Bonjour, Habr! Le 28 septembre, Skillfactory lance une nouvelle filière de cours Data Analyst , nous avons donc décidé de faire un large aperçu du marché du travail que les entreprises proposent aujourd'hui.
La profession d'analyste de données peut-elle vraiment porter jusqu'à "300k / nanosec"? Quelles compétences les employeurs exigent-ils des analystes et que devez-vous savoir en général pour devenir un spécialiste recherché et bien rémunéré? Quelles opportunités de croissance le marché offre-t-il aujourd'hui?
Nous avons analysé 450 postes vacants pour le poste d'analyste de données en Russie et à l'étranger et collecté les résultats dans cet article.
Qui est un analyste de données et ce qu'il doit savoir
Avant d'analyser les postes vacants, regardons ce que fait Data Analyst dans une entreprise. Dans le domaine informatique, il existe trois domaines de spécialisation dans le travail avec les données: Data Analyst, Data Engineer et Data Scientist.
Data Analyst recueille des informations, les traite et les interprète en «langage humain». En fait, il traduit les statistiques et les mégadonnées en conclusions compréhensibles et visuelles qui peuvent être utilisées pour développer un projet ou une entreprise spécifique en général.
Le résultat du travail de l'analyste de données est la base de toute décision commerciale.
Ingénieur de donnéesne fonctionne plus avec les données elles-mêmes, mais avec leur infrastructure: bases de données, systèmes de stockage et de traitement. L'ingénieur de données détermine comment analyser les données afin qu'elles soient utiles au projet. Pour résumer, l'ingénieur de données met en place un pipeline de traitement des données.
Le Data Scientist s'occupe du travail d'information stratégique. C'est lui qui crée des systèmes de prévision, de modélisation et d'analyse dynamique, met en œuvre des algorithmes d'automatisation et d'apprentissage.
La principale difficulté est que les frontières entre ces trois spécialités sont plutôt floues. La plupart des entreprises ne voient pas la différence, il y a donc souvent des exigences dans les emplois d'analyste de données qui conviennent mieux aux ingénieurs de données ou aux scientifiques de données.
Cela est principalement dû aux spécificités du marché. Si les entreprises informatiques savent que Data Analyst, Data Engineer et Data Scientist sont idéalement trois spécialistes différents ou même trois départements différents, alors dans les sociétés de produits et les industries, ils n'y pensent souvent même pas.
Ce que les employeurs attendent d'un analyste de données
Nous avons analysé plus de 450 postes vacants pour le poste d'analyste de données ouvert en août-septembre 2020. Dans de nombreux cas, les exigences en matière de spécialistes sont très différentes. Comme nous l'avons écrit ci-dessus, les frontières entre Data Analyst, Data Engineer et Data Scientist ont été effacées, il arrive donc souvent que le titre d'un poste vacant soit écrit «Data Analyst», mais en fait le poste vacant correspond pleinement à «Data Engineer». Mais nous avons pu mettre en évidence l'ensemble des compétences techniques et non techniques que les employeurs indiquent dans la plupart des postes vacants pour le poste d'analyste de données.
Compétences difficiles
Python avec les bibliothèques d'analyse de données Pandas et NumPy . C'est un incontournable, ses connaissances au moins à un niveau de base sont requises par 83% des entreprises de l'industrie. Seuls 17% des employeurs ont besoin de connaissances en R, JavaScript et d'autres langages de programmation.
Fait intéressant, en 2013, selon une enquête menée auprès d' analystes de données et de scientifiques des données, le langage R était beaucoup plus populaire dans l'analyse de données - il était utilisé par 61% des spécialistes.
SQL - Presque tous les emplois nécessitent des connaissances en SQL et en bases de données relationnelles. Le plus souvent, ils nécessitent la capacité d'écrire des requêtes et de les optimiser.
Les compétences nécessaires pour travailler avec des systèmes de gestion de bases de données NoSQL comme MongoDB, CouchDB ou Apache Cassandra sont rarement requises par les employeurs - environ 9% des postes vacants.
