Как стать аналитиком: что учить, чтобы быть лучшим?

Самым первым аналитическим инструментом в моей жизни стал CBOSS — огромная система с отчётами, OLAP-кубами и огромным массивом данных из биллинга. В повелевании цифрами, связями, закономерностями и необычными открытиями на основе данных была особая чарующая магия. Почти одновременно с этим удалось оценить самописную систему формирования отчётов для анализа — лёгкую, классную, с интерфейсом в одно небольшое окошко и нереальным, крутейшим бэком, за которым стоял отдел АСУ, который я помню по именам даже спустя без малого 20 лет. Технические задания, согласования, обсуждения, настройки, потом «скрутить отчёт» — и жизнь прекрасна! Тогда аналитики работали с готовыми цифрами, а запросы писали только избранные, высший уровень специалистов. 

Привычка работать с цифрами осталась и в Хабре: я довольно часто заглядываю в большие отчёты, изучаю аудиторию, проверяю тренды (интуиция ^[1] vs факты), подсматриваю за лучшими, анализирую худших. Но это так, мелкое баловство. В Хабре есть отдел аналитики, который возглавляет Юля. Её команда проводит невероятные исследования и творит чудеса. И, видя огромный интерес ^[2] к аналитике в Технотексте, я не могла не попросить Юлю рассказать, а как оно сейчас — стать аналитиком? Рекомендую прислушаться, особенно тем, кто только выбирает свой путь.

Юля, расскажи, как ты попала в аналитику? Какое у тебя образование?

Компании потребовалась более глубокая аналитика, появилась потребность ^[3] больше опираться на данные при принятии решений — сначала на уровне одного отдела, затем на уровне нескольких подразделений, и в итоге вместо одного штатного аналитика появился Отдел исследований и аналитики.

Образование высшее, но непрофильное: Самарский университет по направлению «Издательское дело». Так что позднее пришлось проходить профессиональную переподготовку, а затем точечно изучать отдельные темы, что, впрочем, приходится делать регулярно.

Чем ты занимаешься в Хабре? Поделись парой интересных инсайдов (прим. — публичных, типа самые популярные темы).

Здесь идеальный ответ кроется в названии нашего отдела – исследования и аналитика. Мы смотрим сотни увлекательных гипотез и вещей: правда ли есть волшебное время для публикаций? Влияет ли сумма рейтинга хабов на рейтинг статьи? А какие статьи читают через 10–15 лет после даты выхода?

В общем, изучаем всё то, что хотелось бы узнать коллегам или пользователям.

Мой любимый инсайд, в который мало кто верит, — это факт, что на всех сервисах Хабра работает чуть более сотни человек. У нас небольшие по составу команды, а потому нет отдельного аналитика на каждое направление: мы работаем со всеми запросами. Так что если где-то в новостях и статьях вы видите «Аналитики Хабра» или «Аналитики Хабр Карьеры» — это не разные люди, это всё ещё мы :-)

Кто такой аналитик и чем он может быть полезен в компании?

Человек, который может найти ответ на вопрос через цифры и данные.

Аналитик может помочь понять, что сейчас происходит, где может скрываться проблема, с чем могут быть связаны те или иные действия пользователей, чего потенциально можно ожидать и так далее. Всё зависит от задач бизнеса и его специфики: существует множество разных аналитиков — системные, продуктовые, финансовые, маркетинговые и так далее. Более того, разделение может быть ещё детальнее, например, бизнес-аналитики могут быть BI-аналитиками, аналитиками по оптимизации бизнес-процессов и пр.

Поэтому тут важен и обратный вопрос: «Чего ожидает компания от аналитика?».

Расскажи, какие инструменты сейчас востребованы? С чем работают аналитики? Что нужно знать обязательно?

Из стека — Python, SQL. Из обязательного фундамента — математика ^[4] и статистика. Инструменты аналитики отличаются от компании к компании, но стоит иметь представление про Яндекс Метрику, GA4, Redash, PowerBI, Tableau и Grafana. К инструментам обработки данных обычно нет особых требований, поэтому здесь подходит и VS Code, и Colab, и просто Google Sheets или Excel.

Конкретно мы используем Redash для дашбордов и выгрузки данных по проектам, приложения Google для совместного онлайн-доступа к материалам, приложения Atlassian для организации процессов, VS Code для локальных экспериментов. Данные обрабатываем через Python и его библиотеки.

Посоветуй, что изучать будущему аналитику? Какой стек востребован? 

