Dans quel domaine l'analyse est-elle la plus demandée?
Il me semble que l'industrie la plus populaire à l'heure actuelle est l'analyse du marketing produit. Et peut-être même l'analyse de produits, qui est moins courante dans les entreprises. L'analyse financière est très ancienne, il y a beaucoup de gens qui travaillent traditionnellement, vous pouvez même rencontrer ceux qui ont des dizaines d'années d'expérience. Le marketing se développe également depuis un certain temps, mais il est plus jeune que l'analyse financière. L'analyse des produits est de plus en plus demandée dans le contexte du développement de produits informatiques. Cette rubrique commence également à migrer hors ligne - les concepts de gestion des produits apparaissent dans les produits hors ligne. C'est pourquoi je pense que c'est la zone la plus chaude. Bien qu'en fin de compte, dans chacun de ces domaines, vous devriez pouvoir trouver un bon endroit avec un bon revenu si vous êtes un professionnel.
Dans quelle mesure est-il important pour un analyste de construire sa marque et, par exemple, d'écrire des articles sur ses cas sur Habré, VC ou ailleurs?
Ici, vous devez décider de ce que vous voulez réaliser. Les analystes ne sont pas des gens très sociables et il n'y a pas beaucoup de communautés d'analystes de données, mais cela ne les empêche pas de construire une carrière. Si vous voulez partager quelque chose avec le monde, alors bien sûr cela vaut la peine de tout faire. Et lorsque vous devenez une personne ouverte, que vous construisez votre marque personnelle, il devient plus facile pour vous de faire connaissance, vous êtes mieux connu et il vous est plus facile de trouver du travail et des opportunités. S'il y a un tel objectif, alors allez-y! Mais si vous voulez simplement trouver un emploi, un CV avec les résultats de travaux antérieurs suffira. Disons simplement que c'est utile, mais pas obligatoire.
Où puis-je trouver des idées pour l'automatisation des processus?
Il vaut la peine de regarder quelles choses nécessitent le plus de travail et dans lesquelles plus de personnes sont impliquées afin de comprendre si elles peuvent être remplacées par une sorte de choses automatiques, par exemple, via des processus ETL. Et les coûts de l'automatisation devraient être couverts en réduisant le travail manuel, de sorte que ces personnes soient soit complètement libérées, soit engagées dans d'autres choses. Nous prenons le processus, voyons à quel point il demande beaucoup de travail, à quel point cela rend les gens nerveux et combien d'erreurs il fait, nous classons tous les processus de base qui ont lieu dans l'entreprise en fonction de ces critères. Habituellement, lorsque vous faites ce travail, il devient clair ce qui peut être fait et ce qui est le plus important.
, , ( ) , ( )?
La question ici est de savoir ce qui est le plus attiré. Dans les entreprises avec moins d'ordre, une personne acquiert plus d'expérience en gestion. Il a besoin de rassembler différents ingénieurs pour comprendre ce qui vaut la peine d'être fait, il doit réagir rapidement et garder beaucoup de choses à l'esprit. C'est une expérience amusante, surtout si vous visez la gestion et que vous êtes intéressé par l'étendue des connaissances. Mais, dans de telles entreprises, en règle générale, il n'y a pas assez de temps pour approfondir les connaissances. Si vous souhaitez effectuer des tâches complexes, appliquer des méthodes intéressantes, il est préférable de vous adresser à une entreprise avec des processus bien construits. Par conséquent, tout dépend de la direction que vous souhaitez développer. Il existe à la fois un moyen de construire une carrière et le niveau de revenu est comparable.
Comment passer du QA à l'analytique?
Je ne pense pas qu'il y ait de règles spéciales. Si vous n'avez aucune expérience, vous avez alors une feuille de papier vierge sur votre CV. Dans ce cas, vous devez agir comme un junior: cherchez des endroits où vous seriez embauché lorsque vous avez peu ou pas d'expérience. Dans le même temps, si vous, en tant que QA, comprenez les choses liées à la structure de la base de données, vous pouvez écrire des requêtes SQL, alors vous avez déjà une certaine base de données lors de la saisie de l'analyse. Ceux qui vous embauchent comprendront immédiatement les tâches auxquelles vous pouvez être confié et ne nécessiteront pas de compétences analytiques de votre part, obtenant des avantages immédiats, accomplissant progressivement des tâches où vous développeriez vos compétences analytiques.
