Муслим Бабаев переехал в Москву из Нальчика и поступил в МГИМО, потому что любил иностранные языки. Сегодня он — руководитель направления продуктовой аналитики в KION с опытом работы в крупных ритейл-сетях и VK. Муслим поделился своей историей выбора профессии, увлечения и разочарования в Data Science, даунгрейда и роста до руководителя.
До аналитики: МГИМО и работа в KPMG
Я учился в МГИМО, где основной фокус — дипломатия, хотя дипломатом быть я никогда не мечтал, мне просто нравилось учить языки. Образование я получил по специальности «Международные экономические отношения». На четвертом курсе начал интересоваться бухгалтерским учетом.
Тогда на хайпе была «большая четверка» — четыре крупные международные компании по консалтингу и аудиту. В одну из них, KPMG, я устроился. Моей основной работой была проверка финансовых отчетов разных компаний. Нужно было сопоставлять цифры, сверять факты. Здесь я хорошо попрактиковался работать в Excel, который позже пригодился в аналитике. Поработав в аудите, я понял, что здесь для меня мало креатива. Мне хотелось работать там, где нужно больше думать и предлагать решения. Тогда я узнал об аналитике и начал искать работу в этой сфере.
Изучая вакансии, я заметил, что востребовано знание SQL, и купил короткий курс на месяц. Экономическое образование тоже хорошо встроилось в мои навыки, в МГИМО нам поставили аналитическое мышление, которое очень важно в профессии.
Первая работа аналитиком и интерес к Data Science
На первую работу аналитиком меня взяли в сеть «Детский мир». Основной повседневной задачей здесь было строить финансовые модели, чтобы спрогнозировать продажи на неделю. Попутно я помогал принимать решения, проводить ли в ближайшее время федеральные промоакции. Также по итогам разных рекламных кампаний и акций нужно было делать анализ эффективности.
На этой работе я начал получать то, чего мне хотелось, — ко мне прислушивались, и я мог влиять на развитие бизнеса. Мы с командой ходили на собрание с генеральным директором и помогали принимать решения на федеральном уровне для сети из 700 магазинов. Я чувствовал, что приношу пользу.
Из интересных задач: под руководством начальника я построил модель, которая прогнозирует продажи в интернет-магазине по одной из ключевых категорий — одежде. Она помогала коммерческому департаменту своевременно совершать закупки.
Я проработал в «Детском мире» около года. Под конец работы там увлекся Data Science. Это направление становилось популярным и казалось мне перспективным, я видел, что оно тесно связано с аналитикой. Еще работая в «Детском мире», я купил курс по науке о данных, начал изучать Python и применять его в работе.
В «М.Видео — Эльдорадо» мой Python был никому не нужен
Я не искал работу активно, просто в какой-то момент выложил резюме, чтобы посмотреть, какие на рынке есть возможности. Меня схантили и позвали на интервью в «М.Видео — Эльдорадо». Должность называлась красиво: «Менеджер по промоаналитике». Менеджер — значит, управленец, это круто. Позже я узнал, что на самом деле управления в этой работе не было. Мне предложили хорошие условия, и я перешел в «Эльдорадо».
В целом работа была похожа на то, что я делал раньше. Но в «Детском мире» я работал в финансовом отделе, а здесь попал в департамент маркетинга. В повседневных задачах было меньше технического, меньше фундаментальных расчетов, нужно было уметь логически обосновать данные, понятно их рассказать и презентовать. Так как общаться с людьми и показывать презентации я умею, работа давалась мне легко. Свободное время я посвящал курсу по Data Science, где как раз пошли самые сложные темы, в том числе нейросети.
На работе от меня требовались знания Excel и SQL, мой Python был никому не нужен, я просто знал его и хотел применять. Я решил попробовать использовать его в аналитическом отчете «Давление на маржу». В «Эльдорадо» постоянно работают разные акции и скидки, они оказывают влияние на маржинальность товаров, и отслеживать ее нужно регулярно. С помощью Python я организовал и автоматизировал мониторинг на низком уровне, по каждому товару можно было проверить давление на маржу.
Тогда я понял, что хочу большего, хочу писать код, поэтому я вышел на рынок.
Как я отказал «Пятерочке» и пошел в VK
Работая в Эльдорадо, я углубленно изучал Data Science, начал участвовать в хакатонах, принимал участие в соревнованиях по машинному обучению. Откровенно говоря, я не был успешен, потому что практического опыта у меня не было. Но соревнования, которые я не выигрывал, принесли мне много пользы. Я прокачался в Python, и мне становилось легче делать свою работу.
Я начал искать работу в Data Science, но у меня ничего не получалось. Тогда я вновь начал рассматривать работу в аналитике. У меня уже был оффер от «Пятерочки», когда я наткнулся на вакансию от VK. «Пятерочка» предлагала хорошие условия, но я хотел заниматься айтишной аналитикой, поэтому пошел в VK.
Я пришел в направление электронной коммерции VK. Здесь было много работы с SQL, Python, BI-инструментами. Используя свои знания из Data Science, я увеличил конверсию пуш-уведомлений в два раза при помощи простого алгоритма.
Как я разочаровался в Data Science
Я продолжал интересоваться Data Science. В нашем бизнес-юните VK был соседний DS-отдел, которым руководил друг моего тогдашнего начальника. Я попросил, чтобы мне дали попробовать поработать на реальных задачах по машинному обучению. Мне это позволили, дали доступ к облачным машинам, я смог поработать с NLP. Я мечтал об этих задачах больше года, я попробовал, и мне… не понравилось.
