Аналитики пикабу.
Приветствую уважаемые пикабутяне! Хотелось бы узнать, если здесь те кто работает бизнес аналитиками либо занимается data analysis? Сам я вчерашний студент, получил диплом ит специалиста с уклоном в статистику. Мне нужен ваш совет. Какие навыки или умения нужны работодателям в нынешнее время? Какие более востребованы, а какие нет? Открыл я значит хх.ру, глянул, у всех требования разные, кому то нужны спецы sql, кому то проф exel, где то знания a/b анализа. Где то вообще знание и опыт применения методов UML, BPMN, ARIS с помощью средств моделирования SPARX Systems Enterprise Architect(боже, что это вообще?) Опыта у меня естественно нет, поэтому прошу знающих людей дать пару советов начинающему. Заранее благодарю.
P.S. всех с наступающим кстати =)
Два чая господину @LordOfDestiny, чистую правду описал.
Я data analyst уже пятый год (в богомерзком мобильном геймдеве).
Суть: ковыряться в куче (ебуче огромной, блять, куче! в моём случае, хорошие запросы крутящиеся по несколько часов и выдающие гигов десять (текстовых) данных на выходе - типа норма), правильные AB тесты, немного моделирования, ретроспективные отчёты по фичам/инструментам/аудитории, вот это всё. Немного сбоку стоят маркетинговые аналитики, там ребята занимаются только оценкой качества трафика, поиском хороших каналов и оперативным обрубанием плохих.
Что хорошо: DA нужны дохуя где - банкинг, телеком, приложения мобильные, может, где-то в торговых сетях крупных тоже нужны, но чот вакансий не то чтобы много видел. Денег вроде не жалеет никто на хороших аналитиков (субъективно).
Инструменты: SQL (хотя noSQL базы на текущий момент стоит хотя бы пощупать), python или R (+ мат.библиотеки типа numpy, scipy + pandas - либа для работы с датасетами); эксель - ну такое, просто знать хорошо не помешает, накидать какой-нибудь прототип в гуглотаблицах в качестве бесплатного решения - может и полезно, но "тру" DA его почти не используют, ибо часто ни эксель, ни гуглотаблицы не вместят в себя датасет в принципе (из-за ограничений).
Куда можно развиться вбок: Data Science (регрессия, кластеризация, кэггл, и машинное ебать его в сраку, обучение) или Data Engineering. Первая отрасль, вроде крутая и перспективная, но на практике пока решает небольшое кол-во задач, будем посмотреть, как дальше будет развиваться. DE в этом плане чуть стабильнее - организовать все данные так, чтобы и аналитики и датасатанисты могли с ними удобно работать, это всё не ломалось и стоило недорого. Денег вроде чуть меньше, чем в DS, но зато стабильность, в хорошем её понимании.
Бизнес аналитика, это совсем не про математику, а про процессы. Моделируешь, оцениваешь, смотришь узкие места, сколько стоит, где улучшить (и на этом сэкономить) и вот это всё (я могу ошибаться, поправьте, если есть кто из BA).