Около года я собираю данные по вакансиям аналитиков. Если вы являетесь аналитиком, или еще только интересуетесь этой карьерой — вероятно вы уже сталкивались со схожими исследованиями. Например от NewHR или Revealthedata. Такие же публикуются и для других профессий.
У hh.ru есть api и по запросу они предоставили мне к нему доступ. Очень любезно с их стороны. Каждые сутки я собираю свежие вакансии, сохраняя их прямо в json-формате, а позже загружаю в BigQuery. Вакансии я ищу по ключевым запросам связанными с аналитическими должностями и навыками.
Мне всегда было непонятно, почему же в этих исследованиях делается такой акцент на заработную плату, но начав разбираться в полученных данных — я понял что это оправдано. Публично оглашают зарплату лишь четверть работодателей, притом, если верить исследованиям NewHR преимущественно это вакансии из нижних 2/3 карьерной лестницы. Поэтому, дабы у людей была хоть какая информация о «ценообразовании» в отрасли — я все-таки приведу некоторые данные и по зарплатам.
Впрочем основной моей целью является исследование «карьерного роста». Какие навыки являются обязательными? Какие из них больше ценятся? В каком порядке их развивать?
Я постараюсь описывать тренды, а не конкретные цифры. Собирая данные около года я имел возможность воочию убедиться что зарплата, условия труда и требования работодателей вполне способны поменяться достаточно заметно даже за 6 месяцев.
Классификация
Т.к. в область моих интересов попадают не все вакансии со словом «аналитик» в названии — неинтересные мне я отфильтровал. Без системных, бизнес, финансовых, инвест, риск и т.д. аналитиков итоге получился вот такой список:
- Data Engineer
- Data Scientist
- ML Engineer
- UX аналитик
- Аналитик
- Аналитик BI
- Аналитик данных
- Веб аналитик
- Маркетолог-аналитик
- Продуктовый аналитик
Из 60000+ вакансий у меня получилось ~27600 подходящих для исследования.
Вот так выглядит распределение вакансий по профессиям:
name | Record Count |
---|---|
аналитик | 15066 |
аналитик данных | 3759 |
маркетолог аналитик | 2715 |
продуктовый аналитик | 1538 |
data scientist | 1514 |
аналитик bi | 958 |
data engineer | 816 |
веб аналитик | 793 |
ml engineer | 268 |
ux аналитик | 175 |
На этом этапе у меня стало зарождаться развившееся позже недовольство HR-ами публикующими вакансии — похоже не все в состоянии точно классифицировать кого же они ищут.
Разбирая названия вакансий я столкнулся с тем что во многих вакансиях в заголовок вынесена классификация по уровню опыта, примерно такая же как у разработчиков. В стандартных полях hh такого нет, и я визуализировал связь этого подхода с градацией опыта работы:
rank.name
Нет опыта
От 1 года до 3 лет
От 3 до 6 лет
Более 6 лет
Junior
58.90%
39.83%
1.16%
0.11%
Middle
13.55%
61.58%
23.99%
0.89%
Senior
7.83%
43.01%
46.13%
3.03%
Teamlead
8.05%
24.80%
54.91%
12.24%
Head of
3.86%
34.74%
52.63%
8.77%
То есть Junior-ом в среднем считается специалист до 1-1,5 года профильного опыта, после чего он становится Middle-ом, и по истечении 3-х лет можете претендовать на звание Senior-а. Также можно увидеть что тимлиды и главы отделов это не дальнейшее развитие сеньора по карьерной лестнице, а отдельные ветви в рамках тех же временных рамок.
