Как я начал работать аналитиком данных и какие знания мне для этого понадобились

Сейчас появилось много различных курсов, где обещают обучить этой невероятно интересной и финансово прибыльной профессии (если так можно выразиться) всего за несколько месяцев, а затем легко устроиться на работу, закинуть ноги на стол и планировать, на что же теперь это всё тратить. Но так ли это на самом деле? Я пять лет проработал аналитиком данных, потом стал системным аналитиком. Сейчас, в зависимости от проекта, наверное, можно назвать меня системным аналитиком/программистом, так как приходится в определенных проектах брать часть разработки на себя.

Целенаправленно я не пытался стать аналитиком данных, у меня была должность, можно сказать, рядом с этой. Я занимался автоматизацией процессов в крупной компании и сильно этим увлекся. После завершения проекта решил искать что-то аналогичное. Мне предложили вакансию аналитика данных, функционал которой показался в принципе схожим и знакомым. На тот момент я хорошо знал Excel, VBA, мог писать несложные SQL-запросы, а также неплохо писал на Python и C#.

Изначально всё выглядело очень хорошо: прекрасный офис с панорамным видом, удобное рабочее место, можно работать и на диванчике в комнате отдыха с ноутбуком, если удобно. Меня даже не смутило, что во многих местах стоят доски с какими-то жуткими схемами и формулами, я думал, что это всё к аналитику данных не относится.

Когда дали первое задание, необходимо было выгрузить данные, обработать и получить определённый результат, звучало просто. Но даже имея значительный опыт с разными инструментами для обработки данных, я не мог представить, как можно это сделать. Только чтобы написать SQL-запрос, ушло несколько часов, и я был совсем не уверен, что это именно те данные, что мне нужны, так как данные необходимо выгрузить из нескольких таблиц, плюс подзапросы и сразу обработать, чтобы их было меньше.

Но выгрузить, это только начало, нужно было данные очистить и привести в более удобный для обработки формат. Сначала были какие-то немыслимые макросы и формулы, потом понимание, что всё не так, опять переписка запросов к базе и так далее.

Начиная со следующего дня, ты не видишь панорамного вида и комнаты отдыха, как бы погружаешься в другой мир и приходишь в себя к вечеру, когда понимаешь, что в голове уже не можешь даже 2+2 сложить.

Конечно, со временем всё упрощается, большинство задач выполняется просто, часть задач автоматизируется, но периодически, были моменты, когда приходилось сидеть, в прямом смысле, днями и ночами, чтобы решить какую-то задачу. Наступает момент, когда ты понимаешь, что теперь легко можешь выгрузить необходимые данные, так как знаешь все таблицы и базы, написать любой макрос или скрипт для обработки этих данных. Перестаешь понимать, что значит простые или сложные запросы SQL, ведь уже даже не думаешь над ними, а просто пишешь почти не глядя, при этом думая о чем-то ещё.

Приходит понимание, что аналитик данных, это только старт в этой области, и зарплаты там не такие большие, как многие думают. Но можно двигаться дальше, в основном, это системный или бизнес-аналитик. И там, помимо того, что вы знаете, нужно будет узнать очень много всего, это не быстро и не просто, не один год занимает, чтобы разобраться, научиться и получить опыт.

Да, сейчас много вакансий, в которых действительно указаны высокие зарплаты, и это потому, что не всё так просто, как кажется. Я много видел рекламы курсов, где обещают за несколько месяцев сделать из вас крутого спеца, но как-то в это не верится. Многие из тех, кто приходят, быстро решают сменить деятельность, осознав, что это на самом деле. Уверены, что хотите этим заниматься?

Тогда давайте рассмотрим, кто такой аналитик данных.

Аналитик данных (Data Analyst) — это специалист, который собирает, обрабатывает и анализирует данные для выявления тенденций и закономерностей, которые помогают бизнесу принимать информированные решения. Работа аналитика данных включает в себя обработку больших объемов информации, проведение статистического анализа и создание различных отчетов, которые представляют результаты анализа в доступной форме для менеджеров компании.

Что нужно знать?

Чтобы стать успешным аналитиком данных, необходимо обладать рядом навыков и знаний:

Знание языков программирования, таких как Python, VBA, язык запросов SQL, отличное знание Excel, это все является базой и основным требованием, используемым для обработки и анализа данных.

Статистика и математика: Понимание основ статистики и математических методов анализа данных. Не нужно быть математиком, но в этом нужно хорошо разбираться.

