Зарплаты аналитиков данных разного уровня в России: исследование Skillbox Media

Мы проводим исследование рынка вакансий СНГ по всем направлениям. Про зарплаты бэкендеров и фронтендеров поговорили, теперь речь пойдёт об аналитиках данных. Разберёмся, какие они бывают:

• Data scientist. Исследователь. Применяет математику как науку, чтобы анализировать большие данные. Строит модели, составляет прогнозы и находит скрытые закономерности. Часто работает в команде, один проект может занимать недели и даже месяцы.
• Data analyst. Аналитик. Спринтер в работе — быстро анализирует данные и представляет результаты, позволяющие стейкхолдерам принимать оперативные решения.
• Data engineer. Инженер. Разрабатывает, тестирует и поддерживает хранилища данных, создаёт конвейеры обработки данных (ETL). Очищает данные, чтобы результаты анализа были достоверными.
• Business analyst. Бизнес-аналитик. Выявляет потребности бизнеса и формулирует требования к продукту. Переводит запросы заказчиков на язык, понятный команде разработки или аналитикам данных. Его главная задача — сформулировать, какую конкретную проблему должен решить продукт. Часто выступает связующим звеном между бизнесом и технической командой.
  
• System analyst. Системный аналитик. Разбирается в архитектуре системы, описывает бизнес-процессы и готовит технические спецификации. Его задача — понять, как работает система изнутри, выявить точки роста и предложить архитектурные улучшения. Работает на стыке анализа и проектирования.
  
• Machine learning engineer. ML-инженер. Отвечает за внедрение и поддержку моделей машинного обучения в продакшене. Работает на пересечении анализа данных, инженерии и DevOps. Глубоко разбирается в MLOps-инфраструктуре и архитектуре высоконагруженных систем. Это самостоятельная и востребованная роль в компаниях, которые внедряют ML-решения не в лаборатории, а в реальном бизнесе.

Содержание

• Что такое большие данные и зачем их нужно анализировать
  
• Что нужно знать аналитикам данных
  
• Data analyst
  
• Data scientist
  
• Data engineer
  
• Machine learning engineer
  
• Business analyst
  
• System analyst
  
• Что спрашивают на собеседованиях

Что такое большие данные и зачем их нужно анализировать

Поведение пользователей сайтов, предпочтения в выборе товаров, участие в акциях — всё это данные, анализ которых помогает эффективно выстроить работу бизнеса и увеличить прибыль.

Большие данные (big data) — это неструктурированные данные, суммарный объём которых растёт со скоростью более 402 ТБ в день. Это примерно 147 зеттабайт в год. Этот объём включает все сгенерированные, полученные, скопированные и потреблённые данные — от сообщений в мессенджерах и видео на стриминговых платформах до данных с IoT-устройств и логов серверов.

Чтобы работать с big data, нужны специальные технологии. Компания Google первой столкнулась с проблемой низкой скорости вычислений из-за растущих данных. И создала MapReduce — модель распределённых вычислений, при которой кластеры работают параллельно, разделяя нагрузку между собой и обеспечивая высокую отказоустойчивость и масштабируемость всего хранилища.

Что нужно знать аналитикам данных

Хард-скиллы:

• Языки программирования: Python, Java или R. Основные библиотеки для анализа и визуализации данных: NumPy, Pandas, Plotly, Scikit-learn, XGBoost/CatBoost/LightGBM, Statsmodels и другие.
• BI-системы: Tableau, Power BI, Qlik Sense, Oracle BI, Apache Superset, Visiology.
• Знание любого диалекта SQL.
• СУБД: Redis, PostgreSQL.
• Механизмы обработки данных в памяти: Spark, Presto.
• ETL-фреймворки: Hadoop, Airflow.
• Инструменты интеграции данных: Snowplow, Stitch Data, Fivetran.
• Фреймворки для тестирования.
• Понимание жизненного цикла разработки ПО, CI/CD.

Софт-скиллы:

• бизнес-мышление,
• коммуникативность,
• умение отстаивать свою позицию,
• организованность,
• ответственность.

Хороший дата-аналитик — это тот, кто не только найдёт проблему, расскажет, что не так, но и предложит способы решения этой проблемы. Посмотрим, каких аналитиков ищут работодатели и какие требования к ним предъявляют.

Data analyst

Вакансий аналитиков, по условиям которых не требуется опыт работы, достаточно много. Так что устроиться после института или курсов сразу джуном, а не стажёром — реально. Главное — «не быть душнилой»:

Зарплата джунов с опытом работы выше на 40%. Если есть хотя бы полгода опыта, можно рассчитывать на верхнюю границу вилки.

Некоторые работодатели сразу указывают названия вузов, выпускников которых рады видеть в своей компании:

А некоторых устроит просто диплом по естественно-научным специальностям:

«Плюшки» в вакансиях дата-аналитиков встречаются не так часто, как у разработчиков, — например, кальян, как бэкендерам, никто не предлагает. Зато могут помочь переехать в Москву — оплатят стоимость дороги и жилья за первый месяц. Есть даже схема, чтобы никто не заблудился по дороге на собеседование.

Читайте также:

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

Data scientist

Какие требования

Есть вакансии для начинающих аналитиков, в которых даже не требуют знания конкретного языка программирования, — достаточно любого.

