Partie 1
Au cours des derniers mois, je me suis lancé dans une quête intitulée «quitter mon poste d'analyste marketing chez FMCG et obtenir une offre pour un poste d'analyste produit en informatique». Je souhaite partager mon expérience et systématiser les informations collectées pendant cette période auprès de diverses sources. Et pour ne pas être infondé, en parlant des compétences qu'un analyste de produit devrait avoir, je commencerai par un examen des informations ouvertes sur les exigences pour les candidats aux postes vacants hh.ru.
J'ai analysé les données ouvertes sur les offres d'emploi publiées sur le site headhunter.ru le 28/10/2020 pour la demande «Analyste» et «Analyste produit». Le cahier complet et les liens de données sont disponibles ici .
Avant de parler de mes conclusions, je ferai une petite digression sur les détails de l'analyse.
J'ai pris la liste des exigences requises pour un poste vacant spécifique de la section Compétences clés de la description de poste. Tous les RH ne remplissent pas ce champ avec une qualité élevée: certains ont fait un sceau (Note: "Phyton"), certains ont une
Peut-être, pour une comptabilisation plus précise des compétences, en particulier des compétences générales (note: «vous avez de bonnes compétences en communication pour communiquer avec les équipes commerciales et techniques»), il vaut la peine de mettre en évidence les exigences de la description de poste complète et de les décomposer en groupes sémantiques.
Compte tenu de ce qui précède, je considérerais les pourcentages dans les tableaux ci-dessous non pas comme «la part des postes vacants dans la spécialité où cette compétence est requise», mais comme «la priorité de cette compétence pour une spécialité spécifique».
Au total, 1 178 annonces étaient disponibles pour analyse, dont plus de 60% dans 5 spécialités: analyste, analyste commercial, analyste produit, analyste marketing et analyste web.
En quoi les compétences requises pour chaque spécialité diffèrent-elles?
On constate que les compétences clés pour chaque spécialité sont différentes: pour un analyste produit, les compétences techniques sont importantes (SQL, Python), pour un analyste marketing, elles mentionnent souvent l'analyse marketing et PowerPoint, et pour l'analyse Web GA et I.Métrica (
Si nous continuons la liste des meilleures compétences pour un analyste de produit, il s'avère que les compétences techniques sont suivies par des compétences analytiques (analyse de données, réflexion analytique, recherche analytique) et des connaissances en statistiques (statistiques mathématiques, analyse statistique, tests a / b, exploration de données). Une liste complète avec l'interprétation des fréquences des compétences dans la toute première image avec le nuage d'étiquettes.
Quelle spécialité est la plus facile à intégrer sans expérience pertinente?
Le moyen le plus simple est de rechercher un emploi à des postes juniors et stagiaires dans le domaine de l'analyse de données dans les spécialités Analyste marketing et analyste Web - environ 10% des postes vacants sont prêts à embaucher des personnes sans expérience.
Des personnes plus expérimentées sont le plus souvent attendues pour le poste d'analyste de produits: plus de la moitié des postes vacants sont à la recherche d'une personne ayant 3-6 ans d'expérience pertinente.
En quoi le salaire diffère-t-il selon la spécialité?
Il y a peu de postes vacants avec des informations ouvertes sur les salaires - seulement 63. Néanmoins, il est impossible de résister et de ne pas regarder la répartition. Pour une comparaison adéquate, considérez la médiane des salaires d'entrée (expérience de travail attendue «de 1 à 3 ans»).
Un analyste commercial moyen peut compter sur 140t, un analyste produit sur 100t, et le moins disposé à payer un marketeur et un analyste web: 60t. Marketeurs et analystes web, apprenez de toute urgence BPMN ou Python, SQL!
Quelques articles connexes avant de passer à la deuxième partie:
- Analytique pour la recherche d'analystes - un aperçu des postes vacants, des compétences et des salaires de personnes qui en comprennent beaucoup plus que moi sur les ressources humaines.
- Texte sur les compétences requises à différents niveaux dans Yandex.
- Un article sur les types d'analystes en informatique (
lu dans la voix de Drozdov).
Partie 2
La tâche de la deuxième partie: rassembler en un seul endroit les ressources sur lesquelles vous pouvez apprendre gratuitement l'analyse des données, en particulier l'analyse des produits. Il sera utile principalement aux débutants et à ceux qui ne veulent pas dépenser d'argent pour un cours payant.
D'ailleurs, si vous envisagez un cours payant, vous pouvez comparer ici les caractéristiques formelles (durée, prix, niveau) de nombreuses écoles. Malheureusement, la qualité du matériel et de la présentation est difficile à évaluer objectivement, vous devriez donc chercher vous-même les avis.
Par où commencer à apprendre Python:
- suivez un cours d' introduction gratuit de Yandex.Practicum sur les bases de Python et l'analyse de données.
