В айтишке сейчас много ноют, в том числе аналитики: работу стало сильно сложнее найти. У вас на курсе нет такой проблемы?

Вкратце - да, рынок действительно стал сложнее. Но мы тоже адаптируемся и пока с ситуацией справляемся.

Постараюсь подробно разобрать ситуацию на основе всех имеющихся данных

🔜 1. Выросла планка входа.

Если брать средний кейс 2024 года, ситуация могла выглядеть примерно так: человек изучил SQL, начал Python, еще даже не успел его нормально закончить - но уже выходит на рынок и довольно быстро получает оффер. Были случаи, когда человек буквально через месяц после старта курса уже сидел с двумя офферами. Причем до части тем мы с ним вообще еще не дошли.

Сейчас средняя картина другая. Человек прошел SQL, прошел Python, все остальные темы, сделал домашки, мы провели мок-собеседования, отдельно разобрали слабые места - то есть по моей оценке он уже вполне готов работать. Еще 2 года назад такого специалиста оторвали бы с руками на первом же собеседовании. А сейчас это просто стандартный кандидат.

🔜 2. Выросла сложность собесов

Поднял запись одного собеседования конца 2024 года. Значительная часть технички там - обычный SQL: как работает JOIN, написать выборку по датам, посчитать средний чек, сумму покупок, количество покупок, последнюю дату.

И одно из недавних собеседований. Вопросы там - расскажите про источники данных в компании? А почему тут используется Postgres, а здесь ClickHouse? Как данные попадают в базу из 1С? Как устроена модель данных? Какие связи между таблицами? Звезда или снежинка? Какие объемы? Работал ли с API?

То есть ощущение такое, что раньше компании чаще были готовы взять человека, который хорошо знает основные инструменты и дальше доучится в работе.

Сейчас гораздо чаще хотят уже практически готового специалиста, который понимает не только SQL и Python, но и весь контекст вокруг своей работы.

🔜 3. Есть и еще один сигнал. Один из учеников (из малоактивных) откликался с одним и тем же резюме в прошлом году и сейчас. Недавно поделился, что в этом году число приглашений на собесы заметно упало. Мы посмотрели его резюме, нашли что можно улучшить и приглашения пошли хорошо, но остается факт, что с тем же резюме в прошлом году приглашений было больше.

При этом я убежден в том, что айти по-прежнему остается лучшим направлением, если вы хотите нормально зарабатывать. По сути, это уникальный карьерный лифт: обычный человек может за относительно короткий срок освоить конкретную профессию, выйти на доход 150-200К+, работать удаленно, заниматься интеллектуальной работой и дальше расти в зарплате вместе со своими навыками. Я просто не знаю другой массовой карьерной траектории, которая давала бы человеку такой же набор возможностей. АЛЬТЕРНАТИВ НЕТ.

Кроме этого, мы постоянно адаптируем курс под новые реалии. Стали больше внимания уделять мок-собеседованиям, вводим дз по каждой теме. Глубже разбираем бизнес-контекст и то, как устроена работа аналитика внутри компании. Добавляем темы про устройство баз данных, автоматизации. Детальнее разбираем резюме, процесс поиска работы, придумываем новые эффективные стратегии.

То есть если раньше можно было сказать: "SQL знаешь нормально - можешь выходить на рынок", сейчас наша задача - выпустить человека на рынок уже максимально собранным специалистом.

За все время у нас уже 47 учеников, устроившихся на среднюю сумму 163К и прошедших испытательный срок, и новые офферы продолжают приходить.

Статистика по ученикам

Выше писал, что успешно прошли мой курс по аналитике - получили оффер и прошли испытательный срок - 47 человек.

Возникает логичный вопрос, а это много или мало? Сколько всего было учеников, какие цифры?

