Di bidang apa analitik lebih diminati?
Sepertinya bagi saya bahwa industri yang paling populer saat ini adalah analitik pemasaran produk. Dan bahkan mungkin analitik produk, yang kurang umum di perusahaan. Analisis keuangan sudah sangat tua, ada banyak orang yang bekerja secara tradisional, Anda bahkan dapat bertemu mereka yang memiliki pengalaman puluhan tahun. Pemasaran juga telah berkembang sejak lama, tetapi lebih muda dari analitik keuangan. Analitik produk menjadi semakin banyak diminati dalam konteks pengembangan produk TI. Topik ini juga mulai dimigrasi secara offline - konsep manajemen produk juga muncul di produk offline. Itu sebabnya saya pikir ini adalah area terpanas. Meskipun, pada akhirnya, di masing-masing bidang ini, Anda harus dapat menemukan tempat yang bagus dengan penghasilan yang baik jika Anda seorang profesional.
Seberapa pentingkah bagi seorang analis untuk membangun mereknya, dan, misalnya, menulis artikel tentang kasusnya di Habré, VC, atau di tempat lain?
Di sini Anda perlu memutuskan apa yang ingin Anda capai. Analis bukanlah orang yang sangat mudah bergaul dan tidak banyak komunitas analis data, tetapi ini tidak menghalangi mereka untuk membangun karier. Jika Anda ingin berbagi sesuatu dengan dunia, maka, tentu saja, ada baiknya melakukan semua ini. Dan ketika Anda menjadi orang yang terbuka, membangun merek pribadi Anda, menjadi lebih mudah bagi Anda untuk berkenalan, Anda lebih dikenal dan lebih mudah bagi Anda untuk menemukan pekerjaan dan beberapa peluang. Jika ada tujuan seperti itu, silakan saja! Tetapi jika Anda hanya ingin mencari pekerjaan, maka resume dengan hasil pekerjaan sebelumnya akan cukup. Anggap saja itu berguna, tetapi tidak perlu.
Di mana saya bisa mendapatkan ide untuk otomatisasi proses?
Penting untuk melihat hal-hal mana yang paling membutuhkan pekerjaan dan di mana jumlah terbesar orang terlibat untuk memahami apakah mereka dapat diganti dengan beberapa hal otomatis, misalnya, melalui proses ETL. Dan biaya otomatisasi harus ditanggung dengan mengurangi tenaga kerja manual, sehingga orang-orang ini benar-benar dibebaskan, atau akan terlibat dalam beberapa hal lain. Kami mengambil suatu proses, melihat seberapa padat karya itu, seberapa besar membuat orang gelisah dan berapa banyak kesalahan yang mereka buat di dalamnya, kami memberi peringkat semua proses utama yang terjadi di perusahaan berdasarkan kriteria ini. Biasanya, ketika Anda melakukan pekerjaan semacam ini, menjadi jelas apa yang bisa dilakukan dan apa yang lebih penting.
, , ( ) , ( )?
Di sini pertanyaannya adalah apa yang lebih menarik. Di perusahaan dengan pesanan kurang, seseorang memperoleh lebih banyak pengalaman manajerial. Dia perlu mengumpulkan insinyur yang berbeda untuk memahami apa yang layak dilakukan, dia perlu bereaksi dengan cepat dan mengingat banyak hal. Ini adalah pengalaman yang keren, terutama jika Anda membidik manajemen dan Anda tertarik pada luasnya pengetahuan. Tapi, di perusahaan seperti itu, sebagai aturan, tidak ada cukup waktu untuk kedalaman pengetahuan. Jika Anda ingin melakukan tugas yang rumit, menerapkan beberapa metode menarik, maka lebih baik pergi ke perusahaan dengan proses yang dibangun dengan baik. Karena itu, semuanya tergantung pada arah yang ingin Anda kembangkan. Dan di sana, dan di sana ada cara untuk membangun karier dan tingkat penghasilannya sebanding.
Bagaimana cara beralih dari QA ke analytics?
Saya rasa tidak ada aturan khusus. Jika Anda tidak memiliki pengalaman, maka Anda memiliki selembar kertas kosong di resume Anda. Dalam hal ini, Anda harus bertindak seperti seorang junior: mencari tempat-tempat di mana Anda akan dipekerjakan ketika Anda memiliki sedikit atau tanpa pengalaman. Pada saat yang sama, jika Anda, seperti QA, memahami hal-hal yang berkaitan dengan struktur basis data, Anda dapat menulis kueri SQL, maka Anda sudah memiliki basis data tertentu saat memasukkan analitik. Mereka yang mempekerjakan Anda akan segera memahami tugas-tugas apa yang dapat Anda lakukan dan tidak memerlukan keterampilan analitis dari Anda, mendapatkan manfaat langsung, secara bertahap menyelesaikan tugas-tugas di mana Anda akan mengembangkan keterampilan analitis Anda.
