Чем занимается аналитик данных и почему ему готовы платить 300 тысяч рублей в месяц

Аналитика данных — популярная отрасль, в которой не хватает специалистов. Только на HeadHunter более 7 тысяч вакансий для «аналитиков данных» и почти 20 тысяч вакансий — для «аналитиков». В аналитике можно стартовать с нуля и уже через 1–3 года получать 300 тысяч рублей в месяц.

Аналитик данных (data analyst) — это специалист, который работает с данными. Он собирает их, обрабатывает и делает выводы на их основе. Эти выводы помогают принимать бизнес-решения.

Предположим, собственник компании хочет пересмотреть ассортимент: понять, каких товаров нужно закупать больше, а каких — меньше. Аналитик данных изучает данные о продажах и выясняет, что 90% выручки компании приносят 15 товаров. Ещё 10 товаров приносят 8% выручки. Пять товаров генерируют 2% выручки, но компания продаёт их в убыток, потому что тратит много денег на хранение и доставку. Собственник решает отказаться от этих пяти товаров.

Аналитик данных — зонтичное понятие. Так называют людей, которые работают с самыми разными данными — о маркетинге, финансах, продуктах и так далее.

Анализ данных нужен любому бизнесу, который работает с данными, даже малому. Небольшой бизнес обрабатывает, например, данные о клиентах, продажах, выручке. Обычно таких данных немного, поэтому задачи по аналитике могут поручать маркетологам, бухгалтерам, продакт-менеджерам и другим специалистам.

В крупных и средних компаниях данных намного больше. В них часто практикуют data-driven-подход — это стиль управления бизнесом, при котором решения принимают на основе цифр и данных. Такие компании часто нанимают аналитиков.

Специалист с похожими обязанностями — дата-сайентист (data scientist). Это программист, который создаёт модели, предсказывающие результат. Для этого он сначала ищет в массивах данных связи и закономерности, на основе которых и строит модель. Разница между дата-сайентистом и дата-аналитиком в том, что аналитик не строит модели, а занимается анализом данных.

Например, дата-сайентист может создать программный алгоритм, который анализирует финансовые операции клиента и рекомендует решение: выдать ему кредит или отказать. Аналитик данных ставит перед дата-сайентистом эту задачу, а после делает полезные для бизнеса выводы на основе полученной информации. Проанализировав статистику, аналитик может рекомендовать банку сократить или увеличить объёмы кредитования.

Задачи бизнес-аналитика и дата-сайентиста нередко пересекаются, но каждый занимается своей частью работы.

Работу аналитика данных можно описать простыми словами так: он получает из больших данных полезную информацию, на основе которой можно принимать правильные решения.

Вот задачи, которые решают все аналитики данных:

• Сбор данных. Аналитик берёт данные из внутренних и внешних источников — онлайн-сервисов, документов и баз — и объединяет их для дальнейшей работы.
• Обработка данных. Аналитик удаляет ненужные данные, очищает их от ошибок и повторов. Решает, как их можно отсортировать, и упорядочивает. На практике это занимает до 80% всей работы аналитика.
• Интерпретация. Аналитик ищет закономерности в данных и выявляет аномалии. Выясняет, как метрики влияют друг на друга, и рассчитывает необходимые для бизнеса показатели.
• Построение отчётов. Аналитик готовит отчёты и визуализирует их, то есть представляет результат работы в виде, например, графиков и диаграмм.
• Выводы. Это может быть логическое умозаключение или рекомендация. Например, аналитик может выяснить, почему изменилась какая-то метрика, или выдвинуть гипотезу: что можно сделать, чтобы улучшить результаты.

Набор других задач специалиста определяется тем, с какими данными он работает.

Специализаций у аналитиков данных много. Расскажем о некоторых из них.

1. Маркетолог-аналитик. Это специалист, который анализирует рынок, конкурентов, поведение покупателей и вообще весь маркетинг компании. На основе анализа он может построить маркетинговую стратегию, распределить бюджет или дать рекомендации по тому, что изменить, чтобы результаты улучшались. Его глобальная цель — сделать так, чтобы компания зарабатывала больше. 
2. Продуктовый аналитик. Это специалист, который помогает бизнесу понять, как пользователи взаимодействуют с продуктом, например с онлайн-сервисом. Продуктовый аналитик исследует метрики и предполагает, как можно их улучшить.
3. Бизнес-аналитик. Специалист, который занимается сбором, хранением и анализом данных о результатах деятельности компании. Он автоматизирует отчётность, тестирует гипотезы, моделирует ситуации, ставит задачи разработчикам, внедряет специализированные IT-системы — например, ERP, CRM.
4. Гейм-аналитик. Этот специалист собирает и анализирует данные, которые помогают понять, интересна ли игра пользователям или в ней нужны изменения. Например, он может оценить, как меняется среднее время, которое пользователи проводят в игре, или какие действия они совершают чаще. Гейм-аналитик обычно работает вместе с геймдизайнером и гейм-продюсером.
5. Финансовый аналитик. Это специалист, который помогает бизнесу управлять финансами. Цель его работы — изучить, что происходило с финансами в прошлом, и прогнозировать будущие финансовые данные. Он может, например, строить финансовые модели для новых проектов или рассчитывать их срок окупаемости.
6. Системный аналитик. Это специалист, который работает с IT-системами. Он переводит требования к IT-продукту с языка бизнеса на язык разработки и контролирует процесс создания продукта вплоть до запуска в работу. Он должен сделать так, чтобы на всех уровнях системы — от баз данных до пользовательского интерфейса — всё работало корректно. 
7. Веб-аналитик. Этот специалист анализирует данные об интернет-пользователях. Например, анализирует, как ведут себя посетители сайта, и предполагает, что можно изменить, чтобы они чаще оформляли заказы. Веб-аналитик нужен компаниям, которые продвигают продукты в интернете.

Есть и другие направления работы. Например, 1С-аналитик отвечает за внедрение продуктов компании «1C», аналитик маркетплейсов — за анализ данных о продажах на этих площадках, UX-аналитик — за анализ данных о том, как пользователи взаимодействуют с сайтом или приложением.

Аналитик данных комбинирует в работе методы математики, программирования и анализа бизнес-процессов. Вот что должны знать и уметь все аналитики.

• Знать математику и статистику. Аналитику данных необходимо знание теории вероятности, линейной алгебры, математического анализа и углублённой статистики. Это важно для анализа данных — например, для поиска закономерностей и аномалий — и для построения прогнозов. Значительная часть математических функций уже реализована в Python и функциях Excel, поэтому важно именно понимание теории.
• Уметь программировать. Языки программирования нужны, чтобы автоматизировать работу. На них пишут запросы к базам данных, с их помощью обрабатывают данные и строят отчёты. Чаще всего от аналитика данных ожидают, что он владеет языками Python, R, SQL.
• Уметь работать с таблицами Google и Excel. Большинство данных, с которыми работает аналитик, содержится в таблицах. Кроме того, в Excel и «Google Таблицах» обрабатывают данные, строят прогнозы и составляют отчёты.
• Уметь работать с инструментами визуализации. Это могут быть такие BI-системы, как Power BI, Tableau, Qlik. Они нужны, чтобы предоставлять данные в виде дашбордов. Так сотрудникам компании проще пользоваться полученной информацией.
• Понимать потребности бизнес-заказчиков. Аналитик должен хорошо разбираться в бизнесе, с которым работает. Только так он сможет определить, что означают для бизнеса сделанные им выводы.
• Уметь общаться с людьми нетехнических специальностей. Аналитик взаимодействует с сотрудниками компании гораздо чаще, чем, например, с разработчиками и дата-инженерами. Поэтому он должен уметь объяснять даже самые сложные вещи понятным языком, избегая технических терминов.

Кроме того, есть набор специфических навыков для разных специальностей. Например, маркетолог-аналитик и веб-аналитик должны уметь работать с «Яндекс Метрикой» и Google Analytics, а финансовый аналитик — с бухгалтерской отчётностью.

Бизнесу нужна качественная аналитика, а квалифицированных специалистов на рынке пока ещё не так много. Поэтому в аналитике данных сравнительно большие зарплаты. Доход зависит от ступени квалификации — их три: джун, мидл и сеньор.

• Джуниор — начинающий специалист. Работодатели ждут, что он освоил SQL на базовом уровне, может писать простой код на Python, знает Excel и работает с базами данных. Его зарплата — от 40 тысяч до 80 тысяч рублей в месяц.
• Мидл — специалист с опытом работы от года. Он хорошо знает SQL и Python, статистический анализ, моделирование. Мидл может претендовать на зарплату от 100 до 200 тысяч рублей в месяц.
• Сеньор — специалист с опытом работы от трёх лет. Он знает языки программирования на продвинутом уровне, отлично разбирается в статистическом анализе и визуализации данных. А ещё понимает, как устроены бизнес-процессы, умеет общаться с бизнес-заказчиками и разработчиками. Сеньор может получать от 150 до 300 тысяч в месяц.

Аналитик данных может зарабатывать и больше — только на HeadHunter в июле 2023 года было более 150 вакансий с доходом более 315 тысяч рублей в месяц. Столько предлагают мидлам и сеньорам с хорошими скиллами, а также тем, кто готов занять позицию старшего аналитика или руководителя отдела.

В аналитике данных можно стартовать с нуля, без опыта: занять позицию стажёра и научиться всему на практике. Многие компании готовы обучать молодых специалистов. Но на старте зарплата будет небольшой — около 50 тысяч рублей.

Найти работу легче тем, у кого уже есть опыт решения задач, связанных с аналитикой. Поэтому в анализ данных часто приходят специалисты из смежных отраслей. Например, разработчики — они уже знакомы с языками программирования, или маркетологи — они умеют работать с системами аналитики на базовом уровне.

Также шансы попасть на стажировку повышаются у тех, кто прошёл профильные курсы. Курсы позволяют освоить главное — понять, как работает аналитика, научиться работать с базами данных и отчётами и строить дашборды. Более сложные скиллы можно получить на практике.

Высшее образование не обязательно. Но оно будет преимуществом для тех, кто строит карьеру. Есть профильные программы высшего образования для аналитиков, но подойдут и другие. Например, часто в эту сферу приходят люди с математическим или экономическим образованием.