Всегда есть плюсы и минусы

Не бывает идеальных профессий, всегда есть достоинства и недостатки. Даже для одного и того же человека плюс может превратиться в минус. К примеру, сначала вы любили решать нестандартные задачи, а потом со временем поняли, что лучше бы все было по-алгоритму - так тратиться меньше времени и энергии.

Достоинства профессии

✅ Высокая заработная плата . Без ложной скромности отметим, что аналитики получают отличную зарплату😎 по меркам ИТ.

✅ Относительно невысокие барьеры для входа . Будучи опытным специалистом (в другой сфере) стать аналитиком больших данных с ростом зарплаты проще, чем разработчиком. Например, зная Эксель, проще стать синьором (senior analyst) в аналитике, чем синьором в разработке. Подробнее об этом в статье .

✅ Множество вакансий с удаленной работой . Большинство компаний не требует находиться в офисе 5 дней в неделю. В крайнем случае предлагают гибридный формат, который затем можно свести к полностью удаленному.

✅ Востребованность на рынке . Вакансий аналитиков много и компании испытывают определенные трудности в поиске - людей банально не хватает. Поэтому проблем с поиском работы не будет.

✅ Значимое влияние на результат . Работа аналитика оказывает сильное влияние на бизнес. Поэтому вы будете делать значимую работу, к результатам которой прислушиваются на самом высоком корпоративном уровне. Перебирать бумажки в офисе вы больше не будете.

✅ Интересные и нестандартные задачи . Работа действительно интересная, задачи нестандартные, мало рутины. Если надоело клепать однотипные таблицы или быть менеджером на телефоне - переходите в аналитику, не пожалеете.

✅ Использование мозгов . Задачи нестандартные, надо думать, подключать голову. Никаких однотипных заданий, на работе действительно интересно.

Недостатки профессии

Аналитик больших данных - почти работа мечты😉, но субъективно назовем пару-тройку негативных моментов.

❌ Не совсем про программирование . Да, аналитики пишут много кода на Python и SQL, но он часто используется для расчетных задач: скачал данные -> вычислил (с помощью Python/Pandas), получил результат (табличка, график) -> сделал отчет -> код выбросил.

❌ Развивающаяся культура разработки . Многие аналитики никогда не разрабатывали приложения и не знакомы с паттернами проектирования, чистой архитектурой, модульным тестированием и т.п. Поэтому аналитики-джуны могут писать запутанный код, с которым тем не менее придется работать вам.

❌ Задачи не всегда четко поставлены . Аналитикам ставит задачи бизнес (а кто же еще), но бизнес-сотрудники не всегда умеют объяснять что же им нужно. Бывают задачи в стиле "что-то сломалось, почини", "нужно понять, почему", "нужно поисследовать причины". Согласитесь, проблема распространена во многих отраслях, не только в аналитике.

❌ Бывают вакансии человека-швейцарского ножа . Иногда компании требуют от аналитиков быть настолько разносторонними, что такие знания вряд ли уместятся в голове одного человека. Компенсируется это солидной зарплатой. Не работайте в таких компаниях, если не хотите быть "аналитиком всего" или стремитесь соответствовать.