Bagian 1
Selama beberapa bulan terakhir, saya telah melalui sebuah pencarian yang disebut "untuk keluar dari posisi saya sebagai analis pemasaran di FMCG dan mendapatkan tawaran untuk analis produk di bidang TI". Saya ingin berbagi pengalaman saya dan mensistematisasikan informasi yang dikumpulkan selama ini dari berbagai sumber. Dan agar tidak berdasar, berbicara tentang keterampilan apa yang harus dimiliki seorang analis produk, saya akan mulai dengan ulasan informasi terbuka tentang persyaratan pelamar dalam lowongan hh.ru.
Saya mengurai data terbuka tentang lowongan yang diposting di situs headhunter.ru pada 10/28/2020 untuk permintaan "Analis" dan "Analis Produk". Buku catatan lengkap dan tautan ke data diposting di sini .
Sebelum berbicara tentang kesimpulan saya, saya akan membuat sedikit penyimpangan tentang detail analisis.
Saya mengambil daftar persyaratan yang diperlukan untuk lowongan tertentu dari bagian Key Skills di deskripsi posisi. Tidak semua HR mengisi kolom ini dengan kualitas tinggi: beberapa telah ditutup (Catatan: "Phyton"), beberapa memiliki
Mungkin, untuk akun keterampilan yang lebih akurat, terutama keterampilan lunak (Catatan: "Anda memiliki keterampilan komunikasi yang baik untuk berkomunikasi dengan tim bisnis dan teknis"), perlu menyoroti persyaratan dari deskripsi pekerjaan lengkap dan memecahnya menjadi kelompok semantik.
Mempertimbangkan hal di atas, saya akan menganggap persentase dalam tabel di bawah ini tidak secara harfiah sebagai "bagian dari lowongan di bidang khusus di mana keterampilan ini dibutuhkan", tetapi sebagai "prioritas keterampilan ini untuk bidang khusus".
Secara total, 1.178 iklan tersedia untuk dianalisis, lebih dari 60% di antaranya berada dalam 5 spesialisasi: analis, analis bisnis, analis produk, analis pemasaran, dan analis web.
Bagaimana keterampilan yang dibutuhkan untuk setiap spesialisasi berbeda?
Dapat dilihat bahwa keterampilan utama untuk setiap spesialisasi berbeda: untuk Analis Produk, keterampilan teknis itu penting (SQL, Python), untuk Analis Pemasaran mereka sering menyebutkan analisis pemasaran dan PowerPoint, dan untuk Web Analytics GA dan I. Metrica (
Jika kita melanjutkan daftar keterampilan teratas untuk Analis Produk, ternyata keterampilan teknis diikuti oleh analisis (analisis data, pemikiran analitis, penelitian analitik) dan pengetahuan statistik (statistik matematika, analisis statistik, tes a / b, penggalian data). Daftar lengkap dengan interpretasi frekuensi keterampilan pada gambar pertama dengan tag cloud.
Spesialisasi apa yang paling mudah untuk dimasuki tanpa pengalaman yang relevan?
Cara termudah adalah mencari pekerjaan di posisi junior dan magang di bidang analisis data di spesialisasi Analis pemasaran dan analis Web - sekitar 10% lowongan siap mempekerjakan orang tanpa pengalaman.
Orang yang lebih berpengalaman paling sering diharapkan untuk posisi Analis Produk: lebih dari setengah lowongan mencari orang dengan pengalaman relevan 3-6 tahun.
Apa perbedaan gaji menurut spesialisasi?
Ada sedikit lowongan dengan informasi terbuka tentang upah - hanya 63. Namun demikian, tidak mungkin untuk menolak dan tidak melihat distribusinya. Untuk perbandingan yang memadai, pertimbangkan median gaji level awal (pengalaman kerja yang diharapkan "dari 1 hingga 3 tahun").
Seorang analis bisnis rata-rata dapat mengandalkan 140t, analis produk 100t, dan yang paling tidak bersedia membayar adalah pemasar dan analis web: 60t. Pemasar dan analis web, segera pelajari BPMN atau Python, SQL!
Beberapa artikel terkait sebelum melanjutkan ke bagian kedua:
- Analisis untuk perburuan analis - ikhtisar lowongan, keterampilan, dan gaji dari orang-orang yang lebih memahami tentang hal-hal SDM daripada saya.
- Kirim teks tentang keterampilan yang dibutuhkan di berbagai kelas di Yandex.
- Artikel tentang jenis analis di TI (
baca dengan suara Drozdov).
Bagian 2
Tugas bagian kedua: mengumpulkan di satu tempat sumber daya di mana Anda dapat mempelajari analisis data secara gratis, khususnya analisis produk. Ini akan berguna terutama untuk pemula dan mereka yang tidak ingin mengeluarkan uang untuk kursus berbayar.
Ngomong-ngomong, jika Anda berpikir tentang kursus berbayar, di sini Anda dapat membandingkan karakteristik formal (durasi, harga, level) untuk banyak sekolah. Sayangnya kualitas materi dan presentasi sulit untuk dinilai secara obyektif, sehingga sebaiknya Anda mencari review sendiri.
Di mana untuk mulai belajar Python:
- ikuti kursus pengantar gratis dari Yandex.Practicum tentang dasar-dasar Python dan analisis data.
