Аналитики, собирают большое количество данных, анализируют их и трактуют полученную информацию. Что это за данные – зависит от специфики проекта. Аналитики могут быть системными, финансовыми, продуктовыми, бизнесовыми, BI и т.д. С какими задачами сталкиваются аналитики:

🟣 Понять задачу. Перед тем, как начать выполнять задачу, для аналитика важно однозначно понять какой результат заказчик хочет получить. Тогда можно составить предварительные гипотезы, которые далее и будет проверять или валидировать;
🟣 Собрать данные и первично их обработать. Когда задача ясна, аналитик начинает собирать данные или информацию из всех возможных источников. Когда удалось собрать достаточное количество вводных, их нужно привести к определенному виду или структурировать;
🟣 Проанализировать полученные данные. Когда данные приведены к необходимому виду, их можно проанализировать, т.е. искать закономерности, слабые места или строить логические выводы;
🟣 Формирование предложений, гипотез или тезисов. Теперь важно подготовить и предложить заказчику изменения, которые необходимо сделать, чтобы процесс стал лучше.

С перечисленными задачами аналитикам помогают справиться следующие навыки:

- Умение увидеть и описать бизнес-процессы;
- Нотации для описания бизнес-процессов;
- Аналитический ум и развитое логическое мышление;
- Внимательность, наблюдательность;
- Способности к оперированию большими объемами информации, дедукции, индукции.

Дальнейший путь аналитика определяется его специализацией, поэтому приведем несколько примеров:

▫️Системный аналитик может вырасти в Архитектора;
▫️Бизнес-аналитик может вырасти в Менеджера продукта или проекта;
▫️И все аналитики могут вырасти в Teamlead и руководить другими аналитиками.

Итак, мы рассмотрели пять основных профессий в ИТ, поэтому дальше углубимся в возможные специализации профессии Аналитик.

Следующий пост будет про Бизнес-Аналитика!

Друзья, всем привет!

А мы продолжаем рассказывать про #ИТпрофессии и сегодня рассмотрим Бизнес-аналитика (БА).

Классический бизнес-аналитик связывает заказчика и команду разработки — сначала выявляет требования к будущему продукту или функциям системы, а затем превращает их в задачи для разработчиков и контролирует, чтобы созданный продукт закрывал бизнес-цели клиента. Поэтому работа БА складывается таким образом:

🟣 Общается с клиентом и изучает его бизнес с целью выявить реальные потребности и понять, что же в итоге нужно сделать;
🟣 Далее БА «переводит» полученную информацию в технические требования, которые понятны команде разработчиков;
🟣 На основании этих данных специалисты предлагают свое решение, и запускается обратный процесс: бизнес-аналитик «переводит» их видение в понятный для заказчика формат.

Главным отличием БА от всех остальных аналитиков, то что его работа состоит из большого количества коммуникаций, также как остальные аналитики больше работают с системами или данными. Именно по этой причине чаще всего БА вырастает в менеджера продукта или проекта, все также продолжая много общаться

Позиция БА - это отличный старт в ИТ для людей из бизнеса (менеджер по продажам, бухгалтер, экономист, руководитель колл-центра и т.д.), то есть для тех, кто хорошо знаком с какой-нибудь предметной областью, ведь можно стать БА, который улучшает бизнес-процессы именно этой предметной области. Получается, что все процессы тебе уже хорошо знакомы и останется только поднатаскать себя в техническом плане, чтобы лучше понимать разработчиков.

Следующий пост будет про Системного аналитика👩‍💻👨‍💻

Всем хай!!💃

У нас появилась первая большая статья про ТОК!!
🎉🎉🎉

Почитайте на досуге обязательно: https://vc.ru/hr/498308-kem-poyti-v-it-ili-kak-ya-pereizobrela-proforientacionnyy-test

И перешлите друзьям, знакомым, которые интересуются ИТ. 😉

И снова здравствуйте!💻

Мы продолжаем рассказывать про #ИТпрофессии и сегодня рассмотрим Системного аналитика (СА).

В прошлый раз мы рассказывали про бизнес-аналитика (БА), который помогает состыковать бизнес и разработку, ну вот, про СА можно сказать примерно то же самое. Это очень схожие профессии, но все же есть отличия.

Проще говоря, бизнес-аналитик выясняет, что нужно пользователям и за счет каких именно функций программный продукт станет лучше и прибыльнее, а вот системный аналитик решает, что сделать, чтобы эта функция была органично интегрирована в продукт и правильно работала.

СА чаще привлекаются для больших и сложных проектов, где БА сужает свои задачи до взаимодействия с бизнесом и собирает с них бизнес-требования, а СА уже выполняет следующие задачи:

🟣 Анализирует полученные бизнес-требования, при необходимости их уточняет у БА. На основании бизнес-требований разрабатывает требования к отдельным функциям системы;
🟣 Написание технической документации (технические задачи для разработчиков, спецификации, системные инструкции и т.д.);
🟣 Разработка моделей данных, логики, алгоритмов и всевозможных интеграций;
🟣 Проработка архитектуры технологических решений - самостоятельно или с помощью архитектора;
🟣 Тестирование и приемка готового продукта, чаще с точки зрения корректной реализации системных параметров.

