На эту статью меня вдохновил мем о «лёгкой» работе айтишников, которые, мол, просто включают компьютер и получают за это по 300к в секунду. В комментариях к нему кто-то написал: «Ребят, недостаточно просто работать, надо ещё и любить свою работу». Вот тут я и задумалась: а можно ли обойтись без любви?

Понимаю, что айтишные зарплаты и идея получить профессию за полгода кажутся привлекательными. Но даже если ты освоишь все нужные хардскилы, не факт, что дорастёшь до зп, о которой шутят в мемах. Например, потому, что тебе не подойдёт специфика работы, а ежедневная рутина будет бесить и демотивировать.
Возможно, необязательно любить всё, что ты делаешь, но вот подумать о том, чего ты делать не любишь, точно стоит. И сегодня я хочу поговорить как раз о специфике работы аналитика. Эту статью я написала для тех, кто только присматривается к профессии. Надеюсь, она поможет вам принять осознанное решение.
Если вы НЕ обнаружите у себя эти 5 признаков, приходите на курс «Аналитик данных» в Практикум, я там наставник. Если же всё это про вас — подумайте дважды.
1. Вас быстро утомляет работа, требующая внимательности к деталям
В работе аналитика не всё состоит из интересных задач вроде прогнозирования, построения моделей или A/B-тестирования. Иногда приходится долго копаться в данных, тратить много времени на рутинные действия, которые не дают ощутимого бизнес-результата.
Например, если возникает странное отклонение в данных, мы как аналитики проводим полное расследование: выясняем причины, ищем ошибки в логах, тестируем разные сценарии, вручную сверяем показатели. Для этого нужна усидчивость.
|
Объясню на примере. Мне нужно было узнать среднее время, которое пользователи проводят на одной из страниц сайта. На первый взгляд, задача элементарная: посчитать среднее и медианное значения — дело на пару минут. Но средние значения были нереалистично высокими, в районе 13 часов. Кто вообще сидит 13 часов на странице корзины? Тем не менее получились такие цифры, хотя всё было рассчитано корректно. Я посмотрела распределение данных: медиана тоже была слишком большой. Тогда я решила воспроизвести ситуацию: зашла на сайт, ввела свой ID, добавила товар в корзину и начала следить за временем на странице. Не закрывая её, продолжила заниматься другими делами в интернете. Когда проверила данные, стало ясно, что учитывалось не активное время нахождения на странице, а всё время, пока она была открыта. Нужно было изменить подход к логированию. О чём этот пример? Нельзя просто прийти к заказчику и сказать: «Знаете, у нас так получилось, что средний пользователь 13 часов сидит на странице. Вот такие странные данные». Нужно докопаться до сути и найти причину, что далеко не всегда бывает интересно или быстро. |
2. Вы не готовы много общаться с людьми
Часто слышу от знакомых проджект-менеджеров и эйчаров: «Я устал от общения, хочу перейти в аналитику, чтобы просто писать код и ни с кем не разговаривать». Сама по себе эта мысль забавная, потому что в реальности аналитика — это далеко не работа с компьютером 24/7.
Многие представляют себе работу аналитика так: получаешь чёткое ТЗ в таск-трекере, выполняешь задачу и переходишь к следующей. Но на деле успех в решении задачи больше чем наполовину зависит от того, правильно ли ты понял вопрос. А заказчик далеко не всегда знает, чего на самом деле хочет. Поэтому аналитик в первую очередь выясняет реальную проблему или «боль» заказчика.
Бывает, что задачу формулируют слишком детализированно, ТЗ пестрит запросами: какие метрики посчитать, в каких разрезах, за какой период. О чём это обычно говорит? Скорее всего, у заказчика есть проблема и собственное видение её решения, но не факт, что оно правильное. Задача аналитика — встретиться с заказчиком, понять, почему именно эти метрики важны, и разобраться, что на самом деле скрывается за цифрами. Только после этого можно приступать к работе.
В другом случае ТЗ может быть, наоборот, слишком абстрактным. Например: «Найдите точки роста продукта». Этих точек — множество. Аналитик должен помочь заказчику конкретизировать запрос: выяснить, какую именно проблему нужно решить, и предложить подходящие метрики и исследования. Всё это обсуждается на встречах.
Аналитику приходится общаться не только с заказчиками, но и с другими командами. Вернёмся к примеру с 13 часами на странице: чтобы понять, почему логирование ведётся таким образом, я обратилась к разработчикам.
Часто задачи решаются методом переговоров — и это мой любимый подход. Бывает, что проблема лежит не в данных, а в плоскости человеческих взаимоотношений или даже психологии. И тогда нужно просто сказать: «Дружище, давай это протестируем и посмотрим результат» или «Давай не будем тратить время на то, что уже не сработало».
3. Вы планируете часто менять место работы
Когда я пришла на свою первую работу, там уже был опытный аналитик, который собирался увольняться. Я удивилась: зачем уходить из компании, которая предлагает безлимит фисташек, фэнси-завтраки, тусовки по пятницам, да ещё и интересные задачи?
Он объяснил, что аналитик становится ценным для компании с годами — чем дольше работаешь на одном месте, тем лучше знаешь продукт и тем быстрее можешь разобраться в данных. Но у этого есть и обратная сторона: со временем становится скучно.
Постоянная смена работы в поисках новых ощущений не выход, это только мешает стать сильным спецом. И что делать?
Один из вариантов — на старте карьеры выбрать компанию с возможностями для «перемещений». Так вы сможете со временем перейти в другой продукт или команду — разнообразить задачи, но при этом продолжить развитие в компании с уже накопленной экспертизой. Второй вариант, как у меня, — «расти вширь», то есть заниматься разными задачами в одной области. И всё-таки домен останется тем же. Это всё ещё аналитика, и без интереса к профессии будет сложно сохранять мотивацию.
P.S. Здесь стоит добавить, что речь о продуктовых компаниях. В консалтинге, например, другая специфика: вы работаете над проектами для разных клиентов и постоянно меняете область.
4. Вы не хотите ничего решать
Однажды моя подруга, тоже аналитик, призналась, что устала от работы, потому что ей приходится постоянно принимать решения. Так или иначе что-то решать вы будете в любой профессии, но вопрос в том, насколько сильно это будет влиять на бизнес.
В руках аналитика результаты A/B-тестов, от которых зависит — выкатывать в прод новую фичу или нет. Такие действия напрямую влияют на пользователей приложения. Проджект-менеджеры часто рассчитывают на аналитиков, думая, что они-то уж точно смогут принять правильное решение на основе данных.
Но данные не всегда дают чёткий ответ, чаще всего они говорят: «Вообще без разницы, что хотите, то и делайте». В таких случаях аналитик вынужден полагаться на свой опыт и косвенные признаки, принимать не самое надёжное решение, а затем нести за него ответственность. А ошибки неизбежны.
Был случай, когда я предложила отключить фичу, которая, судя по данным, не приносила ощутимой пользы. Мы её отключили, а потом начали получать жалобы от наших платящих пользователей. Я не оценила, что хотя фича и была не слишком популярной, но её использовали ценные для нас люди. Включили обратно.
Профессия аналитика подойдёт тем, кто быстро принимает решения, умеет выдерживать ответственность и спокойно воспринимать собственные ошибки.
5. Вам некомфортно быть плохим полицейским
Иногда я ощущаю себя самым плохим человеком в компании, потому что приходится приносить неприятные новости и определять, какая команда допустила ошибку. Такая информация неизбежно кому-то не понравится.
Например, бывает, что новая фича, на разработку которой проджект-менеджер потратил полгода, оказывается неэффективной и не приносит денег. Я как аналитик должна сказать об этом: корректно объяснить, в чём дело, и предложить идеи для исправления ситуации.
Другой пример — продукт не покупают. Маркетологи утверждают, что проблема в продукте, а команда разработки считает, что маркетинг неправильно его позиционирует. Тогда я изучаю данные и выясняю, кто прав, а кто нет.
Приходить с плохими новостями — задача не из приятных. К тому же аналитикам часто хочется, чтобы фича всё-таки заработала, — велик риск «натянуть сову на глобус» и «подогнать» данные. Именно поэтому в нашей профессии так необходима способность выдерживать напряжение, эффективно управлять коммуникацией и сохранять объективность.
Почему в этом списке нет хардскилов? Потому что их проще прокачать. Обычно на развитие технических навыков уходит от нескольких месяцев до полугода, и тут всё решается практикой и обучением. Гораздо сложнее — пересобрать себя, превратиться из интроверта в человека, который с удовольствием и без стресса обсуждает проекты и отстаивает свои решения.
Я ни разу не увольняла аналитиков из-за недостатка хардскилов, а вот из-за проблем с мягкими навыками расставаться приходилось. Поэтому я всегда советую при выборе профессии смотреть не только на технические задачи, но и на специфику работы. Это повышает шансы, что вы полюбите своё дело и добьетесь в нём успеха.
Комментарии (9)

