2021-product-manager-hiring-report.pdf
10.1 MB
О хайринге и найме продактов рассказал Amplitude.
Стандартный портрет PM - 30-34 года (29%), с образованием бакалавра (57%) по специальности Бизнес (23%).
Диплом магистра (35%) имеют в основном старшие вице-президенты или директора по продукту (46%).
Средняя зарплата PM - $147,680 - почти в три раза выше средней по США. Образование программиста или инженера тоже дает более высокие зарплаты ($164/161к).
Из навыков наиболее популярны знание SQL (55%) и Python (25%), а знание Hadoop или Apache Spark (3%) увеличивает среднюю зарплату на 18%. Знание любого аналитического продукта тоже повышает доходы на 14%. (Хотя это специально чтоб ”продавать” Amplitude 🙂 )
Большинство специалистов довольны своей работой (66%), но готовы сменить ее в случае хорошей возможности (62%). Этому могут способствовать высокие зарплаты (81%) и карьерный рост (64%).
Подробности в аттаче
@internetanalytics
Стандартный портрет PM - 30-34 года (29%), с образованием бакалавра (57%) по специальности Бизнес (23%).
Диплом магистра (35%) имеют в основном старшие вице-президенты или директора по продукту (46%).
Средняя зарплата PM - $147,680 - почти в три раза выше средней по США. Образование программиста или инженера тоже дает более высокие зарплаты ($164/161к).
Из навыков наиболее популярны знание SQL (55%) и Python (25%), а знание Hadoop или Apache Spark (3%) увеличивает среднюю зарплату на 18%. Знание любого аналитического продукта тоже повышает доходы на 14%. (Хотя это специально чтоб ”продавать” Amplitude 🙂 )
Большинство специалистов довольны своей работой (66%), но готовы сменить ее в случае хорошей возможности (62%). Этому могут способствовать высокие зарплаты (81%) и карьерный рост (64%).
Подробности в аттаче
@internetanalytics
МегаФон первым в России запустил технологию VoLTE на федеральном уровне
VoLTE - это высококачественная голосовая связь по сети 4G вместо классических 2G/3G (GSM/UMTS) технологий.
Помню, как 7-8 лет назад, будучи сотрудником отдела развития сети МегаФона, я только представлял, насколько эта технология упростит жизнь абонентам. С точки зрения диапазона частот и ширины канала LTE - это просто ”бульдозерный” канал связи - максимально широкий и помехозащищенный. 2G-связь, запущенная в начале 90-ых годов и до сих пор применяемая для передачи голоса в сотовых сетях, безнадежно устарела и, учитывая распространение смартфонов с поддержкой 4G в России, в ближайшие несколько месяцев объем голоса в LTE превысит аналогичный показатель в 2G/3G сетях.
Так вот, почему же VoLTE это важный и крутой шаг?
- Во-первых, время соединения составляет всего 2 секунды, это кратно выше времени соединения в GSM.
- Во-вторых, сеть VoLTE МегаФона работает с использованием специального кодека Enhanced Voice Service, из-за обработки которым голос звучит четко, а собеседник как будто бы находится рядом.
- В-третьих – телефон теперь всегда находится в сети LTE, т.е. во время голосового вызова не нужно переключаться между сетями, а это значит, что можно одновременно говорить и комфортно пользоваться интернетом.
Так что, если у вас МегаФон, то говорить по VoLTE вы можете уже сейчас с абонентами любых других операторов, при этом качество голосовой связи будет еще лучше, когда собеседник также будет использовать VoLTE 🙂
VoLTE - это высококачественная голосовая связь по сети 4G вместо классических 2G/3G (GSM/UMTS) технологий.
Помню, как 7-8 лет назад, будучи сотрудником отдела развития сети МегаФона, я только представлял, насколько эта технология упростит жизнь абонентам. С точки зрения диапазона частот и ширины канала LTE - это просто ”бульдозерный” канал связи - максимально широкий и помехозащищенный. 2G-связь, запущенная в начале 90-ых годов и до сих пор применяемая для передачи голоса в сотовых сетях, безнадежно устарела и, учитывая распространение смартфонов с поддержкой 4G в России, в ближайшие несколько месяцев объем голоса в LTE превысит аналогичный показатель в 2G/3G сетях.
