Виды аналитиков данных

Привет! Меня зовут Дарина Кухтина, я руководитель аналитики в компании, которая разрабатывает мобильные игры, и наставник на курсе «Аналитик данных». Недавно в расширенной программе курса появились две специализации — продуктовый и BI-аналитик, и я подумала, что новичкам будет полезно узнать, чем же разные аналитики отличаются друг от друга.

Дисклеймер: все названия условны, читайте описание задач 

Вначале хочу отметить, что на рынке нет единого стандарта названий для аналитиков, и разные компании в своих вакансиях могут использовать разные термины для одной и той же роли. В этой статье я буду отталкиваться от своей системы координат. 

Я разделяю аналитиков на три группы: аналитики требований (системные и бизнес-аналитики), аналитики данных (продуктовые и маркетинговые), а также BI-аналитики. Есть ещё узкоспециализированные группы, например веб-аналитики, но их мы вынесем за скобки.  

Сегодня я не буду касаться аналитиков требований и узкоспециализированных спецов. Расскажу об аналитиках, которые связаны с данными: о продуктовых, маркетинговых и BI-аналитиках. И о том, как по описанию задач и стека в вакансии понять, на какую роль вы претендуете. 

Новичкам советую на старте выбрать специализацию и чётко определиться, чем вы хотите заниматься. Работодателей смущает, когда человек готов делать всё сразу — это выглядит не как классная многозадачность, а как неопределённость. Для компаний это риск, потому что вы можете быстро уволиться, если специализация не понравится и захочется её сменить, и им придётся искать нового сотрудника.

Что общего у всех аналитиков

Основная задача любого аналитика данных — сбор, обработка и анализ информации. В зависимости от задач и объёма данных аналитики могут использовать разные инструменты. 

Бывают вакансии, где от аналитика данных требуется только знание Excel. Это не значит, что вакансия плохая. Excel может быть мощным инструментом, если нужно проводить базовый анализ или работать с небольшими объёмами данных, его часто выбирает офлайн-бизнес. Excel на самом деле способен на многое, если разобраться в его возможностях. Я, например, таким похвастаться не могу и завидую людям, которые смогли.  

Ещё один базовый инструмент для аналитиков — SQL. Его используют для извлечения и обработки больших объёмов данных. Некоторые компании могут применять SQL для запросов, но анализировать данные всё равно в Excel, хотя это довольно редкий случай.

Для визуализации данных и создания дашбордов нужны BI-инструменты: например, Tableau, Power BI или Metabase. В основном с ними работают BI-аналитики, но в вакансиях для продуктовых и маркетинговых этот стек тоже встречается — им часто приходится что-то быстро визуализировать или строить дашборды в качестве ответа на вопрос. 

Для глубокой аналитики и создания предиктивных моделей используют языки программирования. Самый популярный из них —  Python, хотя встречаются и другие. Когда я начинала работать, в моде был язык R. До сих пор по нему немного скучаю.

В целом у разных аналитиков основные инструменты и навыки работы с данными могут совпадать. Отличаться будет специфика задач.

Продуктовый аналитик 

Продуктовый аналитик участвует во всех этапах работы над продуктом: от разработки идеи фичи до её внедрения и дальнейшего сопровождения. Он выполняет роль «правой руки» бизнеса и часто работает в связке с проджект-менеджером: помогает с подсчётом параметров во время написания документации для новых фич, дает рекомендации по развитию продукта и его отдельных функций. Бизнес воспринимает аналитика как мага с волшебной палочкой, который жонглирует данными и предсказывает, какое решение будет самым надёжным. 

Чтобы принимать обоснованные решения о развитии продукта, аналитики проводят  A/B-тесты — это одна из самых частых задач продуктового аналитика. Если в вакансии вы видите упоминание А/B-тестов, скорее всего, вы будете заниматься продуктом, работать с результатами тестов для принятия решений. Например, сравнивать разные версии продукта или фич и определять, что лучше работает.

Аналитики также проводят анализ бизнес-показателей. Отслеживают ключевые метрики: удержание пользователей (ретеншн), средний доход на пользователя (ARPU), конверсию платежей и другие. Здесь как раз помогают дашборды. 

