Hallo Habr! Am 28. September startet Skillfactory einen neuen Stream für Data Analyst- Kurse. Daher haben wir uns entschlossen, einen umfassenden Überblick über den Arbeitsmarkt zu geben, den Unternehmen heute anbieten.
Kann der Beruf des Datenanalysten wirklich bis zu "300k / Nanosec" bringen? Welche Fähigkeiten benötigen Arbeitgeber von Analysten und was müssen Sie allgemein wissen, um ein gefragter und hochbezahlter Spezialist zu werden? Welche Wachstumschancen bietet der Markt heute?
Wir haben 450 offene Stellen für die Position eines Datenanalysten in Russland und im Ausland analysiert und die Ergebnisse in diesem Artikel gesammelt.
Wer ist ein Datenanalyst und was muss er wissen
Bevor wir offene Stellen analysieren, schauen wir uns an, was Data Analyst in einem Unternehmen tut. Im IT-Bereich gibt es drei Spezialgebiete für die Arbeit mit Daten: Data Analyst, Data Engineer und Data Scientist.
Data Analyst sammelt Informationen, verarbeitet sie und interpretiert sie in "menschliche Sprache". Tatsächlich übersetzt es Statistiken und Big Data in verständliche und visuelle Schlussfolgerungen, die zur Entwicklung eines bestimmten Projekts oder Geschäfts im Allgemeinen verwendet werden können.
Das Ergebnis der Arbeit des Datenanalysten ist die Grundlage für geschäftliche Entscheidungen.
Dateningenieurarbeitet nicht mehr mit den Daten selbst, sondern mit ihrer Infrastruktur: Datenbanken, Speicher- und Verarbeitungssysteme. Der Dateningenieur legt fest, wie die Daten analysiert werden sollen, damit sie für das Projekt nützlich sind. Zusammenfassend richtet der Data Engineer eine Datenverarbeitungspipeline ein.
Der Data Scientist befasst sich mit strategischer Informationsarbeit. Er erstellt Prognose-, Modellierungs- und dynamische Analysesysteme, implementiert Automatisierungs- und Lernalgorithmen.
Die Hauptschwierigkeit besteht darin, dass die Grenzen zwischen diesen drei Spezialitäten eher verschwommen sind. Die meisten Unternehmen sehen den Unterschied nicht, daher gibt es häufig Anforderungen in Data Analyst-Jobs, die besser für Data Engineers oder Data Scientists geeignet sind.
Dies ist hauptsächlich auf die Besonderheiten des Marktes zurückzuführen. Wenn IT-Unternehmen wissen, dass Data Analyst, Data Engineer und Data Scientist im Idealfall drei verschiedene Spezialisten oder sogar drei verschiedene Abteilungen sind, denken sie in Produktunternehmen und Branchen oft nicht einmal darüber nach.
Was Arbeitgeber von einem Datenanalysten erwarten
Wir haben über 450 offene Stellen für die von August bis September 2020 eröffnete Position als Datenanalyst analysiert. In vielen Fällen sind die Anforderungen an Spezialisten sehr unterschiedlich. Wie wir oben geschrieben haben, werden die Grenzen zwischen Data Analyst, Data Engineer und Data Scientist aufgehoben, so dass es häufig vorkommt, dass der Titel einer offenen Stelle „Data Analyst“ lautet, die Stelle jedoch vollständig „Data Engineer“ entspricht. Wir konnten jedoch die Hard- und Soft Skills hervorheben, die Arbeitgeber in den meisten offenen Stellen für die Position eines Datenanalysten angeben.
Schwierige Fähigkeiten
Python mit Pandas- und NumPy-Datenanalysebibliotheken . Dies ist ein Muss. 83% der Unternehmen in der Branche benötigen zumindest grundlegende Kenntnisse. Nur 17% der Arbeitgeber benötigen Kenntnisse in R, JavaScript und anderen Programmiersprachen.
Interessanterweise war 2013 laut einer Umfrage unter Datenanalysten und Datenwissenschaftlern die R-Sprache in der Datenanalyse viel beliebter - sie wurde von 61% der Spezialisten verwendet.
SQL - Fast alle Jobs erfordern Kenntnisse in SQL und relationalen Datenbankkenntnissen. Meistens benötigen sie die Fähigkeit, Abfragen zu schreiben und zu optimieren.
Arbeitgeber benötigen selten Kenntnisse in NoSQL-Datenbankverwaltungssystemen wie MongoDB, CouchDB oder Apache Cassandra - etwa 9% der offenen Stellen.
