Привет, Хабр!

Я Денис, Продуктовый Аналитик с большим опытом, а также ментор. Через меня прошло большое количество людей, которым я помог по абсолютно разным вопросам: от помощи с резюме и подготовкой к собеседованию до полного проведения до первого оффера, я сам провёл большое количество собеседований. Я прошёл довольно тяжелый путь и попал в аналитику полностью с нуля, не проходя курсов от Яндекса, Скиллбокса и т.д. У меня ушло около 11 месяцев на весь путь, чтобы получить свой первый оффер в Т-Банк (Тинькофф), я самостоятельно изучал много нового материала, смотрел видео на ютубе, где-то искал бесплатные курсы и двигался к своей цели. Моя дорога была вовсе не прямой, я много чего изучал ненужного, где-то останавливался и сворачивал не туда. В этой статье я хочу дать подробный гайд, как стать продуктовым аналитиком.

Поехали!

Технические навыки

Начнём с самой важной части любого продуктового аналитика - это его технические навыки. На мой взгляд, основной стек продуктового аналитика должен выглядеть так (именно начинающего):

• SQL

• Python (базовый питон + питон для анализа данных)

• BI система

• Теория вероятностей и математическая статистика

• A/B тестирование

• Продуктовое понимание

Научившись использовать все эти навыки Вы сможете свободно ходить на собесы, но только технических навыков будет мало, но про это поговорим позже, а сейчас давайте расскажу про сами навыки более подробно!

SQL

Самый важный технический навык на всех аналитических позициях - SQL. Без него Вы не сможете быть хорошими продуктовыми аналитиками и приносить импакт команде. Сейчас довольно высокая планка входа, поэтому SQL нужно на довольно хорошем уровне. Вот основные темы, которые потребуются новичку:

• Базовые запросы, как выбирать несколько столбцов

• Математические операторы в SQL

• Фильтрация данных с помощью WHERE

• Операторы AND, OR, LIKE

• Группировка (GROUP BY) и сортировка (ORDER BY) данных

• Соединение таблиц, виды джоинов и чем они отличаются

• Работа с датой (функции с помощью которых можно доставать месяц из даты например)

• Подзапросы и временные таблицы

• Оконные функции

Это необходимый набор тем, которые потребуются в работе. SQL очень часто используется продуктовыми аналитиками, поэтому постарайтесь понять этот язык, научитесь “думать” на нём. Как и любой технический навык, SQL нужно изучать с точки зрения практики. Вы можете брать любую таблицу на Kaggle например и анализировать её: где-то сгруппировать данные, где-то отфильтровать и выявить интересный сегмент, старайтесь максимально приближать ваши действия к тому, что вы бы делали на работе. Есть много интересных видео на ютубе касаемо того, что именно можно делать с помощью SQL в аналитике, не поленитесь и посмотрите их.

По моему опыту, я скажу так, что за полтора-два месяца можно в спокойном темпе изучить SQL и уже применять его в каких-то реальных задачах, но стоит отметить, что после изучения всех тем, важно еще “набивать” руку на задачах, поэтому вот полезный материал, который Вы можете использовать.

Где решать задачи:

• https://leetcode.com/

• https://www.stratascratch.com/

• https://datalemur.com/

• https://www.datacamp.com/

• https://stepik.org/course/63054/promo

• https://sql-academy.org/ru/trainer

Где изучать материал:

• https://practicum.yandex.ru/blog/samouchitel-sql/

• https://habr.com/ru/articles/255361/

• https://specfx.narod.ru/books/SQL_M_Gruber.pdf

• https://www.youtube.com/watch?v=HVQNxdI6fqY&list=PLBheEHDcG7-k1Y_Uy04Dj2ylWhcfSfqoF

• https://www.youtube.com/watch?v=lapMmGGFS7k&list=PL0lO_mIqDDFVnLvR39VpEtphQ8bPJ-xR9

Главное, что нужно запомнить касаемо изучения любого технического навыки - это то, что нужно хотя бы 30 минут в день посвящать этому навыку и тогда на дальней дистанции Вы станете гуру этого языка.

Python

Вторым языком аналитика является скриптовый язык. После извлечения данных из базы с помощью SQL необходимо провести их обработку, очистку, продолжить с анализом и извлечением выводов.