Визуализация данных: Умение использовать инструменты визуализации, такие как Tableau, Power BI. Также есть более простые варианты для создания графиков и диаграмм, такие как Power Point, так как ваши заключения часто необходимо будет визуализировать.

Машинное обучение: Основы машинного обучения и применение алгоритмов для анализа данных. Это можно для начала пропустить, но понемногу начать изучать для дальнейшего развития важно.

Коммуникационные навыки: Способность ясно и точно представлять результаты анализа. Вы будете получать технические данные, то есть в основном цифры, а бизнесу нужно простыми словами объяснить, что это, почему так и как может быть по-другому. И лучше не просто объяснить, а наглядно показать и расписать другим языком. У вас сразу появился вопрос "что значит другим языком"? Да, вы как технический специалист и, например, менеджер по развитию разговариваете на разных языках. Например, у вас запросили какие-то данные, но обычно это всё очень размыто и нужен дополнительный опрос, что конкретно необходимо. Бывают ситуации, когда, опросив бизнес, он понимает, что таких данных не может быть. И наоборот, если выдать полное подробное заключение, вас могут не понять, так как слишком много очень детальной информации. Понять требования бизнеса на уровне ТЗ и дать ему ответ только тот, который нужен, это тоже отдельный навык. Хотя по большей части это уже относится к бизнес-аналитику, но этим часто приходится заниматься аналитику данных.

Аналитик данных: Основное внимание уделяется сбору, обработке и анализу данных для принятия решений.

Бизнес-аналитик: Концентрируется на выявлении бизнес-потребностей и разработке решений для бизнес-проблем. Бизнес-аналитики взаимодействуют с заинтересованными сторонами, чтобы определить требования и предложить оптимальные решения.

Системный аналитик: Фокусируется на проектировании и улучшении информационных систем. Анализирует требования, разрабатывает технические спецификации и работает с разработчиками для внедрения системных решений.

Насколько сложная эта профессия?

Как я уже писал, профессия аналитика данных совсем не простая, так как она требует как технических, так и аналитических навыков. Чтобы "войти" в неё, необходимы знания программирования, статистики и методов анализа данных. Также важно быть способным интерпретировать результаты анализа и представлять их в понятной форме. Однако, несмотря на сложности, это достаточно востребованная профессия, которая предоставляет возможности для дальнейшего роста. При этом нужно понимать, что в этой работе вам не придётся спокойно сидеть, даже когда у вас не будет сильной загрузки. Необходимо дальше развиваться, изучая новые методы и инструменты для анализа и обработки данных. И так будет постоянно, технологии не стоят на месте, отвлечетесь и что-то пропустите.

Если вы считаете, что ваши знания достаточны для такой работы, можете проверить себя. Существуют различные онлайн-сервисы и мобильные приложения, где можно попробовать ответить на вопросы, которые задают аналитикам данных на собеседованиях, и возможно понять, что нужно изучить.

Плюсы:

Высокий спрос на специалистов: Аналитики данных востребованы во многих отраслях.

Зарплата: В зависимости от уровня опыта и региона, зарплаты могут быть очень конкурентоспособными.

Возможности для роста: Возможность карьерного роста, в основном это "Бизнес-аналитик" или "Системный аналитик", реже другие смежные области.

Разнообразие задач: Работа с данными предполагает решение различных задач и постоянное развитие навыков. Это как плюс, так и минус, так как учиться придётся постоянно.

Минусы:

Высокие требования: Необходимо постоянно обучаться и совершенствовать свои навыки.

Сложность задач: Работа с большими объёмами данных может быть сложной и утомительной, особенно первое время.

Ответственность: Принятые на основе анализа данных решения могут сильно влиять на бизнес-процессы компании.

Стоит стремиться, если вам интересна работа с данными и вы готовы постоянно учиться. Перспективы профессии хорошие, так как количество данных, которые нужно анализировать, растёт с каждым годом. Кроме того, аналитики данных могут работать в различных отраслях, что делает эту профессию очень гибкой.

Аналитик данных — это отличная возможность для тех, кто любит работать с цифрами и хочет развиваться в этой области. Если вы готовы вложить много усилий в обучение и развитие своих навыков, вы сможете добиться успеха и стать востребованным специалистом. Но не думайте, что это будет быстро. Поверьте, уйдёт не один год, пока вы почувствуете себя уверенно, и даже не сомневайтесь в том, что у вас не раз будут мысли о том, что вы сделали неверный выбор. Но если справитесь, дальше будет значительно проще, и вы увидите много перспектив и возможностей.