Power BI, Qlik, Tableau . Die meisten Unternehmen benötigen keine Kenntnisse über ein bestimmtes Datenvisualisierungsprogramm. Sie geben normalerweise eines von drei zur Auswahl an oder schreiben "Datenvisualisierungssysteme", ohne ein bestimmtes anzugeben. Im Allgemeinen können Spezialisten auswählen, was für sie bequemer zu verwenden ist. Die absolute Mehrheit der Arbeitgeber hat keine prinzipielle Position.
Erfahrung mit Agile, Scrum, Kanban... In fast der Hälfte der offenen Stellen geben Arbeitgeber an, dass die Fähigkeit, mit agilen Methoden zur Produkterstellung zu arbeiten, ein zusätzliches Plus darstellt.
Das heißt, es ist nicht nur wichtig, was der Datenanalyst in seinem Fachgebiet tut, sondern auch, wie er es tut.
Erfahrung mit Agile ist jedoch keine wesentliche Voraussetzung (obwohl dies in offenen Stellen angegeben ist). Ja, der Arbeitssuchende muss sich Zeit nehmen, um sich an die Arbeit in diesem Format zu gewöhnen, aber laut Unternehmen ist dies nicht kritisch.
Excel und Google Sheets . Seltsamerweise erfordert ein Drittel der offenen Stellen Kenntnisse über Tabellenkalkulationen. Dies wird hauptsächlich von Produkt- und Beratungsunternehmen benötigt, die sich kaum mit der digitalen Entwicklung überschneiden, oder von relativ kleinen Projekten, bei denen die gesamte Analyseabteilung aus mehreren Personen besteht.
In der Tat müssen kleine Teams häufig keine leistungsstarken SQL-Ressourcen verwenden, wenn reguläres Excel ausreicht, um die Daten zu verarbeiten. In solchen Situationen erledigt der "Datenanalyst" jedoch häufig alles auf einmal: Sammeln und Analysieren von Daten, Infrastruktur und Automatisierung.
Viele Unternehmen weisen auf ein hohes Maß an mathematischem Hintergrund hin . Aber hier müssen Sie verstehen, dass Data Analyst im Gegensatz zu Data Scientist nur begrenzte mathematische Werkzeuge verwendet, sodass Sie kein mathematisches Genie sein müssen. Die meisten Aufgaben eines Datenanalysten passen in den Rahmen der Grundkenntnisse in Statistik, Wahrscheinlichkeitstheorie, mathematischer Analyse und linearer Algebra.
Eine höhere Ausbildung in Mathematik ist nützlich, aber mit der gebotenen Sorgfalt können Sie alle notwendigen Funktionen selbst erlernen. Für den Data Scientist wird jedoch ein tiefes Wissen über Mathematik bereits als kritisch angesehen. Wenn Sie vorhaben, von Data Analyst zu Data Scientist zu wachsen, muss die Mathematik gestrafft werden.
Für grundlegende harte Fähigkeiten ist das alles. Der Rest entfällt auf weniger als 10% der offenen Stellen, sodass sie auf die individuellen Merkmale der Arbeit in einzelnen Unternehmen zurückzuführen sind.
Soft Skills
Im Allgemeinen sind sie für alle Fachgebiete, die mit Daten arbeiten, praktisch gleich:
- Kritisches Denken
- Analytischer Geist
- Fähigkeit, Informationen korrekt anzugeben und zu übermitteln
- Verantwortung und Liebe zum Detail
- Geschäftsdenken
- Bereitschaft, Entscheidungen zu treffen und Verantwortung für das Ergebnis zu übernehmen
- Multitasking
- Sinn für Humor
«». , , .
, . , . . , , .
Nur die englische Sprache unterscheidet sich von den Soft Skills . Viele Unternehmen bezeichnen Englischkenntnisse als Vorteil, aber es gibt eine Reihe von Stellenangeboten, die für die Arbeit in internationalen Teams und für englischsprachige Projekte konzipiert sind. Gute Englischkenntnisse sind daher ein Muss.
Das obligatorische Englisch wirkt sich häufig positiv auf die Gehälter aus. Freie Stellen in internationalen Projekten garantieren eine 1,3-2-mal höhere finanzielle Entschädigung als in russischsprachigen.
Gehalt und andere Extras für Datenanalysten
Kommen wir nun zum lustigen Teil - dem Gehalt. Wir haben die offenen Stellen auf den Websites von HH.ru und Habr Career analysiert .
Datenanalysten sind in allen großen und mittleren Unternehmen gefragt, insbesondere in Projekten, die sich auf Digital und IT beziehen. Fintech-Banken, digitale Agenturen, Lebensmittelunternehmen, die ein Online-Verkaufssystem aufbauen, Beratungsprojekte. Unter den offenen Stellen befinden sich Vertreter der Wirtschaft in fast allen Bereichen: von der Medizin bis zur Schwerindustrie.