Было скучно просто сидеть и писать код без какого-либо бизнес-компонента, без общения с людьми. Мне нравится кодить на Python, но здесь кодинга было слишком много плюс нужно было плотно работать с инфраструктурой машинного обучения.
Очень многие аналитики сейчас хотят уйти в машинное обучение, не понимая, что на самом деле им это может быть неинтересно. Я рад, что я это понял и не успел уйти в Data Science серьезно. Если у вас есть возможность попробовать DS, не меняя работу, — пробуйте, чтобы понять, подходит ли вам это. Потому что соревнования на Kaggle — это меньшая часть того, что делает настоящий дата-сайентист.
Сейчас многие начинают понимать, что DS для аналитиков — это близкая сфера. Хороший продуктовый аналитик в IT должен знать основы машинного обучения и уметь применять алгоритмы на верхнем уровне. Чтобы водить машину, не обязательно быть механиком. Я с удовольствием продолжил быть аналитиком, но при этом продолжаю применять DS в своей работе.
На новой работе меня ждал даунгрейд
В VK я отработал год. Задачи для меня становились типовыми, не было возможности развиваться, все давалось легко, и мне стало скучно. Я вышел на рынок, получил хорошее предложение — старший маркетинговый аналитик в Playrix.
Это было повышение в должности, а еще мне были интересны игры, поэтому я принял предложение. Но про игры в моей работе было мало. Игровая аналитика строится вокруг наблюдения за тем, что делают пользователи в игре, и решений, которые помогают сделать их опыт интереснее. Маркетинговая аналитика — в основном про эффективность закупки трафика. Мне это оказалось неинтересно, поэтому я не проявил себя на новой должности. По итогам испытательного срока мне предложили остаться, но на должности миддла. Я остался, но параллельно искал работу в другом месте.
Как я отказал «Леруа Мерлен» и вернулся в VK
Я вышел на рынок и написал своему бывшему руководителю из VK. Он как раз планировал уходить и предложил меня на свое место. Параллельно я выходил на финал собеседования с «Леруа Мерлен», но хотел расти в менеджерский трек и выбрал VK.
Поначалу я руководил двумя людьми в том же отделе электронной коммерции, я прошел испытательный срок и хорошо себя проявил. Затем начался февраль 2022 года, санкции, уход зарубежных компаний. В бизнес-юните VK произошло несколько реструктуризаций, и за полгода мой отдел вырос с двух до десяти человек.
Всю жизнь я думал, что руководитель работает меньше, чем исполнители. Но на самом деле руководитель работает в десять раз больше, чем все остальные. Когда я управлял двумя людьми, я им помогал и делал что-то сам руками. Когда сотрудников стало пять, а потом десять, — руками я уже не успевал делать ничего. Хорошо, что меня после найма сразу отправили на курсы руководителей, где очень настоятельно учат делегировать. Я старался придерживаться этого правила, и оно мне помогло.
Сформировавшаяся в результате реструктуризаций команда состояла из ребят, которые еще не знали продукт. Я был из этих людей самым экспертным аналитиком. Мне нужно было всех новых сотрудников обучить, рассказать, что вообще происходит с этим проектом. Также в числе моих обязанностей было формировать бэклог, распределять задачи, проверять их на ошибки, смотреть, чтобы никто не был перегружен. Регулярные встречи с сотрудниками один на один также были важны в тот период. Людей штормило, многие увольнялись. Важно было поддерживать личный контакт с людьми, мониторить проблемы.
Ушел наш руководитель, в отделах опять произошли изменения, у меня выросла зона ответственности, я руководил тремя командами, у которых были свои руководители.
Работа в KION и преподавание в МГИМО
Я снова вышел на рынок, потому что мне хотелось чего-то нового. Мне поступило интересное предложение от KION. Это молодой проект большой продуктовой экосистемы МТС, подразделение со свежей аналитикой, которому можно дать направление развития, и мне хотелось это сделать. Мне казалось, что с моей экспертизой будет интересно такой продукт взрастить.
Сейчас у меня есть два направления работы. Первое — сформировать устойчивый штат, растить команду и налаживать процессы. Продукт свежий, нам дается много свободы, но первое время не хватало выстроенных процессов и формализации. Моя задача — построить их, но не ограничить креативность аналитиков.
По продукту наша задача — работать с аналитикой поведения пользователя в приложении и на сайте. Также мы следим за эффективностью взаимодействия с вендорами: насколько хороши те или иные интеграции с телевизорами и другими девайсами, например.
Параллельно с работой я закончил магистратуру МГУ по анализу данных. Меня позвали в МГИМО преподавать науку о данных на факультете управления и политики. Интересно, что это про управление, про менеджмент. Современный мир требует того, что даже гуманитарии в различных сферах должны понимать принципы DS, чтобы говорить с техническими специалистами на одном языке.
Работа в аналитике: ожидания и реальность
В аналитике есть задачи, которые нужно обязательно делать, и они не всегда интересные. Более того, таких задач больше, чем креативных, это разочаровывает. Кажется, что аналитик должен исследовать, раскапывать, находить интересное и полезное. Но больше половины работы — написание SQL-запросов, которые не приводят к принятию решений прямо сейчас. Часто нужно просто поддерживать существование продукта и быть глазами команды. Наблюдательная функция людям надоедает, и они увольняются. На новом месте работы все интересно, потому что ново, а когда начинаешь разбираться — становится скучно. К этому нужно быть готовыми.
