Анализ данных — это процесс, который позволяет увидеть скрытые закономерности и ответить на самые важные вопросы бизнеса: «Можно ли дать человеку кредит?», «Кнопка какого цвета лучше работает?», «Где открыть новую палатку с шаурмой?» и не только. Рассказываем главное о сферах применения, зарплатах, навыках и карьерных перспективах аналитика данных (Data Analyst) вместе с руководителем отдела аналитики SkillFactory Артемом Боровым.
Аналитик данных — кто это
Аналитик данных (Data Analyst или дата-аналитик) — это специалист по анализу больших данных: он собирает их, обрабатывает и делает выводы. На основании его отчетов в компаниях принимают важные решения.
Профессия аналитика данных находится на стыке IT, менеджмента и математики. С одной стороны, дата-аналитик должен уметь работать с IT-инструментами: например, ему может понадобиться кодить на Python или составлять запросы на SQL. С другой стороны, аналитика включает в себя методы из математики, статистики и теории вероятностей — нужно быть с ними знакомым, разбираться, для чего они нужны, как и когда используются. Наконец, менеджмент: дата-аналитик собирает данные не просто так, а ради решения бизнес-задач, в которых он тоже должен разбираться.
Что делает дата-аналитик
Например, в онлайн-торговле аналитик данных может проанализировать, как клиенты используют промокоды и какой контент больше всего интересен посетителям сайта. На основе этого будут решать, какие площадки для продвижения использовать. В крупных сетевых магазинах, опираясь на выводы аналитиков, оптимизируют логистику и работу с потоком покупателей.
Задачи аналитика данных
- Собирать информацию из разных источников.
- Классифицировать данные, сортировать, очищать от лишнего.
- Приводить данные к единому виду.
- Находить закономерности в массивах информации и интерпретировать с помощью математики.
- Делать из закономерностей выводы о текущем положении дел в компании, ее перспективах, слабых местах, прогнозировать развитие и так далее.
- Визуализировать результаты, например в виде графиков.
Для решения этих задач аналитик может пользоваться языками программирования и запросов, например Python и SQL, и специальным ПО. Есть программы для построения графиков, автоматизации подсчетов, реализации разных математических методов. Но многое аналитик должен понимать сам, например какие методы использовать, какие выводы следуют из найденных закономерностей.
Допустим, компании нужно проверить, каким образом пользователи взаимодействуют с сайтом. Тогда к сайту подключают системы аналитики, и те автоматически собирают данные о действиях пользователей. После этого аналитик выгружает данные, соединяет информацию из разных систем в единую базу и начинает с ней работать. Например, он приводит к ее одинаковому виду, сортирует и фильтрует, разбирает на составляющие — готовит к анализу. Чтобы интерпретировать эти данные и сделать из них выводы, аналитик может пользоваться методами из математики и статистики, писать код самостоятельно или загружать кластеры информации в специальное ПО. Когда аналитик находит закономерности — например, большинство пользователей проводит на главной странице от 5 до 10 минут — он визуализирует результаты, составляет графики и таблицы, готовит отчет о результатах.
Что такое большие данные (БД)
БД — это гигантские объемы информации, которые можно собрать и проанализировать только автоматизированным способом.
Предположим, каждый вечер после работы вы играете с собакой. Однажды вы заметили, что пес неприлично громко лает, бегая за мячом. При этом за резиновой игрушкой он гонится с такой же радостью, но молча. Несколько дней вы тестируете гипотезу: проверяете, действительно ли такую реакцию вызывает только мяч? Возможно, ведете дневник наблюдения, отмечая уровень шума по всем игрушкам. Убедившись в своей правоте, вы решаете играть с собакой в мяч только днем или в выходные. Отношения с соседями спасены.
Пройдите тест по аналитике данных и узнайте, какие перспективы ждут вас в этой профессии. Ссылка в конце статьи.
Эти данные — «маленькие», их легко собрать и посчитать вручную, даже в уме. Большие данные — это терабайты разрозненной информации, которую надо собрать по кусочкам, обработать и перевести на «человеческий язык». Например, компания по производству игрушек для животных может анализировать привычки сотен тысяч собак, чтобы выпустить для них новый идеальный продукт.
Каким компаниям нужны аналитики данных
Большие данные — ключевой ресурс для бизнеса: их используют в IT, ритейле, финансах, здравоохранении, игровой индустрии, киберспорте, телекоме, маркетинге. Самые крутые и современные компании называют себя Data-Driven. Они принимают стратегические решения на основе данных.
«На самом деле аналитик данных нужен в любой компании, где есть данные, — уверен Артем Боровой. — Условной сети ларьков с шаурмой он тоже по-хорошему нужен, чтобы анализировать потоки, понимать, где лучше открыть новую точку, выстраивать логистику».