Alex_Skosyrev
25.10.2024 06:59Хочу дополнить ещё то, что хорошим аналитиком вы не станете, если вам тяжело отказывать людям.
Важно быть честным и сохранять нейтралитет в подходе к анализу данных. К вам прямо или косвенно могут обращаться, чтобы вы слегка поправили выборку данных, по-другому на них посмотрели для того чтобы инициатор получил выгоду (его фичу не выпилили, например). Нужно уметь жёстко говорить, что вы за выяснение истины, а не за подлог.
Если не уметь говорить "нет", то вы станете плохим аналитиком, примерно как градусник, который отражает не реальную температуру, а ту, которая "очень просит партия".

Darina_Kukhtina Автор
25.10.2024 06:59Согласна про нейтралитет! Но сама, к счастью, пока не сталкивалась с тем чтобы просили "подкрутить" данные

schwammkl
25.10.2024 06:59Если вы хотите вдруг стать аналитиком с курсов, самое веселое, к чему нужно готовиться - от 400 откликов на вакансию за 40 тыр. Т.е. теория вероятностей начинает вас настигать в самом начале карьеры :)

vladislavcw
25.10.2024 06:59Я аналитик и я просто сижу и втыкаю в монитор. С людьми дальше "здравствуйте" общаюсь не часто. Ничего не решаю и плохим полицейским ни разу не был
То, что представлено в статье - личный опыт автора, который он пытается выдать за истину в последней инстанции

beskov
25.10.2024 06:59не личный опыт, это родовое бельмо яндекс практикума, что они всех аналитиков смешали в одну кучу
Andryushok
Честно разобрали не самые очевидные сложности, а то порой создаётся впечатление, что аналитик просто сидит и смотрит в данные.
mclander
Да. Сидит и смотрит в данные, сидит и смотрит в данные, сидит и смотрит в данные. Потому что в данных какой-то бред, но все утверждают, что на их стороне всё как часы. И угадай у какого ребенка (из 28) няня без глаза, зато в лабутенах.
Darina_Kukhtina Автор
Оооо да))
Darina_Kukhtina Автор
Спасибо!) Рада что статья полезна -- я действительно хотела подчеркнуть что работа аналитика не только в это.