База

@data1sm

#мемы

База ч.2

База ч.1

@data1sm

#мемы

Жизнь коротка. И надо уметь.

Надо уметь уходить с плохого фильма. Бросать плохую книгу.
И уходить с плохой работы.
Ауф.

Я сейчас провожу периодически собеседования к нам в команду и вот восхищаюсь все же новым поколением.
Они не боятся уходить из-за:
1) скучных задач
2) этических моментов
3) плохого руководства/процессов/офиса и т.д.
4) отсутствия перспектив

Они не терпят. Это круто.

И пусть все те люди, которые говорят, что job hopping - это фу, идут лесом.
Найм - это по сути симбиоз.
Сотрудник решает задачи бизнеса, за это получает деньги. Все окей.
Когда одна из сторон перестает удовлетворять по каким-то параметрам, то покинуть такие взаимоотношения - это абсолютно естественный ход событий.
Когда бизнес проводит массовые увольнения, то видите ли нужно понять и простить, капитализм же, так устроен мир, смирись.
Когда сотрудник путем смены работ улучшает свое положение - воу воу, так нельзя, а-та-та по хитрой жопке, систему что ли решили обхитрить?

Пока ты молодой, амбициозный, у тебя нет детей и ипотек, то нужно крутиться по максималке. Основная цель - максимизировать зп и навыки.
Расти внутри компании по всем параметрам сложнее. Должно много чего совпасть: проект, руководитель, коллеги, ценности компании и т.д.
Повышение зп аля +10% по итогам перформанс-ревью и то не факт, потому что всегда найдется "причина", по которой ты не получишь нужное кол-во плюсиков.
Получить грейд - тоже квест.
Куда проще выйти на рынок и получить и нужную зп, и нужный грейд. А бонусом ко всему этому, возможно, новый стек и домен.
Не вижу минусов. Более того, проще и менее нервно можно реализовать переход в смежную область.
Был дата-аналитиком, а стал - дата-инженером или продактом.

Это потом уже, перейдя в состояние "мне этот мир абсолютно понятен", можно забуриться в условный Сбер на жирную зп и не выеживаться, сидеть на пятой точке годами тихо и заботиться лишь о том, чтобы диверсифицировать свои доходы (сторонние проекты, продажа своей экспертизы, инвестиции и т.д.).

Но это потом.
А сейчас надо крутиться, мои хорошие.

Ну и по традиции, утро начинается не с кофе, а с блокировки лицензии DataGrip на работе
https://habr.com/ru/news/852254/

Из чата в чат, из года в год я вижу одни и те же вопросы от тех, кто хочет начать карьеру в аналитике, поэтому совместно с Никитой решили сделать мини-FAQ.

Погнали!

1. Какие бывают аналитики? В чем специфика каждого вида?
Аналитики бывают разные: черные, белые, красные
Но всем одинаково хочется на что-нибудь заморочиться (олды тут?)

Так вот, аналитиков действительно много. Давайте пройдемся по ним:

BI-аналитик - человек-эстет, дизайнер в сфере данных. Падает в обморок при виде пай чарта и вздыхает каждый раз, когда просят выгрузить что-то в эксель (ну дашборд же есть, гспд). В основном занимается сбором информации и построением отчетов в bi-инструментах. Нужно максимально наглядно доносить информацию о состоянии бизнес-процессов заказчикам.

Веб-аналитик - сталкер в дата-мире, вычислит вас по ip. Собирает, анализирует и интерпретирует данные о поведении пользователей на сайте: где и что кликнули, где по пути потеряли жертв лиды, сколько времени потратили на странице и т.д.

Продуктовый аналитик - супергерой, который знает о состоянии продукта абсолютно все. Считает кучу разных метрик и выдвигает еще такую же кучу гипотез по улучшению продукта, а потом плаки-плаки, потому что p-value больше 0.05.

Маркетинговый аналитик - алхимик, который пытается превратить обычные объявления в золотые продажи. Отвечает за анализ маркетинговых кампаний, распределяет бюджеты на рекламу, оценивает средний чек с каждого канала, отслеживает количество заявок и сколько из них переходит в продажи.

Дата-аналитик - раскапывает данные из разных источников, как археолог, ищущий древние артефакты, и всегда готов сказать: "А вот тут у нас интересный паттерн!"

2. Кому подойдет аналитика?
Работа в аналитике данных требует сочетания технических навыков, аналитического мышления и способности к коммуникации, чтобы эффективно представлять результаты анализа другим.

Я бы выделила «эталонный» список профессий, которым легче всего будет войти в профессию:
- люди с техническим образованием (математики, инженеры, физики, ИБ). В конце концов, если вы выжили после сопромата, то копаться в данных сможете без проблем.
- социологи, экономисты
- маркетологи
- бизнес-аналитики

Это лишь мое субъективное мнение. Я знаю и примеры, когда лингвисты, риелторы, хирурги становились аналитиками данных. Я всегда говорю, что все зависит от человека. Если у человека есть усидчивость, внимательность, любовь к копанию в чем-то (а работа в дата анализе - это те еще раскопки), то он будет комфортно себя чувствовать в профессии.


3. Starter pack, или с чего начать свой путь в аналитике?
В начале пути вы будете себя чувствовать слепыми котятами.
Нужен ли мне какой-то крутой ноут? Какие программы нужны? А самое главное где и чему учиться?

Ноут - ваш железный друг, он должен быть надежным. Конечно, выбор зависит от вашего бюджета, но базово обращайте внимание на объем оперативной памяти (16гб желательно), процессор (чем новее чип, тем лучше), диск (ssd, 512 гб).
Если деньги позволяют, то советую, конечно, взять macbook и не париться.

Основной набор инструментов для аналитика - vs code (работа с проектами на питоне), dbeaver (подключение к бд), jupyter (удобная работа с данными), docker (это полезно для того чтобы не мусорить на компе, а использовать контейнеры с необходимым инструментом, который хочется потрогать аля airflow).

Ноут выбрали, программы знаем какие ставить, остался вопрос с курсами.

В интернете вы найдете огромное количество материалов для обучения. Важно! Платные курсы не всегда гарант качества, как правило, все нужное можно найти и в бесплатных курсах/тренажерах. Самое главное не потеряться во всем этом многообразии. Но не волнуйтесь, у Никиты есть отличный список качественных курсов

Вторую часть ответов на интересные вопросы вы можете увидеть на канале Никиты, который успел поработать в таких крутых компаниях как Озон, Сбер и сейчас работает ведущим аналитиком в МТС Digital.