Так вот, почему же VoLTE это важный и крутой шаг?
- Во-первых, время соединения составляет всего 2 секунды, это кратно выше времени соединения в GSM.
- Во-вторых, сеть VoLTE МегаФона работает с использованием специального кодека Enhanced Voice Service, из-за обработки которым голос звучит четко, а собеседник как будто бы находится рядом.
- В-третьих – телефон теперь всегда находится в сети LTE, т.е. во время голосового вызова не нужно переключаться между сетями, а это значит, что можно одновременно говорить и комфортно пользоваться интернетом.
Так что, если у вас МегаФон, то говорить по VoLTE вы можете уже сейчас с абонентами любых других операторов, при этом качество голосовой связи будет еще лучше, когда собеседник также будет использовать VoLTE 🙂
👍1
Datafold провели исследование о состоянии качества данных
Больше 80% респондентов отметили, что регулярно сталкиваются с проблемами с качеством данных.
Большинство ошибок, по их словам, происходят по вине других команд или третьих лиц (75%) 🙂.
Только 41% команд используют методы и инструменты проверки данных: автоматизированные тесты или каталоги данных.
Низкая продуктивность data-команд вызвана большим количеством ручной работы, неэффективной организацией и плохим качеством данных
SQL по прежнему остаётся главным рабочим языком, за ним идут Python, R и Scala.
Среди BI-инструментов, на первом по месте остаётся Tableau, а за ним - как ни странно, Google Таблицы 😱
Для ETL чаще всего используют собственные инструменты (28%), Apache Airflow (24%), AWS Glue (14%).
И хотя средний уровень удовлетворенности стеком данных составляет всего 3.3/5, компании не спешат ничего менять: изменения слишком дорогие (32%) или же есть организационные проблемы (30%)
via @internetanalytics
Больше 80% респондентов отметили, что регулярно сталкиваются с проблемами с качеством данных.
Большинство ошибок, по их словам, происходят по вине других команд или третьих лиц (75%) 🙂.
Только 41% команд используют методы и инструменты проверки данных: автоматизированные тесты или каталоги данных.
Низкая продуктивность data-команд вызвана большим количеством ручной работы, неэффективной организацией и плохим качеством данных
SQL по прежнему остаётся главным рабочим языком, за ним идут Python, R и Scala.
Среди BI-инструментов, на первом по месте остаётся Tableau, а за ним - как ни странно, Google Таблицы 😱
Для ETL чаще всего используют собственные инструменты (28%), Apache Airflow (24%), AWS Glue (14%).
И хотя средний уровень удовлетворенности стеком данных составляет всего 3.3/5, компании не спешат ничего менять: изменения слишком дорогие (32%) или же есть организационные проблемы (30%)
via @internetanalytics
Люди, проводящие больше времени у экранов, более несчастны🙁
К такому выводу пришли составители Всемирного доклада о счастье. Согласно исследованию, самая сильная корреляция наблюдается между несчастьем и прослушиванием музыки (13%), интернетом (11%) и компьютерными играми (8%).
В исследовании Д. Твенге и У. Кэмпбелла была обнаружена связь между экранным временем и особенностями психики детей и подростков. Чем больше времени проведено с девайсом, тем ниже уровень любопытства (средняя разница между теми, кто проводит 7+ часов у монитора, и теми, кто проводит 1 час, 31%), самоконтроля (37%), эмоциональной стабильности (38%). Похожая ситуация наблюдается и в сфере проблем с ментальным здоровьем: выше вероятность развития тревожности (21%) и депрессии (19%).
via @internetanalytics
К такому выводу пришли составители Всемирного доклада о счастье. Согласно исследованию, самая сильная корреляция наблюдается между несчастьем и прослушиванием музыки (13%), интернетом (11%) и компьютерными играми (8%).
