Teil 1
In den letzten Monaten habe ich mich auf die Suche gemacht, „meine Position als Marketinganalyst bei FMCG aufzugeben und ein Angebot für eine Stelle als Produktanalyst in der IT zu erhalten“. Ich möchte meine Erfahrungen teilen und die in dieser Zeit gesammelten Informationen aus verschiedenen Quellen systematisieren. Und um nicht unbegründet zu sein und darüber zu sprechen, über welche Fähigkeiten ein Produktanalyst verfügen sollte, beginne ich mit einer Überprüfung offener Informationen über die Anforderungen an Arbeitssuchende in hh.ru-Stellenangeboten.
Ich habe offene Daten zu Stellenangeboten analysiert, die am 28.10.2020 auf der Website headhunter.ru für die Anfrage „Analyst“ und „Product Analyst“ veröffentlicht wurden. Das komplette Notizbuch und Links zu den Daten finden Sie hier .
Bevor ich über meine Schlussfolgerungen erzähle, werde ich einen kleinen Exkurs über die Details der Analyse machen.
Ich habe die Liste der Anforderungen, die für eine bestimmte Stelle erforderlich sind, aus dem Abschnitt Schlüsselkompetenzen in der Stellenbeschreibung entnommen. Nicht alle HRs füllen dieses Feld mit hoher Qualität: Einige haben ein Siegel gemacht (Hinweis: "Phyton"), andere haben ein
Für eine genauere Darstellung von Fähigkeiten, insbesondere von Soft Skills (Hinweis: „Sie verfügen über gute Kommunikationsfähigkeiten, um mit geschäftlichen und technischen Teams zu kommunizieren“), lohnt es sich möglicherweise, die Anforderungen aus der vollständigen Stellenbeschreibung hervorzuheben und in semantische Gruppen aufzuteilen.
In Anbetracht des oben Gesagten würde ich die Prozentsätze in den nachstehenden Tabellen nicht wörtlich als "Anteil der offenen Stellen in dem Fachgebiet, in dem diese Fähigkeit erforderlich ist", sondern als "Priorität dieser Fähigkeit für ein bestimmtes Fachgebiet" betrachten.
Insgesamt standen 1.178 Anzeigen zur Analyse zur Verfügung, von denen mehr als 60% in 5 Fachgebieten liegen: Analyst, Business Analyst, Produktanalyst, Marketinganalyst und Webanalyst.
Wie unterscheiden sich die für jede Spezialität erforderlichen Fähigkeiten?
Es ist ersichtlich, dass die Schlüsselkompetenzen für jede Spezialität unterschiedlich sind: Für einen Produktanalysten sind technische Fähigkeiten wichtig (SQL, Python), für einen Marketinganalysten werden häufig Marketinganalysen und PowerPoint sowie für Webanalysen GA und I erwähnt. Metrica (
Wenn wir die Liste der Top-Fähigkeiten für einen Produktanalysten fortsetzen, stellt sich heraus, dass auf technische Fähigkeiten analytische (Datenanalyse, analytisches Denken, analytische Forschung) und statistische Kenntnisse (mathematische Statistik, statistische Analyse, A / B-Tests, Data Mining) folgen. Eine vollständige Liste mit der Interpretation der Häufigkeit der Fertigkeiten im allerersten Bild mit der Tag Cloud.
Welche Spezialität ist ohne einschlägige Erfahrung am einfachsten zu betreten?
Am einfachsten ist es, einen Job in Junior- und Praktikantenpositionen im Bereich Datenanalyse bei den Fachbereichen Marketing Analyst und Web Analyst zu suchen - etwa 10% der offenen Stellen sind bereit, Mitarbeiter ohne Erfahrung einzustellen.
Am häufigsten werden erfahrene Mitarbeiter für die Position des Produktanalysten erwartet: Mehr als die Hälfte der offenen Stellen sucht eine Person mit 3-6 Jahren einschlägiger Erfahrung.
