Кто такой аналитик данных и как им стать

Аналитик данных изучает показатели и помогает компании принимать обоснованные решения. Он выясняет причины изменений, проверяет гипотезы и объясняет результаты коллегам. Для старта пригодятся таблицы, SQL, Python и основы статистики. Вы получите план освоения этих навыков и пример первого проекта для портфолио.

Кто такой аналитик данных

Аналитик данных, или Data Analyst, превращает исходную информацию в выводы. Например, он выясняет, почему магазин теряет выручку при растущем количестве заказов. Результатом работы становится отчет с расчетами, объяснениями и рекомендациями. Перед расчетами аналитик уточняет, как компания собирает данные и определяет показатели.

Большие данные и машинное обучение нужны для отдельных задач. Начинающий аналитик может решать полезные задачи на обычной таблице заказов.

Чем занимается аналитик данных

Работа аналитика начинается с вопроса заказчика и заканчивается объяснением полученных результатов.

1. Уточняет задачу. Выясняет, какое решение предстоит принять заказчику. Согласует период исследования, показатели и правила их расчета.
2. Собирает данные. Получает сведения из баз через SQL-запросы, загружает файлы или использует API. Проверяет, хватает ли информации для ответа на вопрос.
3. Очищает данные. Ищет дубликаты, пропуски и ошибки форматов. Выясняет причины проблем перед удалением строк или заполнением значений.
4. Анализирует показатели. Сравнивает периоды, группы клиентов и товарные категории. Проверяет гипотезы методами статистики, участвует в подготовке и оценке A/B-тестов.
5. Готовит отчеты. Собирает графики и дашборды – панели с показателями. Объясняет выводы понятным языком и указывает ограничения исследования.
6. Отслеживает изменения. Наблюдает за показателями после принятого решения. Помогает команде оценить результат и сформулировать новые вопросы.

Как выглядит типовая задача

Предположим, руководитель магазина спрашивает, почему снизилась выручка за месяц. Аналитик сначала уточняет, учитывает ли показатель возвраты, скидки и доставку. Затем проверяет полноту выгрузки и сопоставимость выбранных периодов.

Выручку можно разложить на количество заказов и средний чек. Затем аналитик сравнивает категории товаров, регионы и каналы привлечения покупателей. Такое разбиение помогает локализовать изменение.

Допустим, расчеты показывают падение продаж в одной товарной категории. Аналитик проверяет наличие товаров и изменения цен вместе с коллегами. В отчете он отделяет подтвержденные наблюдения от возможных причин. Падение продаж после изменения рекламы само по себе не доказывает причинную связь.

Чем отличается аналитик данных от системного аналитика

Аналитик данных исследует показатели, системный аналитик описывает требования к информационной системе. В одном проекте специалисты могут работать вместе, но отвечают за разные результаты.

Например, аналитик данных обнаруживает потерю заказов на этапе оплаты. Системный аналитик описывает требования к изменению платежного процесса для разработчиков.

Отличия от других специалистов по данным

При выборе вакансии смотрите на обязанности: названия должностей могут пересекаться.

• Data Scientist разрабатывает и оценивает модели, в том числе модели машинного обучения. Например, создает модель прогноза оттока клиентов. Для аналитика данных машинное обучение – дополнительная специализация.
• BI-аналитик сосредоточен на системе отчетности, согласованных метриках и дашбордах. Он помогает команде регулярно получать сопоставимые показатели. Задачи BI-аналитика тесно связаны с построением отчетности.
• Продуктовый аналитик исследует поведение пользователей и изменения цифрового продукта. Он работает с воронками, удержанием клиентов и экспериментами.

Уровень зарплаты в профессии

По вакансиям hh.ru с указанной зарплатой медиана для аналитика данных по России составляет около 112 тыс. ₽. Показатели приведены на момент обновления статьи. Все суммы – на руки в месяц.

Медиана делит предложения пополам: половина зарплат выше, половина ниже. Вилка 78–148 тыс. ₽ охватывает центральную половину предложений по России. Это не минимальная и максимальная зарплаты в профессии.

