Карьера в Data | LEFT JOIN — канал про работу в области данных от команды @leftjoin.
Мы здесь для всех, кому интересна аналитика и все, что рядом — от студента, который только задумался о работе в Data, до Senior специалиста с годами опыта за спиной.

Что будет появляться в канале?

🔵Вакансии в сфере Data — наши и не только.
🔵Советы от HR: от секретов хорошего резюме до тактики переговоров с руководством.
🔵Инсайты про рынок дата-труда.
🔵Разборы крутых тестовых заданий.
🔵Истории успеха тех, у кого все сложилось с карьерой в Data.
🔵И без мемов не останетесь!

Для кого наш канал?

🔵Для аналитиков,
🔵дата-инженеров,
🔵BI-специалистов,
🔵проджект-менеджеров,
🔵дата-сайентистов,
🔵и всех нынешних и будущих дата-спецов.

Если вы ищете работу или хотите больше узнать про рынок данных — подписывайтесь, будет много классного и интересного! 🔥

По вопросам рекламы и размещению вакансий пишите @leftjoin_ads

Red flags: как быстро распознать плохую вакансию
«Огонь в глазах», «печеньки в офисе», «стрессоустойчивость» — узнаете? Всегда приходится пролистать десятки таких вакансий, чтобы найти одну привлекательную.

А как еще можно понять по тексту, что работодателя стоит обходить стороной?

Вот небольшой чеклист:

🔵«Мы любим то, что мы делаем»: часто эти слова используются, чтобы оправдать сверхурочную работу и пребывание на связи 24/7 — если вы к такому не готовы, значит, и работу свою не любите.
🔵«Мы дружная семья»: такое описание команды может скрывать за собой отсутствие профессиональной культуры и границ в коллективе.
🔵Больничные, отпуска и зарплата указаны как «бонусы»: эти вещи — никак не бонус, а базовые условия, на которые стоит ориентироваться.
🔵Нерелевантные вопросы для сопроводительного письма: вряд ли работодателю поможет оценить вашу компетентность ваш любимый цвет носков или девичья фамилия матери.
🔵Очень широкая зарплатная вилка, «конкурентноспособная заработная плата» или описание множества незначительных плюшек вместо понятной системы вознаграждений: скорее всего, работодатель не готов предоставить вам адекватную компенсацию труда.
🔵Бесконечный список обязанностей: возможно, одним сотрудником хотят закрыть несколько позиций. Если вы видите инструменты и задачи, о которых не слышали ни разу за время предыдущей работы или обучения, вероятно, требования к вам не будут соответствовать вашей должности.
🔵«Ищем волшебника»: хорошо, но ведь вы-то хотите работать дата-аналитиком?

Мы спросили ребят, недавно присоединившихся к нашей команде, что отпугивало и привлекало их во время недавнего поиска работы.

Даниил:

Неоплачиваемый испытательный срок, опыт 4 года на джуниор позиции — точно мимо. А вот компании с четким описанием своей деятельности и красивым информативным сайтом вызывали доверие.

Аня:

Напрягал сплошной канцелярит, бюрократия. Много этапов интервью, особенно технических — это неэффективно. Еще я всегда ищу отзывы, чтобы представлять атмосферу в компании. Если их нет или они так себе, работа здесь вряд ли сложится.

А на что смотрите вы, чтобы понять — да или нет? 👀 Поделитесь с нами вашим опытом и любимыми безумными цитатами из вакансий!

#HR_на_связи

HR на связи: как описать свои достижения, даже если их нет
На самом деле, это неправда: даже без опыта достижения у вас есть. Выключите внутреннего критика, не делайте работу эйчара за него. Не стесняйтесь указывать в резюме даже «мелочи», если они касаются вашей специализации.

Да, победа в шоу талантов в восьмом классе не поможет вам анализировать данные, а вот профильные дипломные проекты, практические задачи с курсов или просто ведение тематического блога покажут не только ваши скиллы, но и вашу инициативность.

🔜 Хорошее правило даже для специалистов со стажем: описывая свой опыт, не отвечайте на вопрос что я делал? Ответьте на вопросы зачем? и что вышло?

Пример 1:

Считал NPS, Retention, CSA — ключевые метрики для отдела. Строил дашборды в Metabase, проводил EDA и Data-Driven исследования.

