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.

Ещё интересное


Добавить комментарий