Аналитик в автоматизации

Статьи, каналы и видео о продуктовой аналитике

Каналы, блоги 

Всё об A/B-тестах — подборки материалов про A/B-тестирование.

Product Science — Антон Мартсен делится материалами о продуктовой и бизнес-стратегии, метриках, аналитике, прикладной Data Science и исследовании пользователей. Автор детально копает вглубь каждого топика, чтобы передать самую суть разных методов и подходов.

Интернет-аналитика — канал с 33 000 аудиторией, где Алексей Никушин делится статьями и исследованиями со всего мира.

Burger Data — cоветы, практики и новости веб-аналитики от руководителя группы аналитики «СберМаркетинг» Севы Мироновича.

Make Sense podcast — канал подкаста Make Sense

Ведущий Юрий Агеев говорит с гостями о том, что важно при создании продуктов — людях, идеях, деньгах, инструментах и практиках.

BigQuery Insights — инсайты и примеры SQL-запросов от продуктового аналитика в MacPaw.com.

No Flame No Game — авторский канал о развитии и разработке продуктов Анны Булдаковой.

Krasinsky: growth, marketing & product, analytics — Илья Красинский отвечает на часто задаваемые вопросы о продуктовом менеджменте и маркетинге, юнит-экономике, аналитике.

Datalytics — блог Алексея Макарова о веб-аналитике, анализе данных с помощью Python.

Close2Sense — канал о продуктовой аналитике, анализе данных и смысле.

Тёмная сторона — канал Аркадия Морейниса о работе с продуктами, маркетинге и стартапах.

Grow Horse — канал про Growth Management, команды роста и всё, что помогает хорошим продуктам быстро расти (в том числе аналитика).

Видео 

1. Илья Красинский, AppCraft. Юнит-экономика или поиск точек кратного роста
2. Глеб Сологуб, Skyeng. Как построить культуру аналитики в компании
3. Алексей Смирнов, Wrike. Качественный анализ в продуктовой аналитике
4. Александр Сергеев, Едадил. Продуктовая аналитика и выбор метрик
5. Олег Рудаков, AGIMA. Продуктовые исследования мобильных приложений: поиск потребностей и барьеров клиентов
6. Максим Годзи, Retentioneering. Тренды продуктовой аналитики
7. Леонид Чёрный, Rambler. Сквозная аналитика как инструмент развития продукта или история одной монетизации
8. Евгений Гильманов, Ultimate Guitar. Процессы и место аналитика в продукте
9. Анастасия Кузнецова, Алексей Горгадзе, «Сетевые исследования». Методы анализа текста в R
10. Алексей Рехлов, Creative Mobile. Как посчитать всё, что нужно, имея только Excel и 6 классов школы
11. Василий Сабиров, Devtodev Долгосрочное удержание в играх
12. Михаил Табунов, CPO FunCorp. Как мы растили ретеншен в продукте iFunny

Предпосылки для появления профессии

Профессия системного аналитика возникла относительно недавно – с развитием и распространением компьютерной техники и систем автоматизации. После становления системного анализа как научно-исследовательского метода, приводящего к формированию внутренне непротиворечивой структуры, отражающей единство концепции, неизбежно должен был появиться и специалист, использующий в работе этот метод в качестве основного.

Организацией работы отдельных участков и локальных зон в ИТ-индустрии занимались различные специалисты, но нужен был человек, который сумел бы объединить информационно-технологические процессы вокруг общей, согласованной с потребителем (заказчиком) идеи, проанализировать данные, продумать, как будет работать система в целом, построить модели и алгоритмы, разработать техническое задание и прописать задачи сотрудникам. Таким человеком стал многопрофильный специалист, иногда совмещающий на своей работе множество различных ролей.

С ростом масштабов ИТ-предприятий роли системного аналитика стали разделяться и иерархически, и функционально. В современном мире чем крупней проект или компания, тем более узкий и специализированный круг задач отводится конкретному должностному лицу. Но на небольших проектах и сегодня один сотрудник может исполнять сразу несколько ролей.