Keterampilan apa yang harus disebutkan dalam resume analitik? Apa yang akan menjadi nilai tambah, apa yang akan dihargai?
Hal pertama yang akan dihargai dalam resume adalah deskripsi masalah nyata yang Anda pecahkan. Bukan kisah sedih di mana ada beberapa proses aneh yang terus-menerus menimpa Anda, dan Anda memikirkan hal ini dengan seksama, tidak jelas mengapa. Yang terbaik adalah menyebutkan pencapaian tertentu, metrik yang ditemukan, masalah yang diselesaikan, ketika masalah diselesaikan dengan bantuan analitik dan pekerjaan Anda dalam bisnis. Ini, pertama-tama, menunjukkan bahwa Anda dapat dipercayakan dengan tugas dan Anda dapat menemukan solusi. Untuk seorang majikan, yang paling penting adalah memahami apa yang akan menguntungkan Anda sebagai seorang analis.
Selain itu, ini juga akan menjadi nilai tambah jika Anda menentukan keterampilan yang terkait dengan hal-hal teknis: SQL, sistem BI, ARL Python (tergantung pada perusahaan, karena tidak semua perusahaan memerlukan ini).
Apakah cukup untuk memulai karir sebagai analis dengan pengetahuan SQL dan Python, tanpa statistik dan analisis matematika?
Ini mungkin merupakan set yang baik untuk memulai karier. Tetapi ini jelas tidak cukup untuk menjadi seorang analis. Anda harus mendapatkan pengetahuan yang diperlukan. Mengetahui SQL dan Python, Anda dapat pindah ke spesialisasi rekayasa data, di mana Anda akan lebih terlibat dalam menyiapkan transformasi data. Ini juga merupakan profesi yang sangat populer, sangat penting bagi analis, karena analis tidak dapat bekerja dengan data yang tidak siap. Di sini Anda tidak perlu statistik dan kalkulus. Ini mungkin area yang lebih menarik bagi Anda. Tetapi, jika Anda masih tertarik pada bidang subjek bisnis, menarik untuk masuk ke statistik, maka Anda perlu mendapatkan keterampilan ini di tempat kerja, tertarik dengan topik ini dan memahami bagaimana Anda dapat menerapkan metode ini dalam pekerjaan Anda.
Seringkali Junior adalah orang dengan pengalaman hingga satu tahun, tetapi bagaimana memulainya jika tidak ada pengalaman? Mencari pekerjaan terkait?
Pengalaman pribadi saya adalah ini: Saya diundang untuk bekerja sebagai analis, karena saya terlalu banyak bertanya di dalam perusahaan. Saya bekerja di perusahaan dan mengganggu departemen analitik dengan berbagai pertanyaan tentang basis klien, tentang apa yang terjadi pada mereka dan bagaimana kerjanya, dan suatu hari mereka mengusulkan kepada saya bahwa saya bekerja dengan mereka. Ini adalah bagaimana saya masuk ke analytics. Cukup aneh dan acak.
Dan jika saya sengaja mencari pekerjaan di bidang analitik sekarang, maka saya akan bertindak dengan cara "dahi". Orang perlu menulis resume dan mencari perusahaan yang menerima orang dengan sedikit pengalaman atau magang untuk mendapatkan pengalaman ini. Ada sejumlah perusahaan yang siap membayar Anda sedikit lebih sedikit, tetapi Anda dapat memperoleh pengalaman yang dapat Anda gunakan dalam resume masa depan Anda. Ini adalah cara utama untuk memulai. Jika Anda mencari pekerjaan terkait, itu bisa terlalu bundar. Akibatnya, Anda akan bekerja di beberapa tempat dan masih harus menjelaskan kepada majikan bagaimana semua jalan memutar ini terkait dengan pekerjaan yang Anda coba dapatkan. Kemungkinannya adalah, Anda tidak akan menang dengan membuang waktu untuk pekerjaan terkait.
Bagaimana Anda bisa memotivasi seorang analis yang keren untuk menjadi seorang mentor? Apa yang bisa berguna bagi mentor pemula?
Menjadi seorang mentor adalah sifat karakter. Seseorang harus senang mengatakan sesuatu, berbagi pengetahuan dan, sampai batas tertentu, memuaskan harga diri dan kepentingan diri sendiri melalui mengajar orang lain. Ini adalah motif untuk mentor yang baik untuk tertarik pada orang-orang yang bekerja dengannya. Pendampingan semacam itu menyediakan cara untuk mengaktualisasikan diri. Fakta bahwa pengetahuan Anda hidup pada orang lain, bahwa Anda mengembangkan orang lain, bahwa Anda dapat membuat semacam perubahan dalam komunitas analis, dengan demikian menyebarkan pendekatan dan metode Anda dalam komunitas ini. Dan juga, pendampingan adalah salah satu tahapan manajemen. Jika seseorang ingin mengendalikan orang lain, maka kepemimpinan dalam banyak hal terdiri dari pengembangan orang-orang dengan siapa Anda bekerja. Inilah gunanya menjadi mentor.Jika seseorang hanya ingin menyelesaikan masalah dan tidak tertarik untuk mengajar orang lain, dia tidak khawatir sama sekali bahwa rekan-rekannya tidak tahu bagaimana melakukan sesuatu, dia tidak mendapatkan gatal untuk mengajar mereka tentang hal ini, dia percaya bahwa ada padang rumputnya di mana dia perlu bekerja, maka lebih baik menggunakan orang ini untuk tujuannya, sehingga dia bisa bekerja di tempat terbuka ini dan menjadi efektif, memuatnya dengan tugas-tugas yang lebih kompleks. Dan ambil orang lain sebagai mentor.
Wrike ?
Di Wrike, pekerjaan disusun sedemikian rupa sehingga kami memiliki tim produk yang memiliki manajer produk dan, biasanya, analis produk ditugaskan kepadanya, yang mengerti dengan dia apa yang terjadi dengan produk, dan bersama-sama mereka mencoba memahami metrik apa yang dibutuhkan, bagaimana untuk mengaplikasikannya, bagaimana memahami keberadaan kesuksesan. Analis mengetahui data apa yang dibutuhkan dan bagaimana menghitung semuanya.
Alat kami adalah pertanyaan Tableau, Python ARL, dan SQL. Kami mengumpulkan banyak data tentang perilaku pelanggan, data agregat pada pemasaran, keuangan, dan semua ini ada di gudang data terpusat kami. Ini adalah kotak alat utama kami. Jika Anda ingat tentang menertibkan, maka kami memiliki bagian penting dari pesanan dasar yang telah ditetapkan dan kami perlu menggali lebih dalam ke dalam produk itu sendiri, untuk memahami apa yang terjadi di dalamnya.
Data Scientist, Data Analyst, Business Analyst: , , ? , , ?
Tampak bagi saya bahwa ketiga arah ini tidak dapat membingungkan. Ini seperti mengambil seseorang yang front-end dan back-end, dan tahu 20 bahasa, menulis semua persyaratan dan mengelola proyek pada saat yang sama. Tidak ada yang baik akan datang dari ini, tidak akan ada spesialisasi dan kedalaman di salah satu arah. Oleh karena itu, lebih baik tidak mencampur arah ini.
Analis data menggunakan metode dari analitik bisnis dan data sains, tetapi mengkhususkan sedikit pada masalah lain. Seperti tanggal Ilmuwan, mereka perlu memahami metode-metode tertentu dari bisnis dan tanggal analitik agar dapat melaksanakan pekerjaan mereka secara efektif. Jika sebuah perusahaan tidak dapat mempekerjakan ketiga spesialis, pertanyaannya adalah: "Mengapa dia ingin mempekerjakan satu atau beberapa spesialis lain?". Spesialis ini menyelesaikan berbagai tugas tertentu.
Analis bisnis memformalkan apa yang ingin kita lakukan sehingga pengembang memahami apa yang perlu mereka lakukan sehingga persyaratannya dalam bentuk normal, yang disetujui oleh pelanggan bisnis dan yang dipahami oleh pengembang. Jika suatu perusahaan mengkhususkan diri dalam pengembangan perangkat lunak, maka mereka memerlukan orang yang terpisah untuk posisi analis bisnis, atau ini akan berada dalam kompetensi manajer produk. Jika perusahaan ingin menganalisis data yang dimilikinya, mengambil keputusan berdasarkan data itu, maka mereka membutuhkan analis data. Dan jika sebuah perusahaan ingin terlibat dalam pembelajaran mesin, jika memiliki bidang subjek untuk ini, ada beberapa tugas yang dapat diselesaikan dengan bantuan ML, maka perlu menyewa tanggal Ilmuwan atau meng-outsource-kannya.
Ketika Anda memberi tanggal kepada ilmuwan, tanggal analis, ia mulai sedih, ketika ia menemukan bahwa ia hampir tidak terlibat dalam pembelajaran mesin. Dan itu gila untuk mencoba dan mengacaukan pembelajaran mesin ke banyak tugas analis data. Oleh karena itu, seorang analis bisnis mungkin tidak dapat bekerja dengan data, ini bukan arahannya. Karenanya, praktik ini tidak masuk akal.