Аналитик DWH (Data Warehouse Analyst)

Определение

Эта статья является частью большого гайда по профессиям в IT-аналитике. Чтобы ознакомиться с остальным материалом, переходи по ссылке

Основные задачи DWH аналитика

1. Анализирует разные системы-источники и прорабатывает модель того, как данные из них следует хранить в одном месте, - едином аналитическом хранилище.
2. Участвует в процессе загрузки новых данных, а именно:
   2.1. Чистит и преобразует их, чтобы устранить ошибки и привести к единому формату
   2.2. Организует хранение так, чтобы данные было легко анализировать
3. И наконец, создает Витрины данных - подготовленные таблички, содержащие в себе полную и достоверную информацию, которая необходима для тестирования гипотез и построения BI отчетов.
   В дальнейшем такими витринами пользуются остальные аналитики: бизнес, дата, продуктовые и так далее. С помощью витрин они выполняют свои задачи: например, строят прогнозы, оценивают эффективность рекламы или контролируют продажи

Плюсы специальности

1. Большой спрос на рынке В настоящее время наблюдается реальный дефицит кадров в области DWH, так как с уходом западных компаний все отечественные IT компании были вынуждены инвестировать в миграцию с западного ПО на российские аналоги. Такой масштабный переезд данных рождает огромный спрос на кадры, что создаёт отличные возможности для трудоустройства.
2. Низкий порог входа Для начала карьеры в этой области не требуется глубоких знаний программирования. Также, на собеседованиях не спрашивают продуктовые метрики и матстатистику. Достаточно освоить SQL и основные принципы работы с данными (методологии построения DWH).

Минусы специальности

1. Узкая специализация На некоторых проектах основная задача может быть связана с технической поддержкой уже существующих систем, что может ограничить насмотренность на новые технологии. Выходом из ситуации может стать поиск интересного проекта на стадии создания DWH с нуля.
2. Ограниченное взаимодействие с бизнесом В отличие от BI или продуктовых аналитиков, DWH аналитик редко участвует в обсуждениях стратегических решений, что может быть недостатком для тех, кто ценит активное деловое общение.

Оценка по критериям

1. Код — 6/10

SQL активно используется в работе на уровне написания сложных запросов + требуются знания оконных функций. На собеседовании навык понимания кода на Python будет воспринят как конкурентное преимущество (но в самой работе Python используется крайне редко).

2. Коммуникация — 5/10

Значительная часть работы связана с техническими задачами. Встречи есть, в том числе и с представителями заказчика, но их значительно меньше, чем в случае с BI, PA и BA.

3. BI | наличие отчетности — 4/10

Строить графики в классическом понимании не придется, однако могут встречаться задачи по предоставлению аналитических ad-hoс выгрузок по требованию бизнеса. Ad-hoc выгрузки - это задачи, для выполнения которых необходимо здесь и сейчас зайти в базу данных и достать ответ на вопрос бизнеса. К примеру: «Собери мне всех клиентов из таблицы clients, которые оформили хотя бы один заказ за последние две недели»

4. Зарплата — 220к net

Зарплаты могут достигать уровня разработчиков. DWH аналитики, как и SA аналитики особенно актуальны на рынке СНГ после 2022 года, когда началась массовая разработка отечественного ПО, призванного заместить западные решения.

5. Сложность — 5/10

Для начала карьеры требуется знание SQL, а также понимание концепций построения DWH. Будет преимуществом опыт работы с инструментами ETL

Карта компетенций аналитика DWH

Если есть проблемы с отображением, смотри полную версию по ссылке