哈Ha！Skillfactory将于9月28日启动一个新的Data Analyst课程流，因此我们决定对公司今天提供的就业市场进行广泛的概述。
数据分析师行业真的可以提高到“ 300k /纳秒”吗？雇主需要分析师提供哪些技能？要成为受追捧且高薪的专家，您通常需要了解什么？今天的市场提供了哪些增长机会？
我们分析了450个职位空缺，作为俄罗斯和国外数据分析师的职位，并在本文中收集了结果。
谁是数据分析师，他需要知道什么
在分析空缺之前，让我们看一下Data Analyst在公司中的工作。在IT领域，处理数据涉及三个专业领域：Data Analyst，Data Engineer和Data Scientist。
数据分析师收集信息，进行处理并将其解释为“人类语言”。实际上，它将统计数据和大数据转换为可理解的可视化结论，这些结论可用于总体上开发特定项目或业务。
数据分析师的工作结果是做出任何业务决策的基础。
数据工程师不再与数据本身一起工作，而是与它们的基础结构一起工作：数据库，存储和处理系统。数据工程师确定如何分析数据，以便对项目有用。总而言之，数据工程师正在建立数据处理管道。
数据科学家负责战略信息工作。是他创建了预测，建模和动态分析系统，实现了自动化和学习算法。
主要困难在于这三个专业之间的界限相当模糊。大多数公司看不到差异，因此Data Analyst职位通常有一些要求更适合于数据工程师或数据科学家。
这主要是由于市场的具体情况。如果IT公司知道数据分析师，数据工程师和数据科学家理想上是三个不同的专家，甚至三个不同的部门，那么在产品公司和行业中，他们甚至根本不会考虑这一点。
雇主希望从数据分析师那里得到什么
我们为2020年8月至9月开设的数据分析师职位分析了450多个职位空缺。在许多情况下，对专家的要求是非常不同的。如上文所述，数据分析师，数据工程师和数据科学家之间的界限已被消除，因此经常出现空缺的标题写为“数据分析师”的事实，但实际上该空缺完全对应于“数据工程师”。但是，我们能够突出显示雇主在大多数职位空缺中指示数据分析师职位的一套软硬技能。
硬技能
带有Pandas和NumPy数据分析库的Python。这是必不可少的，行业中83％的公司至少需要基本知识。只有17％的雇主需要R，JavaScript和其他编程语言的知识。
有趣的是，根据对数据分析师和数据科学家的一项调查， 2013年，R语言在数据分析中更为流行-61％的专家使用了R语言。
SQL-几乎所有工作都需要SQL和相关数据库技能的知识。大多数情况下，它们需要具有编写查询和优化查询的能力。
雇主很少需要NoSQL数据库管理系统（例如MongoDB，CouchDB或Apache Cassandra）中的技能-大约9％的职位空缺。
Power BI，Qlik，Tableau。大多数公司不需要任何特定的数据可视化程序的知识。通常，它们会指明要选择或编写“数据可视化系统”的三个中的一个，而不指定特定的系统。通常，专家可以选择更方便使用的工具。绝对多数雇主没有原则性立场。敏捷，Scrum，看板方面的
经验... 在几乎一半的职位空缺中，雇主表示，使用敏捷产品创建方法的能力将是额外的优势。
也就是说，不仅重要的是数据分析师在他的专业范围内所做的事情，而且重要的是他如何做到这一点。
但是，拥有敏捷经验并不是关键要求（尽管在空缺职位中有说明）。是的，求职者将不得不花一些时间来适应这种格式的工作，但是据公司称，这并不重要。
Excel和Google表格。奇怪的是，但是三分之一的职位空缺需要电子表格的知识。与数字开发几乎没有重叠的产品和咨询公司，或者整个分析部门由几个人组成的相对较小的项目，主要需要这样做。
确实，当常规Excel足以处理数据时，小型团队通常不需要使用强大的SQL资源。但是在这种情况下，“数据分析师”通常会立即做所有事情：收集和分析数据，基础架构和自动化。
许多公司都强调高水平的数学背景。但是在这里，您需要了解，与数据科学家不同，数据分析师使用的数学工具非常有限，因此您不必成为数学天才。数据分析师的大部分任务都适合统计的基本知识，概率论，数学分析和线性代数的框架。
接受数学方面的高等教育非常有用，但是通过尽职调查，您可以自己学习所有必要的功能。但是对于数据科学家来说，对数学的深入了解已经被认为是至关重要的。如果您打算从Data Analyst成长为Data Scientist，那么数学将需要加强。
对于基本的硬技能，仅此而已。其余职位的空缺率不到10％，因此可以将其归因于各个公司的工作特点。
软技能
通常，对于使用数据的所有专业，它们实际上是相同的：
- 批判性思考
- 分析思维
- 正确表达和传达信息的能力
- 责任和对细节的关注
- 商业思维
- 愿意做出决定并对结果负责
- 多任务
- 幽默感
«». , , .
, . , . . , , .