Вопрос аналитику: ключевые задачи, которые вы выполняете?

Татьяна Чадаева, старший эксперт по аналитике в Билайне

• эффективность различных каналов продаж продуктов;
• построение воронок продаж, анализ путей пользователя, их оптимизация;
• A/B-тестирование.

• построение профиля пользователя и расчёт основных метрик (по разным продуктам): LT, LTV, MAU \ DAU, Retention, Churn, ARPU, потребление трафика;
• поиск путей монетизации мобильного приложения, увеличения выручки по продуктам, удержания клиентов, анализ эффективности маркетинговых акций.

• настройку периодической отчётности в BI-системах;
• разметку событий на сайте и в целом настройку сбора данных из разных источников;
• построение сквозной аналитики, витрин данных на кластере.

Владислав Прищепов, ex-аналитик в Яндексе, продакт-менеджер в AppMetricaВсеволод Миронович, руководитель группы аналитики в «СберМаркетинг»

Кем еще может быть такой специалист?

Как говорилось выше, на данный момент в современных вузах не присутствует возможность подготовки системных аналитиков, поэтому для таких специалистов смежной может быть любая специальность. Конечно, для того чтобы принимать участие в процессе автоматизации, человек должен обладать самыми современными знаниями в сфере информационных технологий, однако такие знания могут присутствовать даже у того, кто получал гуманитарное образование. Так называемые технари чаще всего практически не испытывают никаких проблем с различными техническими вопросами, в то время как гуманитарии легче справляются с длительными переговорами с заказчиками.

Если у вас есть серьезное желание освоить данную профессию, но при этом вы не очень разбираетесь в информационных технологиях, то в таком случае вам стоит начать свою карьеру с должности помощника или же стажера. Только потом уже, когда вы освоитесь в сфере автоматизации бизнеса, можно будет формировать резюме системного аналитика.

Далее мы рассмотрим основные обязанности, которые берет на себя данный специалист.

В разных сферах предъявляют разные требования к системному аналитику

На примере вакансий рассмотрим требования работодателей в различных областях.

В банковской сфере системному аналитику понадобится понимание бухгалтерского учёта, экономики, а также знание информационной безопасности для анализа дополнительных требований к банковскому ПО.

Из вакансии Банка Хоум Кредит на hh.ru

В ритейле при автоматизации процессов часто используют клиент-серверные системы, поэтому системный аналитик должен понимать соответствующие требования и архитектуру. Опыт разработки прототипов поможет создавать пользовательские интерфейсы для удобного общения пользователя и программы.

Из вакансии сети магазинов Fix Price на Хабр Карьере

Для сферы кибербезопасности важно разбираться в системах шифрования и защите данных. Из вакансии Лаборатории Касперского на JOBLUM

Из вакансии Лаборатории Касперского на JOBLUM

Осваивать всё сразу необязательно: профессия быстро развивается — стремительно меняются и тенденции.

На каких специальностях лучше учиться

Ключевым направлением в подготовке системных аналитиков является «Управление в технических системах» (2.27.03.00), представленное специальностями «системный анализ и управление» и «инноватика».

Сквозная аналитика в Skillbox

Станьте профессионалом в маркетинговой аналитике. Научитесь объединять все источники трафика в одну цепочку и тратить на 50% меньше рекламного бюджета.

подробнее >

Аналитика для руководителей в Нетологии

Постройте data-driven-бизнес и принимайте выгодные для компании решения на основе данных.

подробнее >

Аналитик данных в Нетологии

Научим с нуля собирать, анализировать и презентовать данные. Получите востребованную профессию с зарплатой от 80 тыс. руб. (даже в регионах — по данным hh.ru)

подробнее >

• Для выполнения ролей бизнес-аналитика помогут специальности направления «Экономика и управление» (5.38.03.00): «менеджмент» и «бизнес-информатика».
• По направлению «Информатика и вычислительная техника» (2.09.03.00) пригодятся специальности «инфосистемы и технологии», «прикладная информатика», «программная инженерия».
• В рамках направления «Компьютерные и информационные науки» (1.02.03.00) универсальные айтишники получающих широкие теоретические знания в области информационных технологий. Среди специальностей актуальны «математическое обеспечение и администрирование информационных систем», «фундаментальная информатика и ИТ».

