Требуемый опыт работы:
Работодатель, вероятно, уже нашел нужного кандидата и больше не принимает отклики на эту вакансию
Разработкой и развитием клиент-серверного ПО. Рефакторингом существующего кода.
Работодатель сейчас онлайн
Создавать товары в SAP. Изменять закупочные цены. Вести ассортиментную матрицу. Анализировать и контролировать предоставленную информацию. Изменение закупочных цен.
Tools. – Fluent English. We are an international team and most of the business is conducted in English. – Willingness to learn.
Привет, Хабр! 28 сентября Skillfactory запускает новый поток курса Data Analyst, поэтому мы решили сделать широкий обзор рынка вакансий, которые предлагают сегодня компании.
Действительно ли профессия аналитика данных может приносить до «300к/наносек»? Какие умения требуют работодатели от аналитиков и что вообще нужно знать, чтобы стать востребованным и высокооплачиваемым спецом? Какие возможности для роста предлагает рынок сегодня?
Мы проанализировали 450 вакансий на должность аналитика данных в России и за рубежом и собрали результаты в этой статье.
Москва, , улица Балчуг, 2
Откликнитесь среди первых
Анализ конкурентов (мониторинг цен, акций, контента, СЕО и качества ассортимента). Анализ рынка – текущие игроки, тренды, конкуренты, т.д..
Сбор, систематизация, уточнение требований в области построения витрин данных и ETL-алгоритмов. Постановка задач разработчикам. Участие в ПСИ.
Формирование регулярной отчетности по основным показателям системы мониторинга. Создание аналитических моделей данных, в том числе работа с макроэкономичекими показателями.
Высшее образование. Знание основ реализации Государственных программ, Национальных проектов. Релевантный опыт работы от 5 лет будет преимуществом.
Недавно мне на глаза попалась статья про анализ датасета резюме hh.ru, который участвовал в каком-то хакатоне. Это навело меня на мысль самому поиграться с данными резюме. Тем более что у меня их немного больше. Я выбрал самую интересную для меня профобласть, которую можно указать в резюме, — «Информационные технологии, интернет, телеком».
Под катом вас ожидает много графиков, на которых вы узнаете, сколько получают люди в различных айтишных специализациях, выпускники каких вузов хотят больше всего денег, у каких работодателей айтишники задерживаются меньше всего, зарабатывают ли пользователи гуглопочты больше, чем пользователи почты Яндекса или Мейла, и много другой информации.
Всё описанное ниже — это лишь моё видение того, как оно должно быть. Графики не претендуют на полную объективность и отражение реальной ситуации. В любом месте я мог допустить ошибку.
Я взял российские резюме из профобласти «Информационные технологии, интернет, телеком», которые обновлялись за последний год. Далее для всех графиков следует учитывать, что приведенные ниже показатели — это не абсолютный срез по стране, а только по той части, которая присутствует на hh.ru. Она может быть смещенная.
В общей сложности в анализе участвует 566 178 резюме айтишников. Все графики кликабельны.
Количество человек в специализации
В профобласти «Информационные технологии, интернет, телеком» можно выбрать до трех специализаций. На графике показано, сколько человек какую специализацию выбрали:
Сколько человек скрывают желаемую зарплату
При создании резюме можно не указывать свою заплату. Как видим, этим пользуется порядка 40% айтишников.
Распределение мужчин и женщин по специализациям
Перевесом мужчин в IT никого не удивишь. Почему так мало женщин — сисадминов, сетевиков и руководящих технарей?
Распределение желаемой зарплаты по специализациям
Ну а теперь посмотрим, сколько денег хотят мужчины и женщины в разных специализациях по всей России.
Следующий график — это boxplot, или по-нашему — ящик с усами. Читается он так. Черта внутри ящика — это медиана. То есть половина людей получает больше этой суммы, а другая половина — меньше. Значение медианы я постарался почти на всех графиках подписать. Ящик представляет собой интерквартильный размах (IQR) и включает в себя 50% всех резюме: от 1-го квартиля (25%) до 3-го квартиля (75%). Другими словами, 25% резюме хотят меньше денег, чем левая граница ящика, и 25% хотят больше денег, чем правая граница ящика. Усы же ограничивают почти все остальные данные: 0,35% всех резюме хотят меньше денег, чем у левой границы, и 0,35% хотят больше, чем граница правого уса. Все, кто не вошел в указанные интервалы, — выбросы и отмечаются отдельными точками.
