Что такое аналитика данных? Подробно про это направление в айти

Наверное, вы когда-нибудь задумывались о переходе в айти. Но вокруг столько разных направлений, что выбрать? В этой статье расскажу о простом и интересном направлении, в которое можно быстро погрузиться и уже через 3 месяца зарабатывать 120К+, с перспективами карьерного роста в дальнейшем до 300-400К. Также это направление можно назвать более легким аналогом data science или ML. Если вы хотите работать в этой сфере, то возможно легче будет начать с аналитики, получить опыт в айти, потом подучить недостающие навыки - и пойти в ML.

Введение

По сути, многим компаниям нужны люди, которые умеют делать простейшие операции с данными. Подключиться к базе данных, выгрузить данные, построить график, сделать по нему вывод. Называть эту профессию могут по-разному: BI аналитик, аналитик данных, продуктовый аналитик. И требования сильно зависят от конкретной компании.

Но в целом я бы выделил 2 категории:

Часть 1: Аналитик который обрабатывает данные и строит графики (на старте)

Таких аналитиков также называют BI аналитики (от слова Business Intelligence).

Это самый легкий вид аналитики, который может освоить почти каждый за 2-3 месяца.

Не нужно придумывать никаких гениальных математических моделей, вообще никакой математики сложнее школьного уровня. А многие задачи можно решить с помощью чат GPT.

Зарплата: 100-120 тысяч рублей на руки.

Задачи BI аналитика

Задачи довольно простые. Например:

• Подключиться к базе данных, найти определенные данные. Построить по ним график, чтобы на оси х была дата, а по оси у прибыль. Проверить, что все данные корректны.
• Вам отправили 5 excel файлов с данными от разных партнеров. Нужно обработать эти файлы, привести в единый формат, после чего построить график и сделать выводы. Или просто отправить результат кому-то. Программу на питоне для этого можно быстро написать в чате GPT.
• Нужно написать программу на питоне, чтобы каждый день определенный код запускался, считал определенные данные и сохранял в такую-то таблицу. Чтобы по этой таблице уже строился график.
• Построить дешборд (набор графиков). Для каждого графика нужно написать sql-код. После чего проверить корректность данных, нет ли в них дублей, правильно ли все посчиталось.

Часть 2: Продуктовая аналитика (следующий уровень)

Зарплата: 150-300 тысяч на руки (в зависимости от опыта)

Что это такое?

В отличие от аналитика, который просто строит графики / делает простые выгрузки, продуктовый аналитик занимается исследованиями конкретных продуктов. Пример продуктов - "Авито Доставка", "Яндекс Такси", "Поиск Озон".

Под продуктом имеется ввиду данный сервис и его качество. Например, Яндекс такси. У каждого из них есть важные показатели, за которыми нужно следить.

Для Яндекс Такси могут быть важны такие метрики как:

• Доля заказов, где пользователь нашел такси (допустим среднее значение 80%)
• Средняя себестоимость поездки для Яндекса (500р)
• Среднее время ожидания такси (10 мин)
• Доля негативных отзывов (5%)
• Средний рейтинг таксиста (например 4.1 для эконома, 4.6 для комфорта)
• и тд.

Улучшение/ухудшение каждого из этих показателей принесет/заберет у компании огромные деньги. Поэтому они готовы платить аналитикам за то, чтобы они их анализировали и думали как улучшить.

Например, аналитик может провести исследование и сделать вывод, что люди часто не находят такси, потому что оно приезжает фиг пойми куда. И предложить добавить функционал - предлагать самую частую точку на карте пользователю (что Яндекс на самом деле ввел). И окажется например, что доля нашедших такси вырастет с 80 до 82%. А это уже существенные деньги.

Или по данным поездок пользователей можно сделать вывод о большом количестве людей с низким доходом, которые часто едут в одну сторону. И предложить ввести тариф "Вместе", чтобы они ехали в одном такси еще дешевле. А компания получит больше денег, тк покроет новый сегмент - людей, доход которых не позволяет заказывать эконом.

Также многие метрики надо просто мониторить. Например, долю опозданий такси. Создается график, который обновляется каждый день. Если вы заходите и видите резкий рост - идете разбираться. Иногда оказывается что сбой в данных, и цифры отображаются неверные, иногда окажется что действительно стали больше опаздывать, и есть какая-то причина на это.

Бывают так называемые разовые (ad hoc) задачи. Например, к вам приходит менеджер продукта Яндекс Такси и просит выгрузить данные по опозданиям за прошлые полгода по всем городам. Вы идете разбираться где лежат эти данные, в какой таблице, как их корректно обработать.

Или он приходит с вопросом: проведи короткое исследование, не связаны ли опоздания такси со старой версией ios приложения у пользователей. Эти данные тоже сохраняются в базу, вы ищете их, анализируете, предоставляете вывод. В формате: да, выяснилось, что у тех кто на 15й версии до сих пор, явно больше опозданий, и дело в том что там нашелся баг.

A/B тесты

Также аналитик может проводить АБ тесты (но они не на всех вакансиях. например, в 2 моих основных компаниях где работал, ни на одной их не было).

Например, в Яндексе провели исследование темы с добавлением точек на карту, решили что это принесет результат, после чего запускают эксперимент - показывают эту функцию только части пользователей приложения. И смотрят, у какой группы показатели будут лучше.

Гипотеза может подтвердиться, либо наоборот окажется, что метрики упали по причине неожиданного поведения пользователей. Может быть, они не разобрались, что это за точка на карта стоит, и почти на нее не нажимают. Возможно нужно изменить дизайн изменения.

Заключение

Я обучаю на аналитика данных индивидуально под ключ и довожу до оффера 120К+. Открываю доступ к курсам по SQL и python, составляю резюме, разбираю собеседования, поддерживаю на испытательном сроке.

За год ведения блога 15+ учеников устроились на работу со средним размером зп около 150К. У части из них до этого не было никакого опыта в айти (но чаще всего был какой-то технический бекграунд).

Мой курс аналитики https://teletype.in/@timuranalytics/wautKFjLpOE

Телеграм канал "Аналитика от Тимура" - https://t.me/+wOCTSBfbsooyZDBi