Die meisten offenen Stellen für Datenanalysten zum 09.12.2020 sind in Moskau (241) und St. Petersburg (74) offen. Zum Vergleich: Im übrigen Russland sind für diese Position nur 99 Stellen zu besetzen.
Interessanterweise geben nur 20% der Unternehmen das Gehaltsniveau in der Anzeige selbst an. Die restlichen 80% ziehen es vor, Geldprämien in einem persönlichen Gespräch mit dem Antragsteller zu besprechen.
Die Streuung der Gehälter ist recht groß. Dies hängt nicht nur von der Erfahrung des Antragstellers ab, sondern auch von der geografischen Lage. Beispielsweise erhält ein angehender Analyst in Perm 25.000 Rubel, und ein Datenanalyst im Moskauer Büro eines internationalen Unternehmens verdient 200.000 Rubel.
In Moskau beträgt das durchschnittliche Gehalt eines Datenanalysten 134.000 Rubel. Eine gute Spezialistin mit mindestens 2 Jahren Erfahrung kann sich auf sie verlassen.
In St. Petersburg ist die Situation ähnlich wie in Moskau, aber die Gehälter sind etwas niedriger. Der durchschnittliche Datenanalyst kann mit 101.000 Rubel pro Monat rechnen. Im Übrigen sind die Bedingungen fast identisch mit denen in Moskau.
Auszubildende und Nachwuchsspezialisten erhalten ab 60.000 Rubel. Es gibt eine kleine Anzahl von Stellenangeboten, die unter diesem Betrag liegen (8%), aber meistens bieten sie Teilzeit- oder begrenzte wöchentliche Arbeit an.
Leiter von Analytikabteilungen und leitende Spezialisten können mit einem Gehalt von 170.000 Rubel oder mehr rechnen. Es gibt sogar offene Stellen, die mehr als 250.000 Rubel pro Monat anbieten. Ja, sie erfordern mehr als 5 Jahre Erfahrung in der Analytik und einen großen Kompetenzpool, aber es gibt solche offenen Stellen. Es ist also ziemlich klar, wo man wachsen kann.
Die Möglichkeit von Unternehmensschulungen, Krankenversicherungen und sogar betrieblichen Altersversorgungsprogrammen wird häufig als zusätzliche Leistungen und Motivatoren angeführt. Einige Unternehmen bieten nach einer bestimmten Anzahl von Jahren einen Umzug nach Europa oder in die USA an. Geliebt von vielen "Keksen und Kaffee" werden auch gefunden, aber ziemlich selten. Die meisten Arbeitgeber verlassen sich auf wirklich nützliche Motivatoren.
In anderen Städten Russlands ist die Situation noch schlimmer. Sie löschen teilweise die Essenz der Arbeit des Datenanalysten, er wird eher wie ein Enikeys. In kleinen Unternehmen für mehrere Dutzend Personen ist der Analyst in der Regel einer und verarbeitet alle Geschäftsinformationen vollständig.
Das Gehalt eines solchen Spezialisten ist ebenfalls nicht erstklassig. Im Durchschnitt erhält ein Analyst außerhalb von Moskau und St. Petersburg 54.000 Rubel. In der Hälfte der Fälle gibt es oft überhaupt keine zusätzlichen "Brötchen", aber ansonsten sind sie darauf beschränkt, Sportler und Kaffee zu sein.
Das maximale Gehalt eines Datenanalysten, auf das sich ein Spezialist in den Regionen verlassen kann, beträgt 100.000 Rubel. Aber um mehr zu bekommen, müssen Sie nicht nach Moskau ziehen. Sie können leicht offene Stellen in der Ferne finden - arbeiten Sie formell in der Hauptstadt, leben Sie aber in Ihrer Heimatstadt. Viele Unternehmen treffen den Bewerber, an dem sie interessiert sind.
Wir haben auch eine vergleichende Analyse der offenen Stellen aus der Ukraine und Weißrussland durchgeführt.
Das durchschnittliche Gehalt eines Datenanalysten in der Ukraine liegt bei 20.000 UAH (53.000 RUB). In der Hauptstadt gibt es offene Stellen mit einer 2- bis 2,5-fach höheren Bezahlung, die jedoch hauptsächlich von internationalen Unternehmen mit Niederlassungen in Kiew angeboten werden.
In Belarus ist die Situation absolut dieselbe. Das Durchschnittsgehalt eines Datenanalysten beträgt 2.800 belarussische Rubel (81.000 Rubel), aber die Gehaltsspanne ist sehr groß. In Gomel beispielsweise verdient ein Analyst mit einjähriger Erfahrung durchschnittlich 1100 belarussische Rubel (31.000 russische Rubel), während in Minsk ein Spezialist bis zu 10.000 (287.000 russische Rubel) verdienen kann.
Wo kann man zum Beruf kommen und wo kann man die Datenanalyse ausbauen?
