Школа аналитики Changellenge >> Education

что в вакансии обязательно, а что — пожелание? учимся читать описание позиций и не закрывать их после первого незнакомого навыка.

многое эйчары указывают прямо в тексте. скилы, без которых не получится работать, помечают так: «необходим», «уверенное владение», «опыт в». необязательные навыки описывают мягче: «будет плюсом», «приветствуется», «желательно», «базовое понимание».

на что еще обращать внимание:

✅ соответствие требований и задач. если инструмент есть в требованиях, но ни в одной задаче не нужен — скорее всего, хорошего кандидата возьмут и без этого навыка.

✅ порядок пунктов. обычно требования прописывают от главного ко второстепенному — нормально соответствовать первым трем, но не подходить по 1–2 последним.

✅ скилы, связанные напрямую с аналитикой. SQL обязателен в 95% случаев, про остальные можно договориться.

а вот к стажу стоит относиться проще — обычно это ориентир, а не четкая цифра. если можешь доказать, что умеешь закрывать задачи из списка, подаваться можно и с меньшим опытом.

а вообще, перед откликом выпиши все скилы в два столбика — «уже умею» и «надо прокачать». в сопроводительном прокомментируй, как планируешь развивать навыки из второго.

какие бывают аналитики? собрали четыре популярных направления — выбирай, что интересно, и определяйся со стеком.

▪️ продуктовый
главная задача: понять, как люди пользуются продуктом. для этого анализируют воронки и удержание, проводят A/B-тесты и оценивают влияние фич на метрики.
стек: SQL, Python или R, статистика, системы продуктовой аналитики вроде Amplitude или AppMetrica.

▪️ BI
главная задача: собирать дашборды и регулярные отчеты, чтобы коллеги из бизнес-направлений могли оценить результат своей работы.
стек: SQL, Power BI, Tableau или DataLens, понимание витрин данных и хранилищ.

▪️ системный
главная задача: не анализ данных, а описание ИТ-системы (требования, интеграции, ТЗ для разработчиков).
стек: BPMN и UML, API и Swagger, базовый SQL, Jira и Confluence.

▪️ дата-аналитик
главная задача: выгрузить, почистить и проанализировать данные под запросы бизнеса. в зависимости от компании может включать и таски из других направлений.
стек: SQL, Python, Excel, визуализация.

если любишь гипотезы и эксперименты — смотри на продуктовую аналитику, наглядные отчеты — на BI, общение с разработчиками и документацию — на системную. а если пока не определился с ролью, начни с SQL, он нужен почти везде.