Wie unterscheidet sich das Gehalt nach Fachgebieten?
Es gibt nur wenige offene Stellen mit offenen Informationen zu Löhnen - nur 63. Trotzdem ist es unmöglich, Widerstand zu leisten und die Verteilung nicht zu betrachten. Berücksichtigen Sie für einen angemessenen Vergleich den Median der Einstiegsgehälter (erwartete Berufserfahrung "von 1 bis 3 Jahren").
Ein durchschnittlicher Geschäftsanalyst kann mit 140 t rechnen, ein Produktanalyst mit 100 t und der am wenigsten bereit, einen Vermarkter und Webanalysten zu bezahlen: 60 t. Vermarkter und Webanalysten lernen dringend BPMN oder Python, SQL!
Ein paar verwandte Artikel, bevor wir zum zweiten Teil übergehen:
- Analytics für die Analystenjagd - ein Überblick über offene Stellen, Fähigkeiten und Gehälter von Personen, die viel mehr über HR-Dinge verstehen als ich.
- Text über die erforderlichen Fähigkeiten in verschiedenen Klassen in Yandex.
- Ein Artikel über die Arten von Analysten in der IT (
gelesen mit der Stimme von Drozdov).
Teil 2
Die Aufgabe des zweiten Teils: an einem Ort die Ressourcen zu sammeln, auf denen Sie kostenlos Datenanalyse lernen können, insbesondere Produktanalyse. Es ist vor allem für Anfänger und diejenigen nützlich, die kein Geld für einen bezahlten Kurs ausgeben möchten.
Wenn Sie über einen bezahlten Kurs nachdenken, können Sie hier übrigens die formalen Merkmale (Dauer, Preis, Niveau) vieler Schulen vergleichen. Leider ist die Qualität des Materials und der Präsentation schwer objektiv zu beurteilen, daher sollten Sie selbst nach Bewertungen suchen.
Wo fange ich an, Python zu lernen:
- nehmen Sie einen kostenlosen Einführungskurs von Yandex.Practicum auf den Grundlagen von Python und Datenanalyse.
Vorteile : Der beste Start ist schwer zu finden: Alles ist einfach, klar und interaktiv. Und am wichtigsten ist, dass Sie am Ende des Kurses Ihr erstes unabhängiges Projekt und ein grobes Verständnis der Fähigkeiten von Python zur Datenanalyse bereit haben.
Nachteile : Es besteht der Wunsch, den Rest des Kurses zu kaufen.
- Blick auf Kurse auf stepik zum Beispiel diese ein .
Vorteile : Sie können Ihr Wissen über Datentypen und Schleifen auffrischen und sehen, wie Sie Anaconda + Jupiter Notebook installieren, um selbstständig zu üben.
Nachteile : Sehr kurz behandelte Numpy- und Matplotlib-Bibliotheken und überhaupt nicht von Pandas abgedeckt.
So beginnen Sie mit dem Erlernen von SQL:
- Sehen Sie diesen Kurs auf Stepik oder diesen auf Kaggle.
Vorteile : Geeignet für Anfänger.
Nachteile : Diese Kurse allein reichen nicht aus, es ist viel mehr Übung erforderlich.
- Lösen Sie Probleme in SQL-Ex , SQL-Akademie oder SQL-Zoo .
Jede Plattform hat ihre eigenen Vor- und Nachteile. Es lohnt sich, die zu finden, die Ihnen am besten gefällt.
- Für die Produktanalyse ist häufig die Kenntnis von Clickhouse erforderlich.
Clickhouse hat eine gute Dokumentation und Sie können sie üben , aber es gibt nur sehr wenige Informationen über die Nuancen des praktischen Gebrauchs. Zum Beispiel bietet karpov.courses ein sehr nützliches Webinar zur Berechnung der Retentionsrate in ClikHouse.
