Аналитика данных / Data Study

Привет всем, у меня отличные новости!

8 сентября стартует обучение на моем курсе "Основы анализа данных"

Курс точно для тебя если:
🔹нужно освоить фундаментальные навыки аналитика данных
🔹ты в начале профессионального пути аналитика и не знаешь как развиваться
🔹нужна прямая обратная связь от опытного аналитика

За 3 месяца:
✅ освоишь технические навыки SQL, Python, BI
✅ узнаешь теорию и практику про DWH, ETL, Git, базы данных
✅ реализуешь свой учебный проект
✅ составишь резюме для поиска работы

Из удобного 🫰:
✏️ учись в своем темпе, все материалы доступны в личном кабинете
✏️ чат со мной и другими учениками группы
✏️ до 15 учеников в группе для комфортного обучения
✏️ быстрая и индивидуальная обратная связь по ДЗ и другим вопросам
✏️ материалы доступны в течение 1 года + удобные конспекты навсегда
возможен отложенный старт обучения на 2 месяца - приобретай сейчас, начинай учиться когда станет удобно

Кейсы учеников (или здесь по тегу #кейс)

Проекты учеников для примера

Программа курса, детали и оплата здесь - https://datastudy.ru/1

Будут вопросы, пишите @daniildzheparov 😉

Напоминаю про вебинар 😎

Собрал весь свой опыт в презентацию и единый рассказ с важной информацией про профессию аналитика

🔹чем занимаемся на работе
🔹какие задачи решаем
🔹какие навыки необходимы
🔹что в первую очередь учить
🔹как грамотно оформить резюме
🔹как подготовить себя к поиску работы
🔹как избежать ошибок в начале пути
🔹как быстро освоить фундамент и не растягивать врем обучения

Задавайте все интересующие вас вопросы в группе или на вебинаре

Присоединяйся, там будут все материалы и обсуждения + бонус на обучение 🎁

Завтра в 19:00

❗️Записи не будет

Мой опыт и наблюдения роста ЗП 💲

6 лет назад я пришел на стажировку на довольно скромную сумму (23к в месяц)
Сейчас реальные цифры для разных стажировок находятся в вилке 50-120к (да, инфляция, но все же до сих пор это хорошие деньги).

Так сложилось, что на каждой предыдущей работе я проводил по 2 года - считаю это хороший срок. С одной стороны, ты не засиживаешься и не врастаешь корнями в компанию (часть команды, часть корабля), но и не считаешься попрыгунчиком - те кто меняют работу слишком часто.

В Сравни кстати в сентябре будет 2 года 🎉, но уходить не собираюсь) Читающие коллеги, можете на карандаш меня не брать 😅

Дак вот, какие наблюдения хочу сделать по ЗП:

1️⃣В каждой крупной компании пересмотр проходит в момент ревью
Каждые полгода или год, в этот период ты действительно успеваешь показать результат, укрепиться в навыках и вкатиться во все процессы компании. Но стоит учесть время с момента твоего трудоустройства до первого ревью.
Пришел незадолго до ревью 🔜 рискуешь остаться без пересмотра до следующего ревью, если нет прямых договоренностей в момент найма об обратном.

2️⃣В начале карьеры рост ЗП более быстрый
Если ты джун/мидл, показываешь сильные результаты и не боишься говорить о своем желании расти в заработке - у работодателей есть возможность сделать хороший up 📈 30-40-50%
Чем выше становится твой грейд и ЗП, тем сложнее ее поднимать и процентный рост будет сильно ниже чем мог быть раньше. Для синьеров например это может быть 10-15-20% в год.

Почему: начинаешь упираться в верхнюю вилку, которую перепрыгнуть внутри компании уже не получится без серьезного изменения твоей должности или уровня ответственности.

3️⃣Компании часто готовы платить выше сотрудникам с рынка
Наверно слышали такие истории, когда из компании уходит сотрудник с ЗП X, а на его место могут через неделю вывести сотрудника с ЗП 1.5X
Почему: это происходит когда компания понимает, что выгодней быстро взять сильного и дорогого сотрудника с рынка сейчас, чем пытаться долго искать под такую же ЗП как была раньше.
Как это происходит:
🔹 берут сотрудника на вырост (платят ему больше сейчас, но также сразу или постепенно дают ему больше обязанностей чем прошлому сотруднику)
🔹 выравнивают ЗП по рынку, если например прошлый сотрудник особо не просил повышения или он их не заслуживал своей работой
🔹видят в вас потенциал и сильную экспертизу, поэтому не хотят упустить вас и идут на ваши условия, лишь бы вы вышли работать к ним

Всем желаю достичь своего желаемого уровня достатка! 👏

Где и как хранятся данные для анализа?