Es wird angenommen, dass es nur mit außergewöhnlichen mathematischen Kenntnissen möglich ist, in die Kaste der Analytiker einzusteigen. Aber das ist nicht so.
An Analytics sind normalerweise Junior- und Middle Python-Entwickler beteiligt. Wenn Sie darüber hinaus Grundkenntnisse in SQL haben - im Allgemeinen ausgezeichnet. In diesem Fall ist es viel einfacher, mit allen Funktionen der Arbeit umzugehen.
Sie können Ihre Karriere auch direkt bei einem Analysten beginnen. Wählen Sie aus Dutzenden von Kursen - und los geht's. Sie müssen keine höheren Mathematikkenntnisse haben. Für Data Analyst Junior- und Middle-Levels benötigen Sie nur Kenntnisse über Tools zum Arbeiten mit Daten. In den meisten Fällen reichen schulische Mathematikkenntnisse aus.
Auch für den Datenanalysten gibt es viele Wachstumschancen. Die drei offensichtlichsten sind Data Mining-Spezialist, Data Engineer und Data Scientist. Die erste arbeitet direkt mit der Suche nach Daten für die Analyse, die zweite entwickelt Dateninfrastrukturen und die dritte - Prognose und Strategie.
Eine weitere mögliche Option ist die BI-Analyse. Die Visualisierung von Analytics-Daten ist eine separate Fähigkeit, und viele große Unternehmen schätzen Mitarbeiter, die nicht nur Informationen analysieren, sondern auch verständlich mit dem Management kommunizieren können.
Speziell für dieses Material haben wir Alexander Tsarev, den Gründer von SmartDataLab, den Leiter des BI SkillFactory-Schulungskurses, und Sergey Zemskov, den Leiter der Power BI / DWH SmartDataLab-Leitung, den Bootcamp SkillFactory-Lehrer, gebeten, sich zu den notwendigen Fähigkeiten für das Wachstum in der BI-Analyse zu äußern.
In der Übersicht sind die erforderlichen Kompetenzen aufgeführt. Wenn Sie jedoch als Datenanalyst weiter wachsen möchten, müssen Sie mit ETL auf dem Laufenden bleiben und Folgendes lernen:
- Microsofts sogenanntes goldenes Dreieck: SSRS, SSIS, SSAS;
- Verständnis für andere industrielle ETLs wie KNIME haben;
- Datenarchitekturliteratur wie Bill Inmons Buch Kimball Methodology;
- Sie müssen auch mindestens eine erste Annäherung verstehen, was Informatica, GreenPlum, Pentaho sind, wie sie sich voneinander unterscheiden und wie sie funktionieren.
- , SAP Web Analytics BI SAP, Power BI (, - BI/DWH “BI HeadHunter”, ).
, .
Ein Datenanalyst kann auch zu einem Produkt-, Marketing- oder Geschäftsanalysten heranwachsen. Das heißt, Sie müssen die Verantwortung für die Entwicklung eines bestimmten Produkts oder Projekts übernehmen oder an strategischen Geschäftsentscheidungen teilnehmen und Ihre Meinung mit analytischen Daten untermauern.
Auch Datenanalysten können in Python vollständig in die Entwicklung einsteigen, aber diese Option wird von einer relativ kleinen Anzahl von Spezialisten gewählt.
Datenanalyst ist ein vielversprechender und gefragter Beruf. Und um ein Datenanalyst zu werden, müssen Sie nicht Perelman sein und in der Lage sein, den Satz von Poincaré zu lösen - Schulkenntnisse in Mathematik und Ausdauer bei der Beherrschung der Werkzeuge des Analytikers sind ausreichend.
Kürzlich haben wir das erste Online-Bootcamp für Datenanalysen in Russland gestartet, das 5 Wochen Studium, 5 Projekte im Portfolio, ein bezahltes Praktikum für den besten Absolventen beinhaltet. Dies ist ein sehr intensives Format für die Motiviertesten: Sie müssen Vollzeit studieren.
In den SkillFactory-Onlinekursen erfahren Sie, wie Sie einen hochkarätigen Beruf von Grund auf neu aufbauen oder Ihre Fähigkeiten und Gehälter verbessern können:
- Data Analytics Online Bootcamp (5 Wochen)
- Datenanalysekurs (6 Monate)
- Analytics-Beruf mit jedem Startlevel (18 Monate)
Weitere Kurse
- Data Science (12 )
- - (8 )
- Machine Learning (12 )
- «Machine Learning Pro + Deep Learning» (20 )
- « Machine Learning Data Science» (20 )
- «Python -» (9 )
- DevOps (12 )
- Java- (18 )
- JavaScript (12 )
- UX- (9 )
- Web- (7 )
