Мой опыт работы аналитиком данных. Реальные задачи

#аналитик_данных #реальные_задачи #как_стать_аналитиком_данных Еще больше и чаще пишу в канал
- подписывайтесь:) Оставить заявку на ускоренный курс по аналитике данных от Skypro со ссылкой 7% по промокоду Growth7
Отправить мне чашечку кофе
Какие реально задачи я делала. **Работа в рекламном агентстве** **30 процентов времени занимала разработка дашбордов** Это были дашборды для команды нашей внутренней, которая занималась маркетингом, а также для команды на стороне заказчика. Мы сотрудничали с крупными компаниями - Магнит, Яндекс Лавка, Триколор и другие. И для каждого клиента делали свой дашборд. Я сначала делала одна, потом я нанимала стажеров, обучала их и они мне помогали в разработке. *Как происходил сам процесс?* Если говорить грубо, то это тех задание, которое я писала совместно с клиентом и менеджером проекта. А далее уже по этому тех заданию разрабатывала сам дашборд. **15 процентов времени уходило на различного рода аналитику** Обычно бывало так, что приходил аккаунт менеджер или специалист и говорил: у нас есть проблема и нужно разобраться, в чем может быть причина. Какая это проблема? - вырос ДРР, ДРР - это доля рекламных расходов и нужно найти причины - упала конверсия, также нужно найти причины и презентовать клиенту, почему она упала - в целом компания с рекламой у блоггеров сработала плохо, нужно разобраться в причинах Реже приходили не с проблемой, а с задачей на рост, например - нужно найти точки роста дохода, на основе аналитики определить, как мы можем вырастить нашего клиента по доходам. В принципе это наверное были самые любимые мною задачи - задачи исследования. Чтобы решить эти проблемы, ты начинаешь изучать данные. Данные те, к которым дал доступ клиент. Например, это данные из систем веб-аналитики - Яндекс Метрики, Гугл аналитикса. А также из баз данных. Соответственно я использовала SQL, чтобы вытащить данные непосредственно из баз данных. И Python я использовала непосредственно для различных расчетов в анализе, для того, сделать визуализацию данных из анализа. **Еще 30 процентов занимала настройка систем веб-аналитики** Это не очень любимое мною занятие, но к сожалению, приходилось это делать. Я старалась делигировать на стажера, а потом уже джуниора, но ей кстати тоже не нравилось. Настраивали Яндекс Метрику, Google analytics, Google tag manager. Либо настраивали с нуля, если сайт новый. Либо это была проверка настроек и до настройка, это было чаще всего. Есть несколько типов настроек - это через код сайта, это непосредственно например в Метрике, либо через Гугл Таг менеджер. Самое простое - это настроить Метрику в самой Метрике, но таким мы не занимались. В основном это была настройка через Гугл Таг Менеджер. **И около 25 процентов времени - Все остальное:** Сюда можно отнести подбор и обучение стажеров, а потом джуниор специалистов. Я этим занималась. Разнообразные встречи с клиентами, в которых приходилось участвовать. Презентации обучающие для коллег. Мои личные инициативы - например, внедрение культуры данных в компании. Ну и что-то в этом роде. **Вторая компания - это IT компания и там я уже выступала как продуктовый аналитик.** Там мое время распределялось так: - 85% - это задачи на анализ - 10% - это настройка Яндекс Метрики - 5% -это другое В чем разница анализа, так это то, что здесь задачи на анализ касались самого продукта. Пример - нужно было понять, отключать бесплатный тариф или не отключать. При этом аб тестирование нельзя было применять конкретно для этого, такая специфика области, это бы не поняли некоторые органы, называемые антимонопольной службой. Все нужно было основывать на тех данных, которые уже есть сейчас. Другое - ну например, дашборд стал показывать неверные значения, надо разобраться в этом и исправить. Или я занималась тем, что работала над нормализацией баз данных с разработчиками, а точнее объясняла, что ее нужно сделать и чтобы базы данных работали хорошо. С чем мне не совсем повезло, так это с аб тестированием И на первой, и на второй работе я буквально немного занималась а/б тестированием.