Power BI, Qlik, Tableau . La plupart des entreprises n'ont pas besoin de connaître un programme de visualisation de données particulier. Ils indiquent généralement l'un des trois parmi lesquels choisir, ou écrivent des «systèmes de visualisation de données» sans en spécifier un en particulier. En général, les spécialistes peuvent choisir ce qui leur convient le mieux. La majorité absolue des employeurs n’ont pas de position de principe.
Expérience avec Agile, Scrum, Kanban... Dans près de la moitié des postes vacants, les employeurs indiquent qu'un avantage supplémentaire sera la capacité de travailler avec des méthodologies de création de produits agiles.
Autrement dit, il est important non seulement ce que l'analyste de données fait dans sa spécialité, mais aussi comment il le fait.
Mais l'expérience avec Agile n'est pas une exigence clé (bien qu'elle soit indiquée dans les postes vacants). Oui, le demandeur d'emploi devra prendre du temps pour s'habituer à travailler dans ce format, mais, selon les entreprises, ce n'est pas critique.
Excel et Google Sheets . Curieusement, mais un tiers des postes vacants nécessitent une connaissance des feuilles de calcul. Cela est principalement nécessaire pour les sociétés de produits et de conseil qui se chevauchent peu avec le développement numérique, ou pour les projets relativement petits où l'ensemble du département d'analyse est composé de plusieurs personnes.
En effet, les petites équipes n'ont souvent pas besoin d'utiliser de puissantes ressources SQL si Excel standard suffit à traiter les données. Mais dans de telles situations, l '«analyste de données» fait souvent tout en même temps: collecte et analyse des données, infrastructure et automatisation.
De nombreuses entreprises mettent en évidence un niveau élevé de connaissances mathématiques . Mais ici, vous devez comprendre que Data Analyst, contrairement au Data Scientist, utilise des outils mathématiques plutôt limités, vous n'avez donc pas besoin d'être un génie des mathématiques. La plupart des tâches d'un analyste de données s'inscrivent dans le cadre des connaissances de base en statistique, théorie des probabilités, analyse mathématique et algèbre linéaire.
Un enseignement supérieur en mathématiques est utile, mais avec une diligence raisonnable, vous pouvez apprendre vous-même toutes les fonctions nécessaires. Mais pour le Data Scientist, une connaissance approfondie des mathématiques est déjà considérée comme essentielle. Si vous envisagez de passer de Data Analyst à Data Scientist, les calculs devront être renforcés.
Pour les compétences techniques de base, c'est tout. Le reste se trouve dans moins de 10% des postes vacants, de sorte qu'ils peuvent être attribués aux caractéristiques individuelles du travail dans les entreprises individuelles.
Compétences générales
En général, ils sont pratiquement les mêmes pour toutes les spécialités qui travaillent avec des données:
- Esprit critique
- Esprit analytique
- Capacité d'exprimer et de transmettre correctement les informations
- Responsabilité et souci du détail
- Pensée commerciale
- Volonté de prendre des décisions et d'assumer la responsabilité du résultat
- Multitâche
- Sens de l'humour
«». , , .
, . , . . , , .
Seule la langue anglaise se distingue des compétences générales . De nombreuses entreprises citent la connaissance de l'anglais comme un avantage, mais il existe un certain nombre de postes vacants conçus pour travailler dans des équipes internationales et avec des projets en anglais. Dans ce cas, la maîtrise de l'anglais est indispensable.
L'anglais obligatoire est souvent un chèque de paie agréable. Les vacances dans des projets internationaux garantissent une compensation monétaire 1,3 à 2 fois plus élevée que dans les projets russophones.
Salaire et autres avantages pour les analystes de données
Passons maintenant à la partie amusante - le salaire. Nous avons analysé les postes vacants sur les sites HH.ru et Habr Career .
Les analystes de données sont en demande dans toutes les grandes et moyennes entreprises, en particulier dans les projets liés au numérique et à l'informatique. Banques Fintech, agences digitales, entreprises agroalimentaires qui mettent en place un système de vente en ligne, projets de conseil. Parmi les postes vacants, il y a des représentants d'entreprises dans presque tous les domaines: de la médecine à l'industrie lourde.