Вот три ситуации, в которых бизнесу может пригодиться специалист по анализу больших данных:
Незавершенные покупки. В интернет-магазине пользователи добавляют в корзину товары, но потом уходят с сайта, не оформив заказ. Специалист по анализу данных сначала выясняет, на каком этапе пользователь теряет интерес. Например, уходит с сайта, когда видит сложную форму для регистрации. Затем предлагает и проверяет гипотезы, которые помогут удержать клиента и довести до нужного магазину результата (оформление заказа).
«Плохие» долги. В банке хотят свести к минимуму количество клиентов, которые не возвращают кредиты. Дата-аналитик изучает, какие характеристики клиента указывают на то, будет ли он вовремя вносить платежи. На этом основании клиенту будет одобрен или не одобрен кредит.
Проверка эффективности дизайн-решения. Создатели приложения для знакомств хотят понять, как пользователи реагируют на цвет кнопки. Аналитику данных предстоит протестировать два прототипа: часть пользователей видит вариант с синей кнопкой, другая часть — с красной. В итоге он помогает дизайнеру интерфейса решить, какого цвета кнопка лучше сработает.
Еще благодаря качественному анализу данных можно:
- выявлять настоящие и будущие потребности клиентов;
- прогнозировать спрос на товар или услугу;
- оценивать вероятность ошибки при разных действиях;
- контролировать работу и износ оборудования;
- управлять логистикой;
- следить за эффективностью сотрудников.
Все это помогает компании узнать о себе больше, увеличить прибыль и сократить издержки.
Какие знания и навыки нужны аналитику данных
Вот стартовый пакет для начинающего специалиста по профессии аналитик:
- работать с данными с помощью Google Sheets, Sublime, Excel;
- использовать для решения задач хотя бы один язык программирования: Python или R;
- писать запросы к базам данных SQL;
- реализовывать отчетность в BI-системах: Tableau, Power BI, Google Data Studio и др.;
- иметь базовые знания по статистике.
В зависимости от направления могут добавляться специфические инструменты. Например, веб-аналитику нужны знания Яндекс.Метрики и Google Analytics.
Какие специализации бывают у аналитика данных
В профессии аналитик данных есть классическое для IT деление на джуниор-, мидл- и синьор-аналитиков. Но, имея базовые знания по работе с данными, можно применять их в других направлениях. Вот несколько специализаций.
Продуктовый аналитик нужен, если необходимо развивать продукт на основе метрик и анализа данных. Продуктовый аналитик глубоко погружается в тематику, проводит тесты и исследования, чтобы понять, какие функции пользуются популярностью, а какие — нет, какие проблемы возникают у пользователей при использовании продукта.
Маркетинговый аналитик помогает привлечь клиентов через рекламу, оптимизировать затраты, опираясь на анализ данных по пользовательскому поведению и кликам.
BI-аналитик проектирует системы для анализа и хранения данных, тестирует гипотезы и автоматизирует отчетность. Он помогает бизнесу моделировать различные ситуации, делать правильные выводы и распределять ресурсы между отделами.
Востребованность профессии
В июне 2021 года на сайте hh.ru было более 13 тысяч вакансий для аналитика данных.
Данные накапливаются с огромной скоростью. В 2018 году аналитическая компания IDC прогнозировала: за пять лет, в период с 2015 по 2020 год, объем цифровых данных в мире вырастет в два раза и составит 40 зеттабайт (один зеттабайт равен миллиону миллионов гигабайт) — но фактически накопление информации идет еще быстрее: в 2020 году объем информации уже достиг 59 зеттабайт. По оценкам Ассоциации больших данных, рынок Big Data в России ежегодно растет на 12%.
Для работы с таким количеством данных компаниям нужны специалисты. В 2019 году вакансий в области анализа данных стало больше в 9,6 раза, чем в 2015 году.
Сколько зарабатывает аналитик данных
Мы проанализировали открытые вакансии на HH.ru и Хабр Карьера. Разброс зарплат оказался довольно большим. Что ожидаемо — он зависит от опыта и города, в котором работает аналитик. Стажеру в Перми предлагают 25 тыс. рублей, а аналитик данных в московском офисе международной компании зарабатывает 200 тыс. рублей.
Средние зарплаты получились такими:
Стажеры и junior-специалисты получают от 60 тыс. рублей. В 8% вакансий указана сумма ниже, но в основном они предлагают частичную занятость.
Руководители отделов и синьор-аналитики получают от 170 тыс. рублей. В некоторых вакансиях предлагают больше 250 тыс. рублей в месяц, но для них нужен опыт больше пяти лет в аналитике и большой пул компетенций.
В регионах ситуация иная. Максимальная зарплата, на которую можно рассчитывать, — 100 тыс. рублей. Но многие работают удаленно в своем городе, получая «столичную» зарплату. На сайте hh.ru удаленные вакансии для дата-аналитиков данных составляют 15% от общего количества.
