Аналитик данных: чем занимается специалист, где можно научиться и как зарабатывать на этом от 100 000 рублей в месяц

Данные собирают и компании-монополисты, и мелкий бизнес. Аналитик данных помогает трансформировать собранную информацию в прибыль. Это человек, который влияет на решения бизнеса напрямую.

Аналитик данных — что это за профессия

Data Analyst — универсальный сотрудник, который обладает знаниями в статистике, информатике, математике, бизнесе и экономике. Аналитик занимается анализом и интерпретацией данных. Характер данных зависит от сферы деятельности, в которой работает специалист.

Основная задача data-аналитика состоит в том, чтобы извлечь из данных смысл: структурировать их, сформулировать и проверить гипотезы, найти закономерности и сделать конкретные выводы. Это помогает принимать удачные решения в управлении.

Должностная инструкция аналитика данных

В обязанности аналитика Big Data входит сбор, анализ информации и разработка эффективных решений для бизнеса. На каждом этапе задачи различаются:

  1. Сбор: планирование процесса сбора информации для дальнейшей оперативной обработки, обеспечение полноты данных из разных источников, выработка решений по оптимизации текущих процессов.
  2. Анализ: прогнозирование потребительского поведения, сегментация ЦА, оценка эффективности операционной деятельности и внутренних процессов, анализ рисков.
  3. Разработка бизнес-решений: составление периодических отчетов, заключение выводов, презентация результатов руководству.
Работа аналитика
Работа аналитика состоит из нескольких процессов

Хороший аналитик данных понимает процессы в своей сфере, знает товар или услугу и основные источники дохода конкретного бизнеса.

Что должен знать специалист по аналитике

Работодатели ожидают, что начинающий специалист по анализу данных:

  • может работать хотя бы с одним языком программирования (R, Python);
  • умеет делать запросы к БД;
  • имеет желание разобраться в бизнес-процессах;
  • может представить выводы и метрики в понятной форме.

Аналитик квалификации middle и выше должен основательно разбираться в отрасли, в которой работает, владеть статистическими инструментами (Tableau, SPSS, MATLAB, R, SAS Data Miner), знать методы анализа данных и построения математических моделей (кластеризация, нейронные сети, регрессионный, корреляционный, факторный и др.).

Предприниматель в области big data, генеральный директор образовательного портала SuperDataScience и автор книги “Работа с данными в любой сфере” Кирилл Еременко говорит, что аналитикам не нужно знать все тонкости каждой части ПО и каждого алгоритма, чтобы разбираться в своей отрасли. Есть большое количество программ, а алгоритмы варьируют от простейших, классифицирующих данные, до сложных, использующихся в ИИ.

Основными требованиями являются свободное владение SQL, знание скриптовых языков (Perl/Python/Ruby), методики ETL (извлечение данных из разных источников, преобразование и загрузка в БД), умение работать в Google big table, Hadoop и навык машинного обучения. Важно умение доходчиво ставить специалистам задачи и знание английского на уровне технической документации.

Что должен знать аналитик данных
Аналитик данных должен знать все, что требуется для анализа

Зачем изучать язык SQL для анализа

SQL (язык структурированных запросов) позволяет автоматизировать работу и использовать предыдущие наработки для оптимизации процессов. При анализе SQL используется для объединения массивов данных, простых математических и статистических методов. Это мощный инструмент, который нельзя заменить Excel. Аналитики чаще всего применяют SQL в связке с Python.

Как стать аналитиком данных: обучение и курсы онлайн

Специализированные онлайн-курсы дают возможность войти в отраслевое сообщество (школы интернет-профессий обычно культивируют комьюнити и развивают нетворкинг), приобрести практические навыки, работая над реальным проектом, перенять опыт ведущих экспертов и получить поддержку менторов. Авторитетные онлайн-школы обычно сотрудничают с крупными компаниями, а контакты выпускников попадают в базу, которой пользуются HR-менеджеры партнеров.

Кирилл Еременко, автор книги “Работа с данными в любой сфере”, считает, что в самом начале пути достаточно выяснить, в какой сфере сосредоточены интересы: визуализация или машинное обучение, чтобы начать углубляться в конкретную нишу, а не пытаться охватить все направление с нуля. Но специализация — это не про data-аналитиков. Такие специалисты должны быть динамичными и не ограничивать свои возможности только одним направлением.