Ориентир для кандидатов без опыта рассчитан по 6 вакансиям. Такая небольшая выборка не описывает весь рынок начинающих специалистов. Общая российская выборка включает 78 вакансий с указанной зарплатой. При выборе предложения сравнивайте обязанности, график и формат работы.

Плюсы и минусы профессии

Профессия привлекает людей с аналитическим складом ума. Она подойдет вам, если нравится искать объяснения и проверять предположения. При этом значительная часть работы требует терпения и внимания к деталям.

• Разнообразие задач. Аналитик может исследовать продажи, рекламу, логистику или поведение пользователей.
• Прикладной результат. Расчеты помогают команде выбирать действия и оценивать последствия решений.
• Карьерное развитие. Специалист может углубляться в аналитику или переходить к управлению командой.

Сложности связаны и с технической работой, и с общением.

• Рутинная очистка. Перед исследованием приходится разбирать ошибки выгрузок и несовместимые форматы.
• Неопределенность. Заказчик может прийти с вопросом без понятных критериев результата. Аналитик помогает эти критерии сформулировать.
• Ответственность за расчеты. Ошибка при соединении таблиц способна незаметно увеличить показатели.
• Необходимость объяснять выводы. Коллегам нужны понятные аргументы, включая ограничения и неопределенность результата.

Как растет аналитик

Грейды различаются по самостоятельности и масштабу ответственности, а требования зависят от компании.

• Junior решает ограниченные задачи с поддержкой коллег. Проверяет выгрузки, пишет запросы и готовит отдельные части отчетов.
• Middle самостоятельно ведет исследование от постановки вопроса до презентации результатов.
• Senior работает со сложными задачами и помогает команде выбирать методы. Проверяет подходы, развивает практики анализа и наставляет коллег.

Дальнейший путь зависит от интересов. Продуктовая аналитика подойдет тем, кому интересно поведение пользователей и эксперименты. Для перехода в Data Science потребуется углубить математику и машинное обучение. Руководитель аналитики отвечает также за людей, приоритеты и качество работы команды.

Какие знания и навыки нужны в профессии

Базовый стек аналитика включает таблицы, SQL, Python, BI-инструмент и статистику.

Для визуализации используют Power BI, Tableau, Yandex DataLens и Apache Superset. Новичку достаточно освоить один BI-инструмент и принципы построения понятных графиков. Учиться работе с Power BI можно по официальной документации Microsoft.

Основы языка объясняет учебник Python, а обработку таблиц – вводные руководства pandas.

Hadoop, Spark и машинное обучение полезны для отдельных специализаций. Не откладывайте первый проект ради освоения всего этого стека. Начальный проект должен показать, что вы умеете получать осмысленный результат.

Технические навыки дополняет понимание предметной области. Аналитик различает выручку и прибыль, уточняет смысл показателей и задает вопросы заказчику. Он также соблюдает правила доступа к информации и не публикует конфиденциальные сведения.

В каких сферах может работать аналитик данных

Отрасль определяет вопросы к данным и смысл показателей, которые рассчитывает аналитик.

• Интернет-коммерция. Аналитик сравнивает продажи категорий, средний чек и долю возвратов. Помогает понять, какие товары влияют на изменение выручки.
• Маркетинг. Для оценки каналов привлечения специалист сопоставляет рекламные расходы с заказами. Исследует различия между каналами и ограничения учета.
• Финансы. Операции, просрочки и использование банковских продуктов помогают исследовать поведение клиентов. Аналитик проверяет, в каких группах меняются показатели.
• Здравоохранение. Загрузка отделений и время ожидания приема помогают оценить доступность помощи. На основе обезличенной информации аналитик готовит расчеты для планирования ресурсов.

Как стать аналитиком данных

Осваивать профессию можно в вузе, на курсах или самостоятельно. Выбирайте формат по программе, обратной связи и возможности регулярно практиковаться. Диплом или сертификат сам по себе не показывает качество ваших расчетов.

План обучения из 5 этапов

Переходите к следующему этапу, когда сможете выполнить учебную задачу и объяснить расчеты.

