Как одновременно учиться, работать и становиться универсальным сотрудником: интервью с ментором олимпиады

Аналитик данных — универсальный сотрудник, способный приносить пользу компании на основе данных.

В чем заключается суть вашей профессии?

На момент проведения первого запуска олимпиады я был бизнес-аналитиком в Тинькофф, у меня было не столь много непосредственной работы с данными. Преимущественно я смотрел верхнеуровневые метрики продукта. Например, есть приложение Тинькофф и команда решила реализовать в нем формат историй. А теперь менеджмент хочет понять, приносит ли этот формат пользу. Собираются данные о поведении клиентов: заходят ли люди в истории, переходят ли по ссылкам, покупают ли что-то. Далее эти данные причесываются, потому что порой нужна далеко не вся информация. А после аналитик изучает результаты и пытается найти пользу для бизнеса и пользователей. Например, для этого можно посмотреть на количество переходов клиентов в определенную историю и их взаимодействий с ней. Приведу тривиальный пример по оптимизации взаимодействия с историями: допустим, у нас есть истории с разными форматами обложек — с прямыми и закругленными углами. Мы делаем предположение, что на прямоугольные истории чаще кликают. И проверяется эта гипотеза с помощью данных: мы увидели, что клиенты действительно кликают по историям с прямоугольными углами на 15% чаще. Но надо понимать, что такое изменение стоит рассматривать вкупе с другими метриками, так как другие ключевые показатели могут просесть, — аналитик должен разобраться.

Пару лет назад вы еще учились в школе и выбирали профессию. Расскажите, как строился этот путь — между вами в школе и вами в работе с данными?

До 18 лет я жил и учился в Узбекистане. За год до поступления решил, что все-таки стоит чуть серьезнее задуматься о своем образовании. Пытался рассматривать варианты за рубежом: Россия, европейские страны или вообще другие части света. Все-таки приоритетным вариантом для меня была Россия и топовые вузы страны: ВШЭ, МФТИ и МГУ. Никогда не задумывался, кем стану. Но сейчас я доволен тем, как складывается моя жизнь.

Почему экономика и анализ данных, а не инженерия, теоретическая математика и прочее?

Я рассматривал два варианта: прикладную математику и информатику в МФТИ и математику и экономику в Вышке. Выбор упирался в баланс хард- и софт-скиллов. По софт-скиллам МФТИ, как мне казалось, сильно проигрывал: существует стереотип о том, что прикладная математика и информатика — не самое социально ориентированное направление. Социальный же фактор в Вышке меня привлекал, потому что в душе я технарь, и благодаря этому удалось улучшить умение выстраивать продуктивные взаимоотношения.

Вы пришли в анализ данных уже после школы. А как современные школьники могут познакомиться с анализом данных? Можно ли попробовать себя уже в старших классах? 

Можно анализировать собственные данные, например распорядок дня и распределение своего времени. Можно анализировать то, сколько раз за сутки с тобой поздоровались. Если зафиксируешь всю эту информацию много раз, сможешь заметить, что, казалось бы, не связанные друг с другом вещи могут оказаться взаимозависимыми. Это действительно может заинтересовать. К примеру, меня на первом курсе увлекла идея о том, что существуют интересные распределения в бытовых наблюдениях. Это как числа Фибоначчи: есть наутилус, и если посмотреть на него в разрезе, то можно увидеть «золотую спираль». То есть очень интересно, как математические и статистические закономерности проявляются в повседневной жизни. Кроме этого, в интернете полно открытых данных, с которыми можно работать. Можно пройти бесплатные курсы на Coursera от Стэнфорда и MIT, где в доступной форме рассказывают об анализе данных и дают возможность поработать с реальными кейсами. На самом деле поиск «хороших» данных — бóльшая проблема, нежели проведение анализа.

Какой человек может стать хорошим аналитиком данных? Какими качествами он должен обладать?