Ни для кого не секрет, что в Москве и Санкт-Петербурге больше айтишников, чем в других регионах нашей страны, и уровень оплаты там выше среднего по стране. Поэтому я сделал для этих городов отдельные графики с распределением зарплат по специализациям.
Распределение зарплат по специализациям в Москве
Распределение зарплат по специализациям в Санкт-Петербурге
На всех трех графиках одинаковые ожидания по денежной компенсации между мужчинами и женщинами можно увидеть у тестировщиков. Кстати, в эту IT-область девушки идут с большей охотой, чем во многие другие.
Стоит отметить, что в Москве и Питере женская медиана у технических начальниц выше. Но если посмотреть на график распределения по количеству мужчин и женщин в этой специальности, то видно, что вторых значительно меньше.
Зарплаты айтишников по России в сравнении с другими профессиональными областями
Видим, что по зарплате айтишники уступают только добыче сырья, консультированию и высшему менеджменту. В 24 из 28 профобластей женщины хотят меньше денег (по медиане). В остальных — поровну.
Распределение айтишников по регионам
Еще раз уточню, что график отражает не реальное распределение айтишников по стране, а только те резюме, которые есть на hh.ru. Уровень использования сайта в регионах отличается.
Сколько резюме приходится на одну вакансию
Для данного графика я получил все активные вакансии и резюме, которые обновлялись в течение года, и для каждого региона поделил количество резюме на количество вакансий. Также я исключил регионы, где количество айтишников меньше 1000.
Видно, что в лидеры вырвалась Московская область. Она не включает в себя саму Москву. Скорее всего, так потому, что много айтишников, особенно приезжих, расселяется на периферии, а работа по большей части в самом городе.
Процент IT-резюме от общего числа резюме
На следующем графике я посчитал, какой процент от общего числа резюме в данном регионе занимают айтишники.
Интересная разница между Питером и Ленинградской областью и Москвой и Московской областью. Скорее всего, это из-за наличия в МО таких крупных притонов для айтишников, как Мытищи, Химки, Люберцы и прочих, которые относятся к области, но близко к городу.
Распределение желаемой зарплаты в IT по регионам
Самые популярные ключевые навыки в IT
В резюме можно указывать ключевые навыки. На следующем графике показан топ выбранных навыков для всех айтишников.
Ключевые навыки для специализации «Программирование, разработка»
Интересно посмотреть основные ключевые навыки только для разработчиков.
Ключевые навыки для специализации «Начало карьеры»
Распределение денежных ожиданий по ключевым навыкам
Распределение возраста по специализациям в IT
Молодёжь чаще идёт в web и игрушки. Мне кажется, это отличная точка входа в IT.
Зависимость зарплаты от опыта работы
Порядок нарушают лишь те, кто проработал уже более 20 лет. Скорее всего, так потому, что в этой категории много тех, кто пришел в IT из другой области. Так как в резюме люди часто любят указывать не только релевантный данной профобласти опыт.
Распределение резюме по статусам видимости
Предпочитаемое время на дорогу до работы
Большинство указывает, что время, затраченное на дорогу до работы, не имеет значения. В Питере и Москве люди несколько глубже осознают это «не имеет значения» и поэтому реже выбирают этот пункт.
Ближайшая станция метро
В резюме можно указывать ближайшую станцию метро. Посмотрим для Москвы, где больше всего людей.
Я не нашел простого способа поставить в питоновском gmap текстовый лейбл, поэтому отмеченные маркерами станции обозначены отдельно:
Большинство указанных станций — основные точки входа в город из людных замкадных мест.
Какими сотовыми операторами пользуются айтишники
Я скачал базу DEF-кодов на сайте Россвязи, немного причесал её и смапил с номерами телефонов из резюме.
Какой электронной почтой пользуются
Для данного графика различные домены одной компании я объединил в одну группу. Кстати, любопытный факт, которого не видно на графике, про Яндекс.Почту, что подавляющее большинство указывает в email-адресе домен yandex.ru, а не ya.ru
Я всегда считал, что самые крутые чуваки пользуются Gmail, средние — Яндексом, а остальные используют почту Mail.ru. Сейчас посмотрим, какие зарплатные ожидания будут по этим трем группам.
Так что, ребята, если хотите больше денег — вы знаете, что делать.
Распределение желаемой зарплаты по вузам
Ну а теперь посмотрим, выпускники каких вузов хотят больше всего денег. Я отсеял все заведения, где училось меньше 1000 человек из выборки.
В каких компаниях люди дольше всего работают
В опыте работы можно указать продолжительность работы в данной компании. Я взял все, через которые прошло более 500 айтишников.