Математика, статистика, Python, SQL… Но хочется тут затронуть тему и софт-скиллов, потому что бывают хорошие анализы, однако понятны они только таким же аналитикам, а не заказчикам. Поэтому анализ и понимание требований, умение описывать процессы, оптимизация бизнес-процессов и прочее — это то, на что тоже стоит обратить внимание ^[5].

Так что будущему аналитику стоит развивать свои навыки параллельно и — главное — стремиться не делать работу «в стол», а делать её для конкретной цели.

Нужна ли аналитику математика и на каком уровне?

Однозначно да. Нужна линейная алгебра, теория вероятностей… Пожалуй, вместо перечисления, я поделюсь просто мини-исследованием от 2022 года. Ссылка тут ^[6] (или тут ^[7], или в статье на Хабре ^[8])

Твой любимый рабочий инструмент (софт, приложение, что-то другое) и почему именно он?

VS Code. Вероятно, сказывается сила привычки, но мне очень удобно там и обрабатывать данные, и описывать результаты исследований, и графики интерактивные строить, и даже делать какие-то мелочи вроде «нужна замена через регулярное выражение». Невероятно удобны множественное выделение строк и поддержка тонны расширений, нравится лаконичный интерфейс и стабильность работы, но признаю, что это вкусовщина.

Изменилась ли твоя работа с распространением ИИ? Если изменилась, то как? Если нет — то почему?

Да, немного. Стало веселее. Теперь вместо поиска ответа на stackoverflow я могу задать вопрос нейросети и получить искомый кусок кода, а ещё забавно экспериментировать с обработкой данных, сравнивать выводы человека и нейросети. ИИ для нас что-то вроде стажёра-ассистента: его результат работы обязательно проверяется человеком, но смотреть что получилось — увлекательно.

Из последнего забавного — мы попросили одну не самую популярную языковую модель сделать суммаризацию по ответам пользователей на вопрос «Почему хочешь уйти с Golang?». Ответ был чудесен: «Индустрия ещё не поняла, куда она себя загоняет».

Как развиваться существующим аналитикам? В сторону какого направления смотреть?

С одной стороны, хотелось бы иметь универсальную карту навыков, а с другой — универсальность не учитывает специфику бизнеса. Так что существующим аналитикам стоит смотреть в направлении потребностей компании текущего места работы или присматриваться к запросам в вакансиях у интересующих работодателей. Аналитика сама по себе очень увлекательное занятие, так что перейти из продуктовых аналитиков в бизнес-аналитиков, или вовсе уйти в системные — можно. Было бы желание.

Неожиданный вопрос — а есть сферы, где аналитика совершенно не нужна и даже вредна?

Дело не в самой аналитике, а в её применении. Должен быть баланс. Анализировать можно что угодно — хоть время, в которое местная пекарня выкладывает тёплые булочки на полку. Но даже такой анализ может как повысить вероятность получить тёплую выпечку утром, подгадав нужное время, так и создать ложное чувство уверенности. Например, анализ окажется бесполезным, если пекарня вдруг изменит график работы.

Ты была в жюри Технотекста в номинации «Аналитика». Как впечатления ^[9]? Чего не хватает авторам?

О, да, это было интересно! В самом начале стало ясно, насколько же сложно удержать границу между баллами — всё же речь идёт о текстах, где у авторов есть и свой стиль, и своя манера рассказа. Поэтому оценка каждой статьи проходила две итерации: сначала присваивались признаки, а только потом по признакам сопоставлялись оценки. Так что мне тоже было интересно, как сформируется рейтинг.

Все авторы — молодцы. Написать статью — трудно, требует времени, иногда и смелости, так что тот факт, что авторы её не только написали, но и отправили на конкурс — это очень круто. 

Прим. авт.: Юля не просто оценила статьи Технотекста по предложенным в протоколе критериям — она разработала свою авторскую систему оценки и подошла к оценке настолько тщательно, что мы несколько месяцев крутили её «эксельку», но пока решили не раскатывать методологию на всех. Однако эта идея нас не оставляет и что-то в следующем сезоне наверняка добавим.   

А в этом сезоне Технотекста ^[10]у нас есть хранители номинации Аналитики (один будет представлен позже) и, обратите внимание, у одного из хранителей есть интересная авторская номинация в Бэкенде.

Важно: именно для номинации Аналитика срок приёма заявок продлён до 25 апреля.

Итак, специальные номинации от X5 Tech

Приз – билет на конференцию: Data Conf 2025 2025 ^[14]

И… номинация для Бэкенда!

Приз: обучение на курсе Системный дизайн высоконагруженных проектов ^[17] (будет сертификат, так как курсы стартуют раз в 3 месяца — на текущий поток вы не попадёте).

Подавайте заявки на конкурс Технотекст 7 ^[10], мы вас ждём.