Хорошим аналитиком может стать человек с аналитическим складом ума. Кроме этого, нужна математическая подготовка, а именно статистика, теория вероятностей, основы линейной алгебры. Без этой минимальной профильной подготовки будет довольно сложно. Наверное, как и в любой профессии, в аналитике очень важна твоя личная заинтересованность в своем деле. 

Я считаю, что у аналитика данных все же довольно социальная профессия, то есть это не тот человек, который приходит в офис, восемь часов пялится в монитор и ни с кем не разговаривает. Большинство продуктовых аналитиков, в том числе дата-сайентистов, которые занимаются именно анализом данных, много общаются с людьми, бизнес-заказчиками и другими аналитиками, чтобы достичь результата. Если же говорить о личных качествах, то нужна усидчивость и любопытство, потому что результат не всегда приходит быстро. Например, чтобы найти реально полезный бизнес-инсайт, нужно будет долго сидеть и изучать разные аспекты данных. И поэтому другой важный скилл для аналитика — умение не сдаваться. Но вообще, я склонен считать, что почти все способны делать всё, если этого очень захотеть.

Вы учились в бакалавриате и параллельно работали в Тинькофф. Как вам удавалось все совмещать?

Когда я пришел в вуз, то совсем не знал экономику и не представлял, какие будут предметы. Я чувствовал себя неуверенно в сравнении со всеми ребятами, которые говорили про неведомые на тот момент для меня предельные издержки. Из-за этого я стал изучать предметы расширенной программы, мне было очень интересно. Потом выяснилось, что я покрыл программу следующих курсов. У меня появилась своего рода фора, чтобы начать работать на втором курсе. Но не скажу, что это легко: нужен четкий тайм-менеджмент. Очень часто помогало умение договариваться: если тебе на работе поставили дедлайн, ты можешь объяснить, что у тебя стоит дедлайн контрольной, которая очень важна для тебя. Тогда человек, который установил рабочий дедлайн, может делегировать эту задачу другому сотруднику или же сдвинуть срок для тебя. Ну и без адаптивности тут никак — нужно уметь переключаться между работой и учебой.

Расскажите, как вы получили первый оффер?

Я иностранец, и получить работу мне чуть сложнее. После первого курса мне сказали, что нужно идти на стажировку. Открыл топ-100 ИТ-компаний России, написал практически во все, описал свои навыки и интересы. Несколько компаний, которые мне ответили, в итоге отказали, потому что я иностранец. Но в августе 2021 года выпустили указ, что если ты иностранный студент, то тебе не нужно разрешение на работу и прочие документы — можешь устраиваться на работу без бюрократии. Потом я увидел объявление о стажировке в Тинькофф, прошел несколько этапов отбора, кроме последнего: была сессионная неделя, все свободные слоты были рассчитаны на экзамены. Но я подался на работу в штате Тинькофф, закинул резюме и сопроводительные письма, прошел собеседования и получил оффер. 

Правда ли, что сейчас в аналитике преимущественно молодые ребята?

Большие данные или биг-дата, появились сравнительно недавно, поэтому аналитик данных — относительно новое явление. Всегда были ребята на финансовых рынках, которые пытались с помощью анализа данных предсказать котировки акций и поведение прочих финансовых инструментов, но это были скорее единичные истории. Развитие вычислительных мощностей, расширение своего влияния Google и Amazon в анализе данных — эти истории тоже появились сравнительно недавно. В связи с тем, что в массу эта профессия вышла не так давно, ребята, которые в нее подаются, тоже довольно молодые. 

Анализ данных в пяти словах — это…?

Разговоры, инсайды, статистика, заинтересованность, результат.

Главный навык при работе с данными?

Умение посмотреть на данные с разных сторон.

Что нужно любить, чтобы стать классным аналитиком?

Данные, статистику, себя.

В чем сила в аналитике?

В данных.

Что вы скажете абитуриенту программы «Анализ данных»?

Давай!