Kelebihan : sulit untuk memulai awal yang terbaik: semuanya sederhana, jelas, interaktif. Dan yang paling penting, pada akhir kursus Anda akan memiliki proyek independen pertama Anda dan pemahaman kasar tentang kemampuan Python untuk analisis data siap.
Kekurangan : akan ada keinginan untuk membeli sisa kursus.
- lihat kursus tentang stepik, misalnya, yang ini .
Kelebihan : Anda dapat memoles pengetahuan Anda tentang tipe data, loop, dan melihat cara menginstal Anaconda + Jupiter Notebook untuk mulai berlatih sendiri.
Kekurangan : Perpustakaan numpy dan matplotlib tertutup sangat singkat dan tidak tercakup sama sekali oleh panda.
Cara mulai belajar SQL:
- lihat kursus ini di stepik atau yang ini di kaggle.
Kelebihan : Cocok untuk pemula.
Kekurangan : kursus-kursus ini saja tidak akan cukup, dibutuhkan lebih banyak latihan.
- memecahkan masalah di sql-ex , sql-academy atau sql-zoo .
Setiap platform memiliki pro dan kontra masing-masing, ada baiknya Anda menemukan yang paling Anda sukai.
- untuk analisis produk, pemahaman dengan Clickhouse sering kali diperlukan.
Clickhouse memiliki dokumentasi yang bagus dan Anda dapat mempraktikkannya , tetapi hanya ada sedikit informasi tentang nuansa penggunaan praktis. Misalnya, karpov.courses memiliki webinar yang sangat berguna untuk menghitung tingkat retensi di ClikHouse.
Di mana mulai belajar matematika:
- Jika benar-benar menakutkan untuk didekati, Anda bisa mulai dari awal di akademi Khan .
Kelebihan : Anda dapat mulai belajar matematika, bahkan dengan penjumlahan dan pengurangan.
Kekurangan : semua video dalam bahasa Inggris, ditambah informasi yang diperpanjang, seringkali Anda ingin mempercepat.
Kelebihan : semuanya singkat dan langsung ke sasaran dan segera dengan tugas.
Kekurangan : Anda harus duduk dan memutuskan, seperti di sekolah!
- Buku teks tentang teori. iman dan tikar. patung V.E. Gmurman, S. Glantz.
Kelebihan : semuanya sedikit lebih luas di sini daripada di sumber dari paragraf sebelumnya, tetapi lebih terinci.
Kekurangan : Anda harus duduk dan memutuskan, seperti di institut!
- sekali lagi pergi ke stepik untuk kursus teori. iman dan tikar. stat .
Kelebihan : dosen menjelaskan dengan jelas, ada latihan dan diskusi di kolom komentar.
Kekurangan : beberapa poin sangat disederhanakan, dan beberapa harus dipikirkan lebih lanjut. Tapi ini adalah minus dari MEP dan pendidikan mandiri.
Di mana mendapatkan pengalaman dalam Analisis Data dan ML:
- — Python CSC, Open Machine Learning Course ODS .
: , , .
: ( ), . - , . - DA DS , , , — , , CSC .
- ML ML . .
:
- .
Beberapa kuliah pertama tentang algoritme dan struktur data dengan Python dari MIPT menarik untuk disimak, bahkan jika Anda tidak akan menjadi ahli algoritma dan gnome lainnya: mereka membahas cara kerja
- Visualisasi (Tableau, Power BI, Y.Datalens, tanda hubung).
I Tableau memiliki akses publik gratis, di mana Anda dapat belajar secara gratis untuk membuat dasbor. Partisipasi dalam maraton dari Tableau atau Datalens bisa sangat berguna, jika hanya untuk materi pelatihan yang terperinci. Jika Anda ingin memperumit hal-hal: hadapi dengan dasbor .
- Praktek-praktek-praktek.
Pilih proyek yang menarik untuk portofolio Anda di kaggle, ada kumpulan data untuk setiap selera: dari klasifikasi jamur hingga ulasan anggur dan statistik bunuh diri . Untuk setiap dataset, ada contoh dan diskusi notebook!
Dan jika kaggle tidak cukup, kumpulkan data untuk analisis diri Anda dari area yang Anda minati - contoh penguraian situs sederhana di bagian pertama teks.
Rekomendasi dasar:
- Agar tidak bingung dan tidak kehilangan motivasi karena banyaknya tugas, ada baiknya membuat daftar dengan prioritas tiap item. Sangat nyaman bagi saya untuk mengelola tabel di Google Drive.
- Tes yang baik untuk pengetahuan Anda adalah membaca teori dan memecahkan masalah pada beberapa topik pada satu sumber daya dan segera mencoba untuk memecahkan masalah dari situs tetangga pada topik yang sama. Dengan cara ini, celah dapat ditemukan dan pengetahuan ditambahkan.
- Pilih publik / akun analitis yang Anda sukai di jejaring sosial favorit Anda: Anda akan mengetahui berita dan akan selalu ada sesuatu untuk digulirkan di atas secangkir teh.
- Ingatlah bahwa ketika Anda akhirnya menemukan pekerjaan impian Anda, ini bukanlah akhir dari perjalanan, tetapi awal! Jadi jeda dan istirahat yang berkualitas diperlukan dalam prosesnya.