Кто такой финансовый аналитик и чем он занимается

Аналитик – это собирательное название профессии, суть которой сводится к сбору большого количества цифровых данных, их анализу и трактовке полученной информации. Что это за данные – зависит уже от специфики работы такого сотрудника. Аналитик может быть специалистом в области финансов, инвестиций, конкретных рыночных сегментов, инженерии, химии, компьютерного программного обеспечения, рекламы, социологии и так далее. Кстати, в 2021 году центр профориентации ПрофГид разработал точный тест на профориентацию. Он сам расскажет вам, какие профессии вам подходят, даст заключение о вашем типе личности и интеллекте.

Особенности профессии

Чаще всего вакансия аналитика предполагает, так или иначе, работу с числами – самой подходящей формой представления информации для проведения исследований, анализа, выявления статистических принципов, прогнозирования и формирования планов дальнейшего развития. То, о чем говорят эти числа, может относиться практически к любой области жизни современного общества. Хотя на практике аналитики все же чаще работают в областях, связанных с финансами, поскольку именно они требуют детальнейшего анализа и предельно четких прогнозов, основанных на реальных данных и научной математике, а не чьей-то интуиции.

Ключевые обязанности аналитика сводятся к следующей последовательности действий:

• Сбор всех данных, необходимых для проведения анализа, и их первичная обработка (она направлена на приведение данных к единой форме, выделение основных признаков, переменных и неизвестных для анализа и прочие подготовительные работы).
• Определение основных тезисов исследования, выдвижение гипотез.
• Непосредственно анализ собранной и стандартизированной информации, выполняемый с помощью математических методов и современного программного обеспечения. В результате анализа гипотезы либо подтверждаются, либо опровергаются.
• Составление прогнозов, планов развития, проектов, методических рекомендаций, основанных на результатах выполненного анализа.
• Оформление аналитического отчета о результатах анализа, формирование выводов, их презентация работодателю/клиенту.

Например, бизнес-аналитик может работать в штате конкретной компании и изучать ее финансовые процессы, реальные и потенциальные договора с партнерами, конкурентов, чтобы определить ее слабые и сильные места, предложить оптимальные способы оптимизации ее работы, сокращения расходов и повышения прибыли. Финансовый аналитик может специализироваться на особенностях процессов внутреннего или международного рынка. Некоторые аналитики специализируются на биржевой торговле и могут спрогнозировать перспективность тех или иных инвестиций.

Аналитики, работающие в области компьютерных технологий, совершенствуют концепции и методы разработки программного обеспечения, консультируют по вопросам информационной безопасности, помогают внедрять более совершенные алгоритмы на практике.

Чем занимаются аналитики

Профессия аналитика достаточно распространена в ИТ-секторе, и всё равно появляется достаточно много вопросов из разряда «Зачем нужен аналитик?» или «Чем занимается аналитик?» и даже «Кто такой аналитик?». Такие вопросы возникают не только у людей, не связанных с разработкой программного обеспечения, но иногда даже и внутри ИТ-компаний! Я уже 8 лет работаю аналитиком на различных проектах, и с уверенностью могу сказать, что трактовка этой роли в компаниях и командах может различаться, особенно, если они взяли аналитика просто потому что «так надо», без понимания его предназначения. В этой статье я хочу объединить стандарты и свой опыт, чтобы вкратце ответить на эти вопросы. Это будет интересно тем, кто хочет понять, нужен ли им на проекте такой человек, и что он должен делать, а также тем, кто недавно пошел или думает пойти в эту профессию.

Кто такой аналитик?

Уже несколько лет ИТ-сообщество ищет ответ на этот вопрос. Составляются своды знаний (см. BABOK), формируются стандарты, карты компетенций. Однако, это всё скорее даёт почву для обсуждения, чем точно и четко описывает границы должностных обязанностей. Любая попытка самоопределения аналитика в профсообществах может привести к длительному спору на эту тему, тем не менее, к некоторому общему знаменателю за эти годы прийти всё же удалось.

Начнем с того, что должностей аналитика достаточно много, и от этого может ограничиваться спектр его задач. Пожалуй, вот основные ипостаси аналитика в ИТ-проекте:

• бизнес-аналитик,
• системный аналитик,
• аналитик требований,
• UX-дизайнер,
• специалист по внедрению,
• аналитик данных,
• консультант по вопросам управления,
• аналитик процессов,
• владелец продукта.

Всех их объединяет одно: аналитик – это человек, который отвечает за выявление потребностей заинтересованных лиц и их отражение в том решении, которое принесет изменения в работу компании.

Хорошо нашу работу описывает шутка: «Мы переводчики с русского на программистский и наоборот».

Чем занимается аналитик?

На разных проектах и в разных компаниях должностные обязанности аналитика, как мы помним, могут отличаться. Из опыта могу сказать, что наиболее часто функции аналитика можно свести к нескольким основным пунктам:

• Сбор информации из различных источников.
• Анализ этих данных и проверка достоверности.
• Обработка данных (гипотезы, тезисы, расчеты).
• Разработка предложений и стратегий для улучшения ситуации.
• Детализация требований и согласование их с заинтересованными сторонами.
• Консультации для других участников команды.
• Презентация готового решения.

В некоторых случаях (в зависимости от должности, роли и проекта) этих функций может становиться больше или меньше, поэтому немного расскажу, что чаще всего делают аналитики у нас в Консорциуме.

Начнем с того, что аналитик не может быть сам по себе, ценность он приносит только внутри команды:

В нашей команде среди людей, напрямую причастных к разработке, примерно четверть – аналитики

Если говорить о разработке ПО, то аналитики сопровождают весь процесс разработки решения: от предпроектного обследования, до передачи результата пользователям.

Аналитик следит, чтобы решение закрывало потребности пользователя

Зачем нужен аналитик?

От клиентов и в других компаниях я достаточно часто слышу вопрос «Да зачем нам вообще нужен аналитик?». Давайте посмотрим, чем отличается работа команды без аналитиков и с ними.

Благодаря аналитикам:

• Клиент знает, что его слышат, не упускает какие-то свои мысли, и понимает, что будет сделано. Нет такой проблемы, что «Я думал, что это очевидно, а вы не сделали!»
• Разработчик знает ожидания пользователей, он получает понятные для него ответы на вопросы по необходимым доработкам
• Тестировщик получает описание ожидаемого поведения продукта
• Руководитель проекта видит границы проекта, планирование работ упрощается
• Техническому писателю проще написать пользовательскую документацию, ведь известно, что реализовано, и как должно работать

Достаточно важно взглянуть на работу аналитика глазами руководителя:

«Программисты пишут код, который не является ценностью сам по себе. Программные продукты часто добавляют проблем пользователям, плохо ложатся на существующие бизнес-процессы, увеличивают временные затраты. Аналитик способен понять, как связать бизнес-потребности и технические возможности, как сделать так, чтобы программный продукт создавал добавленную стоимость! В конечном счёте, потребность бизнеса одна – увеличение прибыльности. Ее увеличение может быть достигнуто за счёт снижения операционных затрат и увеличения сбыта при сохранении существующих ресурсов. Или, ещё проще, за счёт сокращения финансового цикла.

Аналитик не должен фокусироваться на программном продукте, пользовательском интерфейсе, структурах данных или красоте решений, но всегда должен помнить, что он решает первейшую задачу бизнеса – экономию времени! Время конвертируется в деньги, в прибыль. Эту задачу не может решить программист, руководитель проекта, дизайнер или тестировщик, но решает аналитик!» – Антон Мейнцер, главный системный архитектор, Консорциум «Кодекс».

Если сказать короче, то самая главная цель, которую должен ставить аналитик перед собой: снять боль пользователя и этим принести прибыль своей и его компании.

Для этого и нужны аналитики.