Как лучше:

Выстроил систему аналитики ключевых метрик, выявил проблемный этап работы с клиентами, помог поднять retention на 10%. Построил дашборд в Metabase, можно посмотреть здесь: ссылка. Делал EDA и Data-Driven исследования, они принесли результаты: объяснить, для чего результаты использовались.

Пример 2:

Использовал модели Machine Learning/Deep Learning в разных проектах. Разрабатывал AI-приложения, используя API. Занимался тонкой настройкой LLM.

Как лучше:

Строил ML/DL модели, чтобы предсказывать поведение метрик в проекте заказчика. Занимался тонкой настройкой LLM и написал AI-приложение для продукта заказчика, чем помог ему расширить функционал и привлечь новую аудиторию.

Сразу чувствуется, что ваша работа полезна, правда? Может быть, это добавит вам уверенности на собеседовании🙂

Ставьте❤️, если стало не так страшно описывать свои подвиги. И, конечно, расскажите о них всем в комментариях!

#HR_на_связи

Вакансия: BI Специалист в Valiotti Analytics
Valiotti Analytics — компания, которая строит кастомные системы аналитики данных от инжиниринга до датавиза для digital-компаний по всему миру.

Сейчас компания в поисках специалиста по визуализации данных!

Что нужно делать?
🔵 Разрабатывать и оформлять отчеты и дашборды для компаний-заказчиков.
🔵 Курировать работу отдела аналитики по визуализации результатов.
🔵 Разрабатывать подробные стайлгайды для компаний-заказчиков.
🔵 Писать материалы про датавиз для наших аналитических статей и медиа.

Какие требования?
🔵 Навыки разработки стиля визуализации данных и составления гайдлайнов.
🔵 Уверенное владение Power Point / Google Slides / Keynote.
🔵 Владение Figma / PS / Illustrator.
🔵 Готовность работать в команде, обсуждать результаты, вносить правки.

Повысит шансы на успех:
🔵 Владение Tableau.
🔵 Понимание работы аналитика данных.
🔵 Знание d3.js.
🔵 Ссылка на портфолио.

Какие условия?
🔵 Полная занятость.
🔵 Оплачиваемый отпуск и больничные.
🔵 Корпоративный английский.
🔵 Полностью удаленная работа.

🔜 Откликнуться можно здесь

В тренде: динамика зарплат за первое полугодие 2024
По данным с hh.ru из совместного проекта @leftjoin и @revealthedata, количество опубликованных за январь-июнь 2024 вакансий в сфере данных выросло по сравнению со вторым полугодием 2023 — примерно на 5%. Всего за последние шесть месяцев было опубликовано около 58 тысяч вакансий. Правда, зарплата указана примерно в каждой третьей вакансии, и это стоит учитывать, глядя на цифры ниже.

Медианные зарплаты для разных профессий выглядят так:
🔵аналитик данных (без указания грейда) — 85 тысяч рублей
🔵младший аналитик данных — 60 тысяч рублей
🔵аналитик BI — 120 тысяч рублей
🔵BI-разработчик — 137 тысяч рублей
🔵бизнес-аналитик — 105 тысяч рублей
🔵маркетинговый аналитик — 80 тысяч рублей
🔵продуктовый аналитик — 146 тысяч рублей
🔵инженер данных — 180 тысяч рублей
🔵data scientist — 175 тысяч рублей

👀 Наиболее заметный рост по сравнению с прошлым годом виден у инженеров и дата сайентистов; зарплаты аналитиков BI и маркетинговых аналитиков остались без изменений; остальные позиции показывают незначительный рост, сопоставимый с инфляцией. Медианная зарплата по всему data-рынку за первую половину 2024 составила 96 тысяч рублей.

💬 Больше половины всех вакансий публикуется в Москве и Подмосковье. Там же, предсказуемо, предлагают самые большие суммы (медиана — около 130 т.р.).

Другие города, где, несмотря на небольшое число вакансий, зарплаты выше среднего — столицы популярных для релокации стран (например, Казахстана, Грузии, Армении, Сербии или Кипра).

🔜 Больше красивых данных по рынку data-вакансий за последние пару лет — в дашборде.