Quelles compétences devriez-vous inclure sur votre CV d'analyste? Qu'est-ce qui sera un plus, qu'est-ce qui sera apprécié?
La première chose qui sera appréciée dans tout CV est une description des vrais problèmes que vous avez résolus. Pas une triste histoire, dans laquelle il y avait des processus incompréhensibles qui vous tombaient constamment dessus, et vous pensiez à cette entreprise sans retenue, on ne sait pas pourquoi. Il est préférable de mentionner des réalisations spécifiques, des métriques inventées, des problèmes résolus lorsque des problèmes ont été résolus à l'aide de l'analyse et de votre travail en entreprise. Ceci, tout d'abord, suggère que l'on peut vous assigner une tâche et que vous pouvez trouver une solution. Pour un employeur, le plus important est de comprendre ce qui vous sera bénéfique en tant qu'analyste.
De plus, ce sera également un plus si vous spécifiez les compétences liées aux choses techniques: SQL, systèmes BI, ARL Python (cela dépend de l'entreprise, car toutes les entreprises ne l'exigent pas).
Les analyses de connaissances SQL et Python sont-elles suffisantes pour démarrer une carrière, sans statistiques et sans analyse?
C'est probablement un bon ensemble pour commencer une carrière. Mais pour être analyste, cela ne suffit manifestement pas. Vous devrez acquérir les connaissances nécessaires. Connaissant SQL et Python, vous pouvez accéder à la spécialisation en ingénierie de données, où vous serez plus impliqué dans la préparation de la transformation des données. C'est aussi une profession très populaire, très importante pour les analystes, car les analystes ne peuvent pas travailler avec des données non préparées. Ici, vous n'aurez pas besoin de statistiques et de calculs. Cela peut être un domaine encore plus intéressant pour vous. Mais, si vous êtes toujours intéressé par le domaine des affaires, il est intéressant d'entrer dans les statistiques, alors vous devez acquérir ces compétences au travail, être intéressé par ce sujet et comprendre comment vous pouvez appliquer ces méthodes dans votre travail.
Souvent, un Junior est une personne avec jusqu'à un an d'expérience, mais comment commencer s'il n'y a pas d'expérience? Vous recherchez des emplois connexes?
Mon expérience personnelle est la suivante: j'ai été appelé à travailler en tant qu'analyste car je posais trop de questions au sein de l'entreprise. J'ai travaillé dans l'entreprise et harcelé le département analytique avec diverses questions sur la clientèle, sur ce qui leur arrive et comment cela fonctionne, et un jour, ils m'ont proposé de travailler avec eux. C'est ainsi que je me suis lancé dans l'analytique. Assez étrange et aléatoire.
Et si je cherchais délibérément un emploi en analytique maintenant, j'aurais agi de front. Il faut rédiger un CV et rechercher des entreprises qui acceptent des personnes peu expérimentées ou des stagiaires pour acquérir cette expérience. Il existe un certain nombre d'entreprises qui sont prêtes à vous payer un peu moins, mais vous pouvez acquérir une expérience que vous pourrez utiliser dans votre futur CV. C'est la principale façon de commencer. Si vous recherchez des emplois connexes, cela peut devenir trop détourné. Par conséquent, vous travaillerez à plusieurs endroits et devrez toujours expliquer à l'employeur comment tous ces détours sont liés à l'emploi que vous essayez d'obtenir. Il y a de fortes chances que vous ne gagniez pas en perdant du temps sur un travail connexe.
Comment pouvez-vous motiver un analyste difficile à devenir un mentor? À quoi un mentor débutant peut-il être utile?
