Parte 1
Durante los últimos meses, he estado atravesando una búsqueda llamada "dejar mi puesto como analista de marketing en FMCG y obtener una oferta para un analista de producto en TI". Me gustaría compartir mi experiencia y sistematizar la información recopilada durante este tiempo de diversas fuentes. Y para no ser infundado, hablando sobre las habilidades que debe tener un analista de producto, comenzaré con una revisión de la información abierta sobre los requisitos para los solicitantes en las vacantes de hh.ru.
Analicé datos abiertos sobre las vacantes publicadas en el sitio headhunter.ru el 28/10/2020 para la solicitud "Analista" y "Analista de productos". El cuaderno completo y los enlaces de datos están disponibles aquí .
Antes de hablar de mis conclusiones, haré una pequeña digresión sobre los detalles del análisis.
Tomé la lista de requisitos requeridos para una vacante específica de la sección de Habilidades clave de la descripción del puesto. No todos los RR.HH. llenan este campo con alta calidad: algunos se han sellado (Nota: "Phyton"), otros no
Quizás, para una descripción más precisa de las habilidades, especialmente las habilidades blandas (Nota: “tiene buenas habilidades de comunicación para comunicarse con los equipos comerciales y técnicos”), vale la pena resaltar los requisitos de la descripción completa del trabajo y dividirlos en grupos semánticos.
Teniendo en cuenta lo anterior, consideraría los porcentajes en las tablas siguientes no literalmente como "la proporción de vacantes en la especialidad donde se requiere esta habilidad", sino como "la prioridad de esta habilidad para una especialidad específica".
En total, 1.178 anuncios estuvieron disponibles para análisis, más del 60% de los cuales corresponden a 5 especialidades: analista, analista de negocios, analista de producto, analista de marketing y analista web.
¿En qué se diferencian las habilidades requeridas para cada especialidad?
Se puede ver que las habilidades clave para cada especialidad son diferentes: para un analista de producto, las habilidades técnicas son importantes (SQL, Python), para un analista de marketing suelen mencionar el análisis de marketing y PowerPoint, y para Web Analytics GA e I.Metrica (
Si continuamos con la lista de las principales habilidades para un analista de productos, resulta que las habilidades técnicas son seguidas por las analíticas (análisis de datos, pensamiento analítico, investigación analítica) y el conocimiento de las estadísticas (estadísticas matemáticas, análisis estadístico, pruebas a / b, minería de datos). Una lista completa con la interpretación de las frecuencias de las habilidades en la primera imagen con la nube de etiquetas.
¿Qué especialidad es más fácil de ingresar sin experiencia relevante?
La forma más sencilla es buscar trabajo en puestos junior y becarios en el campo del análisis de datos en las especialidades Analista de marketing y analista web: alrededor del 10% de las vacantes están listas para contratar personas sin experiencia.
Para el puesto de Analista de producto se espera más a personas con más experiencia: más de la mitad de las vacantes buscan a una persona con 3-6 años de experiencia relevante.
¿Cómo se diferencia el salario por especialidad?
Hay pocas vacantes con información abierta sobre salarios, solo 63. Sin embargo, es imposible resistirse y no mirar la distribución. Para una comparación adecuada, considere la mediana de los sueldos de nivel de entrada (experiencia laboral esperada “de 1 a 3 años”).
Un analista de negocios promedio puede contar con 140t, un analista de producto con 100t, y el menos dispuesto a pagar es un comercializador y analista web: 60t. Comercializadores y analistas web, ¡aprendan urgentemente BPMN o Python, SQL!
Un par de artículos relacionados antes de pasar a la segunda parte:
- Análisis para la búsqueda de analistas : una descripción general de las vacantes, las habilidades y los salarios de personas que entienden mucho más que yo sobre las cosas de recursos humanos.
- Texto sobre las habilidades requeridas en diferentes grados en Yandex.
- Un artículo sobre los tipos de analistas en TI (
leído en la voz de Drozdov).
Parte 2
La tarea de la segunda parte: recopilar en un solo lugar los recursos sobre los que puede aprender análisis de datos de forma gratuita, en particular análisis de productos. Será útil principalmente para principiantes y para aquellos que no quieran gastar dinero en un curso pagado.
Por cierto, si estás pensando en un curso pago, aquí puedes comparar las características formales (duración, precio, nivel) de muchas escuelas. Desafortunadamente, la calidad del material y la presentación es difícil de evaluar objetivamente, por lo que debe buscar revisiones usted mismo.
Dónde empezar a aprender Python:
- tome un curso introductorio gratuito de Yandex.Practicum sobre los conceptos básicos de Python y el análisis de datos.