99% данных в компаниях хранятся в базах данных. Чтобы уметь с ними работать, нужно понимать
🔹что вообще такое база данных (БД)
🔹как организовано хранение данных
🔹как аналитик может обращаться к данным из БД

К нашему счастью, самый удобный и поэтому распространенный вид хранения данных - это таблица . Каждая строка - отдельная запись данных, а столбец - количественный или качественный признак для описания.

В БД ни одна, а много таблиц, а аналитику для его задач нужно уметь считывать данные из них.

Чтобы технически понимать устройство хранения данных нужно разобраться с моделью данных.

Кто еще не знает, есть открытый курс по базам данных из 3 уроков (видео + конспекты)
🔜 пройдите его здесь

В конце вас ждет практическое задание - создать модель данных магазина велосипедов.

На вебинаре обсудим еще правильное решение ДЗ, также поделюсь тонкостями про модели данных и почему это база для аналитика

Скажи что-то на аналитическом

Нужно проверить

Могу предположить

Кого можно спросить об этом?

Здесь данные некачественные

Отчет не обновился, сейчас проверю

Сейчас на встрече, позже посмотрю

Нужно немного подождать, пока посчитается

Вам в excel или csv формате выгрузку сделать?

А вы доку читали?

Как срочно это надо сделать?

Запрос неправильный, нужно по-другому считать

Очень нужны эти данные, где могу их найти?

Данные не доезжают

Гипотеза не подтвердилась, нужно подумать

Ребят, приглашаю вас всех на свой вебинар!

Собрал для вас очень много полезной инфы как сейчас освоить профессию и стать тем самым айтишником, работающим 1 минуту в день с пляжа, попивая джууус 🥤(шутка).

Если серьезно, то поговорим:
🔹 чем занимаются аналитики
🔹 какие задачи они решают на работе
🔹 какой набор навыков и инструментов нужен для работы
🔹 почему нас не знаменит ИИ, а будет нашим ассистентом в работе
🔹как устроена работа в команде
🔹 какие ошибки допускают новички и как их избежать
🔹 как оформить сильное резюме и эффективно искать работу

После вебинара участникам пришлю презентацию со всей этой информацией в письменном виде.

🗓 Когда: 2 сентября в 19:00 по МСК

И самым заинтересованным в своём развитии дам хороший бонус на обучение 😉

❗️Записи не будет

Вступить в группу (там будут все материалы после вебинара и живое общение)

Где можно подсмотреть за зарплатами аналитиков 👀

Собрал для вас ресурсы, где можно посмотреть вилки ЗП по вакансиям или даже анонимные истории от аналитиков в компаниях, ведь часто интересно узнать сколько можешь зарабатывать ты или сколько зарабатывают другие на подобных позициях)

Зарплатник аналитика
Канал, в котором Тагир собирает истории аналитиков анонимно и рассказывает о них в канале.

Проект Reveal the Data и Left Join
Рома Бунин с Колей Валиотти сделали проект на данных вакансий с HH.ru по зарплатам аналитиков, вилки берутся из самих вакансий, если указано.

Исследование от NEWHR
Есть масштабное исследование рынка аналитиков, в том числе и по зарплатам, ее изменению и какие компетенции влияют на ее рост

Исследование навыков аналитика и ЗП
Мой проект, который собирал на данных вакансий с HH.ru. Основная цель была показать самые часто упоминаемые навыки в вакансиях аналитиков, но также есть информация про средние зарплаты по на основе указанных вилок.

Написал статью на Habr про построение потока данных с serverless технологиями в облаке

Собрал там информацию о реальном примере работы с excel/csv файлами, когда есть потребность загружать данные из них в базу данных для хранения и анализа. В статье расписал как использую

🔹Object Storage
🔹Managed Service PostgreSQL
🔹Cloud Functions
🔹Cloud Triggers

Довольно подробная инструкция, можно все максимально повторить по шагам

Статья, буду рад вашей поддержке 😉

Великие здания не стоят на зыбком фундаменте.

