Аналитики пикабу.⁠⁠

Два чая господину @LordOfDestiny, чистую правду описал.

Я data analyst уже пятый год (в богомерзком мобильном геймдеве).

Суть: ковыряться в куче (ебуче огромной, блять, куче! в моём случае, хорошие запросы крутящиеся по несколько часов и выдающие гигов десять (текстовых) данных на выходе - типа норма), правильные AB тесты, немного моделирования, ретроспективные отчёты по фичам/инструментам/аудитории, вот это всё. Немного сбоку стоят маркетинговые аналитики, там ребята занимаются только оценкой качества трафика, поиском хороших каналов и оперативным обрубанием плохих.

Что хорошо: DA нужны дохуя где - банкинг, телеком, приложения мобильные, может, где-то в торговых сетях крупных тоже нужны, но чот вакансий не то чтобы много видел. Денег вроде не жалеет никто на хороших аналитиков (субъективно).

Инструменты: SQL (хотя noSQL базы на текущий момент стоит хотя бы пощупать), python или R (+ мат.библиотеки типа numpy, scipy + pandas - либа для работы с датасетами); эксель - ну такое, просто знать хорошо не помешает, накидать какой-нибудь прототип в гуглотаблицах в качестве бесплатного решения - может и полезно, но "тру" DA его почти не используют, ибо часто ни эксель, ни гуглотаблицы не вместят в себя датасет в принципе (из-за ограничений).

Куда можно развиться вбок: Data Science (регрессия, кластеризация, кэггл, и машинное ебать его в сраку, обучение) или Data Engineering. Первая отрасль, вроде крутая и перспективная, но на практике пока решает небольшое кол-во задач, будем посмотреть, как дальше будет развиваться. DE в этом плане чуть стабильнее - организовать все данные так, чтобы и аналитики и датасатанисты могли с ними удобно работать, это всё не ломалось и стоило недорого. Денег вроде чуть меньше, чем в DS, но зато стабильность, в хорошем её понимании.

Бизнес аналитика, это совсем не про математику, а про процессы. Моделируешь, оцениваешь, смотришь узкие места, сколько стоит, где улучшить (и на этом сэкономить) и вот это всё (я могу ошибаться, поправьте, если есть кто из BA).

Чтобы что-то анализировать, нужно это что-то получить. Поэтому sql и excel - это база (неужели выпускник ит-специальности не имеет таких знаний?). Если data analyst - то python nympy или R. Если бизнес-аналитик - то, естественно, нотации и средства моделирования.
А вообще, это 2 совершенно разные специальности: БА - постоянная работа с людьми, грамотная речь, стрессоустойчивость; DA - для интровертов: ковыряешься в цифрах и рисуешь диаграммы.

Какие навыки у тебя уже есть?