Количество данных с 2012 года выросло в 15 раз: кому и зачем нужны data-аналитики

По состоянию на 2016 год количество имеющейся в мире информации начало измеряться в зеттабайтах (ЗБ). Для понимания: 1 ЗБ = 1,099512 * 10¹² гигабайтов. Счет перевалил уже за сотню зеттабайтов. Такое огромное количество информации даже сложно представить.

Именно поэтому профессия data-аналитика, умеющего анализировать, структурировать и визуализировать данные, так востребована на рынке, и эта востребованность будет только расти в будущем.

Как войти в профессию, что учить и где могут работать дата-аналитики, рассказывают лекторы курса Junior Data Analyst:

• Максим Арбузов, Data Analyst в Uklon;
• Юлия Ларионова, Data Analyst в MEGOGO.

Кому и зачем нужны data-аналитики

Индустрий, где нужны data-аналитики, очень много: от финансовой сферы, ІТ и спорта — до ритейла, медицины и логистики. Проще даже выделить, где специалист по анализу данных сейчас не так важен.

«Все приложения в телефоне или персональном компьютере генерируют данные», — рассказывает Максим Арбузов. — «А где-то на обратной стороне сидят аналитики и все это анализируют. Сфера использования огромна. И чем больше будет анализа, тем лучше».

Максим Арбузов, Data Analyst в Uklon

Максим добавляет, что популяризация профессии началась с интернет-маркетинга. Если компания хочет что-нибудь продать, она, как правило, тратит много денег на рекламу. Соответственно, весь этот поток данных нужно как-то анализировать и оптимизировать, чтобы не сжигать бюджеты впустую. Тем более что у Google, кроме инструментов для рекламы, есть и инструменты для ее анализа — довольно простые в усвоении, но мощные с точки зрения функционала.

Кстати, для выполнения одного из первых заданий на курсе data-аналитики вам нужно будет придумать, в какой сфере эта профессия еще не используется, и соответственно — как ее можно в эту сферу внедрить и почему это будет полезно.

«Домены, с которыми работает аналитик данных, могут быть разными, но те инструменты, которые он использует, почти всюду одинаковы. Растет не только количество вакансий, но и количество компаний, понимающих важность работы data-аналитика», — говорит Юлия Ларионова.

Специалистка вспоминает, что когда начинала работать в этой сфере, курсов и вакансий было мало: «Тогда было только одно направление, а сейчас я вижу рост информации в интернете о профессии. И количество вакансий понемногу растет. Да и вообще, если говорить о профессии, то следует учесть, что данных с каждым годом в мире становится больше. По прогнозам, в этом году будет сгенерировано 118 ЗБ данных. А в следующем — уже 149 ЗБ. Эти данные не должны просто находиться где-то. Они должны служить на благо человечества. И именно работа data-аналитика состоит в том, чтобы превратить всю эту собранную информацию в определенные ответы».

Рост объема данных в мире. Источник: IDC

Максим Арбузов дополняет: в последнее время Ed-компании все больше популяризируют профессию data-аналитика. Сам он занимается аналитикой данных уже почти пять лет и подчеркивает, что за это время рынок сильно изменился. В первую очередь, выросли требования работодателей:

«Сейчас аналитик должен знать больше, чем пять лет назад. Например, когда я начинал, то знание SQL было преимуществом. А сейчас — это база».

При этом Максим Арбузов надеется, что спрос на профессию будет и дальше расти, учитывая, что Украина является цифровой страной.

Как войти в профессию

Юлия Ларионова в профессии уже 5,5 лет. За это время она смогла в корне изменить сферу работы: начинала в банковском секторе, а сейчас работает data-аналитиком в компании MEGOGO.

Юлия Ларионова, Data Analyst в MEGOGO

Училась Юлия на факультете прикладной математики в Киевском политехническом и уже тогда заинтересовалась анализом данных:

«Наш лектор по матанализу рассказывал о профессии Data Scientist. Я запомнила, что с помощью этой профессии, например, можно спрогнозировать склонность людей к определенному заболеванию. Меня это заинтересовало, ведь оказывается, такие серьезные проблемы можно решить с помощью данных».

Юлия начала исследовать, какие именно существуют профессии, связанные с аналитикой и данными, и выделила для себя бизнес-аналитика, дата-аналитика и дата-сайентиста. Затем начала разбираться, в чем разница.

