Как стать аналитиком с нуля

Удивительно, что до сих пор некоторые сомневаются в важности бизнес-анализа при разработке программного обеспечения. Аналитики играют ключевую роль в определении объема проекта, определяя задачи, которые будут переданы разработчикам и архитекторам при создании нового продукта или улучшении существующего. Разнообразие областей, где применяются знания аналитиков, иллюстрируется диаграммой Международной ассоциации бизнес-аналитиков (IIBA), которая четко показывает спектр их компетенций, включая анализ данных, оптимизацию бизнес-процессов и управление продуктом.

Согласно исследованию IIBA, на рынке специалистов в этой области распределение ролей следующее: 27% работают в информационных технологиях, 25% заняты анализом в сферах банковской деятельности, финансов и страхования, 7% — в фармацевтике и здравоохранении, 7% — в государственном секторе и других областях. Учитывая изменения, связанные с пандемией COVID-19, следует отметить, что спрос на аналитиков в сфере здравоохранения значительно вырос. В период пандемии было разработано множество приложений и решений в этой области. Кроме того, в России государственные корпорации все чаще предпочитают иметь аналитиков с глубокими знаниями в узких областях.

Что касается информационных технологий, здесь бизнес-аналитики активно участвуют в процессе цифровизации различных бизнес-секторов, включая телекоммуникации, развлекательную индустрию и интернет вещей, а также цифровое телевидение.

Согласно данным hh спрос на бизнес-аналитиков по-прежнему растет. Сейчас наибольший спрос наблюдается на аналитиков бизнес-процессов, системных аналитиков и аналитиков данных. Реже ищут владельцев продукта (product owner), за исключением случаев, связанных с работой в стартапах. Также встречаются запросы на специалистов в узких областях, таких как анализ 1С, CRM-аналитика, эксперты по клиентскому опыту (Customer Journey Expert), аналитики SM SQL и другие.

Что должен уметь аналитик в рамках проекта?

Давайте определим роль аналитика в информационных технологических проектах. Масштаб задач, с которыми сталкиваются такие специалисты, огромен. Сначала необходимо осознать, что при оценке любого продукта мы рассматриваем его с точки зрения его применимости в бизнесе. Допустим, бизнес-задача требует разработки цифрового решения. Однако для его создания недостаточно изучения только бизнес-процессов заказчика. Аналитику нужно обладать глубоким пониманием, какие системы требуется интегрировать, умение подробно описывать процессы, управлять требованиями и действовать как связующее звено между техническими специалистами и бизнесом. Разработка информационных систем невозможна без понимания принципов функционирования таких элементов, как базы данных, API и возможности интеграции между системами, и так далее.

Задачи, стоящие перед аналитиками

Важно отметить, что в области информационных технологий можно легко совмещать роли дата-аналитика, бизнес-аналитика и системного аналитика. Отдельно стоит выделить продуктового аналитика, который более фокусируется на ключевых функциях бизнеса, понимает потребности пользователей и создает модель бизнеса, что прямо связано с самим продуктом.

Ваша работа потребует активного общения, ведения переговоров и взаимодействия с разными специалистами, имеющими разный уровень опыта и открытости. Поскольку сбор информации является ключевым навыком аналитика, вы должны уметь выявлять нюансы проекта и извлекать важные детали, которые могут быть упущены в документации. Вашими клиентами могут быть разные заказчики, и важно установить правильные взаимоотношения с каждым из них. Иногда бывает так, что бизнес-аналитик видит решение проблемы иначе, чем владелец бизнеса. В таких случаях может потребоваться аргументированное объяснение заказчику правильного выбора информационно-технологического решения с точки зрения аналитика. Также важно помнить о специфичностях российского бизнес-пространства, где часто требуется быстро достигнуть результата, несмотря на итеративный характер разработки продукта. Если у вас есть квалифицированная команда и вы способны четко объяснить клиенту вашу стратегию и действия, проект обычно завершается успешно.

Что необходимо знать для бизнес-аналитика?

Рассмотрим общие требования и основные различия между бизнес-аналитиком и системным аналитиком на примере. Обе эти области имеют общие черты: оба специалиста работают с функциональными и нефункциональными требованиями системы. Однако, стоит понимать, что функциональные требования системы — это не самое сложное, а наибольшая сложность заключается в обеспечении системы высокой скоростью реакции, удобным пользовательским интерфейсом и надежной связью, например, при осуществлении платежей. И в том и в другом случае, аналитики несут ответственность за надежное функционирование системы и обеспечение удобства ее использования.

Следует отметить, что бизнес-аналитик специализируется на документировании требований и их управлении с использованием различных методик. В то время как системный аналитик должен обладать знаниями о работе разных систем интеграции и глубоким пониманием внутреннего устройства системы, включая ее «внутренности». Это включает в себя большой набор инструментов, которыми нужно научиться оперировать.