La plupart des postes vacants d'analystes de données à compter du 09/12/2020 sont ouverts à Moscou (241) et à Saint-Pétersbourg (74). À titre de comparaison, dans le reste de la Russie, il n'y a que 99 postes vacants pour ce poste.
Il est intéressant de noter que seulement 20% des entreprises indiquent le niveau de salaire dans l'annonce elle-même. Les 80% restants préfèrent discuter des récompenses monétaires lors d'une conversation personnelle avec le candidat.
La répartition des salaires est assez grande. Cela dépend non seulement de l'expérience du candidat, mais également de la géographie. Par exemple, un analyste stagiaire à Perm reçoit 25 000 roubles, tandis que l'analyste de données du bureau de Moscou d'une entreprise internationale gagne 200 000 roubles.
À Moscou, le salaire moyen d'un analyste de données est de 134 000 roubles. Un bon spécialiste avec au moins 2 ans d'expérience peut bien compter sur elle.
À Saint-Pétersbourg, la situation est similaire à celle de Moscou, mais les salaires sont légèrement inférieurs. L'analyste de données moyen peut compter sur 101 000 roubles par mois. Pour le reste, les conditions sont presque identiques à celles de Moscou.
Les stagiaires et les spécialistes juniors reçoivent 60 000 roubles. Il y a un petit nombre de postes vacants qui offrent moins de ce montant (8%), mais ils offrent principalement un travail à temps partiel ou hebdomadaire limité.
Les chefs des départements d'analyse et les spécialistes seniors peuvent s'attendre à un salaire de 170 000 roubles ou plus. Il y a même des postes vacants qui offrent plus de 250 000 roubles par mois. Oui, ils nécessitent plus de 5 ans d'expérience en analytique et un vaste bassin de compétences, mais il existe de tels postes vacants. Il est donc assez clair où vous pouvez grandir.
D'autres avantages et motivations sont souvent cités comme des opportunités de formation en entreprise, d'assurance maladie et même de programmes de retraite d'entreprise. Certaines entreprises proposent de déménager en Europe ou aux États-Unis après un certain nombre d'années au sein de l'entreprise. Aimé par de nombreux "biscuits et café" se trouvent également, mais assez rarement. La plupart des employeurs comptent sur des motivateurs vraiment utiles.
Dans d'autres villes de Russie, la situation est pire. Ils effacent partiellement l'essence même du travail de l'analyste de données, il devient plus comme un enikeys. Dans les petites entreprises de plusieurs dizaines de personnes, l'analyste est généralement un et traite complètement toutes les informations commerciales.
Le salaire d'un tel spécialiste n'est pas non plus haut de gamme. En moyenne, un analyste en dehors de Moscou et de Saint-Pétersbourg reçoit 54 000 roubles. Dans la moitié des cas, il n'y a souvent pas de "petits pains" supplémentaires du tout, mais sinon, ils sont limités aux sportifs et au café.
Le salaire maximum d'un analyste de données sur lequel un spécialiste des régions peut compter est de 100 000 roubles. Mais pour en avoir plus, vous n'avez pas besoin de déménager à Moscou. Vous pouvez facilement trouver des postes vacants à distance - travailler officiellement dans la capitale, mais vivre dans votre ville natale. De nombreuses entreprises vont à la rencontre du candidat qui les intéresse.
Nous avons également effectué une analyse comparative des postes vacants en Ukraine et en Biélorussie.
Le salaire moyen d'un analyste de données en Ukraine est d'environ 20 000 UAH (53 000 RUB). Dans la capitale, il y a des postes vacants avec un salaire 2 à 2,5 fois plus élevé, mais ils sont principalement proposés par des entreprises internationales ayant des succursales à Kiev.
La situation est absolument la même en Biélorussie. Le salaire moyen d'un analyste de données est de 2 800 roubles biélorusses (81 000 roubles), mais l'éventail des salaires est très large. À Gomel, par exemple, un analyste avec plus d'un an d'expérience gagne en moyenne 1 100 roubles biélorusses (31 000 roubles russes), tandis qu'à Minsk, un spécialiste peut gagner jusqu'à 10 000 (287 000 roubles russes).
