Обзор профессии аналитика данных

Данные в виде электронных таблиц были с нами где-то с 1980-х годов, как раз тогда вышла первая версия Microsoft Excel. Однако в те времена никто не выводил анализ данных в отдельную отрасль, непосредственно на данных деньги не зарабатывались. Сейчас же анализ данных, ИИ, машинное обучение - лидирующая тема в ИТ-сообществе. Разбираемся, как так получилось и что послужило причиной.

Все знания, необходимые для профессии, можно условно поделить на две категории: хард-скиллы и софт-скиллы. Первые - программирование, знание специализированных программ и т.п. Последнее больше про общение, умение ставить и решать задачи, преодолевать трудности. В это статье мы поймем какие языки программирования и технологии используют аналитики.

1 тест для проверки знаний

Умение программировать, извлекать информацию из баз данных, проводить АБ-тесты далеко не ключевые в професии. Причина в том, что аналитик не существует в вакууме - он работает в команде таких же аналитиков, а получает задачи от представителей бизнеса. Чтобы успешно строить взаимоотношения с коллегами необходимо обладать недюжинными навыками общения, умением искать компромис и налаживать диалог с разными людьми.

1 тест для проверки знаний

Разобравшись с soft/hard-скиллами аналитика мы переходим к закономерному вопросу: в каких компаниях эти навыки можно применить? Какие отрасли используют большие данные и для каких целей? В этой статье даются ответы.

Аналитик - слишком общее название для списка профессий в отрасли больших данных. В данной статье мы увидим, что у аналитиков есть специализации, в каждой есть плюсы и минусы. Ряд профессий больше заточены под исследования и бизнес, другие - под разработку инфраструктуры.

Аналитик больших данных - перспективная и востребованная профессия. Однако как и любая другая деятельность она имеет ряд достоинств и недостатков. Не вызывает сомнений, что плюсы и минусы субъективны: недостаток для одного человека - преимущество для другого. Поэтому мы постараемся отойти от личных предпочтений и быть максимально объективными.

Аналитиками не рождаются, ими становятся. Многие аналитики данных пришли в отрасль из компаний, где они работали, в основном, в Excel и VBA. Отрасль еще молодая, ей требуется много специалистов. В ВУЗах дают одну теорию, игнорируя актуальные для отрасли задачи. В тоже время специалисты, работающие в Excel и программирующие на VBA, подходят идеально на роль аналитиков: уже есть понимание работы с данными, имеются навыки программирования и визуализации.

Заинтересовались? Тогда читайте нашу подборку бесплатных материалов по Python и Pandas. Основными навыками аналитика является программирование на Python и SQL. Знание Pandas и Matplotlib идеально дополнит ваше резюме и позволит решать практически любые задачи по анализу данных.

Изучать анализ данных можно и самому. Это непростой путь, но его можно пройти если есть много времени и возможность ошибаться. Но гораздо быстрее и с меньшими усилиями можно получить работу, закончив нашу менторскую программу. Почему? - читайте в этой статье.

В курсе мы кратко затронули технические навыки, необходимые аналитику данных. В данной статье мы приведем подробную карту развития аналитика: список тем, конкретику по каждой теме и, главное, зачем та или иная тема нужна