Аналитика данных / Data Study

Кирилл Еременко / Работа с данными в любой сфере

"Что общего у аналитика данных и Шерлока Холмса? Как у Netfl ix получилось создать 100%-ный хит — сериал «Карточный домик»? Ответ кроется в правильном использовании данных. Эта книга — практическое руководство и увлекательное путешествие в науку о данных, независимо от того, хотите ли вы использовать анализ данных в своей профессии, собираетесь ли стать аналитиком данных, или уже работаете в этой области."

Скачать книгу

Скоро аналитики будут не нужны

Вот такой комментарий вчера оставили, ну и вижу иногда такие дискуссии в других каналах. Давайте напишу мысли почему профессия аналитика в ближайшем будущем никуда не исчезнет, а будет становиться только все более и более востребованной.

Есть множество трендов и факторов, влияющих на востребованность профессий. И все они вытекают от 2 целей компаний, т.к. мы живем с вами в рыночной экономике:
↗️ максимизировать прибыль
↘️ минимизировать убытки и расходы.
Исходя из этого появляется множество способов и факторов как это делать, вот некоторые из них:

1️⃣Цифровизация и автоматизация бизнес-процессов
Большая часть сервисов и услуг доступны онлайн, все пользовательские пути завязаны на взаимодействие с сервисами компаний. Это не про то, что бизнес может быть полностью автоматизирован и оцифрован, а про то что основные бизнес-процессы компании работаю удобно и эффективно для клиентов и сотрудников компании.

2️⃣Применение AI технологий
Вы наверно заметили, что каждый сервис предлагает свои инструменты с использованием AI, будь то умный пересказ в Яндексе, автоматический редактор фотографий с применением AI, голосовые ассистенты и многое другое. Здесь важно понять что AI - не "серебряная пуля" или какое-то универсальное решение. Это один из множества инструментов, которые помогают компаниям добиваться тех самых своих 2-х целей: max(прибыль) и min(расходы).

Минимизация расходов путем замены штата аналитиков на AI-ассистентов - пока не реализуемая задача, т.к. на текущий момент "интеллект" и навыки гибкости/общения/анализа человека не могут быть заменены.

Многие компании даже ai-ботов или тех. поддержку на телефоне не могут перевести на AI, потому что очень много нестандартных запросов может приходить от клиентов, которые может решить только человек.

3️⃣Перевод управленческий решений от интуитивного подхода к решениям, принятым на основе цифр и данных
Компании собирают огромное количество данных, но нет смысла их просто хранить. Из них нужно доставать полезную информацию, которая поможет развивать компанию в правильном направлении.

Аналитик - это ценный сотрудник благодаря своей голове, умению мыслить критически, иногда даже творчески. У аналитика работа никак не может выполняться по скриптам или по инструкции. AI даже по инструкциям может не справляться с запросами, а шаг вправо/влево вообще может быть непредсказуем, в этом и есть ценность человека с мозгами.

ИИ для нас - классный помощник, который часть работы может ускорить или упростить, но полностью аналитика не заменит. Тем более для этого нет ни подготовленной технической, ни юридической базы управления AI в компании и доверия работы с данными/клиентами и другими процессами внутри компании.

Если другую тему, то какую? пишите в комментах. а то проголосовали, а предложений не вижу)

Как-то ко мне пришел парень на консультации с запросом подготовиться к собеседованиям, пересмотреть резюме и сделать pet-проект.

Вводные:
- юридическое высшее
- закончил только что курс "Аналитик данных" одной из крупных школ

Окей, начинаем занятие, обсуждаем логику и архитектуру pet-проекта, говорю будем использовать Postgres в качестве БД. У меня уже есть учебная база, для проекта обычно предлагаю использовать ее или разворачивать свою в docker или в облаке. Даю хост и учетку для подключения, а в глазах парня вижу полное непонимание с написанным на лбу вопросом "а что такое хост, зачем нужна учетка, куда вообще все это писать?" 🧐

Поговорив об этом пару минут нашли причину непонимания. На курсе оказывается он научился писать SQL запросы прямо в браузере в симуляторе курса, который удобно выводит ответ задачи если код написан правильно или ошибку если запрос выводит не то что нужно в задаче.

Есть такой формат в современном образовании - симуляторы. Это могут быть симуляторы кода SQL или любого другого языка. Давайте расскажу какие плюсы и минусы в них есть, а самое главное для кого это выгодно использовать симуляторы для обучения, а не парится с объяснениями реальных инструментов работы.

