Кількість даних з 2012 року зросла у 15 разів: кому та навіщо потрібні data-аналітики

Станом на 2016 рік кількість наявної у світі інформації почала вимірюватись у зетабайтах (ЗБ). Для усвідомлення: 1 ЗБ = 1,099512 * 10¹² гігабайтів. Рахунок перевалив уже за сотню зетабайтів. Таку величезну кількість інформації навіть складно уявити.

Саме тому професія data-аналітика, який уміє аналізувати, структурувати та візуалізувати дані, так затребувана на ринку — і ця затребуваність буде тільки зростати у майбутньому.

Як увійти у професію, що вивчати та де можуть працювати дата-аналітики, розказують лектори курсу Junior Data Analyst:

• Максим Арбузов, Data Analyst в Uklon;
• Юлія Ларіонова, Data Analyst у MEGOGO.

Кому та навіщо потрібні data-аналітики

Індустрій, де потрібні data-аналітики, дуже багато: від фінансової сфери, ІТ і спорту — до ритейлу, медицини та логістики. Простіше навіть виокремити, де фахівець з аналізу даних зараз не такий важливий.

«Всі застосунки в телефоні або в персональному комп’ютері генерують дані», — розказує Максим Арбузов. — «А десь там на зворотному боці сидять аналітики та все це аналізують. Сфера використання величезна. Й чим більше буде аналізу, тим буде краще».

Максим Арбузов, Data Analyst в Uklon

Максим додає, що популяризація професії почалася з інтернет-маркетингу. Якщо компанія хоче щось продати, вона зазвичай витрачає багато грошей на рекламу. Відповідно, весь цей потік даних треба якось аналізувати та оптимізувати, щоб не «спалювати» бюджети марно. Тим більше що Google, окрім інструментів для реклами, має також і інструменти для її аналізу — доволі прості в засвоєнні, але потужні з погляду функціонала.

До речі, одним із перших завдань на курсі data-аналітики є якраз придумати, в якій сфері ця професія ще не використовується, й відповідно — як її можна в цю сферу впровадити та чому це буде корисно.

«Домени, з якими працює аналітик даних, можуть бути різними, але ті інструменти, які він використовує, майже всюди однакові. Зростає не тільки кількість вакансій, а й кількість компаній, які розуміють важливість роботи data-аналітика», — каже Юлія Ларіонова.

Спеціалістка згадує, що коли починала працювати в цій сфері, курсів і вакансій було мало: «Тоді був лише один напрям, а зараз я бачу зростання інформації в інтернеті про професію. Й кількість вакансій потроху зростає. Та і взагалі, якщо говорити про професію, то треба врахувати, що даних з кожним роком у світі більшає. За прогнозами, в цьому році буде згенеровано 118 ЗБ даних. А в наступному — вже 149 ЗБ. Ці дані не повинні просто десь знаходитись. Вони мають працювати на користь людству. Й саме робота data-аналітика полягає в тому, щоби перетворити всю цю зібрану інформацію на певні відповіді».

Зростання обсягу даних у світі. Джерело: IDC

Максим Арбузов доповнює: останнім часом Ed-компанії все більше популяризують професію data-аналітика. Сам він займається аналітикою даних уже майже п’ять років і підкреслює, що за цей час ринок дуже змінився. В першу чергу, зросли вимоги роботодавців:

«Зараз аналітик має знати більше, ніж п’ять років тому. Наприклад, коли я починав, то знання SQL було перевагою. А зараз — це база».

Водночас Максим Арбузов сподівається, що попит на професію буде й надалі зростати, з огляду на те, що Україна є цифровою країною.

Як увійти у професію

Юлія Ларіонова у професії вже 5,5 років. За цей час вона змогла докорінно змінити сферу роботи: розпочинала в банківському секторі, а зараз працює data-аналітикинею в компанії MEGOGO.

Юлія Ларіонова, Data Analyst у MEGOGO

Навчалась Юлія на факультеті прикладної математики в Київській політехніці — і вже тоді зацікавилась аналізом даних:

«Наш лектор з матаналізу розповідав про професію Data Scientist. Я запам’ятала, що за допомогою цієї професії, наприклад, можна спрогнозувати схильність людей до певного захворювання. Мене це зацікавило, адже, виявляється, такі серйозні проблеми можна розв'язати за допомогою даних».

Юлія почала досліджувати, які саме є професії, повʼязані з аналітикою та даними, і виділила для себе бізнес-аналітика, дата-аналітика та дата-саєнтиста. Згодом почала розбиратись, у чому саме різниця.