Как и устойчивые управленческие решения редко принимаются без фундаментальных знаний о менеджменте.

Потому мы и решили в Стратоплане предоставить всем бесплатный управленческий фундамент, чтобы вы построили свое «великое здание», а именно — управленческую карьеру. Также постараемся сделать так, чтобы в конце была ясность: это действительно то, чего вы хотите?

Что будет на нашем проекте «Management Foundation»:

— Ассессмент: узнаете, где ваши сильные и слабые зоны, как руководителя
— Эфиры с кейсами и разговоры с практиками: разбираем кейс, пробуем управленческие решения; разбираем сложные темы с теми, кто преуспел в управлении
— Практичные лонгриды: полезное управленческое чтиво с инструментами и инсайтами от опытных руководителей

Бесплатная регистрация на Management Foundation:
https://stratoplan-school.com/foundation/datastudy

📅 Когда: 1–19 сентября 2025, абсолютно бесплатно

Спойлер👇

На foundation разберем три темы:

— «Я менеджер: что это значит на практике» — про ловушки первых шагов в менеджменте
— «Почему с вами никто не договаривается» — какие ошибки чаще всего мешают договариваться
— «Менеджер в системе без самой системы» — как не жить в пожарном режиме и успевать главное.

А еще помимо Стратоплана будут те, кого вы, возможно, читаете или слушаете в Telegram, а именно авторы: «Тимлид Очевидность», «Кода Кода», «Чужими руками», «System Design & Highload», «LinkedIn & Career» и другие...

📏 1-го сентября встречаемся на бесплатном проекте Стратоплана «Management Foundation» здесь

Чем я могу быть тебе полезен

Получил такой ценный совет 👇

На мой взгляд, на канале мало рекламы/информации о существующих продуктах. В том числе, ты не рассказываешь о своих сильных сторонах и экспертизе.
То есть, учебных материалов и курсов полно. Но может ты гуру а/б тестов? Если я хотел прокачать именно эту область, то пошел к тебе на курс.
Спасибо за канал и твой труд!

В связи с этим делюсь тем, в чем я могу быть полезен тебе и как со мной можно сотрудничать 👨‍💻

1️⃣Фундаментальные навыки аналитика и инженера данных

🔵 SQL
- от простых до комплексных SELECT запросов (джойны, агрегации, фильтры, логические функции само собой)
- оконные функции и работа с фреймами
- оптимизация запросов
- построение и автоматизация витрин данных

🔵 Python
- функциональное программирование
- написание ETL-пайплайнов
- библиотеки анализа данных

🔵 BI инструменты
- Сбор требований для BI проектов и разработки отчетов
- Работа в Datalens и Superset

🔵 Работа DWH, баз данных и ETL инструментов
- виды баз данных, когда и для каких задач применять
- различия OLAP и OLTP систем
- виды DWH и слои хранения данных

Все это я использую в своей повседневной работе уже много лет, обучил больше 100 человек, разработал несколько курсов. Обучаюсь постоянно сам и могу простыми и понятными словами объяснить тебе. Максимально только нужная информация и практика на примере решения аналитических задач.

Если хочешь учиться в группе с единомышленниками, приходи на курс "Основы анализа данных", группа с поддержкой и обратной связью начинает свое обучение в сентябре 🧑‍🎓
❗️❗️❗️ До этого обязательно пройди бесплатную часть курса

2️⃣Карьерная консультация

🔹со стороны оценить твои сильные и не очень стороны в формате интервью/собеседования
🔹разработать твой индивидуальный план развития для роста по грейду или перехода в другую роль (что и как учить, где взять материалы, как их закрепить)
🔹разобрать твое резюме и помочь переписать его для поиска работы

3️⃣Индивидуальное наставничество

🔹оцениваем твои навыки
🔹составляем план обучения под твои цели
🔹занимаемся на индивидуальных созвонах
🔹выполняешь ДЗ и практику, разбираем результат

Подводя итог, ты можешь выбрать
🔜 групповое обучение на моем курсе
🔜личные консультации и наставничество по твоему запросу

Вопросы всегда можешь написать в личку, открыт к общению

Как выглядит мой рабочий день (удалёнщика аналитика-инженера)

🕘 9:00 - просыпаюсь, умываюсь, завтракаю. никакой йоги, бассейна, утреннего зала, покупки раф-кофе 😁 или других полезностей нет)
раньше мог не завтракать и сесть через 10-15 минут после подъема сразу за ноутбук, но сейчас приучил себя полноценно завтракать.