1. Excel или Google Таблицы. Освойте формулы, сводные таблицы и диаграммы. Соберите отчет о продажах по месяцам и категориям. Сумма групп должна совпадать с итогом исходной таблицы.
2. SQL. Научитесь фильтровать строки, объединять таблицы и рассчитывать агрегаты. Повторите отчет запросами и сравните результаты с таблицей. Отдельно проверьте, не размножились ли строки после JOIN.
3. Python и pandas. Повторите очистку и расчеты в программном коде. Сохраните последовательность действий в ноутбуке или скрипте. Повторный запуск на исходном файле должен давать тот же результат.
4. BI-инструмент. Перенесите подготовленные показатели на дашборд с фильтрами. Проверьте, совпадают ли его итоги с расчетами в pandas.
5. Статистика и A/B-тесты. Разберитесь с выборками, разбросом и проверкой гипотез. На учебном примере определите метрику, сравниваемые группы и ограничения вывода. Основы статистики полезно применять уже на предыдущих этапах.

Первый проект для портфолио

Для начала возьмите одну понятную задачу интернет-магазина. Например, выясните, какие категории определяют изменение месячной выручки. Такой проект можно начать в таблицах, затем дополнить SQL и Python.

1. Подберите открытый датасет. В каталоге Kaggle ищите набор по запросу «retail sales». Выберите файл CSV с датами продаж, номерами заказов, категориями, количеством и ценой товаров. Прочитайте описание полей и условия использования: они должны разрешать публикацию выбранных материалов.
2. Сформулируйте вопрос в README. Запишите, выручку каких периодов сравниваете и какие категории исследуете. Выберите 2 полных соседних месяца, если они есть в наборе. Укажите, учитывает ли исходник скидки и возвраты.
3. Подготовьте рабочую копию. Сохраните исходный файл отдельно. Приведите даты и числа к подходящим типам, изучите пропуски и повторы. Запишите правила обработки проблемных строк. Одинаковый номер заказа сам по себе не доказывает наличие дубликата.
4. Посчитайте показатели. Для построчных продаж рассчитайте сумму как количество, умноженное на цену. Выручку получите суммированием этих значений, число заказов – подсчетом уникальных номеров. Средний чек равен выручке, деленной на число заказов.
5. Сравните периоды. Сгруппируйте выручку по месяцам и категориям. Изменение в процентах рассчитайте как разность нового и старого значений, деленную на старое и умноженную на 100%. Если старое значение равно нулю, процентное изменение не рассчитывайте.
6. Соберите отчет или дашборд. Добавьте 3 показателя: выручку, число заказов и средний чек. Покажите динамику по месяцам и сравнение категорий на графиках. Подпишите оси, валюту и выбранный период.
7. Проверьте расчеты. Сопоставьте общую выручку с суммой выручки категорий. Вручную пересчитайте 3 заказа и сравните их с результатом обработки. Объясните расхождения перед подготовкой окончательного отчета.
8. Опишите выводы. Сформулируйте 3 наблюдения, которые подтверждают расчеты. Рядом укажите ограничения: например, отсутствие расходов не позволяет оценить прибыль. Не объясняйте изменение рекламой, если сведений о рекламе нет.
9. Опубликуйте проект. Разместите на GitHub репозиторий с README, кодом, отчетом PDF и изображениями графиков. Альтернатива – публичный ноутбук на Kaggle. В README перечислите файлы, источник данных и порядок повторения расчетов.

Работайте с копиями, чтобы при ошибке вернуться к исходному файлу. Перед публикацией исключите персональные сведения, пароли и закрытые рабочие материалы. Откройте публичную страницу без авторизации: описание и результаты должны быть доступны.

С чем идти на позицию junior

Подготовьте резюме и ссылку на законченный проект. В описании проекта назовите задачу, инструменты, результат и собственный вклад. Если вы повторяли учебное решение, обозначьте это и объясните свои дополнения.

Потренируйтесь объяснять соединение таблиц, обработку пропусков и выбор метрик. На собеседовании пригодится умение найти ошибку в собственном расчете. Выбирайте стажировки и junior-вакансии по задачам и требованиям к базовым навыкам.

Как понять, подходит ли вам аналитика данных

Если вам нравится разбирать причины изменений, попробуйте исследование продаж. Если больше интересует устройство информационных систем, присмотритесь к системному анализу. Интерес к моделям и прогнозированию можно развивать через статистику и Data Science.