パート1
過去数か月間、私は「FMCGのマーケティングアナリストとしての地位を辞め、ITの製品アナリストのオファーを得る」という探求を経験してきました。私の経験を共有し、この間にさまざまなソースから収集された情報を体系化したいと思います。そして、根拠のないものにならないように、製品アナリストが持つべきスキルについて話すために、hh.ru欠員の申請者の要件に関する公開情報のレビューから始めます。
「アナリスト」と「製品アナリスト」のリクエストについて、2020年10月28日にウェブサイトheadhunter.ruに投稿された欠員に関するオープンデータを解析しました。完全なノートブックとデータへのリンクはここに掲載されています。
私の結論について話す前に、分析の詳細について少し逸脱します。
特定の欠員に必要な要件のリストを、ポジションの説明の「キースキル」セクションから取得しました。すべてのHRがこの分野を高品質で満たすわけではありません。一部は封印されており（注：「Phyton」）、一部は
おそらく、スキル、特にソフトスキル（注：「ビジネスチームや技術チームと通信するための優れたコミュニケーションスキルがある」）をより正確に説明するには、完全な職務記述から要件を強調し、それらをセマンティックグループに分類する価値があります。
上記を考慮すると、以下の表のパーセンテージは、文字通り「このスキルが必要な専門分野の欠員の割合」ではなく、「特定の専門分野におけるこのスキルの優先順位」と見なします。
合計1,178の広告が分析に利用可能であり、その60％以上が、アナリスト、ビジネスアナリスト、製品アナリスト、マーケティングアナリスト、およびWebアナリストの5つの専門分野に属しています。
各専門分野に必要なスキルはどのように異なりますか？
専門分野ごとに重要なスキルが異なることがわかります。製品アナリストにとっては技術スキルが重要（SQL、Python）、マーケティングアナリストにとってはマーケティング分析とPowerPoint、Web AnalyticsGAとI.Metrica（
製品アナリストのトップスキルのリストを続けると、技術スキルの後に分析（データ分析、分析思考、分析研究）と統計の知識（数学統計、統計分析、a / bテスト、データマイニング）が続くことがわかります。タグクラウドの最初の画像のスキルの頻度の解釈を含む完全なリスト。
関連する経験がなくても、どの専門分野に入るのが最も簡単ですか？
最も簡単な方法は、専門のマーケティングアナリストとWebアナリストのデータ分析の分野でジュニアとインターンのポジションで仕事を探すことです-欠員の約10％は経験のない人を雇う準備ができています。
製品アナリストのポジションには、より経験豊富な人が最も多く期待されます。欠員の半数以上が、関連する3〜6年の経験を持つ人を探しています。
専門分野によって給与はどのように異なりますか？
賃金に関するオープンな情報を持つ欠員はほとんどなく、63人だけです。それにもかかわらず、抵抗することは不可能であり、分布を見ないことは不可能です。適切な比較のために、エントリーレベルの給与の中央値を考慮してください（「1年から3年」の予想される仕事の経験）。
平均的なビジネスアナリストは140トン、製品アナリストは100トンと数えることができ、最も支払い意欲が低いのはマーケターとWebアナリストである60トンです。マーケターとウェブアナリストは、BPMNまたはPython、SQLを緊急に学びます！
2番目の部分に進む前に、いくつかの関連記事：
- アナリストハンティングの分析-私よりもHRのことをよく理解している人々からの欠員、スキル、給与の概要。
- Yandexのさまざまなグレードで必要なスキルに関するテキスト。
- ITのアナリストの種類に関する記事（
Drozdovの声で読んでください）。
パート2
第2部のタスクは、データ分析、特に製品分析を無料で学習できるリソースを1か所に集めることです。主に初心者や有料コースにお金をかけたくない方に便利です。
ちなみに、有料コースを考えているなら、ここで多くの学校の正式な特徴（期間、価格、レベル）を比較することができます。残念ながら、資料やプレゼンテーションの品質を客観的に評価することは難しいため、自分でレビューを探す必要があります。
Pythonの学習を開始する場所：
- Yandex.PracticumからPythonとデータ分析の基礎に関する無料の入門コースを受講してください。
長所：最良のスタートを切るのは難しいです：すべてがシンプルで、明確で、インタラクティブです。そして最も重要なことは、コースの終わりまでに、最初の独立したプロジェクトと、データ分析のためのPythonの機能の大まかな理解ができるようになることです。
短所：コースの残りの部分を購入したいという願望があります。
- 例えば、stepikにコースを見て、このいずれかを。
長所：データタイプ、ループに関する知識を磨き、Anaconda + JupiterNotebookをインストールして自分で練習を開始する方法を確認できます。
短所：numpyおよびmatplotlibライブラリについてはごく簡単に説明しましたが、パンダではまったく説明していません。
SQLの学習を開始する方法：
長所：完全な初心者に適しています。
短所：これらのコースだけでは十分ではなく、さらに多くの練習が必要です。
- sql-ex、sql-academy、またはsql-zooの問題を解決します。
各プラットフォームには独自の長所と短所があり、最も好きなものを見つける価値があります。
- Clickhouseに精通していることがしばしば必要とされるのは、製品分析のためです。
Clickhouseには優れたドキュメントがあり、それを実践できますが、実際の使用のニュアンスに関する情報はほとんどありません。たとえば、karpov.coursesには、ClikHouseでの保持率の計算に非常に役立つウェビナーがあります。
数学の学習を開始する場所：
- 近づくのが本当に怖い場合は、カーンアカデミーで最初から始めることができます。
長所：加算と減算を使用しても、数学の学習を開始できます。
短所：すべてのビデオは英語であり、情報が拡張されているため、多くの場合、スピードを上げたいと思うでしょう。
長所：すべてが短く、要点があり、すぐにタスクが実行されます。
短所：学校と同じように、座って決める必要があります。
- 理論に関する教科書。信仰とマット。V.E.の像 グマーマン、S。グランツ。
長所：ここでは、前の段落のソースよりもすべてが少し拡張されていますが、より詳細になっています。
短所：研究所と同じように、座って決定する必要があります！
長所：講師は明確に説明し、コメントには練習と議論があります。
短所：いくつかの点は大幅に単純化されており、いくつかはさらに理解する必要があります。しかし、これはMEPと自己教育のマイナスです。
データ分析とMLの経験を積む場所：
- — Python CSC, Open Machine Learning Course ODS .
: , , .
: ( ), . - , . - DA DS , , , — , , CSC .
- ML ML . .
:
- .
MIPTからのPythonのアルゴリズムとデータ構造 に関する最初のいくつかの講義は、アルゴリズムの第一人者や他のgnomesになるつもりがなくても、聞くのが興味深いものです。これらは
- 視覚化（Tableau、Power BI、Y.Datalens、ダッシュ）。
I Tableauには無料のパブリックアクセスがあり、ダッシュボードの作成を無料で学ぶことができます。TableauまたはDatalensからのマラソンへの参加は 、詳細なトレーニング資料のためだけであれば、非常に役立ちます。物事を複雑にしたい場合：ダッシュを処理します。
- 練習-練習-練習。
kaggleのポートフォリオに興味深いプロジェクトを選択してください。キノコの分類からワインのレビュー、自殺統計まで、あらゆる好みのデータセットがあります。データセットごとに、ノートブックの例とディスカッションがあります。
そして、kaggleが十分でない場合は、関心のある領域から自分で分析するためのデータを収集します-テキストの最初の部分のサイトの単純な解析の例です。
基本的な推奨事項：
- 膨大な数のタスクで混乱したり、モチベーションを失ったりしないように、各項目の優先順位をリストにしておく価値があります。Googleドライブでテーブルを管理するのは便利でした。
- あなた自身の知識の良いテストは、理論を読んで、あるリソースのあるトピックの問題を解決し、すぐに同じトピックの隣接するサイトの問題を解決しようとすることです。このようにして、ギャップを発見し、知識を補うことができます。
- お気に入りのソーシャルネットワークで好みに応じて分析用のパブリック/アカウントを選択してください。ニュースに気づき、お茶をスクロールする何かが常にあります。
- 最終的に夢の仕事を見つけたとき、これは旅の終わりではなく、始まりであることを忘れないでください！そのため、その過程で一時停止と質の高い休息が必要です。