Почему все помешались на профессии «Аналитик»?

Если пропустили наш вебинар «Преимущества и недостатки профессии аналитика» с Алёной Артемьевой, директором по аналитике в «Работа.ру», то его можно посмотреть по ссылке. Удобнее читать? Специально для вас мы собрали главное из вебинара в этой статье.

Аналитика как профессия в последние лет 10 стала настоящей рок-звездой. С одной стороны, это хорошо: ведь бизнес наконец-то начал смотреть в свои цифры и отслеживать закономерности, делая прогнозы. С другой — “взрыв” востребованности аналитиков поднял большую пену, и в профессию начинают идти люди, слишком далекие от темы.

Аналитик 30 лет назад — это экономист, который занимался расчётами и планами. Затем в нашей стране появился бизнес как таковой, а с ним и профессия: бизнес-аналитик. Позже эта специальность выросла в продуктового аналитика. И, наконец, достигла вершины эволюции — data science.

Как правило, компании хотят заполучить самые сливки, но не вполне понимают, как с их помощью взбить масло. Они зачастую стараются пропустить этапы с бизнес-аналитиками и продуктовыми аналитиками, сразу нанимают дата-сайентистов.

От бизнес-аналитика к продуктовому или к дата-сайентисту усиливается специализация, сужается область деятельности профессионала в работе с данными. "Перепрыгнуть" эти этапы — как попытаться посадить дерево, не вскопав землю, или выпечь хлеб, не замесив тесто — а просто засунув в печь упаковку муки, пачку масла и пару яиц.

Проблема в том, что бизнес не знает, о чём разговаривать с аналитиками, а дата-сайентисты плохо понимают бизнес. Результат не устраивает никого. Не переживайте, сейчас мы вместе разберёмся, как это лечить и как зайти в профессию аналитика “с той ноги”.

Это может звучать странно, но не все аналитики занимаются анализом данных. Например, системные аналитики — это больше про работу с IT. Назвать их аналитиками, конечно, можно, но данные, выводы, прогнозы — это не про них.

Типов аналитиков со временем становится всё больше: программист-аналитик, аналитик-статистик, вирусный аналитик (занимается анализом данных, связанных с кибербезопасностью, вирусами и способами противодействия им).

Со временем сфер, где может понадобиться специалист подобного профиля, будет становиться только больше.

1. Это модно.
   Правда. Но мода проходит, а для входа в профессию придётся приложить много усилий. Стоят ли они того, если мода — единственная мотивация выбора? Модная профессия не означает, что она лёгкая и универсальная для всех. Есть люди, для которых рутинные операции с цифрами — особое, не всем доступное удовольствие. Нужны определенные навыки, скрупулезность, внимательность, усидчивость. Если вас математические вычисления и анализ статистики вводит в состояние потока, то смело пробуйте себя в этой сфере.
2. Там много платят.
   “Хочу много денег” — отличная мотивация для выбора профессии, но помните, что хорошие зарплаты получают те специалисты, которые добились определенных успехов. Посредственному дата-сайентисту будут платить немного, равно как и плохому маркетологу, бухгалтеру, повару или актёру. Рынок хороших специалистов очень узкий в любой нише, и большой заработок — у больших профессионалов.
   

Из IT-сферы в аналитику перекочевало деление на 3 уровня: Junior, Middle, Senior. И это не удивительно: профессия аналитика находится на стыке IT и бизнеса, соединяя оба мира как посредник и переводя их ожидания и требования на общий понятный язык.

Аналитики — это заказчики для IT, а для самих аналитиков заказчиком является бизнес, топ-менеджмент и так далее. Отсюда и происходит обязательная техническая подкованность. Excel и SQL — фундамент даже для джуна, их основы требуют даже от маркетологов, а аналитика без этого не будут и рассматривать. Без умения писать запросы на SQL вы даже не зайдете в базу данных.

Уровни Junior, Middle и Senior отличаются степенью самостоятельности в решении задач. Градация достаточно условна, границы трактуются по-разному — особенно между уровнями Middle и Senior. Опыт работы не всегда является определяющим: вы можете быстро прокачаться до Senior буквально за год, а можете проходить в джунах больше пяти лет, если вы не будете стараться учиться чему-то новому и постоянно совершенствоваться.

