Привет! Меня зовут Оксана, я аналитик данных в крупной компании. Люблю котов, пилатес, Средиземное море, мужские рубашки из Zara, бег и музыку Four Tet. А еще свою работу аналитика данных! Сейчас расскажу вкратце, как выглядит мой типичный рабочий день.
⌘ ⌘ ⌘
7:40 — Утренний кофе. Я очень люблю хороший кофе и вообще считаю себя кофейным фриком. Пью всегда альтернативу, варю в воронке, молока не добавляю.
На завтрак — пара круассанов: обычный и шоколадный. Часто думаю про себя: «В какие-то дни беру два шоколадных — кажется, что они дают больше сил. Надо как-нибудь провести что-то вроде A/B-теста, чтобы убедиться в этом».
8:30 — Синк. На планерке мы с командой обсуждаем дела на день. Например, у меня три задачи на сегодня: составить отчет с BDO, обогатить данными «дизайн эксперимента» и просчитать модель для отдела маркетинга. И погладить кота (но команде знать об этом необязательно).
10:00 — Встреча с BDO. Это Business Development Officer, топ-менеджер компании, который отвечает за финансы. У него есть хорошая идея для развития мобильного приложения: он хочет «навесить» дополнительные функции и заработать больше денег. Но пока это просто скелет. Чтобы превратить его в пул задач, идею сначала нужно обвесить данными. Для этого меня и позвали.
Я напишу запросы к базе данных, которые дадут BDO информацию о текущем состоянии приложения: количестве сессий, среднем времени покупки, пиковых нагрузках и используемых технологиях.
12:30 — Обед с коллегами. Сегодня из-за встречи с BDO я пришла в офис, хотя обычно работаю удаленно. Здесь есть несколько коллег, которые тоже пришли на встречи. Все мы традиционно сбегаем в пиццерию неподалеку. Рабочие дела можно и в офисе обсудить, но это приятнее делать в более расслабленной атмосфере.
13:20 — Рабочая встреча по поводу эксперимента. Вместе с дата-сайентистом из моей команды мы пришли на рабочую встречу с другими коллегами. Все вместе делаем «дизайн эксперимента»: создаем модель на основе данных, которая поможет компании спланировать большое изменение.
Вот в чём суть:
Раньше каждое подразделение ставило перед собой цель: вырасти на 5 %. Команды создавали улучшения: например, меняли тарифную сетку, вводили новые функции в приложениях, запускали новые сервисы.
У кого-то получалось вырасти на 5 %, но у большинства — нет. Качество улучшений оценивали самостоятельно: было столько, стало столько. В результате общий рост составлял 2–3 % в год — это мало.
Теперь мы делаем иначе. В компании появилось отдельное подразделение, которое предварительно оценивает все эксперименты на основе данных.
Вместо того чтобы команды работали над множеством улучшений и каждое приносило копеечную выгоду, мы из всех потенциальных экспериментов выбираем только те, что реально дадут значительный рост.
Выбор делаем на основе прогнозирования с помощью данных. Это называется data-driven подходом — очень востребованный управленческий фреймворк в современных компаниях.
На встрече мы с коллегами спорим, я прямо на ходу набрасываю простенькие модели в Excel, чтобы доказать свои слова. Удивительно — многие даже не представляют, сколько классных задачек с данными можно решить обычной таблицей.
16:30 — Задача по юнит-экономике. В завершение дня — несложная задача от отдела маркетинга. Они планируют промоакцию, но не могут правильно выбрать ценовую модель.
Маркетолог принес мне варианты, и за час и пару десятков строчек кода на Python мы вместе находим лучший. Маркетолог уходит счастливый, а я иду домой — кот ждет.
18:30 — Ужин и сериал. Аналитику данных ничто человеческое не чуждо: ни поке с лососем, ни новая серия любимого сериала на проекторе. А после можно и в Animal Crossing погонять.
19:40 — Курс и вино. В моей профессии нельзя стоять на месте, как нельзя просто стоять на велосипеде на склоне — неизбежно скатишься вниз. Поэтому я учусь и прокачиваю навыки.
Наливаю бокал рислинга и включаю небольшую лекцию о технологии Power BI, попутно делая заметки. Кажется, я понемногу начинаю понимать, как использовать ее в одном из грядущих проектов в компании.
20:20 — Планирование отпуска. Напоследок я решаю проверить билеты — собираюсь в отпуск. Сначала бросилась проверять предложения на сайтах-агрегаторах, но почти сразу остановилась — набросала простой скрипт, который собирает билеты и цены по API в небольшую базу данных. Подумала про себя: «Супер, завтра данные обработаю и выберу лучший билет». Теперь можно отдыхать, гладить кота и спать.
⌘ ⌘ ⌘
Вот так выглядит обычный день обычного аналитика данных в крупной компании. Оксана — сотрудник уровня middle. Вы можете стать таким же специалистом и работать над любимыми проектами практически в любой сфере: от медицины и финтеха до геймдева или науки.
Оксана прошла курс «Аналитик данных» в SkillFactory. Узнайте, чему вы сможете там научиться.