По сравнению с другими айтишниками у дата-аналитика не совсем типичный путь поиска работы. Если разработчик может собрать полноценное портфолио, показать, какие программы он разработал, то аналитик многое из своего опыта не сможет представить из-за специфики работы. Поэтому остаются вопросы: что и как ему показывать будущему работодателю?
Академический директор онлайн-магистратуры «Дата-аналитика для бизнеса» от Яндекс Практикума и ТГУ Юлия Мундриевская рассказывает, что важно включить в портфолио дата-аналитику и как презентовать себя на собеседовании.
Из чего состоит портфолио дата-аналитика
На самом деле, сейчас в России практика использования портфолио не сильно распространена, к сожалению. Поэтому портфолио дата-аналитика — это не структурная информация по каждому проекту, над которым он работал, а скорее повествование о своем опыте.
Зачастую специалисту нельзя открывать сторонним людям конкретные данные по проектам. Но всегда можно рассказать о том, какие технологии были применены в работе и каким образом. Кандидат может описать цель, задачи, технологии и выводы. Например, отобразить рост выручки по итогу или информацию по издержкам. Некоторые рассказывают в резюме, что у них была цель — снизить издержки производства, и для ее реализации были использованы определенные методы анализа. Но даже это можно говорить не во всех компаниях. Поэтому важно просто рассказать, что вы сделали, с какой целью, какие методы использовали и соотносили, как выглядят итоги.
Одна из главных составляющих портфолио — рассказ о себе. Нам один кандидат как-то прислал про себя презентацию, а другой сделал целый сайт. Они в таком формате рассказывали, кто они. Довольно стандартная сама по себе история, но действительно рабочая — люди старались.
Также не забывайте, что можно показывать учебные проекты — джуны часто приходят как раз с учебными задачами, дают ссылку на них и выводы, куда включаются методы работы, цели.
И вторая важнейшая часть портфолио — траектория профессионального развития. Например, мы не ждем от людей, что они ответят, как видят себя через 30 лет. Но планы на ближайшие 3 года — показатель замотивированности человека. Порой соискатели даже не могут сказать, почему их заинтересовала эта область, или же повторяют слова о ее «престижности». Это явно не то, что привлечет работодателя.
Как проходит собеседование с аналитиком
Для аналитиков разного уровня будут отличаться и требования в презентации. Но общие hard skills остаются — это самая очевидная вещь, которую ждут от аналитиков. Сюда входят классические навыки анализа на Python, умение работать с базовыми данными, например, в MongoDB.
Когда компания ищет специалиста на позицию джуна, собеседование проходит в довольно детальном формате. Соискателя могут спрашивать про базовую логику в работе и некоторые технические навыки. Джун пока не понимает, как строится проект, он решает задачи по шаблонам. Поэтому ему могут для проверки дать техническое задание с базой, откуда нужно достать сведения и визуализировать их. В этом случае соискатели как раз будут использовать Python и Power BI. Например, джуну нужно будет построить график распределения цен по сегментам или же сконструировать скрапер и собрать данные с конкретной платформы.
В случае собеседования мидл-специалиста соискателю будет предложена конкретная проектная задача с описанием теоретической или практической ситуации. У нас, например, был кейс под потребителей растительного мяса. Мы показывали аналитику проект, и он должен был показать свою логику действий, выполнить небольшую часть из общего объема задач. Так можно было увидеть, какие этапы специалист отображает, как строит ценовые анализы, какие результаты выводит.
Если обобщить, то у джуна проверяются технические навыки, а у мидла — технические и аналитические. С сеньором, в какой-то степени, все проще, так как на эту позицию берут человека, о котором ты уже многое знаешь. Однако в его собеседовании уже участвуют в большей степени технические специалисты, так как соискатель должен быть погружен в различные нюансы и тонкости работы, иметь управленческий опыт.
Чего ждет работодатель от специалиста
На этапе резюме, как правило, работодатели смотрят на опыт работы, реализованные проекты. В случае джунов — на учебные проекты (курсы, университетские задачи и тд.) и выводы, которые в ходе них были сделаны. Здесь будет не важно, чему был посвящен проект, главное — как кандидат выстраивал свою стратегию действий, какие принимал решения. Например, для меня более ценно понять мышление человека. Если кандидаты не умеют думать логически, объяснить что и почему они делали, то вряд ли смогут качественно выполнять работу. Зачастую понять, как грамотно составить свое резюме, можно в период обучения, например, в онлайн-магистратуре «Дата-аналитика для бизнеса» от Яндекс Практикума и ТГУ мы разбираемся, как правильно представлять свои навыки.
Одни из ключевых вопросов, которые я задаю на собеседовании: «Что было сложного?», «Что не получилось?». Зачастую люди хотят немного приврать и показать себя с лучшей стороны. Даже мои студенты к такому методу прибегают, за что я их немного ругаю. Все равно потом раскроется правда и станет ясно что вы не умеете делать. Поэтому лучше сразу честно говорить, что не получается, к чему стремитесь. Если человек не умеет применять какой-то вид анализа или код, то этому его можно легко научить.
«Красный флаг» или Что нельзя делать при поиске работы
Самый главный фактор, который отталкивает работодателя — неумение искать информацию. Аналитики не могут знать всего. Но хороший аналитик может найти то, чего ему недостает.
Во время тестовых заданий бывает, что нас засыпают вопросами про функции, источники данных и т.д. Люди ждут, что мы им подскажем, что и где искать. Но смысл в том, что все это должны определить они. То есть от кандидата ждут не умений и знаний во всем, а его попытки и находки.
Например, когда нужно было найти трех джунов, у нас оказалось 25 резюме. Мы не стали на них фокусироваться, а сразу дали небольшой стрессовый тест. Некоторые люди сразу отказались от него: кто-то бросил задачу, кто-то не справился или отсеялся в процессе. Но также была девушка с базовым набором навыков, которой в тестовом задании мы дали вопрос о модели машинного обучения. Она не проходила эту тему на курсах и ничего о ней не знала, но она оказалась единственной, кто попытался выполнить задание, построить модель. Результат вышел с множеством ошибок, но попытка была засчитана.
Резюме
На основе всего вышесказанного можно сделать следующие выводы:
- Soft Skills порой могут сыграть даже большую роль, чем технические знания
- Не стоит завышать свои навыки. Рано или поздно это вскроется. Важно донести до работодателя, что вы готовы углублять свои знания.
- Джуны могут использовать свои учебные проекты в качестве портфолио. В этом случае лучше делать упор не только на результат, но и на логику, которая применялась для достижения цели.
- На собеседовании нужно показывать траекторию карьерного развития. Продумать, кем вы себя видите через 2-3 года и обозначить эти перспективы. Не стоит думать на 20-30 лет вперед.
- Портфолио дата-аналитика представляет собой больше повествование, нежели структурную информацию. Постарайтесь описать цели, задачи, инструменты и выводы. Продемонстрируйте логику своих решений и суммируйте полученный в опыт.