BI-онбординг от Романа Бунина
Датавиз находится на стыке сфер, которые редко соприкасаются: аналитики и дизайна. Из-за этого с ним бывают сложности — дизайнеры не понимают, как работать с данными, а аналитики не разбираются в дизайне.

Найти крутых спецов по датавизу непросто, поэтому мы в Valiotti Analytics решили сами ковать для себя ценные кадры и запустили BI-онбординг. Его разработал специально для VA Рома Бунин @revealthedata.

🔜 Получилось круто — 10+ часов погружения в Tableau, дизайн и работу с заказчиками. Да, это тоже очень важная часть процесса — умение провести интервью и понять запрос.

Что есть в онбординге?
🔵Основы дизайна, как сделать дашборд понятным и удобным для восприятия.
🔵Разные виды графиков и зачем они нужны.
🔵Структурный подход к созданию системы дашбордов.
🔵Огромное количество полезных материалов, книг и видео.
🔵Практические задания — например, проект по переверстке уже существующего дашборда.

🔥 А еще мы сделали отдельный чат в Slack, где Рома будет давать ребятам фидбек.

Онбординг получился объемный, и большая часть команды пока что в процессе прохождения. Но один отзыв мы вам принесли:

Отличный курс, по большей части освежила свои знания и сохранила лайфхаки на будущее. Буду применять на практике. Насчет сложности: он дает и базу, и более сложные вещи.

Для прохождения курса будет достаточно иметь какие-то общие знания в Tableau — как открыть дашборд и как называются элементы интерфейса.

Регина, Analytics Team Lead

Зачем мы это рассказываем?
🔵Во-первых — публично поблагодарить Рому за его работу. Рома, спасибо!
🔵Во-вторых — поделиться опытом решения сразу двух задач: предоставить заказчикам качественный сервис, а своим сотрудникам — возможность прокачать важные скиллы.

Кстати, если вы тоже хотите прокачаться и просто работать в классной компании — у нас сейчас открыто несколько вакансий.

🔜 А вам важно, чтобы работодатель проводил подобные онбординги? Или это не влияет на ваш выбор места работы?

@leftjoin_career

#into_data

С одной стороны, можно описать свои достижения так, а с другой — по рекомендациям из этого поста.

Причем, точно произведут впечатление оба варианта 👀

HR на связи: крутое сопроводительное письмо
Сопроводительное письмо — индивидуальная история. Если у вас полное, привлекательное резюме, вполне достаточно краткой заметки о себе и о том, чем вас привлекает вакансия. В ином случае — мало опыта или смена области — детальное сопроводительное может быть решающим фактором.

Что стоит помнить в любом случае?
🔵изучите работодателя: конкретная деталь, которая нравится вам в компании, полезнее, чем абзац похвалы — «ваш совместный проект с ABC очень крутой» лучше, чем «я с детства мечтал работать у вас»
🔵укажите готовность выполнить тестовое или прислать портфолио: это говорит о внимательном отношении и серьезном настрое
🔵будьте собой: ваш искренний интерес к выбранной позиции может сыграть вам на руку независимо от опыта. «Я повесил на стену плакат с логотипом Tableau и смотрю на него, пока делаю домашку по курсам» — неплохое доказательство мотивации!

А о чем — забыть?
🔵не будьте фамильярны: не обязательно ударяться в канцелярит, но и говорить про «дружную семью» не стоит
🔵не лейте воду: один абзац про то, как вы пришли в профессию и с чем поработали, важнее, чем страница описания личностных качеств — помните про формат описания достижений
🔵не надейтесь на шаблон: планов хороших писем — море, но даже самый крутой из них не сработает, если скопипастить его, не учитывая ваши сильные стороны и нюансы вакансии

Три вопроса, вокруг которых удобно строить сопроводительное письмо:
Почему именно эта компания?
Как ваш опыт или образование могут быть им полезны?
Чем бы вы хотели у них заниматься?

🔜 А у вас случалось, что сопроводительное письмо помогло — или, напротив, помешало — вам попасть на собеседование? Расскажите в комментариях!

#HR_на_связи

Вакансия: Data Analyst (Junior) в Valiotti Analytics
Valiotti Analytics — компания, которая строит кастомные системы аналитики данных от инжиниринга до датавиза для digital-компаний по всему миру.

