Как отличить BI-аналитика от дата-сайентиста, если оба сидят в SQL и устали от жизни
Кто есть кто в мире аналитики: 5 ролей, которые вечно путают между собой
Когда я представляю себя как Аналитика, то у многих сразу возникает такое мемное облако комментариев с вопросительными знаками.
По большей части, я позиционирую себя как аналитик данных. Мне это больше нравится :-)
У всех на слуху это слово, эта профессия. Но каждый может воспринимать Аналитика по-разному. да, и в принципе, аналитики бывают разные.
Очень часто Аналитика воспринимают, как что-то "неопределенное":
- то ли ты нейросетью командуешь,
- то ли дашборды лепишь,
- то ли базу данных "селектишь"
- то ли Excel открываешь с утра и закрываешь на закате.
Поговорим, какие бывают аналитики и чем они реально занимаются.
На самом деле, аналитиков - много видов. И все их градации для многих могут восприниматься как "тройняшки" - одинаково звучат, похожи, но если копнуть — совершенно разные люди.
🧠 Product Analyst (продуктовый аналитик)
Вот вам и продукты для аналитики :-)
Основная задача продуктового аналитика: следить за тем, чтобы продукт развивался и приносил деньги. А просто работать продукт должен по умолчанию.
Считает метрики вроде Retention, Conversion, DAU и объясняет команде, почему кнопку “Купить” никто не нажимает.
Сравнение: как врач, который измеряет давление у пациентов и говорит: «Ага, у нас тут проблема с притоком пользователей!»
📊 BI-аналитик (Business Intelligence)
Это мастер дашбордов и визуализаций.
Подключается ко всем базам в мире и делает такие красивые отчёты, что их даже открывают.
Не про гипотезы, а про «дай цифру, красиво покажи и свяжи с базой». Иногда визуализация помогает делать выводы, которые сложно сделать, имея перед глазами только табличку.
Сравнение: бариста, который не варит кофе, а собирает витрину, где всё понятно: сколько чашек продали, кто пил больше всех, и где упала выручка.
🕵️♀️ Data Scientist (дата-сайентист)
Вот тот самый, с нейросетями, моделями, предсказаниями.
Уже ближе к разработке: он не просто видит, что клиенты уходят, а строит модель, которая предсказывает, кто уйдёт завтра.
Работает с машинным обучением, статистикой и ноутбуками Jupyter. Уровень математики: "убираем логарифмическую линейку!"
Сравнение: как синоптик, который предсказывает, какая будет погода на следующей неделе.
🛠 Системный аналитик
Он не про данные. Он про системы.
Пишет ТЗ, общается с бизнесом, командой, разбирается, как вообще всё должно работать, и описывает это человеческим (и машинным) языком.
Если где-то не работает кнопка — это, возможно, не баг, а просто никто не подумал о логике. А системный аналитик должен подумать.
Сравнение: как архитектор, который сначала рисует, как будет выглядеть дом, а только потом его строят.
🔬 Исследовательский аналитик (Research/Exploratory)
Лезет в сырые данные, ищет закономерности, тестирует гипотезы.
У него может не быть задачи «нарисуй отчёт». У него задача: «А почему у нас что-то идёт не так?»
Работает как Шерлок — задаёт неудобные вопросы и копает глубже.
Сравнение: как учёный в лаборатории. Только вместо пробирок — SQL и Python.
В общем, если говорят "поисследуй", то это может вылиться в целый НИОКР (научно-исследовательские и опытно-конструкторские работы)
🎭 Бонус: аналитик на проекте без нормального описания ролей
— это человек-оркестр. Он вроде как "BI-аналитик", но на деле и SQL пишет, и ТЗ собирает, и гипотезы проверяет, и отчёты делает, и баги чинит в дашборде. А потом приходит кто-то сверху и говорит: «Ну ты же BI, всё логично» 😅
🎁 И да, всё это может совмещаться в одном человеке.
Особенно, если это маленький проект.
Особенно, если ты «просто аналитик» и должен всё уметь.
🧵 Поэтому, когда снова услышите «аналитик», лучше спросите:
«А чем ты именно занимаешься?»
Иначе можно перепутать с программистом на Python, который просто делает красивые таблички.