Как стать аналитиком данных с нуля

Все довольно просто. Начните с изучения специализированной литературы и статей. Посещайте лекции и мероприятия в сфере информационных технологий, участвуйте в IT-дискуссиях и пройдите профессиональные образовательные курсы. Развивайте свои навыки коммуникации и креативного мышления, осваивайте необходимые рабочие инструменты и методики. Этот путь поможет вам войти в профессию аналитика.

С чего начать обучение в сфере анализа данных самостоятельно

Давайте начнем с понимания, кто такой аналитик данных, на примере простой аналогии. Представьте, что ваш ребенок нарисовал красивую картину, и вам нужно подобрать подходящий инструмент, чтобы ее повесить на стену. Вы можете попробовать использовать гвозди, но как их лучше вбить в стену — это непонятно. Или можно попробовать сделать это кулаком, но это может быть даже больно. Другой вариант — использовать книгу, но вам может стать жалко повреждать книгу. Самым удобным и эффективным инструментом в этой ситуации был бы молоток.

Аналогично в работе с большими объемами данных ключевым инструментом являются математические модели. Они помогают находить связи между различными наборами данных и переводить эту информацию на понятный человеку язык. Data Analyst занимается сбором, обработкой данных и созданием математических моделей. Результатом его работы являются наглядные выводы, такие как схемы, диаграммы или инфографика, которые могут использоваться для принятия стратегических бизнес-решений.

Аналитик данных играет важную роль в решении следующих задач, например:

1. Определение целевой аудитории для следующей рекламной кампании бизнеса.
2. Выявление наиболее уязвимых возрастных групп в отношении определенного заболевания.
3. Анализ моделей поведения, связанных с финансовым мошенничеством.

Спрос на профессионалов в области анализа данных постоянно растет. Это относительно новая сфера, где число вакансий значительно превышает количество специалистов. Согласно прогнозам Всемирного экономического форума, с 2020 по 2030 год количество вакансий для аналитиков данных увеличится на 25%, что является гораздо более быстрым ростом по сравнению с общим уровнем занятости (7,7% за тот же период).

Как стать аналитиком с нуля самостоятельно

Без сомнения, понимание математики играет ключевую роль в анализе данных. На начальном этапе важно иметь хорошие знания в области математики, такие как понимание производных на уровне школьной программы, умение применять метод градиентного спуска, знание теории вероятностей, основы дискретной математики и статистики.

В выборе языка программирования большинство аналитиков предпочитают работать с Python и SQL. В специализированных вакансиях часто упоминаются Python-библиотеки Pandas и NumPy. Относительно инструментов визуализации данных, наиболее распространенными являются:

1. Matplotlib — Python-библиотека для создания двумерных графиков и визуализации данных.
2. Seaborn — еще одна Python-библиотека, предназначенная для создания статистических графиков.
3. Power BI — комплекс программных инструментов от Microsoft, включающий в себя средства для визуализации данных.
4. Metabase — сервис, который предоставляет возможность хранить данные, создавать DataLake, проводить гибкие запросы и визуализировать отчеты.

Следует отметить, что не обязательно обладать навыками во всех перечисленных инструментах визуализации. Часто в вакансиях указывается конкретный инструмент по выбору.

Кроме того, существуют no-code решения с готовыми математическими моделями, в которые можно загрузить данные. Однако стоит использовать их только при глубоком понимании того, как работает математическая модель. В противном случае, результаты анализа могут содержать много ошибок, что существенно повлияет на качество предоставляемой аналитиком информации.

Оценка уровня заработной платы аналитиков в Беларуси

На сегодняшний день, в апреле 2022 года, средняя заработная плата для аналитика данных составляет 2000 BYN. Минимальный уровень заработной платы в этой сфере составляет 1500 BYN, в то время как максимальный уровень, как правило, достигает 3000 BYN, особенно для руководителей команды анализа данных.

Главный результат обучения в данной области — смена профессии. Ниже представлены несколько рекомендаций о том, как начать переход от учебных задач к реальным проектам в вашем портфолио:

1. Начните с того, что можно автоматизировать в вашей повседневной жизни. Например, вы можете анализировать, сколько страниц книги вы читаете в день и как это количество зависит от времени, когда вы читаете.
2. Решайте задачи, которые часто встречаются в реальных проектах. Вы можете найти такие задачи в тестовых заданиях компаний, ищущих аналитиков данных. На репозитории Hexlet на GitHub есть множество реальных тестовых задач от российских и зарубежных компаний.
3. Принимайте участие в опенсорс-проектах. Эти проекты представляют собой реальные рабочие задачи или продукты. Участие в них дает вам опыт работы в команде, учит ответственности, планированию и управлению временем, а также позволяет применить ваши знания на практике.

Рассмотрите обучение профессии «Аналитик данных» на платформе GeekBrains. Эта профессия востребована во многих компаниях и помогает им развиваться, обучая вас собирать, обрабатывать, исследовать и интерпретировать данные с использованием SQL и Google Sheets, а также овладевать когортным анализом и визуализацией данных с помощью инструментов, таких как Superset и Python.