На мидл-разработчика можно устроиться уже после года работы. Пример хард-скиллов:

На должность сеньора можно претендовать после трёх лет работы. Есть суровые вакансии, но, если вы хотите получать зарплату в 500 тысяч рублей, придётся забыть об удобном офисе, кофе и играх. Серьёзные заказчики не любят ждать. Работать придётся в команде, но «в одиночку», умничать нельзя.

Читайте также:

Что такое data science и кто такой data scientist

Data engineer

Какие требования

Чтобы получить стажировку, достаточно теоретических знаний. Прокатиться на беспилотном автомобиле — пожалуйста! Но надо учитывать, что зарплата стажёров может быть на 50% меньше зарплаты джуна.

Чтобы стать middle-разработчиком, нужен опыт от одного года и уверенная работа с данными — понимание, как искать инсайты и как вывести продукты на новый уровень. Пример требований:

Читайте также:

Data engineer: кто это такой, чем занимается, как им стать

Machine learning engineer

Какие требования

На позицию junior ML engineer можно претендовать при уверенном знании Python и базовом опыте работы с ML-фреймворками: Scikit-learn, TensorFlow, PyTorch. Можно претендовать на зарплату выше рынка, если есть собственные ML-проекты или опыт участия в соревнованиях на Kaggle.

От ML-инженера уровня middle компании ожидают опыт работы с MLOps-инструментами, такими как Docker, Kubernetes, MLflow, Airflow. Важно уметь внедрять модели в продакшен и строить пайплайны разработки.

На позицию senior ML engineer ждут специалиста, который сам выстраивает архитектуру ML-сервисов, отвечает за их масштабирование и мониторинг. Работать придётся в команде инженеров и дата-сайентистов, но роль больше инженерная.

Читайте также:

Специалист по машинному обучению: кто такой, чем занимается и сколько получает

Business analyst

Какие требования

На начальные позиции рассматривают кандидатов, которые умеют работать с SQL и Excel, собирать и документировать требования от бизнеса, создавать простые дашборды в BI-системах и писать понятные описания задач для разработки.

Бизнес-аналитики среднего уровня должны уметь вести коммуникацию с заказчиками, согласовывать требования менеджеров и технической команды и выстраивать бизнес-процессы.

Сеньоры должны владеть методами управления проектами и продуктами, например Agile и Scrum. Также компании от них ждут глубокого понимания бизнес-домена и умения предлагать продуктовые решения, а не просто фиксировать требования. Требований много, но и зарплата на таких позициях переваливает за 200 000 рублей в месяц.

Читайте также:

Как стать бизнес-аналитиком: 11 главных вопросов о карьере

System analyst

Какие требования

Джунам достаточно уметь писать простые SQL-запросы, составлять UML/ER-диаграммы, документировать требования и разбираться в типовых бизнес-процессах.

У системного аналитика уровня middle должен быть опыт работы с внешними и внутренними сервисами. Кроме того, надо уметь проектировать API, составлять спецификации и описывать бизнес-логику. Компании ожидают, что специалисты такого уровня могут согласовывать решения с архитекторами ПО и разработчиками.

Сеньоры должны уметь проектировать сложные архитектурные решения, понимать бизнес-цели компании и переводить их в технические требования, синхронизировать интересы разных команд и устранять коммуникационные проблемы.

Читайте также:

Кто такой системный аналитик, как он помогает бизнесу и как им стать

Что спрашивают на собеседованиях

Data analyst

Помимо технических вопросов, часто соискателей на должность дата-аналитика просят рассказать о процессе анализа данных, а потом спрашивают, с какими проблемами они сталкивались и как их решали. Ещё один любимый вопрос: критерии оценки эффективности того или иного алгоритма.

Data scientist

Задают вопросы по организации работы, машинному обучению, классификации данных, методам их очистки и алгоритмам. Например: как удалить сезонность из нестационарного ряда? в каких случаях лучше использовать алгоритм SVM, а в каких — случайный лес? зачем нужны ансамбли?

Data engineer

Работодатели могут задавать не только конкретные вопросы, но и общие, чтобы увидеть, как человек рассуждает, и понять, как он будет действовать в нестандартной ситуации. Например, просят назвать возможные причины некорректной работы алгоритма на всём датасете.

Иногда, чтобы проверить софт-скиллы, задают вопросы с неполным условием. Поэтому, если что-то непонятно, не стоит молчать, лучше спросить и заодно продемонстрировать свои коммуникативные навыки.

Machine learning engineer

Работодателей интересуют в первую очередь продакшен-аспекты: как выстраивать ML-пайплайны, автоматизировать переобучение моделей, выбирать метрики для мониторинга и справляться с деградацией качества со временем. Часто задают вопросы об опыте работы с инструментами вроде Docker, Kubernetes и MLflow.

Business analyst

Часто просят описать бизнес-процесс «как есть» и предложить варианты его оптимизации. Распространённая практика — кейс-интервью. Например, кандидату предлагают сократить время обработки заказа в интернет-магазине или выявить узкие места в клиентском пути. Также могут попросить собрать требования у воображаемого заказчика в режиме живого диалога. Дополнительно оценивают навыки работы с SQL и BI-инструментами.

System analyst

На собеседованиях часто проверяют логическое и структурное мышление. Кандидата могут попросить описать интеграцию двух систем: какие артефакты он подготовит, какие диаграммы построит и как зафиксирует требования. Иногда дают кейс на проектирование API или предлагают продумать схему базы данных для новой функциональности. Важно показать системный подход и умение документировать решения понятным языком для всех участников процесса.