Наша еженедельная рубрика про #ИТпрофессии. Сегодня рассмотрим Дата аналитика (аналитика данных).

Профессия аналитика данных очень схожа с предыдущей рассмотренной профессией продуктового аналитика, т. к. она помогает подружить данные и бизнес, но все таки есть отличия.

Как мы разобрали выше, ПА работает с данными по продукту, а дата-аналитик чаще всего работает с большими данными. Например, помогает компании принять решение целесообразно ли сейчас обновить свой автопарк, закупив новые автомобили, или проще арендовать у другой компании и все это используя только большие данные.)

Задачи:
🟣 собирает данные (формирует запрос сам или получает задачу от менеджеров);
🟣 знакомится с параметрами набора (какие типы данных собраны, как их можно отсортировать);
🟣 проводит предварительную обработку (очищает от ошибок и повторов, упорядочивает);
🟣 интерпретирует (анализирует, собственно решает задачу);
🟣 делает вывод;
🟣 визуализирует (так, чтобы на основе вывода можно было принять решение, подтвердить или опровергнуть гипотезу).

Путь в аналитику данных - тернист. От начинающего специалиста уже ожидают, что он знает мат. статистику, что такое гипотезы, умеет писать базовые запросы к базам данных SQL (основной источник данных для аналитика). Также все чаще, требуется базовое понимание языка программирования Python. Компании учитывают и наличие подходящих soft-skills, таких как внимание к деталям и системное мышление, порой им даже отдают предпочтение при подборе начинающих спецов 🙃

Аналитик данных может расти горизонтально, то есть переходить в продуктовую аналитику или становиться Data-scientist. Ну, или расти вертикально становясь TeamLead по аналитике данных, то есть возглавлять отдел с дата-аналитиками.💃

Следующий наш пост будет про BI-аналитика, который тоже работает с данными, но в другом формате. 😉