Où accéder à la profession et où développer l'analyse de données
On pense qu'il n'est possible d'entrer dans la caste des analystes qu'avec une connaissance exceptionnelle des mathématiques. Mais ce n'est pas le cas.
L'analyse implique généralement des développeurs Junior et Middle Python. Si, en plus, vous avez des connaissances de base en SQL - généralement excellentes. Dans ce cas, il sera beaucoup plus facile de traiter toutes les fonctionnalités de l'œuvre.
Vous pouvez également démarrer votre carrière directement avec un analyste. Choisissez parmi des dizaines de cours disponibles - et c'est parti. Vous n'avez pas besoin de connaître les mathématiques supérieures. Pour les niveaux Data Analyst Junior et Middle, vous devez uniquement connaître les outils permettant de travailler avec les données. Et dans la plupart des cas, la connaissance scolaire des mathématiques suffit.
Il existe également de nombreuses opportunités de croissance pour l'analyste de données. Les trois plus évidents sont le spécialiste de l'exploration de données, l'ingénieur des données et le scientifique des données. Le premier fonctionne directement avec la recherche de données pour l'analyse, le second développe des infrastructures de données et le troisième - la prévision et la stratégie.
L'analyse BI est une autre option possible. La visualisation des données analytiques est une compétence distincte et de nombreuses grandes entreprises apprécient les employés qui peuvent non seulement analyser les informations, mais également communiquer de manière intelligible à la direction.
Surtout pour ce matériel, nous avons demandé à Alexander Tsarev, le fondateur de SmartDataLab, le leader du cours éducatif BI SkillFactory, et Sergey Zemskov, le chef de la direction Power BI / DWH SmartDataLab, l'enseignant Bootcamp SkillFactory de commenter les compétences nécessaires à la croissance en analytique BI.
La vue d'ensemble répertorie les compétences indispensables, mais si vous souhaitez continuer à vous développer en tant qu'analyste de données, vous devrez rester à jour avec ETL et apprendre:
- Le soi-disant triangle d'or de Microsoft: SSRS, SSIS, SSAS;
- Avoir une compréhension des autres ETL industriels tels que KNIME;
- La littérature sur l'architecture des données telle que la méthodologie Kimball de Bill Inmon;
- Vous devez également comprendre au moins une première approximation ce que sont Informatica, GreenPlum, Pentaho, en quoi ils diffèrent les uns des autres et comment ils fonctionnent.
- , SAP Web Analytics BI SAP, Power BI (, - BI/DWH “BI HeadHunter”, ).
, .
En outre, un analyste de données peut devenir un produit, un analyste marketing ou un analyste commercial. C'est-à-dire prendre la responsabilité du développement d'un produit ou d'un projet spécifique, ou prendre part à la prise de décisions commerciales stratégiques, en étayant votre opinion avec des données analytiques.
De plus, les analystes de données peuvent se lancer complètement dans le développement en Python, mais cette option est choisie par un nombre relativement restreint de spécialistes.
L'analyste de données est une profession prometteuse et en demande. Et pour devenir Data Analyst, vous n'avez pas besoin d'être Perelman et de pouvoir résoudre le théorème de Poincaré - la connaissance scolaire des mathématiques et la persévérance dans la maîtrise des outils de l'analyste suffisent.
Récemment, nous avons lancé le premier Bootcamp en ligne en Russie pour l'analyse des données, qui comprend 5 semaines d'études, 5 projets dans le portefeuille, un stage rémunéré pour le meilleur diplômé. C'est un format super intensif pour les plus motivés: il faut étudier à plein temps.
Découvrez comment obtenir une profession de haut niveau à partir de zéro ou augmenter vos compétences et vos salaires en suivant les cours en ligne SkillFactory:
- Bootcamp en ligne sur l'analyse des données (5 semaines)
- Cours d'analyse de données (6 mois)
- Profession analytique avec tout niveau de départ (18 mois)
Plus de cours
- 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 )