В каких случаях становятся аналитиками данных
67% специалистов приходят в эту профессию из других сфер: маркетинга, науки и даже госслужбы. Аналитиками данных становятся, когда:
- хотят работать в IT, но не хотят 100% времени заниматься «техникой»;
- хотят повысить свой доход;
- интересно работать с данными, но не хватает технических навыков;
- хочется автоматизировать и упростить процессы,с которыми сталкиваются;
- понимают, что текущая профессия может исчезнуть (например бухгалтеры), и ищут новое перспективное направление.
С чего начать
Если вы понимаете, что специалист по анализу данных — это профессия вашей мечты, стоит подробнее изучить путь, который придется проделать.
Для начала обучения вам достаточно изучить Excel: знать, что такое сводные таблицы и как работают функции. Полезно также подтянуть знания по статистике, SQL и Python. Это можно сделать с помощью бесплатных курсов или тренажеров.
Полезные ссылки
- бесплатные курсы: Основы статистики;
- тренажеры: SQL;
- чат с вакансиями в сфере анализа данных;
- канал с полезными материалами про работу с данными.
Артем Боровой: «На мой взгляд, самый удобный путь — начать применять инструменты аналитика в своей текущей работе. Можно постепенно изучать языки и программы, а потом использовать их для своих задач. Конечно, не у всех может быть доступ к данным по месту работы, но для таких случаев есть площадки для самостоятельного обучения. Онлайн-курсы в этом плане проще и удобнее, так как человеку не нужно самому отбирать информацию, они помогают пройти по всем важным пунктам, дают материал в нужном темпе, погружают в комьюнити».
Образование при этом не имеет значения — начать разбираться в профессии можно с любым бэкграундом. Хороший пример — истории выпускников SkillFactory.
Тест-симулятор по аналитике данных
Частые вопросы FAQ
Аналитика в IT — это процесс сбора, анализа и интерпретации данных с целью извлечения ценной информации для принятия обоснованных решений в области информационных технологий. Аналитика в IT может включать в себя различные аспекты, такие как: cбор данных, очистка и подготовка данных, собственно анализ данных, визуализация данных, интерпретация и применение результатов.
В области аналитики есть множество разнообразных профессий, которые могут быть связаны с различными аспектами работы с данными и анализа информации. Например:
Data-аналитик — специалист, который анализирует данные для выявления тенденций, принятия решений и создания отчетов.
Бизнес-аналитик — эксперт, который изучает бизнес-процессы и предлагает улучшения на основе анализа данных.
Финансовый аналитик — специалист, анализирующий финансовые данные компании для прогнозирования результата и принятия финансовых решений.
Вот основные аспекты работы аналитика:
1. Сбор данных. Аналитик занимается сбором информации из различных источников, таких как базы данных, файлы, веб-сайты, социальные сети, API и другие.
2. Очистка и подготовка данных. Этот этап включает в себя очистку данных от ошибок, дубликатов, недостающих значений и приведение их к формату, пригодному для анализа.
3. Анализ данных. Аналитик проводит анализ данных с использованием различных методов, статистических инструментов и программного обеспечения для выявления тенденций, закономерностей и важных показателей.
4. Визуализация данных. После анализа данных аналитик создает визуализированные отчеты, графики, диаграммы и дашборды, чтобы наглядно представить результаты и обнаруженные закономерности.
5. Интерпретация и документирование результатов. Важным этапом работы аналитика является интерпретация полученных результатов, формулирование выводов и документирование аналитических процессов.
6. Предоставление рекомендаций. На основе анализа данных аналитик формулирует рекомендации для принятия решений и улучшения бизнес-процессов.
7. Взаимодействие с другими специалистами. Аналитики обычно взаимодействуют с другими специалистами, такими как бизнес-аналитики, программисты, проджект-менеджеры, для обмена информацией и совместной работы над проектами.
Работа аналитика требует навыков работы с данными, аналитического мышления, владения статистическими методами, навыка программирования. Пригодится кмение писать и оптимизировать запросы на языке структурированных запросов SQL для извлечения данных из баз. Также важен опыт работы с такими инструментами, как Python (с библиотеками pandas, NumPy, scikit-learn и др.), R, SQL, Tableau, Power BI, Excel и другими.
Исследование Хабр.Карьеры показывает: средння зарплата аналитика данных — 117 000₽.
Получить профессию аналитика данных можно в университете или на онлайн-курсе, а также при самостоятельном обучении. Все зависит от ваших ресурсов: если есть время и деньги погрузиться в фундаментальные знания, выбирайте университет, при наличии денег и ограниченном времени — идите на онлайн-курсы, здесь все организуют за вас и помогут в процессе. Если же денег нет, но времени достаточно, можно сформировать свою собственную программу по открытым и бесплатным материалам в Интернете.