Для поступления, в зависимости от профиля обучения, будущему специалисту нужно сдавать ЕГЭ по математике, информатике, русскому или иностранному языку, физике.

Выявление потребностей и целеполагание

Пациент приходит к доктору и требует “Выпишите мне аспирин, срочно!!!”.

Требование = “Выписать аспирин”. Что делает доктор в данном случае? Плохой доктор даст аспирин. Хороший доктор будет выявлять причины проблемы и лечить их.

Требование (requirement) — это некоторый образ или свойство результата, который кто-то у кого-то требует. “Выпишите аспирин”, “Программа должна делать это” — это требование. Термин не самый удачный в русском языке, он плохо стыкуется с бытовым толкованием, что запутывает заказчика и аналитика.

Требование лежит в области решения (solution). “Поесть в ресторане”, “Приготовь еду” — это требования.

Что делает хороший аналитик ? Выявляет потребности и анализирует их, определяя влияние на бизнес (почему, в чем причина, как часто, какой ущерб для бизнеса, в каком проценте случаев, в какой географии, для каких клиентов, ..)

Понимание потребности дает понимание что делать, какое решение нужно, какое требование к решению важно

Поэтому аналитик выявляет потребности и проектирует решение (требования к решению). 

В разное время разные бизнесы стремятся к оптимизации разных атрибутов качества своих систем и процессов.

1. Обеспечить функциональность

2. Качественную работу

3. Скорость/Производительность

4. Безопасность

5. Низкие издержки

6. И т.п.

Разрыв ожиданий и реальности атрибутов качества создает проблему, которую нужно решить, и для этого нужны какие-то изменения. Устранение разрыва будет целью (goal) будущего изменения.

Внедрение или улучшение ИТ системы нужно для улучшения атрибутов качества бизнес-процесса, иначе оно не приносит пользы и поэтому бессмысленно.

Какие карьерные возможности у бизнес-аналитика

В разных компаниях по-разному обстоит дело с карьерным ростом для бизнес-аналитиков. Однако, в большинстве случаев вертикальный рост выглядит примерно так: 

1. Младший бизнес-аналитик. 
2. Бизнес-аналитик. 
3. Старший бизнес-аналитик. 
4. Ведущий бизнес-аналитик. 
5. Эксперт, тимлид. 

При этом, начиная с позиций старшего бизнес-аналитика и выше, часто коллеги по бизнес-анализу уходят в менеджмент. Благодаря тому, что именно у бизнес-аналитика более широкий взгляд на работу команды, продукта и проекта в целом, из бизнес-аналитиков получаются отличные владельцы продуктов, менеджеры продуктов, скрам-мастера и эджайл-коучи, менеджеры проектов и ресурсные менеджеры — это те менеджеры, которые управляют другими аналитиками и растят из них настоящих достойных командных игроков. 

Таким образом, путь аналитика можно изобразить примерно так: 

 

Однако, необязательно карьерное развитие должно быть только вертикальным. Бизнес-аналитики часто погружаются в разные домены, что по своей сути является горизонтальным развитием. Прокачивая свою экспертизу, они повышают свою ценность в компании. 

Для примера возьмем аналитика бизнес-процессов. Как уже упоминалось выше, он работает на всем протяжении бизнес-процесса, который может включать несколько разных подразделений с разными задачами. Вот здесь как нельзя кстати пригодится опыт работы в нескольких доменах, к примеру, продажи, управление клиентами, закупки, логистика, медицина, мобильные приложения и так далее.

Также я хотел бы подчеркнуть преимущества, которые есть у работы аналитиком перед некоторыми другими позициями. Во-первых, разнообразие. У бизнес-аналитика очень широкий набор задач и никогда не бывает однообразия. Это наиболее интересная работа на мой взгляд. 

