In welchem Bereich sind Analysten stärker gefragt?
Es scheint mir, dass die derzeit beliebteste Branche die Produktmarketinganalyse ist. Und vielleicht sogar Produktanalysen, die in Unternehmen weniger verbreitet sind. Finanzanalysen sind sehr alt, es gibt viele Leute, die traditionell arbeiten. Sie können sogar diejenigen treffen, die über Dutzende von Jahren Erfahrung verfügen. Das Marketing hat sich ebenfalls schon lange entwickelt, ist aber jünger als die Finanzanalyse. Produktanalysen werden im Rahmen der IT-Produktentwicklung immer gefragter. Dieses Thema beginnt auch mit der Offline-Migration. Produktmanagementkonzepte werden auch in Offline-Produkten angezeigt. Deshalb denke ich, dass dies die heißeste Gegend ist. Obwohl Sie am Ende in jedem dieser Bereiche einen guten Platz mit einem guten Einkommen finden sollten, wenn Sie ein Profi sind.
Wie wichtig ist es für einen Analysten, seine Marke aufzubauen und beispielsweise Artikel über seine Fälle auf Habré, VC oder anderswo zu schreiben?
Hier müssen Sie entscheiden, was Sie erreichen möchten. Analysten sind keine sehr geselligen Menschen und es gibt nicht sehr viele Communities von Datenanalysten, aber dies hindert sie nicht daran, Karriere zu machen. Wenn Sie etwas mit der Welt teilen möchten, lohnt es sich natürlich, all dies zu tun. Und wenn Sie eine offene Person werden, bauen Sie Ihre persönliche Marke auf, es wird für Sie einfacher, Bekanntschaften zu machen, Sie sind bekannter und es ist für Sie einfacher, Arbeit und einige Möglichkeiten zu finden. Wenn es so ein Ziel gibt, dann mach weiter! Wenn Sie jedoch nur einen Job finden möchten, reicht ein Lebenslauf mit den Ergebnissen früherer Arbeiten aus. Sagen wir einfach, es ist nützlich, aber nicht notwendig.
Wo kann ich Ideen für die Prozessautomatisierung bekommen?
Es lohnt sich zu prüfen, welche Dinge die meiste Arbeit erfordern und an welchen mehr Personen beteiligt sind, um zu verstehen, ob sie durch automatische Dinge ersetzt werden können, beispielsweise durch ETL-Prozesse. Und die Kosten für die Automatisierung sollten durch die Reduzierung der Handarbeit gedeckt werden, damit diese Personen entweder vollständig befreit sind oder sich mit einigen anderen Dingen beschäftigen. Wir nehmen einen Prozess, sehen, wie arbeitsintensiv er ist, wie sehr er die Menschen nervös macht und wie viele Fehler sie darin machen. Wir ordnen alle Hauptprozesse, die im Unternehmen stattfinden, nach diesen Kriterien. Wenn Sie diese Art von Arbeit erledigen, wird normalerweise klar, was getan werden kann und was wichtiger ist.
, , ( ) , ( )?
Hier stellt sich die Frage, was mehr anzieht. In Unternehmen mit weniger Ordnung sammelt eine Person mehr Managementerfahrung. Er muss verschiedene Ingenieure zusammenstellen, um zu verstehen, was es wert ist, getan zu werden. Er muss schnell reagieren und viele Dinge im Auge behalten. Dies ist eine coole Erfahrung, insbesondere wenn Sie auf Management abzielen und sich für die Breite des Wissens interessieren. In solchen Unternehmen bleibt jedoch in der Regel nicht genügend Zeit für die Tiefe des Wissens. Wenn Sie komplexe Aufgaben erledigen möchten, einige interessante Methoden anwenden möchten, ist es besser, zu einem Unternehmen mit gut ausgebauten Prozessen zu gehen. Daher hängt alles von der Richtung ab, in die Sie sich entwickeln möchten. Und dort und dort gibt es einen Weg, eine Karriere aufzubauen, und das Einkommensniveau ist vergleichbar.
Wie komme ich von der Qualitätssicherung zur Analytik?
Ich glaube nicht, dass es spezielle Regeln gibt. Wenn Sie keine Erfahrung haben, haben Sie ein leeres Blatt Papier in Ihrem Lebenslauf. In diesem Fall müssen Sie sich wie ein Junior verhalten: Suchen Sie nach Orten, an denen Sie eingestellt werden, wenn Sie wenig oder keine Erfahrung haben. Wenn Sie als Qualitätssicherung die mit der Struktur der Datenbank verbundenen Dinge verstehen, können Sie gleichzeitig SQL-Abfragen schreiben. Wenn Sie die Analyse eingeben, verfügen Sie bereits über eine bestimmte Datenbank. Diejenigen, die Sie einstellen, werden sofort verstehen, in welche Aufgaben Sie hineingeworfen werden können, und benötigen keine analytischen Fähigkeiten von Ihnen. Sie erhalten sofortige Vorteile und erledigen schrittweise Aufgaben, bei denen Sie Ihre analytischen Fähigkeiten entwickeln würden.
Welche Fähigkeiten sollten Sie in Ihren Analysten-Lebenslauf aufnehmen? Was wird ein Plus sein, was wird geschätzt?
Das erste, was in einem Lebenslauf geschätzt wird, ist eine Beschreibung der tatsächlichen Probleme, die Sie gelöst haben. Keine traurige Geschichte, in der es einige seltsame Prozesse gab, die ständig auf Sie fielen, und Sie haben diese Angelegenheit gründlich durchdacht, es ist nicht klar, warum. Es ist am besten, bestimmte Erfolge, erfundene Metriken und gelöste Probleme zu erwähnen, wenn Probleme mithilfe von Analysen und Ihrer Arbeit im Geschäft gelöst wurden. Dies deutet zunächst darauf hin, dass Sie mit einer Aufgabe betraut werden und eine Lösung finden können. Für den Arbeitgeber ist es am wichtigsten zu verstehen, dass Sie als Analyst gut sind.
Darüber hinaus ist es auch von Vorteil, wenn Sie die technischen Fähigkeiten angeben: SQL, BI-Systeme, ARL Python (abhängig vom Unternehmen, da dies nicht von allen Unternehmen verlangt wird).
Reicht die Wissensanalyse in SQL und Python aus, um eine Karriere ohne Statistik und Analyse zu beginnen?
Dies ist wahrscheinlich ein guter Anfang, um eine Karriere zu beginnen. Dies reicht jedoch eindeutig nicht aus, um Analyst zu werden. Sie müssen das notwendige Wissen erwerben. Wenn Sie SQL und Python kennen, können Sie zur Spezialisierung Data Engineering wechseln, wo Sie sich stärker mit der Vorbereitung der Datentransformation befassen. Dies ist auch ein sehr beliebter Beruf, der für Analysten sehr wichtig ist, da Analysten nicht mit unvorbereiteten Daten arbeiten können. Hier brauchen Sie keine Statistiken und Berechnungen. Dies könnte ein noch interessanterer Bereich für Sie sein. Wenn Sie sich jedoch immer noch für das Fachgebiet Business interessieren, ist es interessant, sich mit Statistik zu befassen. Dann müssen Sie diese Fähigkeiten bei der Arbeit erwerben, sich für dieses Thema interessieren und verstehen, wie Sie diese Methoden in Ihrer Arbeit anwenden können.
Oft ist ein Junior eine Person mit bis zu einem Jahr Erfahrung, aber wie soll ich anfangen, wenn es keine Erfahrung gibt? Auf der Suche nach verwandten Jobs?
Meine persönliche Erfahrung ist folgende: Ich wurde als Analyst berufen, weil ich im Unternehmen zu viele Fragen gestellt habe. Ich habe in einem Unternehmen gearbeitet und die Analytikabteilung mit allen möglichen Fragen zum Kundenstamm belästigt, darüber, was mit ihnen passiert und wie es funktioniert, und nachdem sie mir ein Angebot gemacht haben, für sie zu arbeiten. So bin ich zur Analytik gekommen. Ziemlich komisch und zufällig.
Und wenn ich jetzt gezielt nach einem Job in der Analytik gesucht hätte, hätte ich "frontal" gehandelt. Sie müssen einen Lebenslauf schreiben und nach Unternehmen suchen, die Personen mit wenig Erfahrung oder Praktikanten akzeptieren, um diese Erfahrung zu sammeln. Es gibt eine bestimmte Anzahl von Unternehmen, die bereit sind, Ihnen etwas weniger zu zahlen, aber Sie können Erfahrungen sammeln, die Sie in Ihrem zukünftigen Lebenslauf verwenden können. Dies ist der Hauptanfang. Wenn Sie nach verwandten Jobs suchen, kann es zu Kreisverkehr werden. Infolgedessen arbeiten Sie an mehreren Orten und müssen dem Arbeitgeber dennoch erklären, wie all diese Umwege mit dem Job zusammenhängen, den Sie suchen. Es besteht die Möglichkeit, dass Sie nicht gewinnen, wenn Sie Zeit für verwandte Arbeiten verschwenden.
Wie können Sie einen harten Analysten motivieren, Mentor zu werden? Was kann für einen Anfänger-Mentor nützlich sein?