Заработная плата
Все зарплаты были приведены к net в рублях, а аномальные выбросы удалены. В «чистом» виде они не так интересны — меня больше интересуют аспекты их формирования:
name ↓ | Минимальная зарплата | Средная зарплата «От» | Средная зарплата «До» | Максимальная зарплата |
---|---|---|---|---|
data engineer | 17,000 | 165,416 | 259,541 | 751,680 |
data scientist | 18,792 | 151,629 | 217,342 | 594,476 |
ml engineer | 40,000 | 212,477 | 342,544 | 1,080,000 |
ux аналитик | 40,000 | 94,891 | 128,725 | 230,000 |
аналитик | 5,000 | 62,037 | 82,433 | 720,000 |
аналитик bi | 20,000 | 100,072 | 143,877 | 320,000 |
аналитик данных | 13,920 | 96,359 | 127,316 | 450,000 |
веб аналитик | 20,000 | 92,141 | 120,721 | 300,000 |
маркетолог аналитик | 10,000 | 57,636 | 78,979 | 500,000 |
продуктовый аналитик | 13,050 | 122,114 | 170,169 | 350,000 |
Эти данные все равно что «средняя температура по больнице». Думаю чуть нагляднее станет если посчитать среднюю з.п. по формуле (От+До)/2 и сегментировать это по опыту:
name ↓ | Нет опыта | От 1 года до 3 лет | От 3 до 6 лет | Более 6 лет |
---|---|---|---|---|
data engineer | 103,600 | 205,438 | 273,907 | — |
data scientist | 126,830 | 157,760 | 225,243 | 232,688 |
ml engineer | — | 216,696 | 222,613 | 412,938 |
ux аналитик | 85,000 | 92,038 | 165,000 | — |
аналитик | 47,795 | 65,722 | 112,796 | 122,201 |
аналитик bi | 118,289 | 102,268 | 176,538 | — |
аналитик данных | 76,417 | 95,341 | 180,097 | 265,000 |
веб аналитик | 91,673 | 91,115 | 149,198 | — |
маркетолог аналитик | 53,084 | 61,867 | 77,033 | 149,686 |
продуктовый аналитик | 105,168 | 123,458 | 169,527 | 300,000 |
или по «грейду»:
name ↓ | Junior | Middle | Senior | Teamlead | Head of |
---|---|---|---|---|---|
data engineer | 116,863 | 189,723 | 339,028 | 229,950 | — |
data scientist | 80,981 | 158,945 | 235,601 | 350,000 | — |
ml engineer | — | 253,435 | 369,071 | 375,840 | — |
ux аналитик | — | 90,533 | 132,525 | — | — |
аналитик | 43,980 | 68,939 | 94,782 | 139,288 | 121,873 |
аналитик bi | 48,688 | 134,726 | 170,000 | — | — |
аналитик данных | 63,538 | 106,332 | 145,260 | 120,000 | — |
веб аналитик | 50,244 | 109,797 | 157,500 | — | 150,000 |
маркетолог аналитик | 34,662 | 63,843 | 88,366 | 140,936 | 157,929 |
продуктовый аналитик | 70,000 | 137,075 | 177,117 | 227,517 | — |
Сравнив две таблицы можем найти пару инсайтов:
- для глав отделов редко указывают зарплату
- «нет опыта» != «junior». Думаю дело в том что hr-ы не выставляют требования по опыту для какой-то доли вакансий и туда подмешиваются старшие грейды задирая минимальную планку з.п.
Навыки
К моему большому сожалению, несмотря на то что у HH в вакансиях для поля навыков есть функционал подсказок — ими часто не пользуются. В результате в поля попадают очень узкоспециализированные термины или даже опечатки.
Всего в исследуемых вакансиях было перечислено 5371 уникальный навык.
Видно что основной «хлеб с маслом» аналитика составляют всего два навыка — Python + SQL.
Также в топ входит знание офисного пакета, английского языка и требования к «складу ума».
Большие деньги лежат уже в значительно менее востребованных (а следовательно и менее распространенных?) навыках.
Рассмотрим детально топ-200 наиболее востребованных навыков, с распределением по градациям опыта. Если распределить доли вакансий между градациями опыта и посмотреть на отклонения от средней доли — становится понятно какие навыки предпочтительней для работодателя на каком этапе карьеры. Проценты вакансий распределены в рамках ряда, но сравнивать надо столбцы — так мы поймём у каких навыков есть отклонения от нормального распределения. Столбец «6+ лет» я для удобства убрал.
