Как я изучала аналитику с нуля по бесплатным курсам

От автора телеграм-канала Аналитика и Growth mindset.

Статья для тех, кто хочет стать аналитиком данных, продуктовым, маркетинговым или веб аналитиком.

Я расскажу про то, как я изучала аналитику с нуля самостоятельно на примере нескольких навыков, нужных аналитику. Порекомендую бесплатные курсы (в том числе от лучших университетов мира - Harvard, Stanford и других). Сразу скажу, возможно такой путь подойдет не всем и моей целью не является доказать, что именно так и нужно. Я просто поделюсь своим опытом.

Свой путь в аналитике я начала со стажировки и последующей работы в рекламном агентстве и продолжаю в IT компании. На стажировку я попала путем простого поиска вакансий на hh, опыта в аналитики ранее у меня не было.

В первое время я много изучала рынок - что вообще нужно аналитику уметь и знать, какие бывают аналитики, какие есть платные и бесплатные курсы, какие программы они предлагают и тд. Много ходила на собеседования. Так у меня появился четкий план развития в аналитике.

На стажировке в агентстве первым делом я познакомилась с инструментами веб аналитики (Яндекс Метрикой, Google analytics, GTM). Сразу скажу, что данные инструменты нужны не всем "видам" аналитиков, но большинству, поэтому упомяну их.

Большой плюс в том, что Яндекс и Google предоставляет много информации по своим инструментам: курсы, видео. Есть также различные чаты, где можно задавать вопросы.

Я смотрела курсы, практиковала (настраивала аналитику для клиентов агентства и делала различные анализы с помощью GA и ЯМ), задавала кучу вопросов в чатах и знакомым аналитикам из других агентств. Поэтому достаточно быстро изучила их и решила пойти дальше.

И приступила к изучению дашбордов. Я думала, что дашборды - это что-то сложное и тот, кто умеет их строить - невероятные технари. Спойлер: нет.

Свой первый дашборд построила за 2,5 недели, при этом "построению" я уделяла не весь день, а от 1 до 5 часов в день.

В компании использовали сервис Power BI, у которого есть свои отличные курсы. Я изучала кусок информации - применяла, изучала - применяла. И также задавала много вопросов в чате Power BI в телеграме, мучала подрядчиков, которые предоставляли нам коннектора и умели работать с Power BI.

Как только я построила свой первый дашборд, мой руководитель решил, что теперь мы будем делать дашборд для каждого клиента. Чтобы сэкономить время, я сделала единый шаблон визуализации, куда подставляла датасеты конкретного клиента и собирала дашборд буквально за несколько часов.

А еще я поняла, что +/- все системы для построения дашбордов похожи и владея одной, можно достаточно быстро перейти на другую систему.

А/Б тестов агентство не делало. Но было много внутренних проектов, под которые создавались отдельные сайты, и я решила сделать первый А/Б тест для проекта по найму персонала.

Системы А/Б тестирования соответсвенно тоже не было, поэтому я изучила и использовала Google Optimize.

Прямых задач на SQL у меня также не было, поэтому я сказала руководителю, что могу брать такие задачи и вскоре одна появилась. Правда она оказалась сложнее, чем я думала, а клиент ожидал, что мы сделаем ее за день, поэтому задача сорвалась.

Но я решила сама включать SQL в свой ежедневный распорядок, ведь одна база данных точно у нас была: я писала SQL запросы и вытаскивала данные, параллельно заканчивая изучение бесплатного курса-тренажера на Stepik (начала я его изучать в спокойном режиме за 2 месяца до применения).

Чтобы утвердиться в своих знаниях, прошла сертификацию по SQL на hakerrank.

5 лучших на мой взгляд бесплатных курса по SQL приводила в посте:

Python мне еще с самого начала казался самым сложным и каким-то недосягаемым из всех инструментов. И также в спокойном режиме я начала изучать самые основы на бесплатном курсе на Stepik еще за за несколько месяцев до применения. Но тогда еще так и не понимала особо, как он применяется в аналитике.

Курс был про основы языка, аналитики там не было. А вот аналитику с помощью Python я уже изучала на практике. В какой-то момент я почему-то решила, что теперь все задачи надо делать непременно в Python, других вариантов не рассматривала.

Чтобы решить первую задачу, искала различные примеры анализа данных на Python (преимущественно смотрела на английском примеры в google collab) и применять куски кода для своего анализа. Первые несколько дней мучали постоянные ошибки кода, которые несмотря на описание решений в интернете, я не понимала и на исправление уходили часы. Но через неделю все оказалось настолько ясным, что я как-то даже не ожидала.

Еще по некоторым вопросам, связанным с SQL и Python я несколько раз брала платные недорогие консультации у людей, которые разбираются в вопросе, это помогало быстрее разрешить проблемы, которые я сама решала бы часами. Также "консультанты" дали мне подтверждение, что я двигаюсь в правильном направлении, подкидывали мне идеи, как еще можно сделать. Это пожалуй, единственное, что было платным, но стоило это не дорого.

В посте приводила хорошие бесплатные курсы по Python:

Перед поступлением на стажировку я не изучала вообще никаких курсов, так как впринципе тогда не планировала быть аналитиком (и это уже другая история). Поэтому приступила уже в процессе. Базово мне помог большой бесплатный курс от Google по аналитике данных. Но есть также много других бесплатных, в том числе от Harvard, Stanford, MIT и других лучшие университетов мира. Ссылки на некоторые курсы давала в посте: