Halo, Habr! Pada tanggal 28 September, Skillfactory meluncurkan aliran kursus Analis Data baru , jadi kami memutuskan untuk melakukan tinjauan luas tentang pasar kerja yang ditawarkan perusahaan saat ini.
Bisakah profesi analis data benar-benar menghasilkan hingga 300k / nanosec? Keterampilan apa yang dibutuhkan pemberi kerja dari analis dan apa yang perlu Anda ketahui secara umum untuk menjadi spesialis yang dicari dan dibayar tinggi? Peluang pertumbuhan apa yang ditawarkan pasar saat ini?
Kami menganalisis 450 lowongan untuk posisi analis data di Rusia dan luar negeri dan mengumpulkan hasilnya dalam artikel ini.
Siapa analis data dan apa yang perlu dia ketahui
Sebelum menganalisis lowongan, mari kita lihat apa yang dilakukan Analis Data di sebuah perusahaan. Di bidang TI, ada tiga bidang spesialisasi dalam bekerja dengan data: Analis Data, Insinyur Data, dan Ilmuwan Data.
Analis Data mengumpulkan informasi, memproses, dan menafsirkannya ke dalam "bahasa manusia". Faktanya, ini menerjemahkan statistik dan data besar menjadi kesimpulan yang dapat dimengerti dan visual yang dapat digunakan untuk mengembangkan proyek atau bisnis tertentu secara umum.
Hasil kerja analis data menjadi dasar pengambilan keputusan bisnis.
Insinyur Datatidak lagi berfungsi dengan data itu sendiri, tetapi dengan infrastrukturnya: basis data, penyimpanan, dan sistem pemrosesan. Insinyur data menentukan bagaimana menganalisis data sehingga berguna untuk proyek. Singkatnya, Data Engineer sedang menyiapkan pipeline pemrosesan data.
Ilmuwan Data menangani pekerjaan informasi strategis. Dialah yang menciptakan peramalan, pemodelan dan sistem analisis dinamis, menerapkan otomatisasi dan algoritma pembelajaran.
Kesulitan utama adalah bahwa batasan antara ketiga spesialisasi ini agak kabur. Sebagian besar perusahaan tidak melihat perbedaannya, jadi sering kali ada persyaratan dalam pekerjaan Data Analyst yang lebih cocok untuk Data Engineer atau Data Scientist.
Hal ini terutama disebabkan oleh spesifikasi pasar. Jika perusahaan IT mengetahui bahwa Data Analyst, Data Engineer dan Data Scientist idealnya adalah tiga spesialis yang berbeda atau bahkan tiga departemen yang berbeda, maka dalam perusahaan produk dan industri mereka seringkali tidak memikirkannya.
Apa yang diinginkan pemberi kerja dari seorang analis data
Kami menganalisis lebih dari 450 lowongan untuk posisi analis data yang dibuka pada Agustus-September 2020. Dalam banyak kasus, persyaratan untuk spesialis sangat berbeda. Seperti yang kami tulis di atas, batasan antara Data Analyst, Data Engineer dan Data Scientist sudah terhapus, sehingga sering terjadi judul lowongan yang tertulis “Data Analyst”, namun kenyataannya lowongan tersebut sepenuhnya sesuai dengan “Data Engineer”. Tetapi kami dapat menyoroti serangkaian keterampilan keras dan lunak yang ditunjukkan oleh pemberi kerja di sebagian besar lowongan untuk posisi analis data.
Keterampilan keras
Python dengan pustaka analisis data Pandas dan NumPy . Ini harus dimiliki, pengetahuannya setidaknya pada tingkat dasar dibutuhkan oleh 83% perusahaan di industri ini. Hanya 17% pemberi kerja yang membutuhkan pengetahuan tentang R, JavaScript, dan bahasa pemrograman lainnya.
Menariknya, pada 2013, menurut survei analis data dan ilmuwan data, bahasa R jauh lebih populer dalam analisis data - bahasa ini digunakan oleh 61% spesialis.
SQL - Hampir semua pekerjaan membutuhkan pengetahuan tentang SQL dan keterampilan database relasional. Paling sering, mereka membutuhkan kemampuan untuk menulis kueri dan mengoptimalkannya.
Pengusaha jarang membutuhkan keterampilan dalam sistem manajemen basis data NoSQL seperti MongoDB, CouchDB atau Apache Cassandra - sekitar 9% dari lowongan.
Power BI, Qlik, Tableau . Sebagian besar perusahaan tidak memerlukan pengetahuan tentang program visualisasi data tertentu. Mereka biasanya menunjukkan salah satu dari tiga untuk dipilih, atau menulis "sistem visualisasi data" tanpa menentukan yang spesifik. Secara umum, spesialis dapat memilih mana yang lebih nyaman untuk mereka gunakan. Mayoritas majikan tidak memiliki posisi berprinsip.
Pengalaman dengan Agile, Scrum, Kanban... Di hampir setengah dari lowongan, pemberi kerja menunjukkan bahwa keuntungan tambahan adalah kemampuan untuk bekerja dengan metodologi pembuatan produk yang gesit.
Artinya, penting tidak hanya apa yang dilakukan analis data dalam spesialisasinya, tetapi juga bagaimana dia melakukannya.
Tetapi pengalaman dengan Agile bukanlah persyaratan utama (meskipun itu diindikasikan dalam lowongan). Ya, pencari kerja harus meluangkan waktu untuk membiasakan diri bekerja dalam format ini, tetapi menurut perusahaan, ini tidak penting.
Excel dan Google Sheets . Anehnya, sepertiga dari lowongan membutuhkan pengetahuan tentang spreadsheet. Ini terutama dibutuhkan oleh perusahaan produk dan konsultan yang memiliki sedikit tumpang tindih dengan pengembangan digital, atau proyek yang relatif kecil di mana seluruh departemen analitik terdiri dari beberapa orang.
Memang, tim kecil sering kali tidak perlu menggunakan sumber daya SQL yang kuat saat Excel biasa sudah cukup untuk memproses data. Namun dalam situasi seperti itu, "analis data" sering melakukan semuanya sekaligus: mengumpulkan dan menganalisis data, infrastruktur, dan otomatisasi.
Banyak perusahaan menyoroti latar belakang matematika tingkat tinggi . Tetapi di sini Anda perlu memahami bahwa Data Analyst, tidak seperti Data Scientist, menggunakan alat matematika yang agak terbatas, jadi Anda tidak perlu menjadi seorang jenius matematika. Sebagian besar tugas seorang analis data cocok dengan kerangka pengetahuan dasar statistik, teori probabilitas, analisis matematika, dan aljabar linier.
Pendidikan tinggi dalam matematika berguna, tetapi dengan uji tuntas, Anda dapat mempelajari sendiri semua fungsi yang diperlukan. Tetapi bagi Ilmuwan Data, pengetahuan matematika yang mendalam sudah dianggap penting. Jika Anda berencana untuk berkembang dari Analis Data menjadi Ilmuwan Data, perhitungan matematika perlu diperketat.
Untuk hard skill dasar, itu saja. Sisanya ditemukan di kurang dari 10% lowongan, sehingga dapat dikaitkan dengan karakteristik individu pekerjaan di masing-masing perusahaan.
Keterampilan lunak
Secara umum, mereka hampir sama untuk semua spesialisasi yang bekerja dengan data:
- Berpikir kritis
- Pikiran analitik
- Kemampuan untuk mengungkapkan dan menyampaikan informasi dengan benar
- Tanggung jawab dan perhatian terhadap detail
- Pemikiran bisnis
- Kesediaan untuk membuat keputusan dan bertanggung jawab atas hasilnya
- Multitasking
- Selera humor
«». , , .
, . , . . , , .
Hanya bahasa Inggris yang membedakan soft skill . Banyak perusahaan menandai pengetahuan bahasa Inggris sebagai keuntungan, tetapi ada sejumlah lowongan yang dirancang untuk bekerja dalam tim internasional dan dengan proyek berbahasa Inggris. Karena itu, kelancaran berbahasa Inggris adalah suatu keharusan.
Bahasa Inggris wajib seringkali merupakan gaji yang menyenangkan. Lowongan di proyek internasional menjamin kompensasi moneter 1,3-2 kali lebih banyak daripada di proyek berbahasa Rusia.
Gaji dan barang lainnya untuk analis data
Sekarang mari beralih ke bagian yang menyenangkan - gaji. Kami menganalisis lowongan terbuka di situs web HH.ru dan Habr Career .
Analis data dibutuhkan dalam bisnis besar dan menengah, terutama dalam proyek-proyek yang berhubungan dengan digital dan TI. Bank fintech, agensi digital, perusahaan makanan yang membangun sistem penjualan online, proyek konsultasi. Di antara lowongan tersebut terdapat perwakilan bisnis di hampir semua bidang: dari kedokteran hingga industri berat.
Sebagian besar lowongan untuk analis data pada 09/12/2020 terbuka di Moskow (241) dan St. Petersburg (74). Sebagai perbandingan, hanya ada 99 lowongan untuk posisi ini di seluruh Rusia.
Menariknya, hanya 20% perusahaan yang menunjukkan tingkat gaji di iklan itu sendiri. 80% sisanya lebih suka mendiskusikan hadiah uang dalam percakapan pribadi dengan pemohon.
Penyebaran gaji cukup besar. Itu tidak hanya tergantung pada pengalaman pelamar, tetapi juga pada geografi. Misalnya, analis peserta pelatihan di Perm menerima 25.000 rubel, sedangkan Analis Data di kantor sebuah perusahaan internasional di Moskow mendapatkan 200.000 rubel.
Di Moskow, gaji rata-rata untuk seorang analis data adalah 134.000 rubel. Seorang spesialis yang baik dengan pengalaman minimal 2 tahun dapat mengandalkannya dengan baik.
Di St. Petersburg, situasinya mirip dengan di Moskow, tetapi gajinya sedikit lebih rendah. Analis data rata-rata dapat mengandalkan 101.000 rubel sebulan. Sedangkan sisanya, kondisinya hampir sama dengan yang ada di Moskow.
Trainee dan spesialis Junior menerima dari 60.000 rubel. Ada sejumlah kecil lowongan yang menawarkan di bawah jumlah ini (8%), tetapi kebanyakan menawarkan pekerjaan paruh waktu atau mingguan terbatas.
Kepala departemen analitik dan spesialis senior dapat mengandalkan gaji 170.000 rubel atau lebih. Bahkan ada lowongan yang menawarkan lebih dari 250.000 rubel sebulan. Ya, mereka membutuhkan lebih dari 5 tahun pengalaman dalam analitik dan sejumlah besar kompetensi, tetapi masih ada lowongan seperti itu. Jadi cukup jelas di mana Anda bisa tumbuh.
Manfaat tambahan dan motivator sering disebut sebagai peluang untuk pelatihan perusahaan, asuransi kesehatan, dan bahkan program pensiun perusahaan. Beberapa perusahaan menawarkan relokasi ke Eropa atau Amerika Serikat setelah beberapa tahun bersama perusahaan. Disukai oleh banyak "kue dan kopi" juga ditemukan, tetapi cukup jarang. Kebanyakan pemberi kerja mengandalkan motivator yang sangat berguna.
Di kota-kota lain di Rusia, situasinya lebih buruk. Mereka menghapus sebagian esensi dari pekerjaan analis data, dia menjadi lebih seperti seorang enikeys. Di perusahaan kecil untuk beberapa lusin orang, analis umumnya satu dan sepenuhnya memproses semua informasi bisnis.
Gaji spesialis seperti itu juga bukan yang terbaik. Rata-rata, seorang analis di luar Moskow dan St. Petersburg menerima 54.000 rubel. Dalam separuh kasus, sering kali tidak ada "roti" tambahan sama sekali, tetapi sebaliknya hanya terbatas pada bes̶p̶l̶a̶t̶n̶y̶m̶ ̶k̶i̶p̶ya̶t̶o̶ch̶k̶o̶m̶ ̶n̶a̶ ̶k̶o̶f̶e̶p̶o̶y̶n̶te̶e̶ “olahragawan dan kopi.
Gaji maksimum seorang analis data yang dapat diandalkan oleh spesialis di daerah adalah 100.000 rubel. Tetapi untuk mendapatkan lebih banyak, Anda tidak harus pindah ke Moskow. Anda dapat dengan mudah menemukan lowongan jarak jauh - secara resmi bekerja di ibu kota, tetapi tinggal di kota asal Anda. Banyak perusahaan pergi menemui pelamar yang mereka minati.
Kami juga melakukan analisis komparatif lowongan dari Ukraina dan Belarusia.
Gaji rata-rata seorang analis data di Ukraina adalah sekitar UAH 20.000 (RUB 53.000). Di ibu kota, ada lowongan dengan gaji 2-2,5 kali lebih tinggi, tetapi ditawarkan terutama oleh perusahaan internasional dengan cabang di Kiev.
Situasinya sama persis di Belarusia. Gaji rata-rata seorang analis data adalah 2.800 rubel Belarusia (81.000 rubel), tetapi kisaran gajinya sangat besar. Di Gomel, misalnya, seorang analis dengan pengalaman setahun menghasilkan rata-rata 1.100 rubel Belarusia (31.000 rubel Rusia), sementara di Minsk seorang spesialis dapat memperoleh hingga 10.000 (287.000 rubel Rusia).