Во-вторых, огромный пласт знаний в самых различных областях. Как я уже говорил, бизнес-аналитик получает широкий взгляд, картину целиком, которую не всегда имеют даже руководители подразделений. 

И, в конце концов, это большие перспективы с возможностью роста как в техническую сторону, так и в сторону бизнеса. 

Сейчас можно найти много курсов по бизнес-анализу как на платных, так и на бесплатных платформах (например, ИНИТУИТ). Некоторые IT-компании предоставляют бесплатное обучение во внутренних и внешних лабораториях с последующим трудоустройством. Поэтому стать бизнес-аналитиком сегодня — это не самая сложная задача, главное — твердое желание и нацеленность на результат. 

Аналитик Big Data

Big Data (Большие данные) — это термин, обозначающий огромные объемы структурированных и неструктурированных данных, которые можно обработать с помощью особых аналитических инструментов.

В качестве примера Big Data можно привести статистику всего поведения всех пользователей крупной социальной сети вроде Facebook за определенный период или данные обо всех торгах на Нью-Йоркской бирже.

Ручная обработка такого массива данных была бы невероятно затяжной и трудоёмкой. Но современные инструменты позволяют эффективно их анализировать, формулировать выводы и рекомендации и даже подстраивать под них поведение систем.

Аналитики BigData занимаются построением рекомендательных и предсказательных моделей, в том числе и для искусственного интеллекта — например, учат его распознавать пол человека по фотографии. Или могут спрогнозировать вероятность покупки платной версии мобильного приложения, исходя из поведения пользователя и данных о том, как вели себя люди, купившие приложение.

Профессия аналитика больших данных скорее ближе к деятельности разработчика, чем к труду других аналитиков, хотя непосредственно написанием кода они практически не занимаются. При этом в работе таким специалистам помогают инструменты программирования (Python, Scala, Bash) и системы для работы с данными (Spark, Hadoop). Но основную базу знаний Big Data аналитика составляют продвинутые знания в математической статистике, теории вероятностей, построении математических моделей, линейной алгебре и сложных методах вычислений.

Кому подойдет это направление аналитики?

Тем, кто всегда был на короткой ноге с математикой, и хотел бы применить свои знания в современной развивающейся области. Узнать больше о профессии аналитика больших данных можно на странице нашего факультета по Big Data Analytics.

Таковы наиболее популярные и востребованные аналитические специальности — хотя на самом деле их, безусловно, больше. Также существуют профессии CRM-аналитиков, категорийных аналитиков, аналитиков продуктовых категорий, аналитиков клиентского сервиса, SMM-аналитиков и многие другие.

Надеемся, что эта статья помогла вам лучше разобраться в многообразии аналитических профессий — и, возможно, «присмотреть» свою будущую стезю!  

Общие сведения

В условиях жесткой конкуренции, компании должны постоянно совершенствовать и оптимизировать свои бизнес-процессы. С развитием ИТ-технологий ведение бизнеса «вручную» стало неактуальным и компании стали использовать программные продукты для качественного управления подразделениями. Однако, данный процесс автоматизации деятельности спровоцировал возникновение проблемы, связанной с объединением желаний заказчика и выполнением работы ИТ-специалистов. Данная проблема побудила возникновение такого специалиста, который стал бы связующим элементом между заказчиком и исполнителем, именно таким звеном и является бизнес-аналитик.

Бизнес-аналитик– это специалист IT-сферы, который занимается проведением анализа структуры компании, изучением автоматизируемых бизнес-процессов, выявлением «узких мест» (иными словами – проблем) и поиска их устранения, выбора программного обеспечения.

Профессиональные качества:

• Знание основ системного анализа, бизнес-планирования, системно-динамического и агентного моделирования, WEB-программирования;
• Знание основ жизненного цикла программных продуктов и приложений;
• Знание основных процессов предприятия с учетом отраслевой направленности;
• Умение работать в программных продуктах для моделирования бизнес-процессов: ARIS Express, Business Studio, BPwin и т.д.;
• Наличие общего представления о следующих программах: 1С, SAP, Oracle, MS Visio, MS SQL, MS Project, СЭД;
• Умение описывать бизнес-процессы организации при помощи нотаций моделирования;
• Умение проанализировать бизнес-процессы и оценить эффективность их функционирования;
• Понимание принципа построения моделей как есть (AS-IS) и как должно быть (TO-BE);
• Наличие навыков разработки технического задания для будущей информационной системы.

Личные качества:

• Аналитический склад ума;
• Умение работать с большим массивом данных;
• Внимательность;
• Усидчивость;
• Коммуникабельность;
• Креативность;
• Быстрое освоение новой информации.

Достоинства и недостатки профессии

К достоинствам профессии относится:

1. Высокий оклад.
2. Наличие карьерного роста.
3. Не насыщенность рынка данными специалистами.
4. Разнообразие выполняемых проектов и задач.
5. Повышение коммуникационных качеств и умения работать в команде. Бизнес-аналитик является одним из множества звеньев, связывающих заказчика и исполнителя.

Недостатками специальности являются:

1. Большая ответственность.
2. Ввиду специфики работы – наличие командировок.
3. Возможность появления сопротивления рядовых сотрудников к автоматизации системы или внедрению нового программного обеспечения.
4. Возможность возникновения непонимания между заказчиком и аналитиком при обозначении целей и задач проекта.
5. Необходимость обработки больших массивов данных.

Какие бывают аналитики

Наглядный профит от использования аналитики

Если поискать в интернете, то найдётся куча видов таких млекопитающих:

• Аналитик (вот так, просто аналитик)

• Аналитик БД

• Аналитик бизнес-процессов

• Бизнес-аналитик

• Системный аналитик

• UX-аналитик

• Продуктовый аналитик

• Аналитик данных

• BI-аналитик

• Веб-аналитик

• Технический писатель

И это не полный список. Плюс на должности навешиваются грейды, типа «старший», «ведущий», «главный», «незаменимый» и т.д.

Не буду подробно останавливаться на том, чем занимаются разные аналитики, не хватит ни знаний, ни размера статьи. Лучше посоветую почитать другие материалы на тему. Например, некоторые из видов аналитиков здорово описаны в статье «Классификация аналитиков на рынке по направлениям, полезности и зарплатам».

Вместо этого предлагаю взглянуть на типы задач, которые аналитики решают. И тут готов выделить специалистов широкого и узкого спектров применения.

Кто такой аналитик данных

Неверные решения при разработке нового продукта или функции сервиса могут стоить компании репутации и денег. Чтобы этого не произошло, компании обращаются к аналитику данных. Он собирает, обрабатывает, изучает и интерпретирует данные: проводит А/B-тесты, строит модели и проверяет, как пользователи и клиенты реагируют на нововведения. Это стоит дешевле и снижает риски бизнеса.

Такие специалисты особенно востребованы в data-driven компаниях — то есть тех, которые ориентируются в решениях на big data и аналитику данных.

Например, специалисты по данным Netflix вычислили популярность сериала «Карточный домик» с помощью аналитики: зрителям оригинального британского «Карточного домика» также нравились фильмы Финчера и (или) картины, где играл Спейси. Netflix объединили Дэвида Финчера (один из режиссеров House of Cards), политические интриги и Спейси в одном проекте. Видеосервис заключил контракт со Спейси и Финчером без съемок пилотной версии. Рейтинг сериала на IMDb и «Кинопоиске» составляет 8,7 и 8,3 соответственно.

ЧТО ДОЛЖЕН ЗНАТЬ СПЕЦИАЛИСТ?

Для успешного выполнения своих задач системному аналитику требуется владеть инструментами анализа, структурирования и визуализации данных. В некоторых крупных компаниях уже используются нейрогенетические сети, поэтому системный аналитик – это профессия, требующая постоянного развития. Также этому специалисту нужно знание математического анализа и основ программирования.