Видно, что попадаются не очень айтишные организации. Всё потому, что в опыте работы указывается не только релевантный опыт.
Распределение желаемой зарплаты при наличии опыта работы в компании
Посмотрим, люди с опытом работы в каких компаниях хотят больше всего денег. Возьму Москву и Питер отдельно.
В процессе рисования графиков у меня появлялись всё новые и новые идеи что можно сделать ещё, но я решил остановиться на том, что есть. Если этот пост хорошо зайдёт, я сделаю продолжение.
В рисовании графиков мне помогали: Python, Jupyter notebook, Pandas, Seaborn, Apache Hive и другие.
Задавайте вопросы.
Всем спасибо.
UPD: Немного почистил три последних графика, объединив разные написания одной организации
Что требуют работодатели от аналитика данных
Мы проанализировали свыше 450 вакансий на позицию аналитика данных, открытых в августе-сентябре 2020 года. Во многих случаях требования к специалистам очень отличаются. Как мы писали выше, границы между Data Analyst, Data Engineer и Data Scientist стерты, поэтому часто бывает, что в заголовке вакансии пишут «Аналитик данных», а фактически вакансия полностью соответствует «Инженеру данных». Но мы смогли выделить набор хард и софт скилов, которые работодатели указывают в большинстве вакансий на должность аналитика данных.
Python с библиотеками для анализа данных Pandas и NumPy. Это мастхэв, его знание хотя бы на базовом уровне требуют 83% компаний в отрасли. Знание R, JavaScript и других ЯП нужны всего лишь 17% работодателям.
Интересно, что в 2013 году по результатам опроса дата-аналитиков и дата-сайентистов язык R в аналитике данных был куда популярнее — его использовали 61% специалистов.
SQL — практически во всех вакансиях требуется знание SQL и навыки работы с реляционными базами данных. Чаще всего требуют умение писать запросы и оптимизировать их.
Навыки работы с NoSQL системами управления базами данных вроде MongoDB, CouchDB или Apache Cassandra работодатели требуют довольно редко — примерно 9% вакансий.
Power BI, Qlik, Tableau. Большинство компаний не требует знаний какой-нибудь конкретной программы визуализации данных. Обычно они указывают одну из трех на выбор или пишут «системы визуализации данных» без указания конкретной. В целом специалисты могут сами выбирать, что именно им удобнее использовать. Принципиальной позиции у абсолютного большинства работодателей нет.
Опыт работы с Agile, Scrum, Kanban. Почти в половине вакансий работодатели указывают, что дополнительным плюсом будет умение работать с гибкими методологиями создания продуктов.
То есть важно не только то, что делает аналитик данных в рамках своей специальности, но и то, как он это делает.
Но ключевым требованием опыт работы с Agile не является (хоть его и указывают в вакансиях). Да, соискателю придется потратить время, чтобы привыкнуть работать в таком формате, но, по мнению компаний, это не критично.
Excel и Google Sheets. Как ни странно, но в трети вакансий требуется знание электронных таблиц. В основном это нужно продуктовым и консалтинговым компаниям, которые довольно мало пересекаются с диджитал-разработкой, или же относительно небольшим проектам, где весь отдел аналитики состоит из нескольких человек.
Действительно, маленьким командам часто незачем использовать мощные ресурсы SQL, если для обработки данных вполне хватает и обычного Excel. Но в таких ситуациях «аналитик данных» часто занимается сразу всем: сбором и анализом данных, инфраструктурой и автоматизацией.
Многие компании выделяют высокий уровень математической подготовки. Но здесь нужно понимать, что Data Analyst, в отличие от Data Scientist, использует довольно ограниченные математические инструменты, поэтому не нужно быть гением математики. Большинство задач аналитика данных вписываются в рамки базовых знаний статистики, теории вероятностей, математического анализа и линейной алгебры.
Высшее образование в области математики пригодится, но при должном усердии все необходимые функции можно изучить и самому. Но для Data Scientist глубокое знание математики уже считается критичным. Если вы планируете расти из Data Analyst в Data Scientist, то математику нужно будет подтянуть.
По основным хард скилам это все. Остальные встречаются менее чем в 10% вакансий, поэтому их можно отнести к индивидуальным особенностям работы в отдельных компаниях.
В целом они практически совпадают для всех специальностей, которые работают с данными:
Многие считают профессию аналитика данных «малообщительной». Аналитик кажется нердом, который работает только с цифрами, а не с людьми.
На самом деле, все немного иначе. Аналитик данных действительно много времени проводит над анализом, но ему также важно уметь донести выводы руководителям компании или отдела. Навыки выступления перед публикой и грамотного подбора аргументации очень пригодятся. Ведь от того, насколько правильно ЛПРы поймут результаты аналитики, будут зависеть их дальнейшие действия в развитии компании или конкретного проекта.
Особняком из софт скилов стоит разве что английский язык. Многие компании отмечают знание английского как преимущество, но есть ряд вакансий, которые рассчитаны на работу в международных командах и с англоязычными проектами. В таких свободное владение английским обязательно.
Обязательный английский часто приятно отражается на зарплате. Вакансии в международных проектах гарантируют денежные компенсацию в 1,3-2 раза больше, чем в русскоязычных.
Кто такой аналитик данных и что он должен знать
Прежде чем анализировать вакансии, разберемся, что делает Data Analyst в компании. В IT-сфере есть три направления специальностей по работе с данными: Data Analyst, Data Engineer и Data Scientist.
Data Analyst собирает информацию, обрабатывает и интерпретирует ее на «человеческий язык». По сути, он переводит статистику и big data в понятные и наглядные выводы, которые можно использовать для развития конкретного проекта или бизнеса в целом.
Результат работы аналитика данных — это основа для принятия любых бизнес-решений.
Data Engineer работает больше не с самими данными, а с их инфраструктурой: базами данных, хранилищами и системами обработки. Инженер данных определяет, как анализировать данные, чтобы они были полезными для проекта. Если обобщить, то Data Engineer налаживает конвейер обработки данных.
Data Scientist занимается стратегической работой с информацией. Именно он создает системы прогнозирования, моделирования и динамического анализа, внедряет алгоритмы автоматизации и обучения.
Главная сложность в том, что границы между этими тремя специальностями довольно размыты. Большинство компаний не видят разницы, поэтому часто в вакансиях Data Analyst встречаются требования, которые больше подходят специалистам Data Engineer или Data Scientist.
В основном это обусловлено спецификой рынка. Если в IT-компаниях знают, что Data Analyst, Data Engineer и Data Scientist — это в идеале три разных специалиста или даже три разных подразделения, то в продуктовых компаниях и производствах часто об этом даже не задумываются.
Зарплата и другие плюшки для аналитика данных
Теперь перейдем к самому интересному — к зарплате. Мы проанализировали открытые вакансии на сайтах HH.ru и Хабр Карьера.
Аналитики данных востребованы в любом крупном и среднем бизнесе, особенно в тех проектах, которые относятся к диджитал и IT. Финтех-банки, диджитал-агентства, продуктовые компании, которые налаживают онлайн-систему продаж, консалтинговые проекты. Среди вакансий есть представители бизнеса практически всех сфер: от медицины до тяжелой промышленности.
Больше всего вакансий для аналитиков данных по состоянию на 12.09.2020 открыто в Москве (241) и в Санкт-Петербурге (74). Для сравнения, во всей остальной России актуально всего 99 вакансий на эту должность.
Интересно, что только 20% компаний указывают уровень заработной платы в самом объявлении. Остальные 80% предпочитают обсуждать денежное вознаграждение в личной беседе с соискателем.
Разброс зарплат довольно большой. Зависит он не только от опыта соискателя, но и от географии. К примеру, аналитик-стажер в Перми получает 25 000 рублей, а Data Analyst в московском офисе международной компании зарабатывает 200 000 рублей.
В Москве средняя зарплата аналитика данных составляет 134 000 рублей. На нее вполне может рассчитывать хороший специалист с опытом от 2 лет.
В Санкт-Петербурге ситуация напоминает московскую, но зарплаты немного меньше. Среднестатистический аналитик данных может рассчитывать на 101 000 рублей в месяц. В остальном же условия практически полностью дублируют московские.
Стажеры и Junior-спецы получают от 60 000 рублей. Есть небольшое количество вакансий, которые предлагают ниже этой суммы (8%), но они в основном предлагают работу не на полный день либо с ограниченной загрузкой в неделю.
Руководители отделов аналитики и Senior-спецы могут рассчитывать на зарплату от 170 000 рублей. Есть даже вакансии, которые предлагают больше 250 000 рублей в месяц. Да, для них требуется опыт больше 5 лет в аналитике и большой пул компетенций, но такие вакансии есть. Так что вполне ясно, куда можно расти.
В качестве дополнительных «плюшек» и мотиваторов часто указывают возможность корпоративного обучения, медицинскую страховку и даже корпоративные пенсионные программы. Некоторые компании предлагают релокацию в Европу или США после определенного количества лет, проработанных в компании. Любимые многими «печеньки и кофе» тоже встречаются, но уже довольно редко. Работодатели в своем большинстве делают ставку на действительно полезные мотиваторы.
В других городах России ситуация похуже. В них частично стирается сама суть работы аналитика данных, он становится больше похож на эникейщика. В небольших компаниях на несколько десятков человек аналитик вообще один и полностью ведет обработку всей бизнес-информации.
Зарплата у такого специалиста тоже не топовая. В среднем, аналитик за пределами Москвы и Питера получает 54 000 рублей. Дополнительных «плюшек» в половине случаев часто нет вообще, а в остальном они ограничиваются б̶е̶с̶п̶л̶а̶т̶н̶ы̶м̶ ̶к̶и̶п̶я̶т̶о̶ч̶к̶о̶м̶ ̶н̶а̶ ̶к̶о̶ф̶е̶п̶о̶й̶н̶т̶е̶ «печеньками и кофе», спортзалом и обучающими курсами.
Максимальная зарплата аналитика данных, на которую может рассчитывать специалист в регионах, — 100 000 рублей. Но чтобы получать больше, необязательно переезжать в Москву. Можно без особых проблем найти удаленные вакансии — формально работать в столице, а жить в родном городе. Многие компании идут навстречу соискателю, в котором заинтересованы.
Мы также провели сравнительный анализ вакансий из Украины и Беларуси.
Средняя зарплата аналитика данных в Украине порядка 20 000 гривен (53 000 рублей). В столице есть вакансии с оплатой в 2-2,5 раза выше, но их выставляют преимущественно международные компании с филиалами в Киеве.
Абсолютно та же ситуация и в Беларуси. Средний размер заработной платы аналитика данных составляет 2800 белорусских рублей (81 000 рублей), но разброс зарплат очень большой. В Гомеле, к примеру, аналитик с опытом от года получает в среднем 1100 белорусских рублей (31 000 российских рублей), а в Минске специалист может зарабатывать вплоть до 10 000 (287 000 российских рублей).
Откуда прийти в профессию и куда расти аналитику данных
Есть мнение, что попасть в касту аналитиков можно только с исключительными знаниями математики. Но это не так.
В аналитику обычно уходят Junior- и Middle-разработчики на Python. Если вдобавок есть базовые знания SQL — вообще отлично. В таком случае разобраться со всеми особенностями работы будет намного проще.
Также можно начать карьеру непосредственно с аналитика. Выбирайте один из десятков доступных курсов — и вперед. Высшую математику знать необязательно. Для Data Analyst уровня Junior и Middle нужно только знание инструментов работы с данными. А в большинстве случаев хватит и школьных знаний математики.
Возможностей роста для специалиста аналитики данных тоже хватает. Три самых очевидных: Data Mining Specialist, Data Engineer, Data Scientist. Первый работает непосредственно с поиском данных для аналитики, второй разрабатывает инфраструктуры данных, а третий занят прогнозированием и стратегией.
Еще один возможный вариант — BI-аналитика. Визуализация данных аналитики — это отдельный скил, и многие крупные компании ценят сотрудников, которые умеют не только анализировать информацию, но и доходчиво предоставить выводы руководству.
В обзоре указаны мастхэв компетенции, но если вы хотите и дальше расти как Аналитик данных, вам понадобится быть в курсе ETL и изучить:
Это солидный пласт знаний, но он сделает вас уберспецом.
Также аналитик данных может вырасти в продуктового, маркетингового аналитика или бизнес-аналитика. То есть, принять ответственность за развитие конкретного продукта или проекта, либо же брать участие в принятии стратегических бизнес-решений, подкрепляя свое мнение аналитическими данными.
Также аналитику данных можно уйти полностью в разработку на Python, но этот вариант выбирает сравнительно небольшое количество специалистов.
Аналитик данных — это перспективная и востребованная профессия. И чтобы стать Data Analyst, не нужно быть Перельманом и уметь решать теорему Пуанкаре — хватит школьных знаний математики и упорства в освоении инструментов аналитика.
Совсем недавно мы запустили первый в России Онлайн-буткемп по Data Analytics, включающий в себя 5 недель обучения, 5 проектов в портфолио, оплачиваемую стажировку для лучшего выпускника. Это суперинтенсивный формат для самых целеустремленных: учиться нужно фултайм.