✔️ Если смотреть по критерию: ученик прошел курс (теорию sql/python) и сходил хотя бы на 1 собеседование

1. Таких людей 69
2. Из них устроились и успешно прошли ИС 47 человек (+еще 2 в процессе прохождения ИС)

*также в эти 47 включаю тех, кто получил оффер, но сознательно от него отказался. Ситуации по типу "изменились планы, переехал в другой город". Либо "пришел с этим оффером на текущее место и договорился о поднятии зп"

3. Итого успешных учеников по этому критерию 47/69 = 68%.

Почему я считаю этот критерий справедливым?

В статистику включаю тех учеников, кто проявил достаточную активность. То есть прошел теорию а также сходил хотя бы на 1 собеседование. Но может были люди, которые все сделали по инструкции, но не смогли получить ни 1 собеседования? Таких нет. Были случаи, где резюме не работало с 1 раза, мы его дорабатывали, и потом отклики и собесы поступали.

Есть ряд кейсов по типу "человек начал проходить курс, потом возникли личные обстоятельства, бросила девушка, сделал паузу на год". "Проходит курс с целью получить знания и изначально не ставил цель найти работу / начал применять аналитику на текущем месте работы".

Есть те, кто начал проходить курс, но довольно быстро понял что дается сложно, прекратил прохождение. Эти случаи тоже не включаю - так как в них человек и не внес полную оплату за курс, оплатил в рассрочку пару месяцев, потом вышел из курса.

Кейс ученика - конвенциональный айтишник. Спустя год работы аналитиком

Расскажу про интересный кейс, которым раньше не делился. И про обучение, и про то, какие задачи ученик делал на работе последний год, как в целом все выглядело.

Стас записался ко мне в ноябре 2024. Бекграунд до курса: работал на офисной работе в крупной компании, делал задачи связанные с автоответчиком в чате.

Он вообще очень хорошо попадает в стереотипный образ айтишника: технарь, который любит во всем разобраться и которому мало просто знать, что "делать нужно вот так".

Даже к выбору курса подошел основательно. Составил список вопросов, подробно меня расспросил, сходил на общий созвон учеников посмотреть, как все проходит. Потом показал запись другу-айтишнику. Тот посмотрел и сказал: "Ребята дело говорят, вроде разбираются". После этого Стас записался.

На обучении было примерно так же. Мог зацепиться за какой-нибудь мелкий нюанс работы базы данных и начать расспрашивать:

— Тимур, а почему здесь именно так работает?

Я отвечал в духе:

— Стас, тут не знаю. Это довольно спефицичная тема, в работе не используется.

А у него логика была примерно такая: "Ну как не нужно? Это же тоже важный нюанс. Вдруг я чего-то не понимаю - надо разобраться".

В феврале 2025 начали пробовать откликаться, но рынок был довольно мертвый. Нормально собеседования пошли уже в марте–апреле. Всего получилось около 20 интервью: примерно 10 HR-скринингов и 10 технических.

В мае Стас получил оффер BI-аналитиком в госкомпанию на 150 тысяч рублей на руки. Где успешно прошел испытательный и проработал 9 месяцев.

Чем Стас занимался на работе? Вкратце, работа была довольно типичной для госухи: много старых, когда-то кем-то сделанных процессов, в которых уже никто до конца не понимает, что и почему работает. Огромные SQL-запросы, старые Python-скрипты, часть процессов вообще вне Airflow. Значительная часть работы Стаса состояла в том, чтобы распутывать этот клубок, разбираться в чужом коде, чинить старые процессы и постепенно приводить всё в более нормальный вид.

Стас изначально не очень хотел идти в эту компанию, но для первого опыта - это отличный вариант.

Когда решил увольняться, руководитель сказал, что за все время к нему не было нареканий, и по своей инициативе выбил ему три оклада при увольнении по собственному желанию.

Сейчас он взял небольшой таймаут - путешествует, проводит много времени с любимой. Планирует искать новое место осенью - bigtech компанию с крутой аналитической инфраструктурой и качественно настроенными процессами.

✔️ Для меня это очень важно - чтобы ученики могли не только найти работу, но и качественно выполнять обязанности. Это один из тех кейсов, где ученик круто себя проявил, принес пользу работодателю, наладил многие процессы.