Кем нужно быть, чтобы стать Data Analyst

Представьте, что интернет-магазин обнаружил снижение количества заказов на 20%. Сама по себе эта цифра почти ничего не объясняет. Руководству компании важно понять, почему это произошло и что теперь делать.

Возможно, на сайт стало заходить меньше людей. Возможно, посетители добавляют товары в корзину, но не могут оформить заказ из-за технической ошибки. Причиной также могут быть новые цены, окончание рекламной кампании, изменение условий доставки или сезонное снижение спроса.

Разобраться в причинах и помочь бизнесу принять решение должен Data Analyst, или дата-аналитик.

Его работа заключается не в том, чтобы просто смотреть на таблицы и строить красивые графики. Аналитик превращает данные в понятные выводы: что произошло, почему это могло произойти и какие действия стоит предпринять.

Кто такой Data Analyst

Data Analyst — это специалист, который собирает, проверяет и исследует данные, чтобы отвечать на вопросы бизнеса.

К аналитику могут обратиться со следующими задачами:

• Почему пользователи стали реже покупать?
• Какая рекламная кампания принесла больше клиентов?
• На каком этапе люди покидают приложение?
• Какие товары чаще покупают вместе?
• В каком регионе продажи растут быстрее?
• Как изменение цены повлияло на спрос?
• Почему увеличилось количество обращений в поддержку?

Чтобы ответить на вопрос, аналитик определяет, какие данные ему понадобятся, получает их из базы, проверяет качество, проводит расчёты и представляет результат в понятном виде.

Хороший аналитик не ограничивается фразой: «Количество заказов снизилось на 20%». Он выясняет, когда началось снижение, какие пользователи или регионы были затронуты и что могло повлиять на результат.

Главная задача дата-аналитика — не показать цифры, а объяснить, что они означают для бизнеса.

Нужно ли быть математиком

Для работы дата-аналитиком не требуется уметь решать сложные уравнения в уме или иметь высшее математическое образование. Большинство вычислений выполняют программы.

Однако аналитику необходимо понимать основные математические и статистические понятия:

• проценты и доли;
• среднее значение и медиану;
• темпы роста;
• распределение данных;
• вероятность;
• корреляцию;
• статистическую значимость;
• принципы проверки гипотез.

Например, в одной группе покупателей средний чек составляет 5 000 рублей, а в другой — 8 000 рублей. Можно сделать вывод, что вторая группа тратит больше.

Но сначала нужно проверить, не появился ли такой результат из-за одного необычно крупного заказа. Возможно, большинство покупателей второй группы потратили около 4 000 рублей, но один клиент сделал заказ на 300 000 рублей и сильно увеличил среднее значение.

В такой ситуации медиана — значение, находящееся в середине упорядоченного списка, — может точнее показать обычное поведение покупателей.

Аналитику важно не столько быстро считать, сколько понимать смысл расчётов и не делать поспешных выводов.

Нужно ли уметь программировать

Дата-аналитик обычно не разрабатывает сайты и приложения, но работает с техническими инструментами.

Чаще всего ему нужны:

На старте важнее всего освоить таблицы и SQL.

SQL — это язык запросов к базе данных. С его помощью аналитик может попросить систему показать заказы за определённый период, посчитать количество покупателей, сравнить продажи по регионам или найти пользователей, которые давно не возвращались.

Python расширяет возможности аналитика, но начинать обучение именно с него необязательно. Знание языка программирования без понимания бизнеса и принципов анализа ещё не делает человека хорошим специалистом.

Какие качества нужны дата-аналитику

Любопытство

Аналитику должно быть интересно не только что произошло, но и почему это произошло.

Допустим, количество регистраций в приложении выросло на 30%. На первый взгляд это хороший результат. Но аналитик продолжит исследование:

• Откуда пришли новые пользователи?
• Завершили ли они регистрацию?
• Совершили ли покупку?
• Продолжили ли пользоваться приложением?
• Не появились ли тестовые или ошибочные аккаунты?