Позиция СА - не самая легкая позиция для старта, так как нужно иметь хотя бы базовые технические знания, например, про разработку ПО и хранилищ, уметь моделировать процессы, знать структуры баз данных и т.д. Однако всему этому можно научиться и из открытых источников, информации в интернете предостаточно, было бы желание 😉

Чаще всего из СА вырастает системный архитектор, т. к. хорошо знаком с системами и понимает, как можно хорошо интегрировать доработку или новый функционал в существующую систему.

Следующий пост будет про Продуктового аналитика 🦸‍♂️

А вы уже поздравили своих коллеги и знакомых с днем программиста?👨‍💻🎉

В честь 256 дня года мы решили устроить небольшую викторину и разыграть три бесплатных места в ТОК!

Все что требуется сделать, в числе первых правильно ответить на несколько вопросов про наш пока еще маленький, но очень стойкий бренд IThumanWork😊

Вопросы последовательно будут появляться тут, в нашем канале. А завтра подведем итоги и устроим торжественную публикаю победителей😉

Пожалуйста, ждите наших вопросов))

И первый вопрос уже в нашем чате!!!
Переходите и отвечайте: https://t.me/+-mZexHdB0eMwMWMy

И простите сердечно, нашего админа😢 Он больше так не будет, обещаем😜

Хей, хей, хей!!!

Поздравляем победителя нашей праздничной викторины ко дню программиста🎉🎉🎉

https://t.me/Rijayamorda

Мы свяжемся, чтобы передать выигрыш💃💃💃

Всем привет!

Нашли на Хабре довольно интересное и актуальное исследование по распределению долей специальностей в ИТ.

https://habr.com/ru/post/688072/

Информации много, советуем положить в закладки и рассматривать в свободное время. + очень много полезных списков.

Приглашаем на эфир!💃

Завтра на площадке Solvery пройдет прямой эфир, на котором разберем как «читать» описание вакансий между строк и оценивать их, прежде чем откликаться.

Эфир проведет ментор, наш главный автор и основатель Лариса Дансарунова👩‍💻😉

Мероприятие бесплатное и интерактивное, поэтому будьте готовы включиться в работу и задавать вопросы.) А еще мероприятие бесплатное и проходит онлайн, поэтому достаточно только зарегистрироваться по ссылке:
https://solvery.timepad.ru/event/2174358/

Друзья, всем привет! ❤️

Наша еженедельная рубрика про #ИТпрофессии. Сегодня рассмотрим Продуктового аналитика (ПА).

Если раньше мы рассказывали вам про бизнес-аналитика и системного-аналитика, которые связывают бизнес и разработку, то вот продуктовый аналитик — мостик между бизнесом и данными. Он работает рука об руку с продакт-менеджером и помогает продуктовой команде принимать верные для бизнеса решения. Продуктовая аналитика позволяет понять, как пользователи взаимодействуют с продуктом. Условно можно выделить две задачи продуктовой аналитики:

🟣 Сначала продуктовый аналитик выгружает кучу цифр (метрик) из разных источников: какие кнопки нажимают пользователи, как часто используют продукт, на каких устройствах, какие функции продукта продукта популярны, и т.д. Эти измерения показывают, что происходит с продуктом, но не объясняют почему;
🟣 На втором этапе аналитик, при помощи анализа, вытаскивает из цифр инсайты, которые объясняют поведение пользователей. Благодаря этому продуктовая команда понимает, какой продукт она сделала и как развивать его дальше.

Стать ПА не так просто. Чтобы претендовать на должность продуктового аналитика, придётся вспомнить статистику и математику, ну и плюсом будет базовое знание SQL. Согласно исследованиям компании “Нормальные исследования”, в профессию чаще всего идут люди целенаправленно и «с нуля», а часть специалистов приходит из разработки или маркетинга 🙃

ПА чаще всего вырастает в Продакта (менеджер продукта), так как хорошо умеют работать с ценностью продукта и быстро тестировать гипотезы, связанные с потенциальным изменением продукта.

Следующий пост будет про Дата аналитика 😉

Друзья, помните что сегодня за день?

День прямого эфира!
Через 10 минут начнется эфир, на котором наш главный автор Лариса разберет как «читать» описание вакансий между строк.

Напоминаем, что участие бесплатное и интерактивное 😉
Можете захватить чашечку горячего и чего-нибудь вкусного!

Ждем вас в 19:00
https://solvery.timepad.ru/event/2174358/

Всем привет!

Вчера прошел прямой эфир «Как научиться читать вакансии компаний между строк?»

Было активно и очень полезно 🔥
Разобрали сразу несколько примеров описаний вакансий, потренировались выделять важное и задавать главный вопрос «А мне это подходит?»

