«Руководство само начало разговор о повышении»: путь дата-аналитика Виктора в геймдеве

«Мне всегда были по душе цифры»: как аналитика из хобби стала делом жизни

— Виктор, сейчас ты дата-аналитик в геймдеве. А как всё начиналось? Чем занимался до того, как перешёл в новую профессию?

— Раньше я работал в общепите: барах, ресторанах. Data science увлёкся чисто случайно — просто искал новое хобби. Многие мои коллеги-бармены, например, на досуге дизайнили. А я хотел подобрать для себя что-то, связанное с аналитикой, ведь всегда получал удовольствие от работы с цифрами.

В процессе своего поиска как-то случайно наткнулся на курс по data science. Ознакомился с программой, заинтересовался, купил. Честно скажу: в начале обучения даже не предполагал, что всё зайдёт так далеко и аналитика станет моей основной деятельностью.

— И какой же момент стал поворотным? Когда ты понял, что аналитика — уже не просто хобби для тебя?

— В разгар пандемии ковида. Ресторанному бизнесу в те времена пришлось ой как нелегко, моя карьера зашла в тупик. Помню, я тогда твёрдо решил, что хочу сменить профессию на более стабильную, и стал чаще и усерднее заниматься аналитикой.

— А как удавалось наращивать темп и при этом совмещать работу с обучением?

— Думаю, секрет в том, что я воспринимал учёбу не как бремя, а как личный вызов. Когда заканчивал урок или успешно сдавал домашнее задание, получал огромный приток позитивных эмоций: «Я справился, я смог это сделать!» Это помогало уверенно и с хорошим настроем двигаться дальше, не делать больших пауз.

— Писать код ты учился с абсолютного нуля. Вспомни, какими были твои первые ощущения от погружения в этот новый мир?

— Сначала мне казалось, что языки программирования, и тот же Python, необходимый для анализа данных, — это мегасложно. А потом… постепенно я стал вникать, разбираться и понял, что, если приложить усилия, научиться с нуля можно чему угодно.

— А чувствовал ли сильный разрыв с теми студентами, кто уже имел бэкграунд в программировании?

— Безусловно, более опытные одногруппники выполняли задания быстрее меня. Я это видел, но не расстраивался. Наоборот, бодрился и старался не отставать. А ребята, в свою очередь, поддерживали и подсказывали: где допустил ошибку, где воспользовался устаревшей информацией. Однажды — даже написали пошаговый гайд, как подключиться к базе данных. Это мне сильно помогло.

Психологически важным моментом для меня стала сдача и защита итоговой работы, в ходе которой я проанализировал объёмный датасет и с нуля обучил модель определённым действиям. Защита прошла отлично: я получил огромный заряд мотивации и, что важнее, увидел и почувствовал, что я всё могу и всё у меня получается.

«Помогло хорошее резюме и прокачанные софт-скиллы»: как найти работу дата-аналитиком без опыта

— Как и когда ты понял, что готов переходить от обучения к действию и пробовать себя в новом деле?

— Опытные одногруппники и здесь помогли мне советом. Они подсказали, что для успешного трудоустройства не обязательно полностью проходить курс. Достаточно освоить базовые блоки. Так я и поступил: завершив определённые модули, стал активно искать работу и параллельно продолжать обучение.

Смотрел все вакансии для аналитиков данных, к сфере не привязывался. Всё-таки моей основной целью было именно получение опыта. И вот однажды я наткнулся на объявление от Puzzle Point — международной компании, разрабатывающей игры. Решил откликнуться, хоть о геймдеве тогда ничего и не знал.

— Как думаешь, что помогло тебе, абсолютному новичку, получить работу?

— Во-первых, грамотно составленное резюме. Его я собирал по шаблонам с уроков Центра карьеры. Придерживался лаконичной и чёткой структуры: избегал лишней информации и акцентировал внимание на своих сильных сторонах. Например, отметил, что хорошо и вдумчиво работаю с цифрами, и в качестве подтверждения приложил свои курсовые работы.

Дальше — онлайн-собеседование. После долгих лет офлайн-работы и живого общения мне было очень непривычно подключаться по видеосвязи, поэтому я волновался больше обычного. Ситуацию спасла предварительная тщательная подготовка — разговор прошёл хорошо.

В итоге компания утвердила на должность двух человек: меня и ещё одного парня. Но тот не прошёл испытательный срок — не хватило нужных софт-скиллов. Вот и получается, что навыки коммуникации, которые я получил в ресторанном бизнесе, помогли мне закрепиться в новой профессии.

— А можешь привести пример: в каких ситуациях они тебе пригодились?

— Например, когда мне нужно было корректно и доходчиво донести результаты проведённой аналитики до владельцев бизнеса. Всё-таки обработать данные и принять на их основе решение — это одно. А объяснить, почему нужно сделать именно так и никак иначе, — совсем другое.

Хороший аналитик должен уметь выстраивать уверенную аргументацию, но при этом также слышать собеседника и при необходимости закрывать его возражения.

Читайте также:

Чем занимается аналитик данных и почему ему готовы платить 300 тысяч рублей в месяц

— Ты упомянул, что на момент трудоустройства почти ничего не знал о сфере геймдева. Быстро разобрался?

— Конечно, я почти сразу влюбился в индустрию. Особенно поразило то, что почти все решения внутри неё принимаются исключительно на основе данных, их анализа и тестирования гипотез — такой подход называется data driven decisions. Это очень круто.