Иногда рост одного показателя скрывает проблему в другом. Например, реклама привела много новых пользователей, но почти никто из них не стал клиентом.

Логическое мышление

Аналитику необходимо разделять факты, предположения и выводы.

Если продажи выросли после запуска рекламы, это ещё не доказывает, что рост произошёл именно благодаря рекламе. На результат могли повлиять сезонность, снижение цены, появление нового товара или действия конкурентов.

Дата-аналитик рассматривает разные объяснения и проверяет, какие из них подтверждаются данными.

Внимание к деталям

Ошибка в одном фильтре или формуле способна полностью изменить результат исследования.

Аналитик может случайно включить в расчёт отменённые заказы, выбрать неправильный период или посчитать одного клиента несколько раз. График при этом будет выглядеть убедительно, но вывод окажется неверным.

Поэтому аналитик проверяет:

• период исследования;
• единицы измерения;
• условия фильтрации;
• пропущенные значения;
• повторяющиеся записи;
• происхождение данных;
• корректность формул.

Терпение и настойчивость

Реальные данные редко бывают идеально подготовленными. В них встречаются пустые поля, дубликаты, неправильные даты, странные значения и противоречия между источниками.

Иногда большую часть рабочего дня аналитик выясняет, почему два отчёта показывают разные результаты. Для этого приходится проверять формулы, обращаться к разработчикам и разбираться, как информация попадает в базу.

Такая работа требует терпения. Нельзя просто выбрать цифру, которая выглядит правдоподобно.

Умение объяснять

Дата-аналитик работает не только с таблицами, но и с людьми.

Руководителю необязательно знать, как был написан SQL-запрос. Ему важно понять:

• что изменилось;
• почему это важно;
• насколько можно доверять результату;
• что рекомендуется сделать.

Поэтому хороший аналитик умеет заменить сложный отчёт одним понятным графиком и несколькими содержательными выводами.

Понимание бизнеса

Цифры нельзя анализировать отдельно от реальной задачи компании.

Например, бизнес хочет увеличить количество регистраций. Аналитик предлагает упростить форму и убрать несколько обязательных полей. Регистраций становится больше, но одновременно растёт количество мошеннических аккаунтов.

Формально нужный показатель улучшился, однако бизнес получил новую проблему.

Аналитику важно понимать:

• как компания зарабатывает;
• кто является её клиентом;
• какие действия пользователей приносят ценность;
• какие показатели связаны между собой;
• какие ограничения нельзя игнорировать.

Глубокое понимание конкретной отрасли приходит с опытом. На старте достаточно интересоваться устройством бизнеса и не бояться задавать вопросы.

Нужно ли быть интровертом

Существует стереотип, что аналитик весь день молча работает с таблицами. В действительности профессия предполагает регулярное общение.

Аналитику приходится:

• уточнять задачу у заказчика;
• выяснять происхождение данных;
• обсуждать расчёты с коллегами;
• согласовывать определения показателей;
• презентовать результаты;
• отвечать на вопросы;
• объяснять ограничения исследования.

Профессия подходит как интровертам, так и экстравертам. Интроверту может нравиться самостоятельное исследование данных, а экстраверту — обсуждение результатов с командами.

Важнее не тип личности, а способность спокойно общаться, задавать уточняющие вопросы и обосновывать свою точку зрения.

Какое образование подходит для профессии

В дата-аналитику приходят специалисты с разным образованием:

• техническим;
• экономическим;
• финансовым;
• математическим;
• маркетинговым;
• социологическим;
• гуманитарным.

Каждое направление может дать полезную основу. Экономист понимает финансовые показатели, маркетолог — поведение аудитории, социолог — работу с выборками, а программист — базы данных и технические инструменты.

Отсутствие профильного диплома не закрывает путь в профессию. Но недостающие знания придётся освоить самостоятельно: изучить SQL, статистику, визуализацию и принципы работы с данными.