Python - навык, который не всегда требуют на начальных позициях, но это будет хорошим плюсом для вашего резюме, да и в любом случае Вам потребуется в будущем изучить его, потому что не все задачи можно закрыть с помощью SQL. Python для продуктового аналитика - это как швейцарский нож, с помощью питона можно закрыть практически все задачи, связанные с продуктовой аналитикой:

• найти инсайты в данных и понять их причину

• сделать быструю визуализацию данных

• сделать мини-дешборд

• рассчитать необходимый размер выборки для A/B теста

• все задачи, которые можно закрыть с помощью SQL

• узнать, есть ли стат.значимая разница между двумя выборками

• работа с API

• автоматизация рутинных задач

• и многое другое

Я постоянно использую Python в своей работе, он очень сильно помогает мне в работе и ускоряет выполнение множества задач. Темы в Python для продуктового аналитика можно разделить на две группы:

• Базовый Python

• Python для анализа данных

Чаще всего Вы будете использовать именно Python для анализа данных, но на собесах также любят спрашивать темы из базового Python, поэтому нужно быть готовым ко всему. А теперь давайте посмотрим, что же нужно знать:

• Базовый Python:

  • создание переменных

  • математические операции с переменными

  • типы данных и работа с ними

  • условный оператор

  • циклы for, while

  • ООП

  • алгоритмы

• Python для анализа данных

  • numpy

    • Научиться генерировать нужное распределение данных

    • Математические операции

  • pandas

    • Как выбрать нужные столбцы

    • Фильтрация данных

    • Агрегация данных

    • Группировка и сортировка данных

    • Соединение таблиц

    • Метод apply

    • Продвинутый pandas

  • matplotlib / seaborn / plotly.express

    • Здесь нужно научиться рисовать каждый тип графика (линейный, столбчатый и тд)

Здесь очень много разных ошибочных мнений, например: якобы в numpy Вы должны уметь работать с матрицами, знать как найти определитель матрицы и тд. На самом деле, никому это не нужно (если Вы не идете в Data Science), а если Вы увидите на собеседовании вопрос типа: “Дана матрица, посчитайте её определитель”, то лучше сразу бежать, потому что это никак не отражает реальную работу.

Реальные сроки изучения этого ЯП на довольно хорошем уровне - примерно 2 месяца. Опять таки, эта цифра взята при условии того, что Вы будете посвящать обучению хотя бы по 30 минут в день (каждый день).

А вот и материалы, по которым бы я лично изучал Python:

• https://education.yandex.ru/handbook/python/article/intro

• https://habr.com/ru/articles/738438/

• https://www.youtube.com/playlist?list=PLDyJYA6aTY1lPWXBPk0gw6gR8fEtPDGKa

• https://stepik.org/course/67/promo?utm_source=feed_april24&utm_medium=organic&utm_campaign=67

• https://stepik.org/course/58852/syllabus?utm_campaign=58852&utm_medium=organic&utm_source=feed_april24

Полезные советы

Хочу Вам дать несколько советов, которые позволят Вам получить оффер намного быстрее:

• Изучайте любой материал с точки зрения практики. Не нужно учить тонны теории, которые Вам никак не могут, не тратьте своё время

• Сделайте несколько пет-проектов и начинайте ходить на собес. Нарабатывайте навык прохождения собеседований, записывайте собеседования и анализируйте их

• Не идите на онлайн-курсы. Я бы не советовал начинающим ребятам идти на курсы, потому что большинство людей после курсов не получают свой оффер. И на это есть следующие причины:

  • курс сложный, человек просто уходит с него

  • человек понимает, что это не его, но деньги уже потрачены

  • на курсе готовят всех одинаково, нет индивидуального подхода, не учитывается именно мнение каждого

  И исходя из этих всех пунктов, мы получаем на выходе человека, которые просто потратил свои деньги. Лучше изучайте самостоятельно / ищите ментора, это будет самая лучшая инвестиция в обучение.

Итог

В этой части я рассказал про SQL и Python, а уже в следующий раз я Вам расскажу про остальные необходимые навыки продуктового аналитика. Также я делюсь полезной информацией в своём телеграмм канале. Если у Вас есть какие-то вопросы касаемо входа в IT, то можете писать мне в личку тг, буду рад Вам помочь!