Поэтому, друзья, кто вчера не успел попасть на прямой эфир, можете посмотреть здесь.

О таком нигде не расскажут 🤫

Друзья, всем привет!

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. 😉

#ИТновости

Apple перевезла российских сотрудников из России

Различные источники сегодня опубликовали новость о том, что российскому офису Apple было предложено релоцироваться. Для выбора сотрудникам предоставили три направления: Лондон, Дубаи и … Киргизию. Большинство рядовых сотрудников выбрало Киргизию за близость и относительную недороговизну переезда. Однако часть состава топ-менеджеров российского офиса все же отправились в Велокибританию и ОАЭ. Многие источники ссылаются на одно издание, которое самым первым сообщило от этом - «Ведомости»
Вслед за Ведомостями об этом сообщили на VC и CNews.

А в этой статье описана очень даже разумная догадка на счет причин такого неординарного решения для западной компании.

Пока заявлений по этому поводу от самой Apple не было и вряд ли будут. Ведь «все всё понимают»(с.)

Кто ждет новые айфоны в России?)

Друзья, всем привет!

Наша еженедельная рубрика про #ИТпрофессии. Сегодня рассмотрим BI-аналитика.

Business Intelligence (BI) - это обозначение методов и инструментов, которые переводят транзакционную деловую информацию в человекочитаемый вид.

Следовательно, BI-аналитик - этот тот, кто умеет при помощи BI-инструментов, собирать и автоматизировать большой объем данных из разных источников и визуализировать ее в виде дашбордов или отчетов. Это помогает бизнесу принимать решения на основе операционных и транзакционных данных. Очень похоже на две предыдущие профессии аналитик данных и продуктовой аналитик. Однако, есть ключевое отличие - собранный дашборд для бизнеса, автоматически обогащается данными и не требует постоянного привлечения аналитика для расчета показателей.

Основными задачами BI-аналитика являются:

🟣 Разработка макетов будущих дашбордов;
🟣 Визуализация метрик и данных с использованием BI-инструментов;
🟣 Управлением пулом дашбордов как продуктом: собирать требования, вести бэклог доработок и идей, отвечать за улучшения;
🟣 Поддержка и развитие имеющихся хранилищ данных;
🟣 Создание удобных интерфейсов для доступа бизнес-подразделений к данными;
🟣 Проверка гипотез и создание прототипов для различных отчетов.

Чтобы стать BI-аналитиком подходят такие же требования, как и для аналитиков данных, знание мат. статистики, умение работать с базами данных, хорошие знания по работе с таблицами, но также важно уметь работать с BI-инструментами, хотя бы на базовом уровне 🧐
Самые популярные BI-инструменты: Tableau, SAP BI, MS Power BI, Qlik, …

Чаще всего BI-аналитик растет внутри своей специальности, становясь уровня Senior и дальше TeamLead’ом 😉

Следующий наш пост будет про Data-scientist, это будет последний пост про профессии аналитиков. 🦸

Друзья, всем привет!

Это завершающий пост в рубрике про #ИТпрофессии. И сегодня поговорим о Data-scientist (Дата-саентист).

В отличие от других аналитиков, задача Дата-саентиста построить математическую модель, которая отреагирует своим поведением на спрогнозированное будущее.
Немного похоже на что-то из раздела фантастики, согласитесь?

Дата-сайентисты используют технологии ИИ и создают модели машинного обучения (нейросети), которые помогают бизнесу анализировать информацию.

Поэтому Дата-саентист может работать над разными задачами: от ритейла и прогнозирования продаж с соответствующим формированием закупки до астрофизики, геологии или любых других научных сфер.

В разных компаниях задачи Дата-сайентиста будут отличаться, но в основном это:

🟣 Выяснить, что нужно заказчику;
🟣Оценить, возможно ли решить поставленную задачу методами машинного обучения (ML);
🟣 Собрать данные для анализа, преобразовать их в формат, более удобный для работы по методике ML;
🟣 Найти критерии оценки, чтобы выяснить, насколько эффективной будет модель, которую предстоит создать;
🟣 Запрограммировать и «натренировать» модель ML;
🟣 Оценить экономическую целесообразность применения этой модели;
🟣 Внедрить модель в производство/продукт;
🟣 Сопровождать внедренную модель – дорабатывать, если нужно, или адаптировать под текущие запросы заказчика.

Путь в Data Scientist’ы непростой.
Придется много трудиться, чтобы полноценно войти в профессию. На старте необходимо иметь уверенные знания в математике, статистике, теории вероятностей. Базово знать язык программирования для работы с большими данными (чаще Python) и статистические инструменты.

Поэтому профессия Data Scientist – уже достижение!

В любой крупной компании или организации Дата-сайентист – ключевая фигура. Чтобы достичь таких высот, надо упорно и целенаправленно работать и постоянно совершенствоваться во всех сферах, составляющих основу профессии 😉

P.S. если вам нравится наша рубрика, пишите в комментариях о каких еще профессиях вам было бы интересно узнать👇