🕙 10:00 - открываю ноут, начинаю читать чаты и составлять план работы на день

До 18 или 19:00 идет рабочий день
🔹2-3 часа в день в среднем уходит на созвоны
🔹5-6 часов на задачи и остальную коммуникацию в чатах

Перерыв на обед обычно плавающий, зависит от расписания созвонов и моего чувства голода)
Могу 3-4 раза за день пить чай/кофе и полноценно покушать 🍴

Сделал диаграмму, которая показывает какой % от всего рабочего времени в среднем в день я трачу на тот или иной тип задач и соответствующие инструменты 📊

бОльшая часть задач включает в себя написание SQL-запросов для создания витрин данных, adhoc-задач или запросов для автоматизации выгрузок. Также достаточно много времени уходит на коммуникацию, уточнение задач, приоритеты и разные тим-лид активности по планированию работы команды.

Здесь следует уточнить, что разделение рабочего времени на задачи и активности может сильно отличаться от
- роли аналитика (продуктовый, data, BI, аналитик-инженер...)
- типа и формата команды (у нас core команда клиентской аналитики, не привязанная к конкретному продукту)
- грейда аналитика (чем выше грейд, тем больше задач нужно делегировать и включаться в задачи команды)
- текущего планирования и приоритетов задач в рамках года/квартала/спринта

Я дал лично свою картину, часто на консультациях спрашивают чем именно я занимаюсь и как распределяется между этим рабочее время, вот расписал 😉

Задался для себя таким вопросом 👇

❓Что лучше делать: усиливать и развивать и так сильную свою сторону или подтягивать отстающие навыки? Что даст больший эффект и рост в ближайшее время и что даст эффект на дальней дистанции?

Например, аналитик достаточно хорошо умеет писать SQL запросы, отлично преобразует данные и в формате таблицы может найти в них инсайты. Но к примеру он очень поверхностно знаком с BI и визуализацией и его отчеты могут больше запутать, чем подсветить выводы из данных.

Что ему делать
1️⃣ усиливать сильное - погружаться и специализироваться на подготовке данных с помощью SQL, углубляться в оптимизацию запросов, делать еще более сложные вещи запросами.
2️⃣ подтягивать слабое - изучать визуализацию, презентацию данных и сторителлинг
Что из этого даст ему больше выхлопа для роста в профессии? Какой подход выбрать для быстрого роста сейчас, а какой будет работать на долгий срок?

Что думаете? Пишите в комментариях 🧐

Работа с NULL значениями в SQL

Часто бывает такое, что вместо явного значения данных в таблице попадаются NULL - "пустые" значения. И когда стоит задача отфильтровать данные, то у неопытных аналитиков и инженеров могут возникать сложности с такими пустыми значениями.

Почему так происходит?
В большинстве случаев фильтры пишутся с указанием явных значений в данных: конкретная строка/строки, число/числа, дата/даты

Например, найти заказы, в которых участвовали продукты с id 4, 7, 9

SELECT *
FROM orders
WHERE product_id IN (4,7,9)

Здесь все понятно. А если нужно наоборот исключить такие продукты из запроса?

SELECT *
FROM orders
WHERE product_id NOT IN (4,7,9)

Тоже вроде ок. НО если в таблице есть строки где product_id будет значением NULL, то такие строки не попадут ни в первый ни во второй запрос - а значит могут потеряться в аналитике совсем.

Помните про этот момент и не забывайте про конструкции IS NULL и IS NOT NULL - это фильтры, которые позволяют работать с пустыми значениями и не терять их в запросах.


Как еще можно работать с NULL: заменять их в явном виде на строку или любое нужное значение

Например, c помощью CASE

CASE WHEN product_id IS NULL THEN 'empty' ELSE product_id END AS product_id

Тогда дальше с этими значениями можно работать через обычный синтаксис фильтраций, не боясь забыть про NULL

Классно расписано про NULL еще в этой статье

Ну и не забывайте про COUNT(*), COUNT(column), COUNT(DISTINCT column), где NULL также учитывается по разному 🤓

👍 если пост полезен

Делюсь с вами новостями от ученицы о трудоустройстве!

