Как найти Data Analyst в международный проект

Аналитика данных — неотъемлемая часть современного бизнеса. Качественная обработка информации обеспечивает компаниям верные решения и инсайты. Сегодня расскажем о Data Analyst, занимающихся анализом данных, и поделимся историей поиска опытного кандидата этого профиля в международный проект.

Data Analyst: навыки и обязанности

Аналитик данных собирает и обрабатывает информацию, находит закономерности в ней и интерпретирует их. Благодаря его деятельности, компании могут использовать внутренние сведения для открытия новых возможностей развития. Чаще всего такие специалисты востребованы в компаниях, которые ориентируются в решениях на big data и аналитику данных.

Hard skills Data Analyst

  • Python/R/Java
  • SQL
  • Навыки работы с BI-инструментами (Power BI/Tableau/QlikView)
  • Навыки построений внутренних хранилищ данных (DWH)
  • Опыт в А/B-тестировании и работе с продуктовыми гипотезами
  • Опыт в Data Science
  • Отличное знание математики, математической статистики и теории вероятности

Data Analyst и Data Scientist: в чем разница

Может показаться, что Data Analyst и Data Scientist отвечают на одни и те же вопросы. Да, они могут использовать одинаковые инструменты, но при этом решают разные задачи. Аналитик данных формирует и проверяет гипотезы, даёт ответы на запросы от бизнеса, т.е. извлекает из информации практическую пользу. Ему важно не только верно трактовать показатели, но и качественно визуализировать их для дальнейшего принятия решений. В его деятельности больше коммуникации с заказчиком, чем в работе специалистов по data science.

В свою очередь, Data Scientist занимается поиском неочевидных закономерностей и построением возможных моделей развития. Он применяет сложные аналитические программы, машинное обучение и статистические методы.

Лайфхаки поиска Data Analyst

  • Определите ключевые навыки кандидата: найти специалиста, подходящего под все требования клиента, достаточно сложно. Определите с заказчиком те характеристики, без которых не обойтись, и те, что не столь принципиальны. Например, если претендент обладает опытом в MySQL, но не работал в Google BigQuery, не страшно. Он сможет быстро адаптироваться, а у вас будет выбор кандидатов больше, чем если бы вы искали аналитика со знанием обоих этих инструментов.
  • Обратите внимание на мотивацию специалиста: от этого будет зависеть, сколько времени у него уйдет на изучение инструментов, с которыми он не работал, и общая эффективность в решении поставленных задач.
  • Проанализируйте data-driven компании: аналитики данных, как и другие ИТ-специалисты, находятся в пассивном поиске работы, и вы значительно сократите время подбора, если выберете в качестве доноров компании, использующие большие данные. Главное, перед общением с кандидатами хорошо продумайте аргументы в пользу проекта вашего клиента.

Опыт GlobalCareer

Александр Ковалев, консультант: «Наш клиент — стартап, разрабатывающий облачную рекрутмент-систему, построенную на ML, — нуждался в Data Analyst, который сможет практически «с нуля» построить структуру аудиторных и бизнес-метрик продукта, будет формулировать гипотезы, проводить предварительную оценку и A/B-тестирование и займется развитием аналитического хранилища с помощью ETL-процессов.

Кандидату предстояло работать в масштабном, ответственном проекте, поэтому от него требовались прокаченные hard и soft skills. Плюсом данного кейса стало то, что мы не были ограничены поиском специалиста из конкретного региона, т.к. формат работы носил удаленный характер. Мы проанализировали собственную базу и компании и выбрали кандидатов, которые использовали технологии, схожие с технологиями клиента. В итоге у нас получился лонг-лист из почти 100 опытных аналитиков данных. У клиента были очень высокие требования к знаниям соискателя, поэтому было решено на HR-интервью задавать вопросы по технологиям, с которыми работал кандидат, и проверять знание теории вероятности. Так мы смогли сэкономить время нанимающих менеджеров, отобрав наиболее подходящих претендентов. В итоге работодатель познакомился с 10 релевантными кандидатами. Трое из них отлично показали себя на тех. интервью, и один получил оффер.

Выбранный специалист обладает большим опытом работы. Он получил Ph.D. в области теоретической физики и M.Sc . по математической физике в университете Гамбурга, несколько лет занимался научной деятельностью в области теоретической физики. Затем работал в качестве Data Scientist в международной косметической компании в Западной Европе. Он обладает отличными прокаченными hard и soft skills. Владеет современными инструментами работы с большими данными, может с их помощью решать сложные задачи, отлично знает английский и немецкий языки. Прекрасно работает в команде и умеет объяснять сложные вещи простым языком. К тому же хотел работать в удаленном формате и был заинтересован в проектах с упором на аналитику и разработку. Клиент и соискатель довольны своим решением».

Если в вашу компанию нужны специалисты по работе с данными или IT-специалисты любого другого профиля, напишите нам, мы найдем подходящих кандидатов.

Необходима консультация?

Оставьте заявку, и мы свяжемся с вами в ближайшее время

    Read more

    Ваша заявка успешно отправлена.

    Спасибо! Письмо с ответом будет отправлено вам на почту в ближайшее время

    Произошла ошибка.

    Пожалуйста, повторите попытку позже, или свяжитесь с нами по телефону +7 495 967-80-30 или по электронной почте info_GC@IBS.RU