Карьера в BI: как стать востребованным специалистом

Рассказываем, какие качества ценят в BI-специалистах работодатели и где черпать знания на старте карьеры.

Автор: Павел Осипов, руководитель практики BI компании iFellow.

Практически все крупные и средние компании так или иначе работают с данными. Анализ данных помогает им сокращать затраты и увеличивать продажи за счет поиска новой аудитории и удержания лояльных клиентов, т.е. добиваться результата при минимальных издержках. Я называю Business Intelligence (BI) бизнес-разведкой. Она помогает компаниям принимать решения, основанные на анализе внутренних и внешних данных.

BI-аналитик — это специалист, который собирает информацию из разных источников, анализирует их с помощью специальных ИТ-инструментов и оформляет выводы в удобном для восприятия формате.

Важность данных при принятии управленческих решений с каждым годом все возрастает — увеличивается и спрос на профильных специалистов в сфере BI.

Кому нужны BI-специалисты

Можно выделить две группы компаний, которым нужны BI-специалисты. К первой относятся компании, которые традиционно строят свои бизнес-модели на основе аналитики. Для них критически важно анализировать поведение своих клиентов (ритейл, финтех) или открытых источников (консалтинг, HR).

Ко второй группе относятся компании из реального сектора экономики — производства и сельского хозяйства. Они только начинают присматриваться к возможностям BI, но перспектива использования данных в этих отраслях колоссальна. Сейчас наиболее продвинулись в области аналитики данных нефтедобывающие компании. Спрос со стороны реального сектора на специалистов в области BI будет расти.

Специализация внутри профессии

BI-специалистов можно разделить на три категории:

• Data-инженеры собирают, обрабатывают и очищают данные, то есть делают их пригодными для дальнейшей работы.

• BI-разработчики строят бизнес-инструменты для визуализации данных: рисуют дашборды, загружают туда данные и настраивают обновления. Такими инструментами пользуются бизнес-пользователи — сотрудники различных подразделений и департаментов. 

• BI-аналитики исследуют данные, тестируя гипотезы. Они ищут инсайты, которые помогают бизнесу стать эффективнее.

На рынке труда нет проблем со специалистами второй категории: для визуализации данных не требуются глубокие технические знания. Обучиться нужным навыкам довольно просто.

Больше всего не хватает специалистов первой категории, где важна достаточно глубокая техническая подготовка: навыки работы с базами данных, парсинга веб-страниц, генерации данных. В эту сферу приходят люди с бэкграундом разработчика.

C BI-аналитиками ситуация двоякая: специалисты есть, но хороших — нужно поискать. Дело в том, что здесь важна природная склонность и особый аналитический склад ума. Обучиться нужным компетенциям — не всегда достаточно для того, чтобы стать хорошим специалистом.

Чем хороший BI-аналитик отличается от плохого

В BI силен человеческий фактор: можно одинаково хорошо владеть инструментами аналитики, но один специалист будет давать сухие выводы четко по запросу, а другой — приносить прорывные инсайты. От чего это зависит? От soft skills — мягких навыков. Вот основные:

• Страсть к данным. Когда человек увлечен своей профессией, поиск неочевидных закономерностей — это удовольствие.

• Проактивность. Бизнес-пользователи не всегда точно знают, что хотят получить на выходе — хороший BI-аналитик выходит за рамки ТЗ, если видит в этом необходимость. Например, тестирует заданную гипотезу, а заодно еще две, о которых не просили — профессиональное чутье подсказало. Бывает, что именно там кроются инсайты.

• Здоровый перфекционизм. Это стремление выполнить каждую задачу на 200%. Например, нужно составить отчет о количестве прибыльных проектов за последние полгода. Можно просто вывести абсолютную цифру и долю среди всех проектов. А можно добавить к этому топ-5 и топ-10 самых прибыльных проектов, вывести зависимость прибыльности от других критериев — сроков, команды и т.д.

• Навыки коммуникации. BI-специалисту важно уметь общаться с бизнес-пользователями: понимать их запрос и разговаривать на понятном им языке — без лишних терминов и погружения в механику аналитической работы.

Технологический стек

Как и в других сегментах ИТ-рынка в BI изменился набор доступных инструментов. Раньше достаточным было базовое знание Python, SQL и одного из популярных BI-инструментом — PowerBI, Tableau или Qlik. Сейчас этого мало. Стек расширяется, требования растут. Появляются новые критические библиотеки и модули, с которыми можно работать. Особую популярность приобретают open source решения, которые нужно дорабатывать под свои задачи. Компании переходят на российские инструменты — Visiology, Luxms BI, Arenadata и др. Как опытным, так и начинающим специалистам необходимо развивать свои компетенции в соответствии с изменениями рынка.

Как наращивать уровень компетенций

Советы начинающим специалистам в BI довольно стандартные и применимы к любому сегменту ИТ.

1. Пробовать. На старте важно не только изучать теорию, но постоянно практиковаться. Если нет возможности стажироваться на реальных проектах, то стоит придумывать и выполнять личные задачи. Например, создать свой сервис анализа курса доллара — организовать сбор данных с биржи, подготовить их, отрисовать таблицу и загрузить в нее данные, визуализировать отчет. Так можно поэкспериментировать с оформлением, оптимизировать процессы сбора и загрузки данных, корректировать метрики.
2. Собирать актуальный опыт. Опытные специалисты ведут блоги и Tелеграм-каналы. Стоит подписаться на те, которые максимально близки к вашим профессиональным интересам. Тренды, кейсы, исследования — там много полезного.
3. Постоянно учиться. Открытые базы знаний есть на Хабре, GitHub, на сайте PowerBI. Появляются курсы при вузах и на онлайн-платформах: если есть пробелы в знаниях, стоит их компенсировать.