Гера, выпускница 9 потока курса "Основы анализа данных", обучалась с марта по май в этом году. У Геры гуманитарное высшее образование (кто там думает что гуманитарии не могут попасть в IT? 😎), помогала вести финансы и CRM в маленькой юридической фирме.

Запрос на обучение был в систематизации и точечном расширении знаний по темам курса (SQL, Python, DWH, ETL, BI, Документация).

Сейчас Гера устроилась координатором по обеспечению поставок в крупную компанию с ЗП 90К 🥳👏

Из плюшек
🔹гибрид (удаленка + офис)
🔹ДМС
🔹возможность карьерного роста (в том числе в другие отделы и глубже в аналитику)

Давайте поздравим Геру с ее достижением!

А я напоминаю, что вы также можете поменять свой карьерный путь!

Жми сюда, учись и получай много полезных материалов 🧑‍💻

#кейс

Возле дома есть отличная набережная, где можно работать! Кстати у нас здесь 🦫 водится

У вас также, или я один от школьных времен отойти не могу? 😁

Думаю надо идти дальше учиться, второе высшее получать. Но правда тогда точно сентябрь будет с учетным годом связан)

☑️ Чек-лист идеального сотрудника для компании

Считаете, что застряли на месте в компании и не понимаете как расти дальше? Хотите, но боитесь попросить повышение? Боитесь стать ненужным сотрудником, которого вот-вот могут уволить?

Расскажу со своей стороны какого сотрудника хотят видеть у себя компании, кого ценят и готовы удерживать у себя, потому что вы слишком ценны и не заменимы.

1️⃣Иметь гибкое мышление и быть готовым учиться новому
Должно быть так:

Не знаю сейчас, но это нужно для работы - значит изучу

Мир технологий очень гибок, даже банальная смена инструмента с Postgres на Clickhouse или миграция с Power BI на Datalens проверяет сотрудников кто может быстро приспособиться к новым реалиям внутри компании. Не хочешь меняться, а работать только с одной привычной технологией - рано или поздно ты станешь не нужен.

2️⃣Принимать ответственность в своей зоне работы
Ответственность за качество выполнения задач, ответственность за согласованные с тобой сроки, ответственность за своих сотрудников/проект/конкретный отчет... В случае возникновения рисков срыва сроков, невыполнения задачи, косяка сотрудника - не замалчиваешь, а подсвечиваешь риск и стараешься его минимизировать возможными способами.

3️⃣Уметь ошибаться
Накосячил - принял этот факт - порефлексировал и сделал разбор ошибок - сделал выводы. Плохой сотрудник не тот кто ошибается, а тот кто делает одну и ту же ошибку повторно, не сделав из этого никаких выводов.

4️⃣ Иметь хорошие soft-навыки и эмоциональный интеллект
Компания не будет терпеть токсичных, не умеющих работать в обществе сотрудников, это разрушает и демотивирует коллег вокруг. У нас был такой кейс на стажировке - парень был технически сильный, но были неоднократные кейсы токсичности с коллегами. Пришлось попрощаться со стажером в первые недели стажировки.
У всех бывает плохое настроение или можно попросту вспылить в моменте. Это норм, но стоит извиниться после таких ярких ситуаций и стараться все же не повторять их в будущем.

5️⃣ Быть проактивным
Менеджеры очень любят это качество. Кричать громче всех о своих достижениях, рассказывать на широкий круг о результатах своей работы. Также ценится, когда сотрудник не только решает поставленные задачи, но и предлагает свои идеи и мысли по улучшению проекта/продукта и решений, участвовать в постановке целей ил планировании. Ну здесь понятно - чем больше делаешь за те же деньги, тем ты ценней. Надо понять что повышения в компаниях работают по принципу:
1) расширил свою зону ответственности, стал выполнять боле сложные проекты
2) если справляешься, то через время (полгода или год, в зависимости от компании) получил повышение

Многие ожидают что:
1) сначала получил повышение
2) после этого ты готов брать на себя больше, ведь за это уже платят
Увы, но работает не так

6️⃣Иметь сильную техническую компетенцию
Имея все пункты выше, но при этом быть слабым специалистом технически - увы, но ценность как исполнителя твоя будет не велика. В оценку сотрудников всегда закладываются технические компетенции его роли. Поэтому нужно иметь твердые компетенции в любом случае, чтобы справляться со своими прямыми обязанностями в работе.