Вот преобладающие (топ 20 с сортировкой) требования для соискателей без опыта:
key_skills.name | Нет опыта ↓ | От 1 года до 3 лет | От 3 до 6 лет |
---|---|---|---|
Internet | 63.64% | 33.64% | 2.73% |
Поиск информации в интернет | 46.25% | 46.25% | 7.51% |
Пользователь ПК | 39.27% | 50.95% | 9.78% |
Грамотная речь | 31.97% | 54.87% | 13.16% |
Аналитический склад ума | 30.04% | 55.34% | 14.62% |
Работа в команде | 29.85% | 54.50% | 15.65% |
Грамотность | 29.38% | 54.98% | 15.64% |
Teamplayer | 29.35% | 41.30% | 29.35% |
Деловое общение | 28.82% | 58.82% | 12.35% |
Статистика | 28.79% | 44.32% | 26.89% |
Работа с большим объемом информации | 28.26% | 57.95% | 13.79% |
MS Office | 28.25% | 51.57% | 20.18% |
MS Outlook | 27.68% | 58.98% | 13.34% |
Умение работать в коллективе | 27.37% | 54.74% | 17.89% |
1С: Документооборот | 27.36% | 50.00% | 22.64% |
Ведение отчетности | 26.84% | 58.42% | 14.74% |
Google Docs | 25.77% | 63.80% | 10.43% |
Деловая переписка | 25.76% | 56.51% | 17.73% |
Обучение и развитие | 24.66% | 56.05% | 19.28% |
Ориентация на результат | 24.38% | 58.26% | 17.36% |
От года до трех лет:
key_skills.name | Нет опыта | От 1 года до 3 лет ↓ | От 3 до 6 лет |
---|---|---|---|
Power Query | 6.96% | 72.15% | 20.89% |
Проектная документация | 7.87% | 70.87% | 21.26% |
Аналитические способности | 12.17% | 70.43% | 17.39% |
Конкурентная аналитика | 12.59% | 69.93% | 17.48% |
Sas | 4.03% | 69.35% | 26.61% |
Планирование маркетинговых кампаний | 5.26% | 69.17% | 25.56% |
ORACLE | 8.31% | 67.95% | 23.74% |
DAX | 11.43% | 67.62% | 20.95% |
СУБД | 5.84% | 67.53% | 26.62% |
Яндекс.Метрика | 8.72% | 66.45% | 24.83% |
Oracle Pl/SQL | 10.78% | 66.18% | 23.04% |
Анализ рисков | 8.51% | 65.96% | 25.53% |
UX | 2.56% | 65.81% | 31.62% |
Анализ продаж | 18.06% | 65.81% | 16.13% |
Анализ конкурентной среды | 10.03% | 65.46% | 24.51% |
Мониторинг рынка | 17.46% | 65.08% | 17.46% |
Базы данных | 14.68% | 65.08% | 20.24% |
VBA | 14.18% | 64.81% | 21.01% |
Аналитика продаж | 13.03% | 64.75% | 22.22% |
Разработка технических заданий | 9.86% | 64.70% | 25.44% |
И от 3 до 6 лет:
key_skills.name | Нет опыта | От 1 года до 3 лет | От 3 до 6 лет ↓ |
---|---|---|---|
PyTorch | 5.18% | 35.23% | 59.59% |
Business Analysis | 8.38% | 35.08% | 56.54% |
Бюджетирование | 8.15% | 39.26% | 52.59% |
Tensorflow | 9.52% | 41.27% | 49.21% |
Deep Learning | 8.33% | 42.71% | 48.96% |
SCALA | 4.28% | 47.59% | 48.13% |
Data Science | 10.18% | 42.91% | 46.91% |
База данных: Oracle | 3.52% | 50.00% | 46.48% |
Project management | 10.42% | 43.23% | 46.35% |
REST | 4.00% | 50.00% | 46.00% |
Financial Analysis | 13.01% | 41.10% | 45.89% |
Информационная безопасность | 16.45% | 39.47% | 44.08% |
BigQuery | 2.20% | 53.85% | 43.96% |
Time management | 19.70% | 36.36% | 43.94% |
Machine Learning | 11.23% | 45.74% | 43.04% |
NLP | 9.02% | 48.87% | 42.11% |
Docker | 10.67% | 47.33% | 42.00% |
Развитие продаж | 14.29% | 43.96% | 41.76% |
Spark | 8.66% | 49.85% | 41.49% |
Запуск новых продуктов | 5.71% | 52.86% | 41.43% |
Мне кажется что явно заметен тренд перехода спроса от софт скилов к хард скилам по мере роста опыта. Похоже новичков набирают по личным качествам, рассчитывая что знания разовьются в процессе, а опытных сотрудников ищут на конкретные задачи.