Ещё я был удивлён, как много денег могут приносить игры. Оказалось, что геймдев — одна из самых быстрорастущих и прибыльных отраслей. А то раньше я наивно размышлял: «И как же игра окупается, если она бесплатная?» Теперь понимаю: за счёт внутриигровых покупок (предметов и действий) и, конечно, рекламы.

«Моя работа нужна до, во время и после выпуска игры»: как устроена дата-аналитика в геймдеве

— Как проходит твой обычный рабочий день? Какие задачи выполняешь?

— Всегда по-разному. В спокойные времена анализирую фичи, выдвигаю гипотезы, делаю тест-дизайны. Во время релизов проверяю их ещё раз на адекватность, чтобы всё хорошо и качественно работало. В этом мне, кстати, помогают телеграм-боты. Если происходит какая-то поломка, например «отвалились» платежи, то бот мгновенно об этом уведомляет и мы быстро всё чиним.

Что касается проектов компании: сейчас все силы Puzzle Point брошены на разработку новой игры в жанре match-three («три в ряд»).

— Представим, что компания приняла решение запустить ту или иную игру. В какой момент её разработки ты, как дата-аналитик, подключишься к процессу?

— Сразу же после озвучивания идеи. Дальше я занимаюсь всем: начиная от таксономии проекта, заканчивая способами увеличения прибыли. Для этого я изучаю внутреннюю статистику по пользователям наших игр и анализирую рынок по внешним источникам.

Не наступит такой момент, когда аналитик станет не нужен. Он будет востребован всегда: до, во время и после выпуска игры. Но, конечно, другой вопрос, что на итоговые решения руководства влияют не только предоставленные данные. Также важны результаты маркетинговых мероприятий: отбился ли бюджет, разумно ли выделять новый. Всё взаимосвязано.

— Чувствуешь ли ты сейчас уверенность в своих знаниях? Или иногда приходится подглядывать в конспекты, чтобы найти решение для той или иной проблемы?

— На мой взгляд, одно другому не противоречит. Не стыдно чего-то не знать, стыдно не пытаться разобраться. Любое решение можно найти в интернете, а навык поиска — тоже важное умение, которому меня как раз научил курс.

Да и, если говорить в целом, программирование и аналитика — это вообще всегда про подглядывание, невозможно всю информацию удержать у себя в голове.

— Работодатель замечает твой рост?

— Да! Более того, руководители первыми начали разговор о моём повышении. Я пришёл в команду стажёром-аналитиком, а сейчас уже выполняю задачи на стыке дата-аналитики и продюсирования. Как аналитический продюсер, я собираю данные и на их основе принимаю решения о тестировании гипотез или продвижении питчей, чтобы увеличить показатели того или иного продукта.

— Поделись своим секретом: что делать, чтобы начальник сам предложил перейти на должность повыше?

— Готовой формулы нет. Самое важное — искренне увлекаться своей деятельностью. А дальше — дело за деталями. Я просто показал себя надёжным сотрудником, а ещё углубил свои знания в анализе и выдвижении гипотез. Кому-то же более актуальным советом будет «прокачать софт-скиллы».

Карьерный рост, на мой взгляд, всегда отражает твоё комплексное развитие как специалиста. Не стоит думать, что получится «выехать» на чём-то одном. Нет, лучше одновременно развивать все свои навыки и умения и иметь проактивную позицию в коллективе.

 — Раньше ты работал в общепите и постоянно общался с людьми, а сейчас пять дней в неделю сидишь перед ноутбуком. Какой формат работы тебе в итоге оказался ближе?

— Если честно, я даже не представляю, как мог раньше проводить по 12–15 часов на ногах. Сейчас мои условия работы гораздо комфортнее. Да и отношение к сотрудникам совсем иное, чем в ресторанном бизнесе. Изо дня в день меня радует, что в моей компании к каждому сотруднику относятся как к личности, с уважением, всегда выслушивают и помогают, если необходимо.

Читайте также:

Как стать аналитиком данных: какие навыки нужно получить и где искать первые проекты

— Что дальше? Чего ты хочешь достичь в ближайшем будущем?

— Главная цель моей компании сейчас — войти в топ-10 издателей в нашем жанре, match-three. Я же делаю всё, чтобы ей в этом помочь.

Что касается личного карьерного роста — здесь меня никто не ограничивает. Если я решу, что готов к более высокой должности, то спокойно инициирую разговор с начальством и аргументирую свои доводы. Но пока не тороплюсь, хочу поднабраться нужных скиллов.

— Как думаешь, что поменяется в твоей профессии с развитием искусственного интеллекта?

— Уже сегодня ИИ существенно облегчает работу аналитиков. Например, пишет скрипты, с помощью которых мы можем настраивать оповещения. А ещё позволяет загружать сырые данные на диск и самостоятельно проводит их неполноценный, но всё же анализ, визуализирует данные.

Ну и, конечно, нейросети очень помогают с презентациями, текстами для сложных исследований и тестов: достаточно написать подробное задание, а потом уже вручную подкорректировать детали.

И всё же я не думаю, что нейросети полностью заменят нас в ближайшем будущем. Даже если они научатся качественно анализировать данные, вряд ли смогут грамотно расставлять приоритеты, формулировать гипотезы и принимать решения.