В вакансиях упоминается и поиск точек роста продукта. Лично я не люблю это слово «поиск» в контексте задач аналитика, потому что у меня возникают ассоциации с человеком, который копает землю в надежде найти золото. Я не верю в целенаправленный поиск инсайтов, когда аналитик просто сидит неделю и ковыряет данные. Я предпочитаю искать инсайты там, где уже есть потенциал, который мы обнаружили в процессе выполнения задачи.

Работа продуктового аналитика требует глубокого понимания специфики продукта. Если аналитик не пользуется продуктом и не исследует конкурентов, ему будет сложно эффективно выполнять свои функции. Там, где продукт большой и сложный, аналитики фокусируются на его отдельных частях, например на монетизации или на геймплее в играх. 

Маркетинговый аналитик

Если продуктовый аналитик в основном занимается тем, что происходит с пользователем после покупки продукта, то маркетинговый аналитик отвечает за часть «до». Он проводит исследование эффективности рекламных акций, делает анализ трафика и поведенческих данных пользователей. 

Раньше, когда в Google Play или Apple Store было мало приложений, найти нужное было просто — пользователю достаточно было ввести, например, слово «нарды». Сейчас ситуация другая: сотни однотипных приложений борются за внимание аудитории и размещают рекламу везде — в сторе, на сайтах, в приложениях. Для этого создают множество различных креативов: баннеры, видеоролики, нативные интеграции. Сориентироваться в этом хаосе и сформировать рекламную стратегию помогает маркетинговый аналитик. 

Он анализирует, какие рекламные каналы и креативы работают лучше, какие источники приводят к большему числу установок и доходу. Делает выводы, куда инвестировать бюджеты, чтобы реклама принесла результат. Поэтому самая частая задача маркетингового аналитика — создание моделей для оценки трафика. Важно также разбираться в инструментах отслеживания, или трекерах: понимать, какой трекер используется, как он работает и какие настройки необходимы, чтобы «засечь» пользователя. 

Маркетинговый аналитик должен ориентироваться в продукте, но ему не обязательно досконально знать все его фичи. Зато полезно понимать продуктовые метрики. Если маркетинговый аналитик анализирует поведение пользователей после установки и видит, что какая-то фича хорошо воспринимается, он может предложить использовать её в рекламных креативах.

В компаниях, где нет отдельного BI-аналитика, маркетинговые аналитики берут на себя задачи по созданию дашбордов, выполняют периодические выгрузки данных, занимаются ad-hoc запросами. Всё это можно встретить в вакансиях на роль аналитика в команду маркетинга.

BI-аналитик

Как я уже упоминала, задачи BI-аналитика часто распределяются между другими аналитиками в компании, поэтому навыки работы с дашбордами и инструментами визуализации встречаются в вакансиях для разных аналитических ролей.

Бывает, что BI-аналитик — это отдельная роль в компании. Такие специалисты в основном создают дашборды, пишут запросы, формируют специфические витрины внутри хранилища. 

Витрины — это наборы данных для конкретных задач. Например, если продуктовый аналитик исследует поведение пользователей после обновления приложения, ему может понадобиться витрина с данными о действиях пользователей в течение недели после обновления. BI-аналитик соберёт для него такую витрину. 

Основные инструменты BI-аналитика — платформы для визуализации данных, например Tableau, Power BI и Metabase. Они упрощают создание дашбордов и отчётов.

Аналитики-разработчики и не только 

В некоторых компаниях выделяют отдельную роль аналитика данных, которая не относится ни к маркетингу, ни к продукту. Такие аналитики могут работать с HR-данными, проводить конкурентный или внутренний анализ работы компании, делать дашборды для бухгалтерии и других внутренних функций. 

Ещё одна особая роль — аналитик-разработчик. Это аналитик, который хорошо разбирается как в аналитических инструментах и методах, так и в программировании. Он занимается разработкой внутренних аналитических инструментов, настройкой алертов и автоматизацией задач. Например, у нас в компании аналитику приходит «алерт», когда кто-то ставит ему задачу. Процесс автоматизирован, а поддерживает его как раз аналитик-разработчик. 

В заключение подчеркну: важно обращать внимание не столько на название должности, сколько на инструменты и задачи. Когда я поступала в университет и начинала свою карьеру, профессии «аналитик данных» вообще не существовало, хотя функция была. Тогда использовали термин «статистик», и, скорее всего, в моём резюме, которое я не обновляла со времён университета, написано именно это слово. Названия должностей меняются, поэтому ключевое в любой вакансии — это суть работы и требуемые навыки.