Читайте також: Data scientist, data analyst, data engineer: хто вони й в чому різниця

«В той момент я дуже швидко знайшла курси Data Scientist, це дало мені ґрунтовну базу та володіння інструментами Python і SQL», — розповідає Юлія. «У результаті зупинилася на data-аналітиці, тому що мені вона здалася цікавішою та простішою: бути ближче до потреб користувачів бізнесу, збирати інформацію про їхні дії та перетворювати її на відповіді для бізнесу».

За словами Юлії Ларіонової, коли вона розпочинала, конкуренція була нижчою, бо data-ринок тільки формувався. Однак і пропозицій щодо роботи було небагато.

«Треба зрозуміти основи, оволодіти базовими знаннями з математики та статистики, які потрібні аналітику. Коли ти цю базу засвоїв, то не так складно працювати. Новачкам можу порадити бути терплячими, тому що інсайти на поверхні не лежать. І іноді доводиться витратити багато часу, щоби відшукати відповідь на запитання: чому ти отримав такі результати та про що вони насправді говорять».

Максим Арбузов протягом життя неодноразово змінював професію: навчався на інженера-ракетника в ХАІ, працював на заводі з виготовлення металопластикових вікон, потім — у digital-маркетингу:

«Це був дуже довгий шлях. Коли я працював PPC-спеціалістом у контекстній рекламі, я почав цікавитися web-аналітикою. Власне, з того й почався мій шлях в аналізі. Згодом, підтягнувши знання, свічнувся на дата-аналітика в продуктовій компанії. Це був LetyShops. Знайти першу роботу в ролі дата-аналітика було відносно просто, бо я вже мав релевантний досвід, здобутий на попередній посаді».

Спеціаліст наголошує: початківцям доводиться дуже багато працювати, щоб реалізувати себе у професії:

«Дуже багато всього треба опанувати. Якими б цікавими не були курси, вони ніколи не дадуть специфіки конкретного проєкту. Ще один момент: без досвіду складно знайти першу роботу. Саме тому на розробленому нами курсі ми даємо студентам можливість зробити собі реальне портфоліо, яке лишиться з ними надовго. А також розповідаємо, як аналітику без проєкту дістати дані, щоби було на чому тренуватись».

Максим Арбузов додає, що професія data-аналітика підходить, у першу чергу, посидючим уважним людям:

«Необов’язково навіть мати жорсткий технічний бекграунд. Один з атрибутів цієї роботи — вміння шукати та адаптувати інформацію або знання під свої потреби. Також важливе самонавчання. Курси можуть дати базу, а далі треба рости самому».

Скілсет дата-аналітика

Основна задача дата-аналітика — зробити так, щоб дані, які він обробляє, принесли користь. Аналітик може проаналізувати будь-які дані залежно від задач, які перед ним стоять.

«Data-аналітик — спеціаліст, який працює з даними, що генерує компанія або продукт, і переводить їх у зрозумілу форму для сприйняття», — дає визначення Максим Арбузов. «Основні інструменти аналітика — це бази даних, за допомогою яких обробляють великі набори даних, системи збору аналітики, такі як Google Analytics або Amplitude та ін., та системи для візуалізації даних».

За словами Юлії Ларіонової, для того, щоб стати data-аналітиком, необхідно володіти декількома наборами навичок — технічними, аналітичними, софт-скілами та знаннями в доменній сфері:

«Під технічними скілами я розумію інструменти, якими має володіти аналітик. Це зазвичай робота з базами даних, вміння робити SQL-запити, будувати складні запити, щоби створювати аналітичну звітність. Також необхідно володіти мовою програмування Python або R. Але на нашому ринку, за моїм досвідом, все ж таки Python — більш розповсюджена мова програмування. Звісно, аналітик має добре володіти Excel або Google-таблицями. Також важливо знати інструменти для побудови візуалізації даних. Існує багато таких інструментів. Якщо володієш одним, надалі можна розширювати свої навички».

Софт-скіли, на думку спеціалістки, — це насамперед критичне мислення та вміння презентувати результати й доносити інформацію до колег:

«Треба багато питань ставити до даних та дивитися на них під різним кутом, щоб завжди йти до істини: про що вони нам говорять, чи були якісь помилки під час збору. До того ж важливо вміти презентувати зібрані дані. Це зараз називають storytelling».

Юлія додає, що аналітик може взаємодіяти з будь-яким доменом, але коли він довго працює в одній сфері, він її добре вивчає та розуміє потреби як користувача, так і бізнесу. І це збільшує його цінність як спеціаліста. Також вона наголошує, що допомогти у професії можуть знання зі сфери математичної статистики, хоча для початку необовʼязково мати вищу технічну освіту:

«Слово “математика” не має лякати людей, тому що все можна опанувати поступово. Найголовніше — це бажання увійти у професію».