Avantages : le meilleur départ est difficile à trouver: tout est simple, clair, interactif. Et surtout, à la fin du cours, vous aurez votre premier projet indépendant et une compréhension approximative des capacités de Python pour l'analyse des données.
Inconvénients : il y aura une envie d'acheter le reste du cours.
- regardez les cours sur stepik, par exemple celui-ci .
Avantages : vous pouvez parfaire vos connaissances sur les types de données, les boucles et voir comment installer Anaconda + Jupiter Notebook pour commencer à vous entraîner par vous-même.
Inconvénients : Très brièvement couvert les bibliothèques numpy et matplotlib et pas du tout couvertes par les pandas.
Comment commencer à apprendre SQL:
Avantages : Convient aux débutants.
Inconvénients : ces cours à eux seuls ne suffisent pas, il faut beaucoup plus de pratique.
- résoudre des problèmes dans sql-ex , sql-academy ou sql-zoo .
Chaque plateforme a ses avantages et ses inconvénients, il vaut la peine de trouver celle que vous aimez le plus.
- c'est pour l'analyse des produits que la connaissance de Clickhouse est souvent requise.
Clickhouse a une bonne documentation et vous pouvez la pratiquer , mais il y a très peu d'informations sur les nuances d'utilisation pratique. Par exemple, karpov.courses propose un webinaire très utile sur le calcul du taux de rétention chez ClikHouse.
Par où commencer à apprendre les mathématiques:
- Si l'approche est vraiment effrayante, vous pouvez repartir de zéro à l' académie Khan .
Avantages : vous pouvez commencer à apprendre les mathématiques, même avec l'addition et la soustraction.
Inconvénients : toutes les vidéos sont en anglais, plus les informations sont étirées, souvent vous voulez accélérer.
Avantages : tout est court et précis et immédiatement avec des tâches.
Inconvénients : il faut s'asseoir et décider, comme à l'école!
- Manuels de théorie. foi et mat. statue de V.E. Gmurman, S. Glantz.
Pour : tout est un peu plus étiré ici que dans les sources du paragraphe précédent, mais plus en détail.
Inconvénients : il faut s'asseoir et décider, comme à l'institut!
- encore une fois aller à stepik pour des cours de théorie. foi et mat. stat .
Avantages : les conférenciers expliquent clairement, il y a de la pratique et de la discussion dans les commentaires.
Inconvénients : certains points sont grandement simplifiés, et d'autres devront être approfondis. Mais c'est un inconvénient de tout député européen et d'auto-éducation.
Où acquérir de l'expérience en analyse de données et ML:
- — Python CSC, Open Machine Learning Course ODS .
: , , .
: ( ), . - , . - DA DS , , , — , , CSC .
- ML ML . .
:
- .
Les premières conférences sur les algorithmes et les structures de données en Python de MIPT sont intéressantes à écouter, même si vous n'allez pas devenir un gourou des algorithmes et d'autres gnomes: elles concernent le fonctionnement du
- Visualisation (Tableau, Power BI, Y.Datalens, dash).
I Tableau dispose d'un accès public gratuit, où vous pouvez apprendre gratuitement à créer des tableaux de bord. La participation à des marathons depuis Tableau ou Datalens peut être très utile, ne serait-ce que pour des supports de formation détaillés. Si vous voulez compliquer les choses: traitez avec dash .
- Pratique-pratique-pratique.
Choisissez un projet intéressant pour votre portfolio sur kaggle, il existe des ensembles de données pour tous les goûts: de la classification des champignons aux revues de vin et aux statistiques de suicide . Pour chaque jeu de données, il y a des exemples de cahiers et des discussions!
Et si kaggle ne suffit pas, collectez vous-même des données à analyser à partir d'un domaine qui vous intéresse - un exemple d'analyse simple d'un site dans la première partie du texte.
Recommandations de base:
- Afin de ne pas être confus et de ne pas perdre la motivation en raison du grand nombre de tâches, il vaut la peine de faire une liste avec des priorités pour chaque élément. C'était pratique pour moi de maintenir un tableau sur Google Drive.
- Un bon test de vos propres connaissances serait de lire la théorie et de résoudre des problèmes sur un sujet sur une ressource et d'essayer immédiatement de résoudre les problèmes d'un site voisin sur le même sujet. De cette manière, des lacunes peuvent être découvertes et des connaissances complétées.
- Choisissez des analyses publiques / comptes à votre goût dans vos réseaux sociaux préférés: vous serez au courant de l'actualité et il y aura toujours quelque chose à faire défiler autour d'une tasse de thé.
- Gardez à l'esprit que lorsque vous trouverez enfin l'emploi de vos rêves, ce ne sera pas la fin du voyage, mais le début! Des pauses et un repos de qualité sont donc nécessaires dans le processus.