Михайлова Анна Начальник отдела интеллектуального анализа данных, главный системный аналитик, Консорциум «Кодекс»

2

1

3

0

0

3

Важные личные качества

Очевидно, что успешный аналитик должен обладать крайне ярко выраженными способностями к аналитическому мышлению. Также у него должна быть хорошая память, умение долго сохранять концентрацию, усидчивость, внимательность, способности к оперированию большими объемами информации, дедукции, индукции, ответственность, наблюдательность. Коммуникативные способности тоже не будут лишними, как и профессиональная интуиция (хоть аналитик и должен оперировать сугубо доказуемыми понятиями и выводами).

Образец резюме аналитика

Пример резюме аналитика можно отыскать в Сети, хотя их намного меньше, чем документов с резюме бухгалтеров или экономистов. Можно из проверенного источника, чтобы оставить форматирование бланка, шрифты и т. п., но информацию лучше полностью стирать, заполняя графы самостоятельно.

Личная информация:

Петрачков Игорь Андреевич, 1983 г. р., г. Екатеринбург. Тел. (XXX)-XXXXXXX, e-mail, стр. в ВК или Facebook.

Ожидаемая должность:

Цель: получение должности системного аналитика, зарплата – от 80 000 р.

Образование:

Уральский федеральный университет, специальность «Прикладная математика», 2000-2006 гг. Языки: английский – advanced. Курсы: язык «R» – 2012 г.

Опыт работы:

Страховая , системный аналитик, с 2009 г. по настоящее время. Достижения на работе:

• администрирование сетевого оборудования Cisco;
• администрирование Workstation;
• постройка моделей статистического анализа Big Data с использованием Teradata;
• уменьшение благодаря проведенному анализу количества страховых случаев на 7 %.

Профессиональные навыки и умения:

• использование языка R для визуализации данных;
• умение программировать при помощи XML, JavaScript frameworks, ETL;
• эксперт в работе с Excel, SAS, Minitab;
• умение понятно интерпретировать данные для ознакомления;
• многолетний опыт использования Oracle и MS Access.

Написать правильное резюме аналитика – достаточно нетривиальная задача, учитывая множество требований работодателей, но награда в виде высокой зарплаты и прочих льгот стоит того, чтобы досконально разобраться в вопросе и составить лучшее резюме.

Обучение на аналитика

Аналитик без высшего образования не может претендовать на получение хороших высокооплачиваемых должностей. С другой стороны, таких специалистов «в чистом виде» отечественные вузы не готовят, да и специфика работы может сильно различаться в зависимости от области деятельности. Самые близкие по характеру и смыслу варианты обучения на аналитика – это профили «Экономика» (код 38.03.01) и «Социология» (код 39.03.01). Набор предметов, которые нужно сдавать для поступления, зависит от специальности и вуза и может включать в себя русский язык, математику, обществознание и иностранный язык. Обучение в обоих случаях длится 4 года на очном отделении, 5 лет – на всех остальных.

Курсы

ProductStar

За 2 месяца с нуля вы освоите основы профессии Аналитик данных, разберете специфику и инструменты — от SQL до поисков инсайтов и визуализации данных и поймёте, насколько профессия для вас подходит. Навыки программирования не нужны, мы обучаем с 0. Самой частотной задачей аналитика является сбор данных из различных источников (от Excel до баз данных) — для этого используется язык SQL, который и изучим. Знаний языка SQL, наличия практики и умения анализировать данные, достаточно чтобы претендовать на позицию Junior Analytic — мы поможем вам грамотно подготовиться к этому. Выпускники получают сертификат об успешном прохождении курса — что, вместе с дипломным проектом, будет хорошим аргументом при трудоустройстве.

ProductStar

Отличный скилл для продакт-менеджера и маркетолога — научат вас не ждать аналитиков по мелким задачам, а самим работать с SQL для решения типовых задач по получению и анализу данных. На курсе вы научитесь создавать вложенные запросы и брать данные из нескольких таблиц. Сможете работать со сложными операциями с данными: обновление, добавление и удаление. Нюансы работы с таблицами. Поймете, как извлекать, преобразовывать и сортировать данные, изучать и практиковать языковые конструкции.