Чтобы ожидания сошлись с реальностью, нужно отбросить заблуждения и дать адекватную оценку. ТОП-3 ошибок у многих, кто желает стать аналитиком:

1. “Я пройду недорогой курс для чайников за неделю и стану востребованным профи”.
   Между “быстро, недорого, качественно” приходится выбирать только 2 качества — и это в самом лучшем случае.
2. “Я пройду большой и дорогой курс и стану крутым аналитиком”.
   К сожалению, даже это сработает не всегда. Аналитика — серьёзная область знаний, завязанная на технических умениях, математике, статистике, теории вероятности. Важно не только читать теорию и делать проверочные задания, но и долго, упорно практиковаться, искать проекты, пытаться найти информацию по теме вне курса и постоянно совершенствовать свои умения. Выгружать данные и строить прогнозы недостаточно, аналитик должен уметь писать выводы: собирать информацию, сопоставлять разные источники, никому и ничему не доверять.
3. “Я буду всем говорить, что им делать, и все будут меня слушаться”.
   Бизнес далеко не всегда прислушивается к данным аналитики. К сожалению, иногда компании вместо правильных и реальных выводов нужны такие, которые будут выгодны и удобны руководству или топ-менеджменту. Не все хотят прозрачной отчетности, не всем нужна “горькая правда” о положении компании, и к этому нужно быть готовым.

Признаки того, что аналитика — не для вас:

1. Вы не готовы к рутинной работе.
   Аналитику нужно работать с цифрами, “закапываться” в них, сопоставлять источники, выгружать и проверять данные, следить за предупреждениями, отвечать на глупые запросы, строить огромное количество отчетов. Это монотонная и не творческая работа.
2. Вам нравится работать “крупными мазками”.
   Аналитик занимается исследованиями. Если вы не любите погружаться в детали и не придаете значения мелочам, вам не стоит этим заниматься.
3. Вы хотите работать только с цифрами.
   Лучше заняться чистой бухгалтерией. Аналитику важно видеть за цифрами бизнес и работать с данными в компании в контексте.
4. Вы не умеете или не хотите отстаивать свою точку зрения, когда это действительно критически важно.
5. Вы не готовы разговаривать с людьми, которые не разбираются в аналитике.
   По 10 раз объяснять практически “на пальцах” очевидные для вас вещи людям, не понимающим ничего в цифрах, — это часть работы, запасайтесь терпением и запишитесь на вечерние сеансы медитации.

Критерии условной оценки условны, но есть “красные линии”, по которым можно понять многое с первого взгляда.

• Плохой аналитик собирает SQL-запросы в табличку и отдаёт ворох получившихся таблиц бизнесу.
  Хороший аналитик анализирует, делает выводы и сопровождает таблицы конкретными рекомендациями, что с этой информацией делать.

• Плохой аналитик держится позиций “Мне сказали — я делаю. Даже если бизнес дал ТЗ, которое совсем не отвечает его собственным запросам” и “Нет задач — я не работаю”.
  Хороший аналитик — активный и инициативный. Он помнит, что работает с людьми, которые часто совсем не разбираются в аналитике. Он занимает позицию специалиста и объясняет бизнесу важные детали, чтобы вместе добиться результата.
• Плохой аналитик любит Ctrl+C и Ctrl-V и свято верит готовым исследованиям из внешних источников: рынок, конкуренты, социология.
  Хороший аналитик никому не доверяет, он всегда перепроверяет данные по каждой цифре в своём отчёте. Ведь исследования могут быть проведены непрофессионально, с ошибками или намеренным искажением итогов.

Если у вас сложилось впечатление, что только аналитику сложно найти хорошую работу, то посмотрите на ситуации с другой стороны — глазами работодателей. Для них это тоже проблема.

1. Бизнес не всегда умеет нанимать аналитиков.
2. Бизнес не всегда умеет давать правильные задания аналитикам.
3. И бизнес не всегда понимает, какую ценность аналитики вообще собой представляют.