Читайте также: Data scientist, data analyst, data engineer: кто они и в чем разница

«В тот момент я очень быстро нашла курсы Data Scientist, это дало мне основательную базу и владение инструментами Python и SQL», — рассказывает Юлия. «В результате остановилась на data-аналитике, потому что мне она показалась более интересной и простой: быть ближе к потребностям пользователей бизнеса, собирать информацию об их действиях и превращать ее в ответы для бизнеса».

По словам Юлии Ларионовой, когда она начинала, конкуренция была ниже, потому что data-рынок только формировался. Однако и предложений по работе было немного.

«Надо понять основы, овладеть базовыми знаниями по математике и статистике, которые требуются аналитику. Когда ты эту базу усвоил, то не так сложно работать. Новичкам могу посоветовать быть терпеливыми, потому что инсайты на поверхности не лежат. И иногда приходится потратить много времени, чтобы найти ответ на вопрос: почему ты получил такие результаты и о чем они на самом деле говорят».

Максим Арбузов на протяжении жизни неоднократно менял профессию: учился на инженера-ракетчика в ХАИ, работал на заводе по изготовлению металлопластиковых окон, затем в digital-маркетинге:

«Это был очень длинный путь. Когда я работал PPC-специалистом в контекстной рекламе, я начал интересоваться web-аналитикой. Собственно, с этого и начался мой путь в анализе. Позже, подтянув знания, свичнулся на дата-аналитика в продуктовой компании. Это был LetyShops. Найти первую работу в качестве дата-аналитика было относительно просто, потому что у меня был релевантный опыт, полученный на предыдущей должности».

Специалист отмечает: начинающим приходится очень много работать, чтобы реализовать себя в профессии:

«Очень много всего нужно освоить. Какими бы интересными ни были курсы, они никогда не дадут специфики конкретного проекта. Еще один момент: без опыта сложно найти первую работу. Именно поэтому на разработанном нами курсе мы даем студентам возможность сделать себе реальное портфолио, которое останется с ними надолго. А также рассказываем, как аналитику без проекта получить данные, чтобы было на чем тренироваться».

Максим Арбузов добавляет, что профессия data-аналитика подходит, в первую очередь, усидчивым внимательным людям:

«Необязательно даже иметь жесткий технический бэкграунд. Один из атрибутов этой работы — умение искать и адаптировать информацию или знания под свои нужды. Также важно самообучение. Курсы могут дать базу, а дальше нужно расти самому».

Скилсет дата-аналитика

Основная задача дата-аналитика — сделать так, чтобы обрабатываемые им данные принесли пользу. Аналитик может проанализировать любые данные в зависимости от стоящих перед ним задач.

«Data-аналитик — специалист, работающий с данными, которые генерирует компания или продукт, и переводящий их в понятную для восприятия форму», — дает определение Максим Арбузов. «Основные инструменты аналитика — это базы данных, с помощью которых обрабатываются большие наборы данных, системы сбора аналитики, такие как Google Analytics или Amplitude и др., и системы для визуализации данных».

По словам Юлии Ларионовой, для того чтобы стать data-аналитиком, необходимо обладать несколькими наборами навыков — техническими, аналитическими, софт-скилами и знаниями в доменной сфере:

«Под техническими скилами я подразумеваю инструменты, которыми должен обладать аналитик. Это обычно работа с базами данных, умение делать SQL-запросы, строить сложные запросы для создания аналитической отчетности. Также необходимо владеть языком программирования Python или R. Но на нашем рынке, по моему опыту, все же Python — более распространенный язык программирования. Конечно, аналитик должен хорошо владеть Excel или Google-таблицами. Также важно знать инструменты для построения визуализации данных. Существует множество таких инструментов. Если владеешь одним, в дальнейшем можно расширять свои навыки».

Софт-скилы, по мнению специалиста, — это, в первую очередь критическое мышление и умение представлять результаты и доносить информацию до коллег:

«Нужно много вопросов задавать к данным и смотреть на них под разным углом, чтобы всегда идти к истине: о чем они нам говорят, были ли какие-то ошибки при сборе. К тому же важно уметь презентовать собранные данные. Это сейчас называют storytelling».

Юлия добавляет, что аналитик может взаимодействовать с любым доменом, но когда он долго работает в одной сфере, он хорошо изучает и понимает потребности как пользователя, так и бизнеса. И это увеличивает его ценность как специалиста. Также она отмечает, что помочь в профессии могут знания из области математической статистики, хотя для начала необязательно иметь высшее техническое образование:

«Слово "математика" не должно пугать людей, потому что все можно освоить постепенно. Самое главное — это желание войти в профессию».