Введение
Я работаю в индустрии данных более четырёх лет. За это время я стал свидетелем значительных изменений в роли аналитика данных.
Раньше при отборе кандидатов на должность аналитика данных было проще определить, кто обладает необходимыми техническими навыками, а кто нет. Сегодня почти все кандидаты проходят первые несколько раундов собеседования.
С появлением ИИ даже те, кто имеет мало практики, могут создавать дашборды и писать SQL-запросы с высокой точностью — навыки, которые раньше требовали годы обучения. В результате ожидания работодателей изменились: опыт и экспертиза в предметной области стали обязательными требованиями.
Кроме того, границы между различными техническими ролями стираются, и опыт становится обязательным условием. От сотрудников ожидается выполнение большего количества проектов, изучение новых навыков и увеличение производительности за более короткие сроки. Однако это не только плохие новости.
Из моего опыта работы в этой сфере я убежден, что есть особый тип аналитика данных, который не только выживет, но и процветает в эпоху ИИ.
И это...
аналитик продуктовых данных
В этой статье вы узнаете:
- Что такое аналитик продуктовых данных (PDA)
- В чем разница между PDA и традиционным аналитиком данных
- Какие навыки нужны для того, чтобы стать PDA
- Мой личный опыт работы PDA в крупной технологической компании
Что такое аналитик продуктовых данных?
Чтобы проиллюстрировать разницу между PDA и обычным аналитиком данных, рассмотрим "день из жизни" профессионалов в каждой из этих ролей.
День из жизни традиционного аналитика данных
Брайан — традиционный аналитик данных. Он получил должность начального уровня и уже год работает на этой позиции.
Вот что входит в его обязанности:
- Получение данных о продажах за прошлый год с помощью SQL и создание дашборда
- Выявление сегмента клиентов, которые перестали взаимодействовать с компанией за последние 3 месяца
- Определение причины падения коэффициента конверсии на 15% на прошлой неделе путем объединения данных из CRM-системы и маркетинговых каналов компании
Такая роль обычно требует знания SQL, Excel, создания дашбордов и некоторых навыков программирования. Моя первая работа аналитика данных включала именно такие задачи. Это определенно нелегко. Но ИИ снижает порог входа для выполнения этих задач.
Все упомянутые выше задачи можно выполнять намного быстрее с помощью инструментов ИИ, таких как Cursor, Claude, и ChatGPT.
Из-за активного использования Брайаном инструментов ИИ он иногда начинает чувствовать себя больше инженером промтов, чем аналитиком данных. Работодатель Брайана понимает, что его работу можно выполнять быстрее благодаря новым инструментам ИИ. В результате они перестают нанимать других аналитиков данных. Вместо этого они поручают Брайану выполнять все проекты по анализу данных. Хотя у Брайана стабильная работа и он стал более эффективным аналитиком благодаря ИИ, он иногда чувствует, что его обязанности не сильно изменились за последний год. Он не продвигается по карьерной лестнице и не получает повышения.
Более важно то, что Брайан хочет изучать новые навыки и углублять свои знания, а не просто использовать ИИ для выполнения той же работы быстрее. Брайан находится на традиционном пути развития аналитика данных. Это не плохо, но просто переориентировавшись и освоив некоторые дополнительные навыки, он может быстрее продвигаться по карьерной лестнице и зарабатывать больше денег. Для этого Брайану нужно использовать ИИ как рычаг, а не как конкурента.
День из жизни аналитика продуктовых данных
Сара — PDA в компании социальных сетей.
Вот как выглядит её работа:
- Сара работает с командой, которая разрабатывает рилы (короткие видео), чтобы понять, почему создатели контента в определенных локациях менее склонны использовать эту функцию. Затем она сотрудничает с дизайнерской командой для разработки новых функций для устранения этого разрыва.
- Она работает над новой функцией "ускорение создателей", чтобы понять, приводит ли продвижение новых создателей на платформе к лучшей удержанию создателей без ущерба для вовлеченности пользователей. Для этого она проводит A/B тестирование. (Спойлер: такой анализ не прост. Результаты редко бывают однозначными и их еще сложнее объяснить заинтересованным сторонам).
- Сара также участвует в встречах по обзору продуктов и оспаривает предположения руководства: например, вице-президент считает, что пользователи хотят более длинные видео, и Сара должна опровергнуть это реальными данными о поведении пользователей, показывающими снижение внимания после ~35 секунд.
Вы заметили разницу между работой Брайана и Сары?
Работа Сары не обязательно технически сложнее работы Брайана. Оба профессионала обладают одинаковым набором технических навыков; оба знают SQL, могут писать формулы Excel и создавать дашборды.
Самое большое отличие их работ заключается в том, что Сара имеет гораздо большее влияние на решения о продукте. Если новая функция "ускорение создателей" будет запущена и компания заработает $1 млн благодаря ей, Сара непосредственно внесла вклад более чем в миллион долларов дохода от продукта.
В результате она представляет высокую ценность для компании и легко получает повышения с более высокими зарплатами.