ProductStar

Вы освоите навыки финансового анализа команды и компании и найдёте кратные точки роста. Разберем: от Unit-экономики до P&L и основ Growth hacking. Вы научитесь основам P&L подхода: Составляем на практике финансовый отчёт для продуктовой команды и компании и разбираемся в нюансах. Используем подходы Growth hacking для работы с улучшением онбординга новых пользователей и увеличению текущей клиентской базы. Изучим, какие существуют подходы к монетизации сервисов и выберем наиболее подходящие под каждую из фаз развития продукта. Поработаем с составлением Unit-экономики вашего продукта и найдем точки роста.

ProductStar

С ProductStar вы разберётесь, потренируете навыки работы и изучите нюансы работы с одним из самых частотных аналитических инструментов для продакта — проведением и обсчётом результатов A/B-тестирования продукта. На рынке регулярно появляются вакансии Middle Product менеджеров от ведущих компаний (с которыми сотрудничают ProductStar) — Яндекс, Skyeng, Carprice, Tinkoff, Wrike, Selectel, Avito и другие. Они помогут вам получить необходимые навыки, оформить резюме и получить достойную работу в интересующей вас компании.

ProductStar

Освойте ключевые технологии, научитесь работать с большими данными, расширьте знания в аналитике и перейдите на новый уровень в профессии. Вы научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов. Сможете автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, сделанные на основании данных и освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями.

ProductStar

Освойте ключевые технологии, научитесь работать с большими данными, расширьте знания в аналитике и перейдите на новый уровень в профессии. Инструменты: от SQL и Python до Hadoop, ETL и DWH. Вы научитесь писать запросы, работать с данными в базе без переноса в таблицы, загружать данные и сохранять историю, работать с разными форматами файлов. Научитесь использовать Python и библиотеки анализа данных: автоматизировать работу с большими массивами, получать данные из внешних источников, обосновывать выводы, сделанные на основании данных. Освоите Hadoop и MapReduce. Научитесь проверять гипотезы, изучите машинные методы для обработки данных, сможете выявлять скрытые аномалии в данных и строить прогнозные модели. Освоите необходимый математический аппарат для продуктивной работы с моделями данных, машинным обучением и нейронными сетями.

ProductStar

Вы с нуля освоите профессию Аналитик продуктов, подробно разберете всю специфику и инструменты данной профессии от Google Analytics, Python и BI-инструментов до Machine Learning и DataScience. ProductStar поможет вам получить необходимые навыки, собрать проекты для вашего резюме и найти достойную работу в интересующей вас компании. Выпускники получают сертификат об успешном прохождении курса — что, вместе с дипломным проектом, будет хорошим аргументом при трудоустройстве. Курсы ProductStar уже закончили 2000+ студентов, вы всегда можете попросить у них рекомендации. Также действует программа полного возврата в первый месяц обучения.

SkillFactory

Научиться работать с инструментами для анализа данных — важная задача для специалиста вне зависимости от сферы бизнеса. Неудивительно, что профессия Data Analyst — хорошо оплачиваемая и востребованная сегодня. Школа данных SkillFactory открыла набор на профессию «Аналитик данных». На обучении вы последовательно пройдете все этапы от основ анализа данных до получения востребованной специализации, а также сотни упражнений и практических кейсов по: 1) базам данных; 2) SQL; 3) Python; 4) математической статистике. И, конечно, вы создадите свои первые практические проекты, которые останутся в вашем портфолио. А чтобы не забросить свою цель, в течение всего курса вас будет поддерживать тьютор.

