Я работаю продуктовым аналитиком в Тинькофф в команде Геймификации. Мы создаем в банке продукты с использованием игровых механик в неигровом контексте, чтобы приносить профит для бизнеса. Продуктовая аналитика вообще очень интересный симбиоз data science и бизнесовых знаний. Я одинаково развиваюсь и в Python, SQL, AB-тестах и статистике и при этом много хожу на рабочие созвоны, обсуждаю с продакт-менеджером развитие продукта и как нам в этом может помочь аналитика.
Я бы сказал, что по степени рутинности на 3-4. Потому что операционная рутина — она неизбежна, но не надо ее бояться. Вам в любом случае нужно будет работать с отчетностью, мониторить метрики и общаться с менеджерами по типовым задачам — и в этом нет ничего скучного, если ты постоянно стремишься улучшить и автоматизировать этот процесс.
Поскольку мы сейчас разрабатываем новый продукт, в моей жизни очень мало рутины — постоянно что-то новое, исследование новой фичи, построение дерева метрик, изучение целевой аудитории, создание BI-отчетов — это 90% моего времени сейчас. Но я понимаю, что в будущем, все бо́льшую часть времени я буду работать с теми процессами, которые для себя построил.
И там, и там я работал аналитиком, просто в разных вариациях. В консалтинге я был контент-аналитиком и больше работал с визуализацией данных, а в маркетинговой команде в Ozon, я больше работал с данными по маркетинговым кампаниям — считал воронки, оценивал эффективность и помогал бизнесу привлекать больше клиентов.
В общем, аналитика она многогранна и это породило очень много разных аналитиков: системный аналитик, продуктовый аналитик, маркетинговый аналитик, риск аналитик, финансовый аналитик, BI-аналитик. И все они связаны в первую очередь с анализом данных. Где-то анализ данных попроще и это Excel, где-то больше делают презентации в PowerPoint, но чаще всего пригодятся SQL и Python.
Большое количество разных аналитиков имеет очень похожий набор hard скиллов. А так как большинство аналитиков начинают со стажировок, можно попробовать себя в разных ролях. Даже отработав некоторое время в функционале одного аналитика, можно легко попробовать себя в новой роли. Так я после двух лет маркетинговой аналитики в Ozon в целом очень хорошо себя чувствую продуктовым аналитиком в Тинькофф.
Короче, пробуем разные направления, пока не поймем, что нам нравится больше. Не надо переживать, что это повредит карьере. Вы в любом случае идете в одном направлении, просто можете переходить с одной тропинки на другую.
Саша, ты несколько раз упоминал разные языки программирования. Как ты думаешь, какие hard-скиллы являются must-have для современного аналитика, помимо языков. Вот что бы ты сказал, сразу выделяет тебя среди других кандидатов?
Не нужно забывать, что аналитик данных никогда не живет в каком-то вакууме, работая только с данными, статистическими моделями и красивыми дашбордами. За всем этим всегда стоит бизнес-контекст. Главная цель бизнеса — не анализ данных ради анализа данных, а создание профита для компании. И чем лучше вы разбираетесь в бизнес-логике нашего мира, тем лучше вы будете выглядеть на фоне другого кандидата с такими же хард-скиллами, но без широкого бизнес-кругозора. К примеру, я перед каждым собеседованием уделяю хотя бы час на то, чтобы разобраться в том, в чем заключается бизнес-модель компании, на чем она зарабатывает и какие метрики в первую очередь смотрит.
Однажды я собеседовался в Яндекс в команду разработки беспилотных автомобилей и роботов-доставщиков. Из-за того, что не изучил, а в чем вообще заключается бизнес-модель, все мои знания Python и SQL не особо мне помогли, когда потенциальный руководитель задавал вопросы о том, зачем им вообще нужна аналитика.
Так что да, аналитика данных и харды это очень круто, будете шарить за каждую ML модель в мире, но без знаний о том, зачем это вообще нужно бизнесу, это может не очень помочь (естественно если вы не идете именно на ML-инженера).
Реально, многие недооценивают онлайн-курсы, но у нас на рынке много очень крутых IT-курсов, продуктовых курсов, которые могут очень сильно помочь. Ну в общем, онлайн-курсы гораздо быстрее реагируют на изменения в индустрии, чем это происходит в университете. Это хороший плюс.
Странно прозвучит, что новый предмет моего восхищения тоже связан с едой… Нас в Тинькофф кормят завтраками (буквально) и обедами! Божественный шведский стол и все бесплатно для сотрудников. Ах да, и еще тренажерный зал с сауной, чтобы потом вернуть прежнюю форму. Все, лишь бы больше времени проводили в офисе хехехе.
Скажем так, мне очень часто везло: со стажировкой, с командами, с интересными задачами. Мне открыли мир аналитики данных еще во время первой стажировки, за что я очень благодарен Ozon. Но если говорить про себя, то я очень рад, что научился слушать себя и рефлексировать. Часто тяжело признаться самому себе, что жизнь повернула куда-то не туда и
еще сложнее — сделать шаг назад, рассчитывая потом сделать два вперед.
Сейчас многие аналитики видят, как ChatGPT по щелчку пальцев генерирует сложные скрипты на Python и SQL и сам анализирует данные, выдавая готовый ответ. Многие аналитики переживают, что их работу будет делать ИИ. Но если мы отойдем на 40 лет назад и взглянем на работу аналитика, то тогда у аналитиков даже не было Excel и на техническую рутину могло уходить в десять раз больше времени.
Сегодня аналитики занимаются все менее технической и все более творческой работой: они генерируют гипотезы, дизайнят метрики, проектируют дашборды. Я думаю, в будущем аналитика будет идти к тому, что всю бо́льшую техническую часть мы будем отдавать на аутсорс ИИ, а мы сами будем больше креативить и управлять аналитическими процессами.
Студенчество — это не только про учебу, это однозначно. Это лучшая база для развития софт скиллов и нетворкинга. Участвуйте в таком количестве активностей, кейс-чемпионатов, хакатонов, летних школ, конференций, сколько сможете в себя вместить — и придете на свою первую стажировку не просто со знаниями, но еще и с жизненным опытом.
У меня есть цитата, которую мне сказал мой первый руководитель:
Больше об экспертности Александра Сенаторова можно узнать в его Telegram-канале.