В памяти всплыла запись недавно опубликованная в одном телеграм канале:

Впрочем, иногда определенные навыки все же способны повлиять на вашу карьеру сильнее остальных. Вот топ 10 навыков, из ~500 найденных хотя бы в 10 вакансиях, отсортированные по убыванию средней зарплаты:
key_skills.name | salary_avg ↓ | Record Count |
---|---|---|
Kafka | 364,349 | 17 |
Google Cloud Platform | 336,508 | 10 |
Airflow | 315,737 | 33 |
OpenCV | 309,173 | 12 |
Kubernetes | 292,000 | 10 |
Keras | 275,000 | 11 |
AWS | 274,895 | 32 |
PyTorch | 250,845 | 40 |
Spark | 248,126 | 66 |
Как видите — вакансий с такими навыками не много, но и вознаграждение выше среднего.
География
Больше половины вакансий в отрасли создаёт Москва:
area.name | Record Count ↓ | salary_avg |
---|---|---|
Москва | 56.45% | 111,910 |
Санкт-Петербург | 11.50% | 95,020 |
Екатеринбург | 2.96% | 64,282 |
Новосибирск | 2.85% | 81,887 |
Казань | 2.23% | 70,891 |
Нижний Новгород | 2.18% | 72,314 |
Краснодар | 1.66% | 57,895 |
Воронеж | 1.40% | 57,086 |
Самара | 1.05% | 86,626 |
Ростов-на-Дону | 1.02% | 58,631 |
Также, как и в других исследованиях не могу не заметить что зарплаты по Москве и Питеру выше чем в среднем по остальной России. Однако частично это объясняется вот таким распределением опыта требуемых специалистов:
area.name | Нет опыта | От 1 года до 3 лет | От 3 до 6 лет | Более 6 лет |
---|---|---|---|---|
Москва | 13.92% | 54.94% | 29.34% | 1.80% |
Санкт-Петербург | 12.28% | 55.64% | 30.53% | 1.54% |
Екатеринбург | 16.51% | 66.05% | 16.78% | 0.67% |
Новосибирск | 15.49% | 63.35% | 20.19% | 0.97% |
Казань | 16.67% | 62.59% | 19.68% | 1.06% |
Нижний Новгород | 18.26% | 60.76% | 20.43% | 0.54% |
Краснодар | 11.88% | 69.12% | 18.05% | 0.95% |
Воронеж | 19.10% | 61.24% | 17.98% | 1.69% |
Самара | 19.25% | 58.49% | 21.51% | 0.75% |
Ростов-на-Дону | 21.62% | 59.07% | 18.15% | 1.16% |
Но, лишь частично. Поэтому если вы хотите по мере развития карьеры более интересных задач и большей зарплаты — вероятно вам придется подумать о сотрудничестве с какой-то столичной организацией.
Рабочий график
И даже есть неплохой шанс что переезжать ради этого не потребуется — растёт доля работодателей предлагающих удаленку или гибкий график. Доля гибкого графика за год выросла ~вдвое, удалёнка ~втрое.
На данный момент это всё.
Чуть позже я планирую объединить эти данные, с данными по вакансиям публикуемым в нескольких профильных сообществах. Плюс поработать над анализом самого текста вакансий т.к. есть подозрение что из неструктурированных текстов удастся выудить больше инсайтов.