Как правило, работодатели пишут в описании вакансии всё, что можно (и что нельзя — тоже). Поэтому перед собеседованием определите для себя, зачем этой компании нужен аналитик и что вы можете этой компании дать: это может стать вашим козырем во время собеседования. Проанализируйте компанию вашего потенциального работодателя и ее проблемы, чтобы при собеседовании предложить конкретные улучшения, которые вы этой компании можете обеспечить.

Общаясь с потенциальным работодателем, лучше сразу, “на берегу”, определить вашу роль и место в компании: чтобы не “перегореть”, выполняя работу, которая в итоге, оказывается, бизнесу не нужна.

Лояльность бизнеса к аналитикам двояка.

Готовьтесь услышать в свою сторону много “нового и интересного”:

• Что вы пытаетесь добыть на кого-то компромат;
• Что вы стараетесь поссорить каких-то высокоранговых работников компании;
• Что вам не стоит учить кого-то, кто “20 лет на этом месте и сам эксперт”.

Но есть и хорошие новости: парадигма недоверия уступает место здравой оценке и лояльности к аналитическим данным. Бизнес вспоминает об аналитиках примерно тогда же, когда мы вспоминаем о врачах: когда что-то пошло не так.

Публичное исследование показало, что компании используют аналитику для стратегического планирования продвижения и развития, для создания моделей поведения клиентов и так далее.

Но по сути все задачи перед аналитиком вертятся вокруг 3 тезисов:

1. Компания хочет сэкономить свои деньги,
2. и/или заработать больше денег,
3. и/или сохранить то, что уже есть.

Конкретная постановка задач зависит от сферы вашей специализации:

• Если вы веб-аналитик, то задачи будут связаны с поведением клиентов на “витрине”.
• Если вы аналитик маркетинга, то здесь — всё, что связано с маркетинговыми акциями.
• Продуктовый аналитик — в какой-то мере собирательный образ: вас может ждать вообще любая задача, и важно обсуждать это на собеседовании.

Компетенции аналитика зависит от того, в какой области и нише вы работаете. Например, должность аналитика в маленькой компании на 100 клиентов в базе не требует хард-скилла Python.

• Хард-скиллы (Python, SQL, прогнозирование, моделирование и так далее).

Это навыки “Умеешь — не умеешь”, которые легко проверить: тестовыми заданиями, знанием основных понятий. Сюда же относится знание английского языка: большинство технической документации и публикаций — именно на техническом английском, пригодится владеть им хотя бы на среднем уровне.

• Софт-скиллы — это коммуникационные навыки: умение общаться, доносить и отстаивать свою точку зрения, гибкость, стратегическое мышление, системный анализ.

Технические навыки тоже зависят от специализации.

• В моделях и прогнозах обычно нужен Python или R, всё реже требуют Excel и VBA.
• Для работы с базами данных нужно понимать, как устроено хранилище и как писать туда запросы. А значит, владеть основами SQL и NoSQL (для неструктурированных данных).
• App- или Web-аналитику нужны инструменты для анализа на вебе и в мобильных приложениях и проведения A-B-тестов.
• В визуализации пригодятся BI-инструменты: для начала работы будет достаточно Power BI. Имея представление об одном инструменте, вы сможете разобраться и в смежных.

Разобраться в профессии аналитика помогут тематические телеграм-каналы:

• Web-аналитика
• HR-аналитика
• Excel Everyday
• Продуктовая аналитика
• A/B-тестирование
• Интернет-аналитика
• Удаленная работа
  

После этой статьи вы стали лучше понимать, в чем состоит профессия аналитика и какими навыками стоит запасаться, чтобы сделать успехи в этой востребованной и перспективной области.

Если эта специальность вам откликается, а тема вызывает интерес, начните развитие в профессии вместе с курсом "Профессия: Аналитик" от ProductStar. Благодаря тому, что PS вырос из крупного сообщества программистов, аналитиков и продактов, у нас есть возможность приглашать топовых спикеров и менторов, а наработанные за 10 лет связи позволяют трудоустраивать студентов (причем гарантированно, входит в стоимость обучения) в лучшие компании российского и зарубежного рынка.

Ознакомиться с программой и задать вопросы менеджеру можно здесь: