Войти в IT. Продуктовая аналитика. Гайд для новичков. Часть 1
![95729f3f7818aae7305987a5935512dc.jpg](https://habrastorage.org/getpro/habr/upload_files/957/29f/3f7/95729f3f7818aae7305987a5935512dc.jpg)
Привет, Хабр!
Я Денис, Продуктовый Аналитик с большим опытом, а также ментор. Через меня прошло большое количество людей, которым я помог по абсолютно разным вопросам: от помощи с резюме и подготовкой к собеседованию до полного проведения до первого оффера, я сам провёл большое количество собеседований. Я прошёл довольно тяжелый путь и попал в аналитику полностью с нуля, не проходя курсов от Яндекса, Скиллбокса и т.д. У меня ушло около 11 месяцев на весь путь, чтобы получить свой первый оффер в Т-Банк (Тинькофф), я самостоятельно изучал много нового материала, смотрел видео на ютубе, где-то искал бесплатные курсы и двигался к своей цели. Моя дорога была вовсе не прямой, я много чего изучал ненужного, где-то останавливался и сворачивал не туда. В этой статье я хочу дать подробный гайд, как стать продуктовым аналитиком.
Поехали!
Технические навыки
Начнём с самой важной части любого продуктового аналитика — это его технические навыки. На мой взгляд, основной стек продуктового аналитика должен выглядеть так (именно начинающего):
SQL
Python (базовый питон + питон для анализа данных)
BI система
Теория вероятностей и математическая статистика
A/B тестирование
Продуктовое понимание
Научившись использовать все эти навыки Вы сможете свободно ходить на собесы, но только технических навыков будет мало, но про это поговорим позже, а сейчас давайте расскажу про сами навыки более подробно!
SQL
Самый важный технический навык на всех аналитических позициях — SQL. Без него Вы не сможете быть хорошими продуктовыми аналитиками и приносить импакт команде. Сейчас довольно высокая планка входа, поэтому SQL нужно на довольно хорошем уровне. Вот основные темы, которые потребуются новичку:
Базовые запросы, как выбирать несколько столбцов
Математические операторы в SQL
Фильтрация данных с помощью WHERE
Операторы AND, OR, LIKE
Группировка (GROUP BY) и сортировка (ORDER BY) данных
Соединение таблиц, виды джоинов и чем они отличаются
Работа с датой (функции с помощью которых можно доставать месяц из даты например)
Подзапросы и временные таблицы
Оконные функции
Это необходимый набор тем, которые потребуются в работе. SQL очень часто используется продуктовыми аналитиками, поэтому постарайтесь понять этот язык, научитесь «думать» на нём. Как и любой технический навык, SQL нужно изучать с точки зрения практики. Вы можете брать любую таблицу на Kaggle например и анализировать её: где-то сгруппировать данные, где-то отфильтровать и выявить интересный сегмент, старайтесь максимально приближать ваши действия к тому, что вы бы делали на работе. Есть много интересных видео на ютубе касаемо того, что именно можно делать с помощью SQL в аналитике, не поленитесь и посмотрите их.
По моему опыту, я скажу так, что за полтора-два месяца можно в спокойном темпе изучить SQL и уже применять его в каких-то реальных задачах, но стоит отметить, что после изучения всех тем, важно еще «набивать» руку на задачах, поэтому вот полезный материал, который Вы можете использовать.
Где решать задачи:
Где изучать материал:
Главное, что нужно запомнить касаемо изучения любого технического навыки — это то, что нужно хотя бы 30 минут в день посвящать этому навыку и тогда на дальней дистанции Вы станете гуру этого языка.
Python
Вторым языком аналитика является скриптовый язык. После извлечения данных из базы с помощью SQL необходимо провести их обработку, очистку, продолжить с анализом и извлечением выводов.
Python — навык, который не всегда требуют на начальных позициях, но это будет хорошим плюсом для вашего резюме, да и в любом случае Вам потребуется в будущем изучить его, потому что не все задачи можно закрыть с помощью SQL. Python для продуктового аналитика — это как швейцарский нож, с помощью питона можно закрыть практически все задачи, связанные с продуктовой аналитикой:
найти инсайты в данных и понять их причину
сделать быструю визуализацию данных
сделать мини-дешборд
рассчитать необходимый размер выборки для A/B теста
все задачи, которые можно закрыть с помощью SQL
узнать, есть ли стат.значимая разница между двумя выборками
работа с API
автоматизация рутинных задач
и многое другое
Я постоянно использую Python в своей работе, он очень сильно помогает мне в работе и ускоряет выполнение множества задач. Темы в Python для продуктового аналитика можно разделить на две группы:
Чаще всего Вы будете использовать именно Python для анализа данных, но на собесах также любят спрашивать темы из базового Python, поэтому нужно быть готовым ко всему. А теперь давайте посмотрим, что же нужно знать:
Здесь очень много разных ошибочных мнений, например: якобы в numpy Вы должны уметь работать с матрицами, знать как найти определитель матрицы и тд. На самом деле, никому это не нужно (если Вы не идете в Data Science), а если Вы увидите на собеседовании вопрос типа: «Дана матрица, посчитайте её определитель», то лучше сразу бежать, потому что это никак не отражает реальную работу.
Реальные сроки изучения этого ЯП на довольно хорошем уровне — примерно 2 месяца. Опять таки, эта цифра взята при условии того, что Вы будете посвящать обучению хотя бы по 30 минут в день (каждый день).
А вот и материалы, по которым бы я лично изучал Python:
Полезные советы
Хочу Вам дать несколько советов, которые позволят Вам получить оффер намного быстрее:
Изучайте любой материал с точки зрения практики. Не нужно учить тонны теории, которые Вам никак не могут, не тратьте своё время
Сделайте несколько пет-проектов и начинайте ходить на собес. Нарабатывайте навык прохождения собеседований, записывайте собеседования и анализируйте их
Не идите на онлайн-курсы. Я бы не советовал начинающим ребятам идти на курсы, потому что большинство людей после курсов не получают свой оффер. И на это есть следующие причины:
курс сложный, человек просто уходит с него
человек понимает, что это не его, но деньги уже потрачены
на курсе готовят всех одинаково, нет индивидуального подхода, не учитывается именно мнение каждого
И исходя из этих всех пунктов, мы получаем на выходе человека, которые просто потратил свои деньги. Лучше изучайте самостоятельно / ищите ментора, это будет самая лучшая инвестиция в обучение.
Итог
В этой части я рассказал про SQL и Python, а уже в следующий раз я Вам расскажу про остальные необходимые навыки продуктового аналитика. Также я делюсь полезной информацией в своём телеграмм канале. Если у Вас есть какие-то вопросы касаемо входа в IT, то можете писать мне в личку тг, буду рад Вам помочь!