Mentor zu sein ist ein Charakterzug. Die Person sollte es genießen, etwas zu erzählen, Wissen zu teilen und in gewissem Maße das Selbstwertgefühl und die Selbstbedeutung zu befriedigen, indem sie andere unterrichtet. Dies ist das Motiv für einen guten Mentor, sich für die Menschen zu interessieren, mit denen er zusammenarbeitet. Ein solches Mentoring bietet Möglichkeiten, sich selbst zu erfüllen. Dass Ihr Wissen in anderen Menschen lebt, dass Sie andere Menschen entwickeln, dass Sie eine Art Veränderung in der Analystengemeinschaft vornehmen können, um dadurch Ihre Ansätze und Methoden in dieser Gemeinschaft zu verbreiten. Mentoring ist auch eine der Phasen des Managements. Wenn eine Person andere Menschen kontrollieren möchte, besteht Führung in vielerlei Hinsicht darin, die Menschen zu entwickeln, mit denen Sie arbeiten. Dafür ist es nützlich, ein Mentor zu sein.Wenn jemand nur Probleme lösen will und nicht daran interessiert ist, andere Menschen zu unterrichten, ist er absolut nicht besorgt, dass seine Kollegen nicht wissen, wie man etwas macht, er hat keinen solchen Juckreiz, ihnen dies beizubringen, er glaubt, dass es seine Lichtung gibt, auf der er muss arbeiten, dann ist es besser, diese Person für seinen beabsichtigten Zweck zu verwenden, damit er auf dieser Lichtung arbeiten und effektiv sein kann, ihn mit komplexeren Aufgaben zu beladen. Und nimm jemand anderen als Mentor.
Wrike ?
In Wrike ist die Arbeit so strukturiert, dass wir Produktteams haben, die einen Produktmanager haben, und normalerweise wird ihm ein Produktanalyst zugewiesen, der versteht, was mit dem Produkt passiert, und gemeinsam versuchen sie zu verstehen, welche Metriken wie benötigt werden um sie anzuwenden, wie man die Existenz von Erfolg versteht. Der Analyst findet heraus, welche Daten benötigt werden und wie alles berechnet wird.
Unsere Tools sind Tableau-, Python ARL- und SQL-Abfragen. Wir sammeln viele Daten zum Kundenverhalten, aggregieren Daten zu Marketing, Finanzen und all dies befindet sich in unserem zentralen Data Warehouse. Dies ist unser Haupt-Toolkit. Wenn Sie sich daran erinnern, Dinge in Ordnung zu bringen, haben wir einen wesentlichen Teil der Grundordnung bereits festgelegt und müssen uns eingehender mit den Produkten selbst befassen, um zu verstehen, was in ihnen geschieht.
Data Scientist, Data Analyst, Business Analyst: , , ? , , ?
Es scheint mir, dass Sie diese drei Richtungen nicht mischen können. Es ist, als würde man eine Person nehmen, die sowohl Front-End als auch Back-End ist, 20 Sprachen beherrscht, alle Anforderungen schreibt und Projekte gleichzeitig verwaltet. Es wird nichts Gutes daraus werden, es wird keine Spezialisierung und Tiefe in eine der Richtungen geben. Dementsprechend ist es besser, diese Richtungen nicht zu mischen.
Datenanalysten verwenden Methoden aus Business Intelligence und Data Science, sind jedoch leicht auf andere Themen spezialisiert. Wie Datenwissenschaftler müssen sie bestimmte Techniken aus der Geschäfts- und Datenanalyse verstehen, um ihre Arbeit effektiv erledigen zu können. Wenn ein Unternehmen nicht alle drei Spezialisten einstellen kann, lautet die Frage: "Warum sollte es diese oder jene Spezialisten einstellen wollen?" Diese Spezialisten lösen eine Reihe von Aufgaben.
Geschäftsanalysten formalisieren, was wir tun möchten, damit Entwickler verstehen, was sie tun müssen, damit die Anforderungen in der normalen Form vorliegen, mit der der Geschäftskunde einverstanden ist und die Entwickler verstehen. Wenn sich ein Unternehmen auf Softwareentwicklung spezialisiert hat, benötigt es entweder eine separate Person für die Position eines Geschäftsanalysten oder dies liegt in der Kompetenz eines Produktmanagers. Wenn ein Unternehmen seine Daten analysieren und Entscheidungen auf der Grundlage dieser Daten treffen möchte, benötigt es Datenanalysten. Und wenn ein Unternehmen maschinelles Lernen betreiben möchte, wenn es einen Themenbereich dafür hat, gibt es einige Aufgaben, die mit ML gelöst werden können, dann muss es einen Datenwissenschaftler einstellen oder auslagern.
Wenn Sie einem Datenwissenschaftler einen Datumsanalysten beauftragen, wird er traurig, da er feststellen wird, dass er kaum maschinelles Lernen betreibt. Und es ist einfach verrückt, maschinelles Lernen in die Aufgaben vieler Datenanalysten zu integrieren. Dementsprechend kann ein Geschäftsanalyst möglicherweise einfach nicht mit Daten arbeiten. Dies ist nicht seine Anweisung. Daher ist diese Praxis nicht sinnvoll.