Ventajas : es difícil encontrar el mejor comienzo: todo es simple, claro e interactivo. Y lo más importante, al final del curso, tendrá listo su primer proyecto independiente y una comprensión aproximada de las capacidades de Python para el análisis de datos.
Contras : habrá ganas de comprar el resto del curso.
- mira los cursos en stepik, por ejemplo, este .
Ventajas : puede repasar sus conocimientos sobre tipos de datos, bucles y ver cómo instalar Anaconda + Jupiter Notebook para comenzar a practicar por su cuenta.
Contras : Bibliotecas numpy y matplotlib muy brevemente cubiertas y no cubiertas en absoluto por pandas.
Cómo empezar a aprender SQL:
- vea este curso en stepik o este en kaggle.
Ventajas : Adecuado para principiantes.
Contras : estos cursos por sí solos no son suficientes, se necesita mucha más práctica.
- resolver problemas en sql-ex , sql-academy o sql-zoo .
Cada plataforma tiene sus pros y sus contras, vale la pena encontrar la que más te guste.
- es para el análisis de productos que a menudo se requiere familiaridad con Clickhouse.
Clickhouse tiene buena documentación y puedes practicarla , pero hay muy poca información sobre los matices del uso práctico. Por ejemplo, karpov.courses tiene un seminario web muy útil sobre cómo calcular la tasa de retención en ClikHouse.
Dónde empezar a aprender matemáticas:
- Si es realmente aterrador acercarse, puede comenzar desde cero en la academia Khan .
Ventajas : puede comenzar a aprender matemáticas, incluso con sumas y restas.
Contras : todos los videos están en inglés, además de que la información es estirada, a menudo desea acelerar.
Ventajas : todo es breve y al grano e inmediatamente con tareas.
Contras : tienes que sentarte y decidir, ¡como en la escuela!
- Libros de texto de teoría. fe y esterilla. estatua de V.E. Gmurman, S. Glantz.
Ventajas : todo está un poco más extendido aquí que en las fuentes del párrafo anterior, pero con más detalle.
Contras : tienes que sentarte y decidir, ¡como en el instituto!
- una vez más, vaya a stepik para cursos de teoría. fe y esterilla. stat .
Ventajas : los profesores explican claramente, hay práctica y discusión en los comentarios.
Contras : algunos puntos se simplifican enormemente y otros tendrán que resolverse más a fondo. Pero esto es un inconveniente de cualquier eurodiputado y la autoeducación.
Dónde adquirir experiencia en análisis de datos y aprendizaje automático:
- — Python CSC, Open Machine Learning Course ODS .
: , , .
: ( ), . - , . - DA DS , , , — , , CSC .
- ML ML . .
:
- .
Las primeras conferencias sobre algoritmos y estructuras de datos en Python de MIPT son interesantes de escuchar, incluso si no se va a convertir en un gurú de los algoritmos y otros gnomos: tratan sobre cómo funciona el
- Visualización (Tableau, Power BI, Y.Datalens, tablero).
I Tableau tiene acceso público gratuito, donde puede aprender gratis a crear paneles. La participación en maratones de Tableau o Datalens puede ser muy útil, aunque solo sea por el bien de los materiales de capacitación detallados. Si quieres complicar las cosas: ocúpate de Dash .
- Práctica práctica práctica.
Elija un proyecto interesante para su cartera en kaggle, hay conjuntos de datos para todos los gustos: desde la clasificación de hongos hasta reseñas de vinos y estadísticas de suicidios . ¡Para cada conjunto de datos, hay ejemplos y discusiones de cuadernos!
Y si kaggle no es suficiente, recopile datos para analizarlos usted mismo de un área que le interese: un ejemplo de análisis simple del sitio en la primera parte del texto.
Recomendaciones básicas:
- Para no confundirse y no perder la motivación por la gran cantidad de tareas, vale la pena hacer una lista con prioridades para cada elemento. Me resultó conveniente mantener una tabla en Google Drive.
- Una buena prueba de su propio conocimiento sería leer la teoría y resolver problemas sobre un tema en un recurso e inmediatamente intentar resolver problemas de un sitio vecino sobre el mismo tema. De esta forma, se pueden descubrir lagunas y complementar el conocimiento.
- Elige cuentas / públicas analíticas a tu gusto en tus redes sociales favoritas: estarás al tanto de las novedades y siempre habrá algo para desplazarse sobre una taza de té.
- Tenga en cuenta que cuando finalmente encuentre el trabajo de sus sueños, este no será el final del viaje, ¡sino el comienzo! Entonces, las pausas y el descanso de calidad son necesarios en el proceso.