Международная школа профессий (40 городов РФ)

Вы научитесь работать со сквозной аналитикой в Яндекс.Метрике и Google Analytics, обучитесь использованию языков программирования SQL и Python для автоматизации работы с информацией, сможете наглядно визуализировать большие массивы данных в виде диаграмм, таблиц и дашбордов с помощью Power BI. По итогам экзамена выдается диплом. Возможность оплаты в рассрочку. Филиалы в 40 городах РФ. Обучение очно в учебном центре или онлайн.

ProductStar

Вы поймете, как систематизировать большие данные с помощью Machine Learning и научитесь работать с рекомендательными системами. Освоите такие инструменты как Python и Hadoop, а также узнаете особенности библиотек данных Pandas, Numpy, Matplotlib, Plotly. Выучите синтаксис одного из самых популярных языков программирования, Python, сможете создавать и применять функции. Узнаете ключевые инструменты Machine Learning и научитесь их применять. Изучите типы и задачи рекомендательных систем, а также сможете создавать собственные. А также попрактикуемся в работе с Hadoop и разберем подход MapReduce.

Вузы

Российский государственный университет имени А.Н. Косыгина (Технологии. Дизайн. Искусство)

Социология (Институт социальной инженерии РГУ им. А.Н. Косыгина (Технологии. Дизайн. Искусство))

Российский государственный социальный университет

Социология (Факультет социологии РГСУ)

Российская экономическая школа

Экономика (Российская экономическая школа)

Дипломатическая академия Министерства иностранных дел Российской Федерации

Мировая экономика (Факультет мировой экономики Дипакадемия МИД РФ)

Российская таможенная академия

Экономика (Экономический факультет)

Лучшие вузы для аналитиков

1. МФЮА
2. НИУ «ВШЭ»
3. МАСИ
4. ИЭАУ
5. СПбГУ
6. СПбГУП
7. СПбГЭУ

Какие знания и навыки нужны аналитику данных

Прежде всего, технические (hard skills):

• Основы математической статистики. За многими методами анализа стоят статистические законы. Для правильных выводов недостаточно одних данных, нужно пользоваться статистикой: отсекать выбросы, правильно считать среднее значение или медиану, проверять статистические гипотезы.
• Умение создавать программы для анализа данных. Чаще всего в этой области используют язык программирования Python. У него простой и логичный синтаксис, есть немало готовых библиотек — чтобы не изобретать велосипед, а собрать программу из уже существующих функций и блоков.
• Понимание принципов работы реляционных (табличных) баз данных. Массивы информации чаще всего хранятся в них. Чтобы получить сведения из таких источников, нужно знать язык SQL и уметь составлять на нём запросы к базам данных.

Но и человеческие качества (soft skills) имеют значение. Они определяют, насколько вы эффективны в качестве аналитика данных и комфортно ли вам будет работать на такой должности. Пригодятся:

• Желание найти корни проблем. Если вы действительно хотите разобраться в причинах событий и явлений, учиться и работать будет легче и интереснее.
• Умение нестандартно мыслить. Очень странные гипотезы порой находят подтверждение и помогают компаниям заработать миллионы.
• Смелость. Вы можете сколько угодно сомневаться в своих идеях, но лучше проверить их на данных, чем отправить «в стол», лишь бы коллеги не посчитали вас странным.
• Навык задавать правильные вопросы, чтобы получить полезную информацию. Это нарабатывается с опытом.

Курс «Профессия аналитик данных» от «Яндекс.Практикума» — возможность освоить востребованную специальность с нуля. Попробуйте бесплатные вводные уроки. Они помогут понять, насколько вам интересен анализ данных, разобраться в профессии на практике и попробовать онлайн‑формат обучения.

Пройти бесплатный пробный курс

Профессиональные знания

1. Микроэкономика, макроэкономика, международная экономика.
2. Бухгалтерский анализ и учет, налоговый учет.
3. Эконометрика.
4. Макроэкономическое планирование и прогнозирование.
5. Социологические теории.
6. Правила проведения маркетинговых исследований.
7. Социология управления.
8. Социология прогнозирования.
9. Высшая математика.
10. Правила использования современного программного обеспечения для проведения исследований.