HR-менеджер. Сначала я повторил свой рассказ об опыте и мотивации, а потом команды рассказали, чем занимаются. Мы поговорили около часа.
После встречи HR-менеджер спросила, к кому хочу, я выбрал, и уже вечером получил оффер на выход в январе. Условия устраивали меня даже с учётом потери годовой премии на предыдущей работе. Ну и так как Авито был в шорт-листе, я решил принять оффер и не тратить силы и нервы на другие собеседования перед Новым Годом =)
Вместо заключения
Несколько мыслей по итогам всего этого:
👉🏼 Если есть возможность, лучше не подсаживаться на «денежную иглу» неплохой работы, а сразу потратить время, подготовиться и устроиться на лучшую. Считаю, что так можно расти сильно быстрее.
👉🏼 Прежде чем менять работу, важно понять, что именно вас не устраивает и чего хочется дальше. Советую в первую очередь рассказывать об этом руководителю — мой был в курсе, — а уже потом готовиться уходить.
👉🏼 Проходить собеседования — отдельный самостоятельный навык, который отличается от навыка работать по специальности. Между ними много общего, но прокачивать их надо по-разному.
👉🏼 Чтобы не перегореть за время активной подготовки к новой работе, лучше идти в комфортном темпе. По этой причине я выбрал готовиться самостоятельно, а, например, не идти на курсы.
👉🏼 Даже если у вас нет сил внимательно смотреть видео по теме, их полезно слушать на фоне. Появляется некоторая «наслушанность», незнакомые термины остаются в памяти.
👉🏼 Это может прозвучать банально, но аналитическое мышление и problem-solving — возможно, самые важные вещи в работе аналитиком.
👉🏼 Не будьте токсиками, будьте людьми, с которыми приятно работать, которым не страшно задать любой, даже самый глупый, вопрос, с которыми комфортно решать проблемы. Помогайте заинтересованным людям в тематических сообществах, и, возможно, кто-то из них станет вашим коллегой в будущем, и вы вместе будете делать клёвый продукт.
На сегодняшний момент я уже чуть больше года работаю в Авито. С переходом я получил, что хотел, а то что не хотел – не получил =) Так что желаю вам хорошего таргетолога в соцсетях и найти работу, которая вам максимально по душе!