Для работодателя важен не только диплом, но и способность решить практическую задачу и понятно объяснить результат.

Кем не нужно быть, чтобы стать Data Analyst

Для входа в профессию необязательно быть:

• математическим гением — достаточно понимать основные статистические методы;
• опытным программистом — для начала можно освоить таблицы и SQL;
• человеком с идеальной памятью — команды и формулы можно найти, если вы понимаете принципы;
• экспертом во всех отраслях — предметную область изучают во время работы;
• специалистом, который никогда не ошибается — важнее уметь находить и исправлять ошибки.

Профессиональный аналитик не тот, кто всегда уверен в себе, а тот, кто умеет проверить собственный результат.

Кому профессия может не подойти

Работа дата-аналитика может оказаться некомфортной, если вы:

• хотите получать только точные и полностью сформулированные задачи;
• не любите перепроверять расчёты;
• быстро теряете терпение при поиске ошибок;
• хотите работать с цифрами и совсем не общаться с людьми;
• не готовы объяснять свои выводы;
• предпочитаете всегда полагаться на интуицию;
• не хотите регулярно осваивать новые инструменты;
• ожидаете впечатляющего открытия от каждого исследования.

В аналитике много неопределённости. Заказчик может прийти с вопросом «Почему всё стало хуже?», а специалисту придётся самостоятельно определить, что означает «хуже» и какие данные помогут найти причину.

Как проверить, подходит ли вам аналитика

Попробуйте провести небольшое исследование на знакомых данных. Например, проанализируйте личные расходы за несколько месяцев.

1. Соберите операции в одну таблицу.
2. Разделите расходы по категориям.
3. Проверьте пропуски и повторяющиеся записи.
4. Сравните суммы за разные месяцы.
5. Найдите самое заметное изменение.
6. Определите возможную причину.
7. Постройте один или два графика.
8. Сформулируйте три вывода.

Важно не просто посчитать показатели, а объяснить их.

Не самый полезный вывод:

Расходы на транспорт выросли на 25%.

Более содержательный вариант:

Расходы на транспорт выросли на 25% по сравнению с прошлым месяцем. Основной причиной стало увеличение количества поездок на такси с 5 до 12, тогда как средняя стоимость одной поездки почти не изменилась.

Если вам понравилось искать причины, проверять предположения и формулировать выводы, профессия может оказаться подходящей.

Какие навыки осваивать в первую очередь

Начинающему дата-аналитику можно двигаться по следующему маршруту:

1. Изучить Excel или Google Таблицы. Освоить формулы, фильтры, сортировку, сводные таблицы и графики.
2. Освоить SQL. Научиться получать, фильтровать, группировать и объединять данные.
3. Разобраться в базовой статистике. Понять среднее, медиану, проценты, распределения и корреляцию.
4. Научиться визуализировать результаты. Выбирать подходящие графики и не перегружать их деталями.
5. Освоить BI-инструмент. Например, Power BI, Tableau или DataLens.
6. Выполнить несколько проектов. В портфолио должны быть задача, анализ, визуализация и выводы.
7. Начать изучать Python. Он пригодится для автоматизации и обработки более сложных данных.

Не нужно пытаться освоить все инструменты одновременно. Для первого проекта достаточно таблиц, базового SQL и умения объяснить результат.

Краткий вывод

Чтобы стать Data Analyst, необязательно быть профессиональным математиком, программистом с детства или человеком с особым складом ума.

Гораздо важнее:

• интересоваться причинами происходящего;
• мыслить последовательно;
• замечать детали;
• проверять данные;
• спокойно работать с неопределённостью;
• понимать задачи бизнеса;
• объяснять сложное простыми словами.

Технические инструменты можно освоить постепенно. Сложнее выработать привычку задавать правильные вопросы и не делать вывод раньше, чем данные действительно его подтвердят.

Дата-аналитик — это не человек, который просто работает с цифрами. Это специалист, который с помощью данных помогает другим понять происходящее и принять более обоснованное решение.