除了柔和的技巧外，只有英语是突出的。许多公司将英语知识标记为优势，但是有许多职位空缺旨在与国际团队合作并与英语项目合作。因此，英语流利是必须的。
必修英语通常是令人愉快的薪水。国际项目中的空缺保证了货币补偿是俄语的1.3至2倍。
数据分析师的薪水和其他好处
现在让我们继续讨论有趣的部分-薪水。我们在HH.ru和Habr Career网站上分析了空缺职位。
在任何大中型企业中，特别是在与数字和IT相关的项目中，都需要数据分析师。建立在线销售系统，咨询项目的金融科技银行，数字代理商，食品公司。在职位空缺中，几乎所有领域都有业务代表：从医药到重工业。
截至2020年12月12日，大多数数据分析师职位空缺在莫斯科（241）和圣彼得堡（74）开放。相比之下，俄罗斯其他地区只有99个职位空缺。
有趣的是，只有20％的公司在广告本身中指明了薪水水平。其余80％的人更愿意在与申请人的私人对话中讨论金钱奖励。
薪金差额很大。这不仅取决于申请人的经验，而且还取决于地理位置。例如，彼尔姆的一名实习分析师获得25,000卢布，而一家国际公司在莫斯科办事处的数据分析师获得200,000卢布。
在莫斯科，数据分析师的平均工资为134,000卢布。拥有至少2年经验的优秀专家可以很好地依靠她。
在圣彼得堡，情况与莫斯科类似，但薪金略低。数据分析师的平均每月收入为101,000卢布。至于其余的，条件几乎与莫斯科的条件相同。
学员和初级专家将获得60,000卢布。少数职位空缺的数量低于此数量（8％），但他们大多提供兼职或每周有限的工作。
分析部门的负责人和高级专家的薪水可以达到170,000卢布甚至更高。甚至有空缺每月提供25万卢布。是的，他们需要5年以上的分析经验和丰富的能力，但仍有职位空缺。因此，很明显，您可以在哪里发展。
经常将其他收益和激励因素作为企业培训，健康保险甚至企业退休计划的机会。在与公司合作数年之后，一些公司提供了迁往欧洲或美国的服务。还发现了许多“饼干和咖啡”所钟爱的产品，但很少见。大多数雇主依靠真正有用的激励因素。
在俄罗斯其他城市，情况更糟。他们部分抹去了数据分析师工作的精髓，他变得像老手。在有几十个人的小公司中，分析师通常是一个，并且完全处理所有业务信息。
这样的专家的薪水也不是一流的。平均而言，莫斯科和圣彼得堡以外的分析人员可获得54,000卢布。在一半的情况下，通常根本没有额外的“小面包”，但仅限于“体育”和“咖啡和咖啡”。
该地区的专家可以依靠的数据分析师的最高薪水为100,000卢布。但是要获得更多，您不必搬到莫斯科。您可以轻松地找到偏僻的空缺职位-正式在首都工作，但住在您的家乡。许多公司去见他们感兴趣的申请人。
我们还对乌克兰和白俄罗斯的空缺进行了比较分析。
乌克兰的数据分析师的平均工资约为20,000乌克兰格里夫纳（53,000卢布）。在首都，空缺的薪水高出2-2.5倍，但这些空缺主要是由在基辅设有分支机构的国际公司提供的。
白俄罗斯的情况完全相同。数据分析师的平均工资为2800白俄罗斯卢布（81000卢布），但工资范围非常大。例如，在戈梅利（Gomel），具有一年经验的分析师平均收入为1100白俄罗斯卢布（31,000俄罗斯卢布），而在明斯克（Minsk），专家可以赚取10,000白俄罗斯卢布（287,000俄罗斯卢布）。
到哪里去专业以及在哪里发展数据分析
据信，只有具备特殊的数学知识才有可能进入分析师的行列。但这种情况并非如此。
分析通常由初级和中级Python开发人员使用。如果您还具有SQL的基本知识，那么它通常是很好的。在这种情况下，处理工作的所有功能将更加容易。
您也可以直接与分析师一起开始您的职业生涯。从数十种可用的课程中进行选择-然后就可以开始。您不需要了解更高的数学。对于Data Analyst初级和中级级别，您只需要有关处理数据的工具的知识。在大多数情况下，学校的数学知识就足够了。
数据分析师也有很多增长机会。最明显的三个是数据挖掘专家，数据工程师，数据科学家。第一个直接与查找数据进行分析相关，第二个开发数据基础架构，第三个-预测和策略。
另一个可能的选择是BI分析。分析数据可视化是一项单独的技能，许多大公司重视员工，他们不仅可以分析信息，而且可以与管理层进行明智的沟通。
特别是针对此材料，我们请BI SkillFactory教育课程的负责人SmartDataLab的创始人Alexander Tsarev和Powercamp / DWH SmartDataLab指导的负责人Sergey Zemskov，Bootcamp SkillFactory的老师Sergey Zemskov对BI增长中必要的技能进行评论。
概述列出了必须具备的能力，但是如果您想继续成长为数据分析师，则需要与ETL保持同步并学习：
- 微软所谓的金三角：SSRS，SSIS，SSAS；
- 了解其他工业ETL，例如KNIME；
- 数据架构文献，例如Bill Inmon的书Kimball Methodology；
- 您还至少需要初步了解什么是Informatica，GreenPlum，Pentaho，它们彼此之间的区别以及它们的工作方式。
- , SAP Web Analytics BI SAP, Power BI (, - BI/DWH “BI HeadHunter”, ).
, .
同样，数据分析师可以成长为产品，市场分析师或业务分析师。也就是说，要负责特定产品或项目的开发，或者参与制定战略性业务决策，并用分析数据来支持您的意见。
而且，数据分析人员可以完全使用Python进行开发，但是只有相对少量的专家选择了此选项。
数据分析师是一个有前途的需求行业。成为一名数据分析师，您无需成为Perelman即可解决庞加莱定理-具备数学方面的学校知识和掌握分析师工具的毅力就足够了。
最近，我们在俄罗斯启动了第一个数据分析在线训练营其中包括5周的学习时间，5个项目组合，带薪实习以获得最佳毕业生。这是最有上进心的超密集课程：您需要全职学习。
通过在线SkillFactory课程，了解如何从头开始或在技能和薪资水平上获得高知名度的职业的详细信息：
- 数据分析在线训练营（5周）
- 数据分析课程（6个月）
- 任何入门水平的分析专业（18个月）
更多课程
- 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 )