Необходимые технические навыки:

• Математический и системный анализ;
• Навыки работы с Big Data;
• Знание основ программирования и построения алгоритмов;
• Понимание работы и структуры учетных систем (SQL, 1С);
• Прототипирование пользовательских интерфейсов (для сферы ритейла);
• Моделирование бизнес-процессов;
• Умение применять инструменты визуализации данных (для презентаций);
• Уверенное владение иностранным языком.

Необходимые софт-скиллы:

• Управление временем;
• Высокие коммуникативные навыки;
• Умение работать в команде;
• Управление конфликтами;
• Понимание бизнес-процессов компании;
• Стрессоустойчивость.

Системные аналитики часто получают начальный опыт в ИТ-сфере, многие из них обучались в вузах по специальности «Системный анализ и управление» или «Бизнес-информатика».

Проектирование решения

Аналитик создает непротиворечивые, полные, проверяемые модели, отражающие какой-то срез или “проекцию” будущей системы для согласования с стейкхолдерами и для принятия управленческих решений (делаем так/изменяем/не делаем). Наиболее полная модель — это реализованная система, но часто достаточно меньших усилий для получения нужных ответов на вопросы.

Например, модель системы из предыдущего примера это электрическая фритюрница.

Моделей системы может быть несколько (и довольно много), но типовые это

1. Функциональная модель, отвечающая на вопрос “как это работает, функционирует, обеспечивает функцию”. 

2. Конструктивная модель, отвечающая на вопрос “как это сконструировано, из каких частей состоит”. 

3. Географическая модель, отвечающая на вопрос “где это работает” или “где расположены части” делается совместно на основе предыдущих двух.

4. Финансовая модель, отвечающая на вопрос “сколько стоит создание, поддержка, вывод из эксплуатации решения, в какие сроки и за счет чего отобьются вложенные инвестиции”, также часто собрать данные — это работа аналитика. Эта модель основная для принятия управленческих решений опирается на конструктивную и географическую модели.

Потребностей может быть много, решение, которое закрывает все потребности часто оказывается за рамками выявленных ограничений. К тому же часто нет уверенности, что закрытие потребностей приведет к ожидаемому бизнес-эффекту. Это толкает руководство к итерационной разработке с получением работающих решений на ранних этапах. Для проектирования таких решений нужно признать, что какие-то потребности останутся не закрыты или закрыты не полностью.

В итерационной разработке, в каждой следующей итерации должна быть создана система, которая приносит максимум пользы бизнесу, но при этом которая может быть создана в небольшие сроки (с учетом того, что некоторые пропасти не перешагнуть в два шага).

Аналитик решает задачу по проектированию такого решения, которое закрывает потребности по правилу Парето, 20% усилий должны принести 80% бизнес-результата, где усилия берутся из треугольника (цена-качество-сроки) в рамках выявленных ограничений, а результат — это оценка улучшения атрибутов качества бизнес-процесса. 

В нашем примере альтернативная модель — инструмент это сковородка, которая разогревается с помощью кухонной плиты. Оно требует больше времени на готовку, зато обеспечивающая достаточное качество и оно значительно дешевле.

ИТ аналитику в поиске помогают

• Знание того, как ИТ решают задачи по улучшению процессов, 

• Знание того, какие ключевые свойства потребностей влекут разные способы реализации,

• Знание готовых ИТ решений, решающих задачу полностью или частично или умения быстро их находить и выбирать оптимальное,

• Знание предметной области,

• Знание процессного управления и процессов управления изменениями,

• Понимание трудоемкости, стоимости и сложности решения широкого спектра ИТ задач,

• Ну и разумеется, эксперты, партнеры по интеграции, смежники, вендоры ИТ решений и разработчики.

Исправление ошибок системы на стадии проектирования дешевле, чем после его реализации. И поскольку любой аналитик иногда да ошибается, то решение, которое он создал стоит проверять. 

Наибольший эффект контроля качества достигается с помощью формализации условий задачи (потребности, цели, контекст, ограничения) и решения задачи (модели будущей системы). Без условий задачи, решение проверить невозможно.