Di mana harus datang ke profesi dan di mana mengembangkan analitik data
Diyakini bahwa adalah mungkin untuk masuk ke dalam kasta analis hanya dengan pengetahuan matematika yang luar biasa. Tapi bukan ini masalahnya.
Analytics biasanya ditempati oleh pengembang Junior dan Python Tengah. Sebagai tambahan, jika Anda memiliki pengetahuan dasar tentang SQL - umumnya sangat baik. Dalam hal ini, akan lebih mudah untuk menangani semua fitur pekerjaan.
Anda juga bisa memulai karir Anda langsung dengan seorang analis. Pilih dari lusinan kursus yang tersedia - dan pergilah. Anda tidak perlu tahu matematika yang lebih tinggi. Untuk Data Analyst Junior dan Middle level, Anda hanya membutuhkan pengetahuan alat untuk bekerja dengan data. Dan dalam banyak kasus, pengetahuan matematika di sekolah sudah cukup.
Ada banyak peluang pertumbuhan bagi analis data juga. Tiga yang paling jelas adalah Spesialis Data Mining, Data Engineer, Data Scientist. Yang pertama bekerja secara langsung dengan menemukan data untuk analitik, yang kedua mengembangkan infrastruktur data, dan yang ketiga - perkiraan dan strategi.
Opsi lain yang memungkinkan adalah analitik BI. Visualisasi data analitik adalah keterampilan terpisah, dan banyak perusahaan besar menghargai karyawan yang tidak hanya dapat menganalisis informasi, tetapi juga berkomunikasi dengan jelas kepada manajemen.
Khusus untuk materi ini, kami meminta Alexander Tsarev, pendiri SmartDataLab, pemimpin kursus pendidikan BI SkillFactory, dan Sergey Zemskov, kepala arahan Power BI / DWH SmartDataLab, guru Bootcamp SkillFactory untuk mengomentari keterampilan yang diperlukan untuk pertumbuhan dalam analitik BI.
Ikhtisar tersebut mencantumkan kompetensi yang harus dimiliki, tetapi jika Anda ingin terus berkembang sebagai Analis Data, Anda harus tetap mengikuti perkembangan ETL dan mempelajari:
- Segitiga emas yang disebut Microsoft: SSRS, SSIS, SSAS;
- Memiliki pemahaman tentang ETL industri lainnya seperti KNIME;
- Literatur arsitektur data seperti Bill Inmon's Kimball Methodology;
- Anda juga perlu memahami setidaknya perkiraan pertama apa itu Informatica, GreenPlum, Pentaho, bagaimana mereka berbeda satu sama lain, dan cara kerjanya.
- , SAP Web Analytics BI SAP, Power BI (, - BI/DWH “BI HeadHunter”, ).
, .
Selain itu, seorang analis data dapat tumbuh menjadi produk, analis pemasaran, atau analis bisnis. Yaitu, mengambil tanggung jawab untuk pengembangan produk atau proyek tertentu, atau mengambil bagian dalam membuat keputusan bisnis strategis, mendukung pendapat Anda dengan data analitis.
Selain itu, analis data dapat masuk sepenuhnya ke dalam pengembangan dengan Python, tetapi opsi ini dipilih oleh sejumlah kecil spesialis.
Analis data adalah profesi yang menjanjikan dan banyak diminati. Dan untuk menjadi seorang Data Analyst, Anda tidak perlu menjadi Perelman dan mampu memecahkan teorema Poincaré - pengetahuan sekolah matematika dan ketekunan dalam menguasai alat-alat analis sudah cukup.
Baru-baru ini kami meluncurkan Kamp Pelatihan Online Rusia yang pertama untuk Analisis Datayang mencakup 5 minggu studi, 5 proyek dalam portofolio, magang berbayar untuk lulusan terbaik. Ini adalah format super intensif untuk yang paling termotivasi: Anda perlu belajar penuh waktu.
Cari tahu detail tentang cara mendapatkan profesi profil tinggi dari awal atau Naik Level dalam keterampilan dan gaji dengan mengikuti kursus online SkillFactory:
- Kamp Pelatihan Online Analisis Data (5 minggu)
- Kursus Analisis Data (6 bulan)
- Profesi analitik dengan level awal apa pun (18 bulan)
Lebih banyak kursus
- Data Science (12 )
- - (8 )
- Machine Learning (12 )
- «Machine Learning Pro + Deep Learning» (20 )
- « Machine Learning Data Science» (20 )
- «Python -» (9 )
- DevOps (12 )
- Java- (18 )
- JavaScript (12 )
- UX- (9 )
- Web- (7 )