Сейчас компания в поисках Джуниор аналитика данных!

Что нужно делать?
🔵Строить ad-hoc отчетность с использованием SQL.
🔵 Строить выборки из баз данных c использованием SQL.
🔵Разрабатывать дашборды на фреймворке dash / plotly.
🔵Разрабатывать отчеты в Tableau, Redash, Superset, PowerBI.
🔵Строить дашборды и системы мониторинга.
🔵Строить отчеты с использованием Python (pandas, numpy, matplotlib, plotly).

Какие требования?
🔵Владение SQL (проверяется).
🔵Опыт работы с Python.
🔵Английский B1 и выше.
🔵Высшее техническое образование, отличные знания мат. статистики.

Какие условия?
🔵Онбординг и наставничество от опытного дата-аналитика.
🔵Полная занятость.
🔵Оплачиваемый отпуск и больничные.
🔵Корпоративный английский.
🔵Полностью удаленная работа.

🔜 Откликнуться можно здесь.

Как это устроено: кто все эти люди?
Итак, вы решили идти в Data.

Только на “Data” начинается очень много вакансий — и, кажется, работы там на десять человек. Давайте посмотрим, кто есть кто на рынке дата-труда.

Представьте, что работа с данными — это дом. Да-да, со стенами и крышей.

➡️ Кто проектирует дом?

Конечно, архитектор. Data Architect проектирует системы хранения данных, а потом отвечает за их стабильность, безопасность и доступность. Он умеет работать с базами данных и строить пайплайны (планы процесса работы, которые потом использует команда). Архитектор нужен для работы с теми самыми большими данными. Его технологии: SQL, NoSQL, Spark, Hive, ETL/ELT.

➡️ Кто строит дом?

Строители и инженеры. Data Engineer воплощает план архитектора: собирает и структурирует данные, поддерживает и обновляет хранилище и пайплайны. Инженер тесно сотрудничает с аналитиками, обеспечивая им доступ к структурированным данным. Он умеет работать с Java, Scala, SQL, noSQL, Python, R.

➡️ И кто живет в этом доме?

В первую очередь — аналитики. Data Analyst анализирует данные и составляет отчеты, обрабатывает и готовит данные для анализа. Он виртуоз математической статистики, а еще умеет пользоваться BI-инструментами (Tableau, PowerBI, Metabase и другие).

Соседи аналитика — ученые. Data Scientist проводит исследования, проверяет гипотезы и строит прогнозы. Он эксперт статистического анализа и теории вероятностей, знает методы машинного обучения и отлично владеет R и Python.

Некоторые специалисты работают на стыке этих позиций (например, Analytics Engineer), некоторые выбирают узкую область (BI-специалист/визуализатор данных), а в соседнем доме поселился целый департамент машинного обучения.

Почитать больше про этих и других людей можно тут.

Ну что, кем захотелось поработать? А если уже работаете в данных — расскажете нам, как выбрали профессию? 👀 Ждем ваших мыслей в комментариях!

#into_data

Как понять, что вы переросли свою позицию?
Речь не о повышении зарплаты или смене работодателя: просто понять, в какой момент вы выросли из своей нынешней позиции бывает нелегко.

На что можно ориентироваться с осторожностью?
🔵стаж: он действительно коррелирует с грейдом, но и ваши собственные потребности, ресурсы и организация работы в вашей компании влияют на время, после которого стоит задуматься о росте.
🔵стагнация обучения: скорость измеримого роста скиллов обратно пропорциональна опыту, и не всякая должность предполагает непрерывное повышение технической квалификации.
🔵скука: хороший показатель, что вы переросли свою роль — но еще она может говорить о выгорании, плохой организации в компании, не соответствующих вашим навыкам задачах. Важно правильно определить её причину!

А что точно говорит о том, что можно двигаться дальше?
🔵уверенность: вы не просто закрыли все пробелы в опыте, нужные для прыжка на следующий грейд, но и чувствуете, что ресурсов у вас больше, чем вы тратите на текущие задачи — новая ответственность не пугает.
🔵универсальность: вы можете подхватить чужие обязанности и не потерять производительности, подменить руководителя без специальной подготовки — значит, вашего опыта хватает не только на вашу должность.
🔵внутренняя потребность: наверное, самый важный момент — если вы думаете не (только) о количестве знаков в зарплате и красивой строке в резюме, а с любопытством представляете, как будете делать что-то новое — нужно к этому идти!

