Всем привет! На связи Александр Грудинин, ментор курса «Аналитик данных» 👋🏻
Сегодня посмотрим на свежие вакансии для аналитиков данных. Акцент сделаем на обязанностях и требованиях к кандидатам, а также формату работы.
Вот список вакансий:
https://hh.ru/vacancy/130941500 (в архиве)
https://hh.ru/vacancy/130886039
https://hh.ru/vacancy/130890343
https://hh.ru/vacancy/130955912
https://hh.ru/vacancy/130952083 (уже закрыта)
https://hh.ru/vacancy/130871256
https://hh.ru/vacancy/130761447
https://hh.ru/vacancy/130320128 (в архиве)
Начнём с обязанностей. Почти везде есть базовый набор: подготовка дашбордов и отчётности, ad-hoc аналитика, взаимодействие с бизнесом. Интереснее смотреть на отличия.
🟠 Аналитика данных и отчётность присутствуют во всех 8 вакансиях без исключения — и это неудивительно. Данные сами по себе не имеют ценности, пока кто-то не превратит их в понятную картину для принятия решений. Именно этим и занимается аналитик: проводит исследования, строит дашборды, поддерживает отчёты, готовит презентации для бизнеса/руководства.
🟠 Ad-hoc аналитика явно упоминается у Сбера, Т-Банка и X5, в остальных подразумевается. Ad-hoc бывает разный: когда-то могут попросить сделать выгрузку, иногда — разобраться, почему упала метрика, или сделать отчёт «ко вчера» 🙂 То есть всегда важно уточнять, какого рода ad-hoc практикуется в компании и каков его объём.
🟠 A/B-тесты и эксперименты — только X5 Digital и Яндекс. A/B-тесты — тема непростая, и не в каждой компании есть культура и инфраструктура для них. С другой стороны, и не все аналитики готовы этим заниматься.
🟠 Работа с источниками данных, парсинг и автоматизация — Сбер и Флюид-Лайн: аналитик должен настраивать сбор и парсинг логов, кластеризировать сырые данные. Это уже инженерная задача, что показывает тренд на ещё большее размытие границ между дата-специалистами.
🟠 Взаимодействие с бизнесом фигурирует в том или ином виде в каждой вакансии. Это говорит о том, что аналитик данных — не строго технический специалист: необходимо уметь общаться с людьми и понятно презентовать результаты своей работы.
Теперь пройдемся по хард-скиллам.
➖ SQL — 8 из 8. В разных компаниях просят разный уровень. В любом случае SQL остаётся одним из основных навыков, которым стоит овладеть на достаточно уверенном уровне, если вы хотите начать ходить на собеседования.
➖ Python — 7 из 8 (нет только у Альфа-Банка). Везде как минимум классика — pandas/numpy. Также почти must-have для аналитика данных. Без знания этого языка можно работать, но это накладывает ряд ограничений, а многие компании не будут рассматривать вашу кандидатуру без него.
➖ BI-инструменты — 7 из 8. Чаще всего Power BI. FineBI у Совкомбанка — обязательное условие, и видимо, это достаточно специфичная вакансия, раз опыт владения инструментом прописан явно. Здесь я как и всегда скажу: стоит овладеть на достаточном уровне каким-либо одним BI-инструментом и делать упор на базовые принципы визуализации, так как компании, как правило, не требуют строго конкретного инструмента.
➖ Excel — 4 из 8, преимущественно банки. Мой опыт говорит, что даже если его не указывают в описании, минимально уметь пользоваться Excel или Google Sheets всё равно стоит. А если освоите ВПР / VLOOKUP — это, несомненно, добавит респекта в глазах коллег 🙂
➖ Опыт — Яндекс и Сбер (стажировка) берут без опыта, большинство — от 1–2 лет, X5 — от 3 лет. Что-то мне подсказывает, что на вакансию с требованием от 1–2 лет можно попробовать откликнуться и с учебным опытом 😉
Из необычного — в Сбере уже начали явно прописывать опыт работы с нейросетями. Думаю, скоро такое будет в каждой второй вакансии.
Большинство вакансий — офис или гибрид. Полная удалёнка встречается только в одном случае из восьми. Гибрид у двух компаний прописан явно, у одной — «по договорённости с руководителем», что по факту не гарантия.
Вот такой срез рынка на начало марта. Если вы сейчас в поиске или только планируете войти в профессию — надеюсь, это помогло сориентироваться!
📈 Симулейтив