Wo fange ich an, Mathe zu lernen:
- Wenn es wirklich beängstigend ist, sich zu nähern, können Sie an der Khan-Akademie von vorne anfangen .
Vorteile : Sie können anfangen, Mathematik zu lernen, auch mit Addition und Subtraktion.
Nachteile : Alle Videos sind in englischer Sprache und die Informationen sind gestreckt. Oft möchten Sie sie beschleunigen.
Vorteile : Alles ist kurz und auf den Punkt und sofort mit Aufgaben.
Nachteile : Man muss sitzen und sich entscheiden, genau wie in der Schule!
- Lehrbücher zur Theorie. Glaube und Matte. Statue von V.E. Gmurman, S. Glantz.
Vorteile : Hier ist alles etwas länger als in den Quellen aus dem vorherigen Absatz, aber detaillierter.
Nachteile : Man muss sitzen und sich entscheiden, genau wie am Institut!
- Gehen Sie noch einmal zu Stepik, um Kurse in Theorie zu erhalten. Glaube und Matte. stat .
Vorteile : Dozenten erklären klar, es gibt Übung und Diskussion in den Kommentaren.
Nachteile : Einige Punkte sind stark vereinfacht, andere müssen weiter herausgefunden werden. Dies ist jedoch ein Minuspunkt für MdEP und Selbstbildung.
Wo Sie Erfahrungen in Datenanalyse und ML sammeln können:
- — Python CSC, Open Machine Learning Course ODS .
: , , .
: ( ), . - , . - DA DS , , , — , , CSC .
- ML ML . .
:
- .
Die ersten Vorträge über Algorithmen und Datenstrukturen in Python von MIPT sind interessant zu hören, auch wenn Sie kein Algorithmus-Guru und andere Gnome werden: Es geht darum, wie die Python-
- Visualisierung (Tableau, Power BI, Y.Datalens, Bindestrich).
I Tableau hat freien öffentlichen Zugriff, wo Sie kostenlos lernen können, Dashboards zu erstellen. Die Teilnahme an Marathons von Tableau oder Datalens kann sehr nützlich sein, schon allein aus Gründen detaillierter Schulungsunterlagen. Wenn Sie die Dinge komplizieren wollen: beschäftigen Sie sich mit Dash .
- Üben-üben-üben.
Wählen Sie ein interessantes Projekt für Ihr Portfolio auf kaggle, es gibt Datensätze für jeden Geschmack: von der Klassifizierung von Pilzen über Weinbewertungen bis hin zu Selbstmordstatistiken . Für jeden Datensatz gibt es Notebook-Beispiele und Diskussionen!
Und wenn kaggle nicht ausreicht, sammeln Sie Daten für die Analyse selbst aus einem für Sie interessanten Bereich - ein Beispiel für die einfache Analyse von Websites im ersten Teil des Textes.
Grundlegende Empfehlungen:
- Um nicht verwirrt zu werden und aufgrund der Vielzahl von Aufgaben nicht die Motivation zu verlieren, lohnt es sich, für jeden Punkt eine Liste mit Prioritäten zu erstellen. Es war für mich praktisch, eine Tabelle in Google Drive zu führen.
- Ein guter Test für Ihr eigenes Wissen wäre, die Theorie zu lesen und Probleme zu einem Thema in einer Ressource zu lösen und sofort zu versuchen, Probleme von einem benachbarten Standort zum selben Thema zu lösen. Auf diese Weise können Lücken entdeckt und Wissen ergänzt werden.
- Wählen Sie in Ihren bevorzugten sozialen Netzwerken analytische Öffentlichkeiten / Konten nach Ihren Wünschen: Sie sind über die Neuigkeiten informiert und es gibt immer etwas, das Sie bei einer Tasse Tee scrollen können.
- Denken Sie daran, dass dies nicht das Ende der Reise ist, sondern der Anfang, wenn Sie endlich Ihren Traumjob gefunden haben! Pausen und Qualitätsruhe sind also notwendig.