Вот что говорит наша HR-специалистка:

Руководство может само предложить вам повышение, глядя на результаты, проактивность, рост технических навыков с момента приема на работу или последнего повышения и — прежде всего — софт-скиллы.
Но желание взять ответственность за собственный рост — составить четкий план, обсудить с руководителем свои результаты, интересы и цели — и есть самый главный показатель, что вы готовы к здоровому развитию.

Развитие специалиста — всегда индивидуальная история. Расскажите нам о ваших планах и повышениях, удачных и не очень!

#HR_на_связи

Тестовые задания: Нормально ли использовать ChatGPT, чтобы сделать тестовое?
Вопрос с подвохом, ведь использовать-то можно по-разному. Открещиваться от ИИ точно бессмысленно. Такой инструмент под рукой экономит аналитику данных много времени и сил на рутинных расчетах, а хороший специалист умеет определить такие задачи и грамотно поставить их роботу, чтобы максимизировать пользу.

Что же получается?

Парадоксально, использовать ChatGPT нормально и даже полезно, если вы можете выполнить задачу и без него. Такой подход даже не обязательно скрывать — работодатель вряд ли откажется от сотрудника, который знает, как грамотно делегировать рутинные задачи чатику.

«Списывать» же у ИИ бесполезно, а копипастить его без редактуры — тем более. Если копипаст не очевиден по тексту, то точно обнаружится на практике, когда вы не сможете повторить решение или объяснить ход мысли. Даже при лучшем исходе работа, которую вы не можете выполнять сами, вряд ли принесет вам полезный опыт.

Вот что говорит Николай Валиотти:

Иногда я встречаю тестовые написанные примерно таким образом:
Некоторая Мысль: Тут Объяснение Мысли.
Если вижу такое — сразу отсеиваю кандидата, т.к. это кусок текста на 100% сгенерированный ChatGPT без какой-либо редактуры. Зачем мне роботы в команде?

А Анатолий Карпов из @KarpovCourses отмечает, что

с большинством простых задачек на код нынешние LLM справятся спокойно, да еще и опишут процесс решения. Поэтому ответов на тестовые, хорошо сделанных нейронкой, теперь приходит заметно больше. Но проблема здесь не в ИИ, а в подходе кандидатов к работе — и теперь перед рекрутерами стоит задача придумать новые, более эффективные форматы ТЗ.

🔜 Послушать еще мыслей на эту тему можно в этом выпуске подкаста Data Heroes.

А вы стали бы использовать ИИ в тестовом? Или, может, уже использовали и знаете, как сделать это правильно? 👀

#HR_на_связи

Вакансия: Data Engineer (Middle) в Valiotti Analytics
Valiotti Analytics — компания, которая строит кастомные системы аналитики данных от инжиниринга до датавиза для digital-компаний по всему миру.

Сейчас мы в поисках Мидл дата-инженера!

Что нужно делать?
🔵Создавать и поддерживать ETL/ELT-процессы.
🔵Cоздавать и редактировать SQL-процедуры для наполнения таблиц хранилища.
🔵Следить за корректностью работы отчетов (проверять консистентность данных в источнике).
🔵Поддерживать и видоизменять имеющиеся модели данных.
🔵Решать проблемы импорта данных.
🔵Создавать и сопровождать витрины данных: настраивать индексы, оптимизировать таблицы, пересчитывать данные, предоставлять права доступа.
🔵Проектировать модели данных для новых сущностей хранилища.
🔵Документировать разработанный код.

Какие требования?
🔵Уверенное владение SQL, Python, Apache Airflow 2, bash.
🔵Опыт разработки ETL, проектирования и разработки хранилищ данных и аналитической отчетности (с примерами кейсов).
🔵Разговорный и письменный английский B2 и выше.
🔵Высшее техническое или другое релевантное образование.
🔵Поможет опыт работы с Kafka, S3 и dbt.

Какие условия?
🔵Полная занятость.
🔵Оплачиваемый отпуск и больничные.
🔵Корпоративный английский.
🔵Полностью удаленная работа.

🔜 Откликнуться можно здесь.