Алексей Свирин: «Дата-аналитика умирает»

Дата-аналитика в том домене знаний, который сформировался пару лет назад, умирает. Хоть некоторые из курсов и готовят аналитиков в той роли, где они могут быть ещё долго востребованы, а именно глубоком анализе различных данных компании, но в реальности таких кейсов крайне мало. При этом один кейс может охватить достаточно большой объём тех знаний, который был необходим менеджерам для принятий решений на долгое время. Такой работы явно хватит не на всех, и средний, и низкий класс аналитиков будут исчезать из-за недостатка фундаментальных знаний в статистике и математике.

Основные роли, для которых используют аналитиков в настоящее время, не оправдывают того, для чего сами аналитики шли на работу, а описание вакансий в основном не даёт представление о том, что же конкретно придется делать.

Бизнес сейчас в огромном количестве случаев использует аналитиков как:

• интерфейс для доступа к данным. То есть для заказчиков со стороны аналитика не нужно даже эти данные анализировать, давать свою оценку и писать выводы. Метрики настолько просты, что они уже по ним могут принять решения;
• недопрограммистов, которые могут закрыть некую потребность в автоматизации каких-то процессов, так как программистов использовать для этого дороже и сложнее;
• калькулятор для А/Б-тестов.

И сейчас эти роли в значительности степени отмирают за счёт развития различных продуктов для анализа данных, где не нужны никакие специфичные знания, а нужно просто разбираться в интерфейсе продукта и первоначально его внедрить.

Аналитики были бы сильно востребованы, если бы никакой Гугл Аналитики, Яндекс.Метрики, Апп.Метрики, Файербейса и так далее не существовало, но эти продукты развиваются, популяризируются, а самое главное, что они стоят дешевле живых людей. Таким образом, низкий порог входа, высокая функциональность и низкая стоимость для большинства компаний убирают аналитиков в роли интерфейса для доступа к данным и просчёта простых продуктовых метрик.

Считать А/Б-тесты руками — это моветон в рамках современных систем аналитики. Руками это делать очень дорого. При этом 99% всего анализа в А/Б можно (и нужно) автоматизировать. Выбор статистических критериев и проверки распределений в данных для их применения, проверка на нормальность, на количество данных — всё можно обложить алгоритмами и, если есть сомнения в их надёжности, то поставить уровень значимости построже.

Ручной труд по автоматизации каких-то процессов системно ничем простым, кажется, не заменить. Но если бизнес использует данный подход, то рано или поздно система утонет в дичайшем легаси, рано или поздно придётся привлекать людей, которые изначально были нужны для построения нормальной системы.

Что же, собственно, тут поделаешь, когда та профессия, в которой ты работаешь, умрёт раньше, чем самоуправляемые грузовики убью профессию дальнобойщика? Конечно, идти куда-то дальше, в те области, которые, возможно, будет иметь большую устойчивость и будут востребованы на горизонте 15–20 лет.

Сразу можно отмести уход в позицию руководителя. Так как руководить аналитиками, работу которых скоро автоматизируют, так себе идея. Я выделил, возможно, самые адекватные пути развития из аналитики куда-то ещё.

• Системная аналитика. То есть именно проектировать системы аналитики и сбора информации по заданию от продукта для дальнейшего анализа. Но, как я думаю, коробочные решения всё равно победят, а спроектировать кастомные события смогут и продуктологи.

• Стать самим продуктологом. С одной стороны, аналитики очень продвинуты в метриках, в том, как они себя ведут, и могут проанализировать результаты внедрения того или иного функционала. С другой стороны, тут на первый план выходят софт скиллы, а у аналитиков с этим не всегда хорошо (у меня точно не хорошо).

• Уйти в программирование чего-либо. Небольшой любительский опыт есть практически у всех аналитиков. Но именно небольшой. Работы предстоит слишком много в основном над хард-скиллами.

• Уйти в дата-инженерию. То есть в сбор и подготовку данных для дальнейшего анализа. В данном случае нужно меньше технических скиллов, чем в случае программирования, нужно меньше софт скиллов, чем в случае продуктолога, и специфические знания, в которые продуктологи не полезут в ближайшее время.

Что же буду делать я с этим мрачным прогнозом? В ближайшее время я буду искать подтверждение моим опасениям, в ноябре будет большая конференция по маркетинговой аналитике, в конце осени выйдет курс, который я жду по продвинутой аналитике от Карпова, возможно, там будут какие-то интересные векторы развития. До этого времени я закончу все курсы, которые уже начал или хотел начать по аналитике, и буду собирать информацию по смежным профессиям.

Источник

Эффективная и выгодная реклама с сервисом от МегаФона

Широкий выбор рекламных каналов, более 100 параметров по интересам, подробная аналитика и другие возможности уже ждут в Личном кабинете. А еще кешбэк 100% за запуск рекламы в первый месяц и еще 10% — каждый месяц.

Узнать больше >>

Реклама. ПАО «МегаФон». ИНН 7812014560. ОГРН 1027809169585. ERID LjN8K1P7y.