❤️ если пост был полезен тебе

Цикл аналитики данных

Недавно делился книгой по Analytics engineering, там расписан цикл аналитики данных:

🔹 Определение проблемы
🔹 Моделирование данных
🔹 Извлечение данных и трансформация
🔹 Хранение и структуризация
🔹 Визуализация и анализ
🔹 Мониторинг качества данных, создание документации

В целом согласен с таким циклом, действительно работа с данными от начала и до конца включает все эти шаги.

Единственное что хочется добавить, что данный цикл описывает техническую работу с данными, но не отражает большую часть работы аналитика:
- сбором требований и общение с заказчиками (можно отнести к 1-му пункту)
- создание или выбор методологии расчета метрик (что учитывать в зависимости от доступных данных, бизнес-кейсов и самой поставленной задачи)
- проверка качества данных ДО анализа (оценка можно ли вообще рассчитать то что нужно на основе доступных данных или нет)

Также дополню, что аналитик может быть сфокусирован на одном или нескольких этапах данного цикла. Например, определение проблемы и визуализация. Или оценка качества и расчет метрик, если данные например уже известно где лежат, задача поставлена и визуализация не требуется.

Лично я люблю комплексные задачи, состоящие из нескольких этапов цикла, так можно переключаться между аналитическими и инженерными задачами, при этом также появляется и гибкость решений 😉

САМАЯ ВОСТРЕБОВАННАЯ IT-ПРОФЕССИЯ в 2025 году

Многие думают, что IT — это супер-сложно и только «для технарей». Это миф.

Сейчас сменить профессию стало гораздо легче и быстрей чем раньше. Не нужно переучиваться несколько лет, чтобы получать стабильный высокий доход, работая удалённо и занимаясь интересными задачами.

Это та самая работа мечты:
🔹 вход без супер-долгого обучения
🔹рост дохода от 100 000 ₽ и выше
🔹гибкий график и удаленная работа

Привет, меня зовут Даниил, я - аналитик данных
и им может стать КАЖДЫЙ, я помогу дойти вам до своей цели и получить нужные навыки.

Некоторые факты обо мне:
🎓 Учился в НИУ ВШЭ, успел съездить по обмену в Грецию
📚Инфокоммуникационные технологии и системы связи (бакалавр)
📚 Business Analytics and Big Data systems (магистратура на английском)

Уже более 6 лет в аналитике, работал в
📍Леруа (System Analyst) ➡️ 📍EPAM (BI/DWH Analyst) ➡️ 📍Сравни (Analytics Engineer)

💼 На данный момент работаю на Lead позиции на проекте клиентской аналитики
🌀 Являюсь основателем образовательного проекта Data Study по развитию аналитических навыков и компетенций в IT.

Есть мнение, что аналитика требует годы обучения и нельзя просто взять и освоить IT-профессию с нуля, не потратив на это несколько лет

Так вот, история одной из моих учениц:
Наталья Чеговцова (52 года) - сейчас системный аналитик, выпускница курса "Основы анализа данных".
До обучения работала экономистом.
После обучения Наталья получила оффер от крупной IT-компании. Мысли что из-за возраста что-то не получится ушли. Сейчас она создает востребованные IT-продукты, уже отработала год, получила повышение в должности и хороший пересмотр зарплаты) У Натальи есть важное качество - стремление к своей цели и новым знаниям, она и после курса не перестала учиться новому.

Это один из кейсов моих учеников больше примеров можешь посмотреть на странице Кейсы учеников

Может показаться неубедительным опыт других людей. Я понимаю.

Поэтому я подготовил для тебя ПОДАРОК 🎁

БЕСПЛАТНЫЙ ОНЛАЙН-КУРС "Введение в анализ данных"
В нем ты освоишь базовые навыки профессии и поймешь, как дойти от точки 0 до заветного оффера от 100 000+ Р.

Также ты узнаешь:
🔹Почему реально стать аналитиком с любым опытом за спиной
🔹Почему не надо тратить на обучение годы для начала работы
🔹Кто такой аналитик данных и почему он нужен компаниям
🔹Какие навыки необходимы для этой профессии
🔹Как использовать свой прошлый опыт как свое преимущество для профессии аналитика
...
И еще много чего полезного)

Для меня важно, чтобы каждый получил максимум пользы, ведь сейчас такой материал сложно достать в понятном и структурированном виде в одном месте, еще и бесплатно.

Поэтому жми на кнопку и сделай свой первый шаг в аналитику!