Преподаватель курсов одного из университетов digital-профессий, брендолог агентства PINKMAN и основатель агентства SENSESAY Артем Кашехлебов рассказал, как отличить хороший курс от посредственного и какие бывают программы. Рынок предлагает множество вариантов обучения:

  1. Очные и смешанные программы. Занятия обычно семинарского характера, слушатель обменивается мнениями со спикером и коллегами.
  2. Онлайн-интенсивы. Курсы транслируют опыт профи в формате вебинаров, текстовых или видеолекций.
  3. Самостоятельное обучение. Многому можно научиться не из книг, информация в которых устаревает раньше, чем издание выходит из печати, а на тематических площадках.

Эксперт рекомендует обращать внимание на преподавателя. Если более трети спикеров составляют преподаватели старшего поколения, обучение будет теоретическим, на выходе слушатель не получит практическую базу. Но еще хуже, если курс ведут яркие звезды сообщества стартаперов или сферы digital. Такое обучение дает заряд предпринимательской энергии, но если нужны практические знания, то лучше идти учиться к узкоориентированному специалисту.

Для старта в карьере желательно техническое образование. Но хороший специалист по Big Data может и не иметь профильного образования — это подтверждает опыт проджект-менеджера и аналитика Сергея Устинова. Он рассказывает, что учился на факультете госуправления, язык программирования Python изучал на биоинформатике для биологов, библиотеки для сбора и анализа данных учил самостоятельно.

Обучение специалиста по анализу данных от нуля до позиции junior длится около полугода. Стоимость курса составляет 50-80 тыс. руб. (как правило, есть возможность платить в рассрочку). Лучше выбирать онлайн-школы, которые предлагают студентам трудоустройство (или хотя бы стажировку) при успешной сдаче итогового экзамена и защите дипломного проекта — это позволит сразу же стартовать в профессии.

SkillFactory обучает специалистов для крупных компаний (Яндекс, РЖД, Сбербанк). Курс отличается охватом тем и масштабностью подготовки: на выходе специалист может добавить в портфолио 3 реализованных проекта и почти 50 решенных бизнес-задач.

Можно ли пройти обучение бесплатно

Изучить методы анализа, SQL и Python можно самостоятельно, но у такого метода обучения немало минусов:

  • нет возможности пообщаться с профессионалами, услышать экспертное мнение по интересующему вопросу;
  • отсутствует нетворкинг (на курсах слушатель получает не только знания, но и базу полезных контактов);
  • материал изучается несистематически, без логических переходов от простого к сложному;
  • практически нет возможностей для практики на реальных проектах;
  • могут возникнуть сложности с трудоустройством.

При этом курсы — не панацея. Нужно правильно скомбинировать набор материалов, литературы, интенсивов и курсов, которые позволят специалисту совершенствоваться.

Где искать вакансии удаленно

Вакансии можно искать через HR-агрегаторы и сайты поиска работы (Superjob, HeadHunter, Indeed), биржи фриланса, тематические группы в соцсетях, форумы. Удаленной работы для аналитиков данных немного — таких специалистов работодатели предпочитают нанимать в штат. Но иногда на биржах для фрилансеров встречаются проектные заказы — нужно помочь бизнесу решить определенную проблему, проконсультировать.

Зарплата аналитика данных

Согласно статистике исследовательского центра HR-портала Superjob, аналитик в среднем получает 120 тыс. руб. в Москве, 98 тыс. руб. — в Санкт-Петербурге, 64-82 тыс. руб. — в крупных городах. Зарплатные ожидания для специалистов без опыта: от 70 тыс. руб. в Москве, от 64 тыс. руб. — в Санкт-Петербурге.

HeadHunter проанализировал вакансии аналитиков и составил топ самых высокооплачиваемых предложений по специальности. Так, работодатели готовы платить хорошему специалисту 150-200 тыс. руб. В требованиях значатся высшее образование, опыт работы 3-6 лет (желательно в IT-проектах банковской сферы), хорошее знание SQL.

Современный бизнес во многих аспектах строится на анализе данных, поэтому должность Data Analyst очень востребована и останется такой в ближайшие несколько лет. Перспективные смежные направления: дата-моделирование, экономические прогнозы, работа с Big Data.

Похожие статьи
Оставить отзыв
Наверх