Плюсы симуляторов
🟢 удобство для ученика (прямо на странице курса ученик может писать свой код, никуда переходить не нужно)
🟢 удобство для школы (учеников много, потоки не прекращаются, а значит нужно быстро и желательно автоматически проверять все работы, благо симуляторы помогают сделать автопроверку на соответствие верному решению)

Минусы симуляторов
🔴 нет правильного понимания работы сервисов (как в примере, ученик даже не понимал что к базе данных нужно подключаться, есть разные роли и пользователи)
🔴 нет практики работы с реальными инструментами аналитика (естественно он не знал про существование таких программ как DBeaver или DataGrip для работы с базами данных)
🔴 нет навыка обработки и исправления ошибок (это полезный навык по ошибке от базы данных например понять что именно в запросе написано не так, найти и исправить ошибку. лог ошибки в симуляторе может либо отсутствовать, либо может быть упрощен до ожидания ответа на конкретную задачу)


Однако, симуляторы полезны, если ваша задача - нарешать множество различных задач для понимания языка, вспомнить или выучить синтаксис или в целом размять мозги. Но это не отменяет того, что вы должны получить прикладные знания инструментов и технологий для реальной работы.

Кому нужны специалисты, которые не умеют подключаться к базе данных, настраивать инструмент для своей работы, но умеют писать SELECT * FROM table

Что думаете по поводу симуляторов? Как видите идеальное обучение например SQL?

Нашёл у себя в сундуке полезных материалов презентацию с 39 видами различных видов бизнес/системного/дата/продуктового анализа, а также инструменты проектного управления, которые полезно применять в разных задачах.
В файле описаны ключевые аспекты каждой методологии, если захотите применять что-то на практике, то лучше изучить дополнительные материалы.

Хотите описать сильные и слабые стороны продукта, берите SWOT (слайд 2).

Есть потребность оценки рисков и проектных зависимостей, рассмотрите RAID Log (слайд 20).

Хотите зафиксировать список стейкхолдеров проекта и понять кому и по каким вопросам обращаться, с кем согласовывать, а кому просто прийти с готовым результатом - посмотрите на Stakeholder Analysis (слайд 17)

Только запускаете проект и думаете какую информацию для старта важно собрать - воспользуйтесь Project Charter (слайд 26)

Когда-то много из этих видов анализа использовал в работе, потом настал период когда зарылся в данные и технику. Сейчас похоже начинается цикл, когда часть этих инструментов опять войдут в мою повседневную работу

Сходили в кино на Муфаса: Король лев 🦁
От меня реуомендасьен 👌

Чет я сентиментальный какой-то стал. Что Ёлки 11 дома смотрели, сейчас Муфасу, на слезу пробивают фильмы 🥹
Подскажите, это с возрастом так или пора к психологу потому что мужики не плачут 😂?)

В Москве сняли серый купол с неба, поэтому срочно бежим гулять! До захода солнца еще 1.5 часика, успеете 😉

Взаимосвязь вакансий с их названиями

Давайте подведем итоги игры из поста выше. Правильный ответ 👇
🔹 Аналитик данных - 3️⃣(вакансия)
🔹 Продуктовый аналитик - 1️⃣(вакансия)
🔹 BI-аналитик - 2️⃣(вакансия)

Поздравляю тех, кто правильно определил 🎉
Но уверен, что выбор был не очевидным, и только какие-то отдельные ключевые слова или фразы дали понять что к чему относится.

Мораль сей басни
Требования и проектные задачи между разными названиями аналитиков могут очень сильно пересекаться, основная суть работы при этом не меняется. На рынке нет четкого разделения по наборам задач, которые выполняют те или иные специалисты, поэтому несколько мыслей на этот счет:

📍Выбирайте вакансии, опираясь в первую очередь на указанные задачи/требования/технологии, чем на название позиции. Если вам нравится набор задачи и хотите попробовать себя в этой позиции - разве важно что у вас будет написано в трудовой книжке например "BI-аналитик" вместо "Аналитик данных"? Кстати формулировки в трудовой тоже могут отличаться от названия вакансии на сайте 😄
📍Не ограничивайте себя фильтрами на конкретную вакансию, расширьте фильтр поиска на подобные вакансии, так будет больше выбора для откликов)
📍Полезные и обучающие материалы для продуктовых аналитиков в 99% случаев будут полезны также и другим аналитикам, работающим с данными.
📍Разница специализаций аналитиков обусловлена умением решать какие-либо конкретные запросы бизнеса, либо иметь какой-то более доминирующий и выделяющийся навык, например - визуализация данных и глубокое знание BI инструмента для BI-аналитиков
- анализ на основе продуктовых гипотез и расчете конкретных метрик продукта для продуктовых аналитиков

Но при этом фундаментальные навыки типа SQL, Python, построение отчетности остаются прежними для всех.
Что думаете по этому поводу? Обращаете внимание на название вакансий или смотрите больше на требования и задачи?

🎲 Поиграем с вами в игру "Угадай вакансию"?

Вы видите 3 скриншота основной информации из 3-х разных вакансий. Ваша задача: сопоставить название вакансии с ее описанием из пронумерованных карточек.

Названия вакансий:
🔹 Аналитик данных
🔹 Продуктовый аналитик
🔹 BI-аналитик


Сопоставьте название вакансии с ее номером карточки в комментариях 👇

P.S. Завтра дам правильное соотношение название - номер карточки и опишу свои мысли почему решил сыграть в такую игру 😉