Être un mentor est un trait de caractère. Une personne devrait aimer raconter quelque chose, partager ses connaissances et, dans une certaine mesure, satisfaire son estime de soi et sa suffisance en enseignant aux autres. C'est la raison pour laquelle un bon mentor s'intéresse aux personnes avec lesquelles il travaille. Un tel mentorat offre des moyens de se réaliser. Que vos connaissances vivent dans d'autres personnes, que vous développez d'autres personnes, que vous pouvez apporter une sorte de changement dans la communauté des analystes, diffusant ainsi vos approches et méthodes dans cette communauté. Et aussi, le mentorat est l'une des étapes de la gestion. Si une personne veut contrôler d'autres personnes, le leadership consiste à bien des égards à développer les personnes avec lesquelles vous travaillez. C'est pour cela qu'il est utile d'être mentor.Si une personne veut simplement résoudre des problèmes et n'est pas intéressée à enseigner à d'autres personnes, elle ne s'inquiète pas du tout que ses collègues ne sachent pas comment faire quelque chose, elle n'a pas tellement envie de leur apprendre cela, il pense qu'il y a son pré dans lequel s'il a besoin de travailler, il est préférable d'utiliser cette personne aux fins prévues, afin qu'il travaille dans cette clairière et soit efficace, en le chargeant de tâches plus complexes. Et prenez quelqu'un d'autre comme mentor.
Wrike ?
Chez Wrike, le travail est structuré de sorte que nous ayons des équipes de produits qui ont un chef de produit et, généralement, un analyste de produit lui est affecté, qui avec lui comprend ce qui se passe avec le produit, et ensemble, ils essaient de comprendre quelles mesures sont nécessaires, comment les appliquer, comment comprendre l'existence du succès. L'analyste découvre quelles données sont nécessaires et comment tout calculer.
Notre boîte à outils est composée de requêtes Tableau, ARL Python et SQL. Nous collectons de nombreuses données sur le comportement des clients, des données agrégées sur le marketing, les finances, et tout cela se trouve dans un entrepôt de données centralisé. Ceci est notre principale boîte à outils. Si vous vous souvenez de mettre les choses en ordre, nous avons déjà une partie importante de l'ordre de base déjà établi et nous devons approfondir les produits eux-mêmes, pour comprendre ce qui se passe en eux.
Data Scientist, Data Analyst, Business Analyst: , , ? , , ?
Il me semble que ces trois directions ne peuvent être confondues. C'est comme prendre une personne qui a à la fois un front-end et un back-end, et qui connaît 20 langues, écrit toutes les exigences en même temps et gère des projets. Il n'y aura rien de bon à cela, il n'y aura ni spécialisation ni profondeur dans aucune des directions. En conséquence, il vaut mieux ne pas mélanger ces directions.
Les analystes de données utilisent des méthodes d'analyse commerciale et de données scientifiques, mais se spécialisent un peu sur d'autres questions. Comme la date des scientifiques, ils doivent comprendre certaines méthodes de l'entreprise et la date de l'analyse afin de mener à bien leur travail. Si une entreprise ne peut pas embaucher les trois spécialistes, la question est: "Pourquoi voudrait-elle embaucher tel ou tel spécialiste?" Ces spécialistes résolvent un certain éventail de tâches.
Les analystes commerciaux formalisent ce que nous voulons faire afin que les développeurs comprennent ce qu'ils doivent faire pour que les exigences soient dans leur forme normale, ce que le client commercial accepte et que les développeurs comprennent. Si une entreprise se spécialise dans le développement de logiciels, elle a besoin soit d'une personne distincte pour le poste d'analyste commercial, soit de la compétence d'un chef de produit. Si une entreprise souhaite analyser les données dont elle dispose, prendre des décisions basées sur ces données, elle a besoin d'analystes de données. Et si une entreprise souhaite s'engager dans l'apprentissage automatique, si elle a un domaine pour cela, si certaines tâches peuvent être résolues à l'aide du ML, elle doit engager un data scientist ou les sous-traiter.
Lorsque vous confiez à un data scientist des tâches d'analyste de rendez-vous, il commence à se sentir triste, car il se rendra compte qu'il fait à peine l'apprentissage automatique. Et c'est tout simplement fou d'essayer de visser l'apprentissage automatique dans de nombreuses tâches d'analystes de données. En conséquence, un analyste commercial peut tout simplement ne pas être en mesure de travailler avec des données, ce n'est pas sa direction. Par conséquent, cette pratique n'a pas de sens.