Добавить в корзинуПозвонить
Найти в Дзене

Эпизод#2. Стратегия. Часть 1.

Вашему вниманию предоставляется таблица, сделанная в excel, в которой я собрал требования по вакансиям "аналитик данных" с сайта hh.ru. В шапке этой таблицы требования (навык, знания), которые встречались в описании вакансий. Каждая строка таблицы - это отдельная вакансия, включенный флажок в ячейке означает, что требование есть, выключенный - нет. Я сделал выборку из 26 вакансий. Во второй строке подводятся итоги: считаются включенные флажки и автоматически подсвечиваются ячейки, в которых сумма включенных флажков больше среднего. Таким образом подсвеченные красным ячейки указывают на самые часто встречающееся требования. Итак, что нужно знать прежде всего: 1️⃣ Excel на профессиональном уровне: сводные таблицы, формулы ВПР, ИНДЕКС, ПОИСКПОЗ и тп 2️⃣ Python базовые знания принципов ООП и библиотеки: pandas; matplotlib; seaborn; numpy; а также желательно plotly и statsmodels 3️⃣ SQL общие знания + оконные функции, а также желательно сразу работать в PostgreSQL или в MySQL 4️⃣ Системы ви

Вашему вниманию предоставляется таблица, сделанная в excel, в которой я собрал требования по вакансиям "аналитик данных" с сайта hh.ru. В шапке этой таблицы требования (навык, знания), которые встречались в описании вакансий. Каждая строка таблицы - это отдельная вакансия, включенный флажок в ячейке означает, что требование есть, выключенный - нет. Я сделал выборку из 26 вакансий.

Во второй строке подводятся итоги: считаются включенные флажки и автоматически подсвечиваются ячейки, в которых сумма включенных флажков больше среднего. Таким образом подсвеченные красным ячейки указывают на самые часто встречающееся требования.

Итак, что нужно знать прежде всего:

1️⃣ Excel на профессиональном уровне: сводные таблицы, формулы ВПР, ИНДЕКС, ПОИСКПОЗ и тп

2️⃣ Python базовые знания принципов ООП и библиотеки: pandas; matplotlib; seaborn; numpy; а также желательно plotly и statsmodels

3️⃣ SQL общие знания + оконные функции, а также желательно сразу работать в PostgreSQL или в MySQL

4️⃣ Системы визуализации данных: Power BI; Tableau

5️⃣ Изучить что такое A/B тестирование + какие бывают метрики и как они считаются

6️⃣ А еще, что меня удивило, часто встречается требование знать матстатистику и теорию вероятностей

Так как SQL я знаю на базовом уровне, excel знаю хорошо, и знаю принципы ООП, полагаю что мне надо начать изучение библиотек Python (пункт 2️⃣), Ситемы визуализации (я начну с Power BI - пункт 4️⃣), а лежа на диване можно начать слушать лекции по матстатистике и теории вероятностей - тем более это мне нравится 😊 (пункт 6️⃣)

А так как работу я пока ни хрена не нашел (а жить на что-то надо), надо устроится на работу в колл-центр или менеджером по продажам с графиком 2/2. Такой график позволит изучать профессию аналитика раз в три дня.

Вот такая вот стратегия. Что скажете?

Да, и надо периодически просматривать hh.ru и искать такую работу, чтобы оттачивать на практике какие-то нужные аналитику данных умения, например специалист excel, стажер-аналитик, стажер-программист python, оператор баз данных (чтобы практиковаться в SQL запросах) и т.п.

В Части 2 я выложу бюджет в формате excel в котором будут запланированы расходы и, надеюсь, доходы тоже 😀 Этот бюджет сможете скопировать себе, если понравится и вбивать туда свои цифры.

До встречи!

https://docs.google.com/spreadsheets/d/1zdCJdegyLR4ftyKRMVEBO8EuZg5O0uu-bDx4nWLdBH8/edit?usp=sharing