В исследовании Д. Твенге и У. Кэмпбелла была обнаружена связь между экранным временем и особенностями психики детей и подростков. Чем больше времени проведено с девайсом, тем ниже уровень любопытства (средняя разница между теми, кто проводит 7+ часов у монитора, и теми, кто проводит 1 час, 31%), самоконтроля (37%), эмоциональной стабильности (38%). Похожая ситуация наблюдается и в сфере проблем с ментальным здоровьем: выше вероятность развития тревожности (21%) и депрессии (19%).
via @internetanalytics
Все же понимают, что происходит на рынке с продуктовыми аналитиками среднего уровня? Их просто невозможно нанять - у подавляющего большинства все хорошо на текущем месте работы и хорошо платят, и в целом, весьма интересные задачи.
На этой благодатной почве, подогретой рынком найма, как грибы растут онлайн-школы. Но двигателем прогресса чаще всего, являются не они, а образующие рынок продукты и компании. Мне нравится, что Adventum (реселлер Amplitude), про который я часто здесь пишу вместе со Скиллфектори (про который я редко пишу) выпустили бесплатный русскоязычный курс по Амплитуде.
Из-за отсутствия поддержки и документации на английском языке многие не знают инструмент, да и используют его не на 100%. А в мире mobile first уметь пользоваться Амплитудой не помешает.
Так вот, курс это своего рода видео-документация на русском по работе с Amplitude + есть практика через работу с отчетами на демо-приложении.
https://skillfactory.ru/free_amplitude/
Знания Амплитуды действительно помогают в реальной жизни продуктовому и марктетинговому аналитику. У нас на ютуб канале есть пара классных видосов на эту тему от Вадима Шестакова и Глеба Сологуба. Ну и еще у амплитуды есть русскоязычный чат @amplitude_russia_chat
На этой благодатной почве, подогретой рынком найма, как грибы растут онлайн-школы. Но двигателем прогресса чаще всего, являются не они, а образующие рынок продукты и компании. Мне нравится, что Adventum (реселлер Amplitude), про который я часто здесь пишу вместе со Скиллфектори (про который я редко пишу) выпустили бесплатный русскоязычный курс по Амплитуде.
Из-за отсутствия поддержки и документации на английском языке многие не знают инструмент, да и используют его не на 100%. А в мире mobile first уметь пользоваться Амплитудой не помешает.
Так вот, курс это своего рода видео-документация на русском по работе с Amplitude + есть практика через работу с отчетами на демо-приложении.
https://skillfactory.ru/free_amplitude/
Знания Амплитуды действительно помогают в реальной жизни продуктовому и марктетинговому аналитику. У нас на ютуб канале есть пара классных видосов на эту тему от Вадима Шестакова и Глеба Сологуба. Ну и еще у амплитуды есть русскоязычный чат @amplitude_russia_chat
skillfactory.ru
Система продуктовой аналитики Amplitude - бесплатный курс от Skillfactory и Adventum
Бесплатный курс по системе продуктовой аналитики от Skillfactory и Adventum.
Forwarded from Reveal the Data
Год назад мы с Колей Валиотти сделали дашбород по рынку вакансий аналитиков. 🎉 Подводим итоги за год! Сделали это в виде карточек по разным направлениям аналитики — пощёлкайте и сравните разные профессии.
А ещё, подобрали ТГ каналы, чтобы качаться в каждой из областей:
— Про BI и Табло — Reveal The Data =)
— Про аналитику и DS — Left Join
— Про системный анализ — BA|SA
— Про DE — Инжиниринг данных
— Про маркетинг — Матемаркетинг
— Про Web — WebAnalytics
🔗 Карточки на Табло Паблик
🔗 Основной дашборд
Disclaimer: данные по вакансиям с HH для Москвы и Питера. Профессии определяются по наличию ключевых слов в названии вакансии (есть BI → BI-аналитик, есть ML → Data Scientist и т.п.). Больше всего вакансий в разделе просто «аналитик» и «бизнес-аналитик», так как под ними часто понимают разные обязанности. Зарплаты указаны как средние и чистыми. Кажется, что можно умножать на ×1.2-1.4 и будет примерно рынок.
#пример #ссылка
А ещё, подобрали ТГ каналы, чтобы качаться в каждой из областей:
— Про BI и Табло — Reveal The Data =)
— Про аналитику и DS — Left Join
— Про системный анализ — BA|SA
— Про DE — Инжиниринг данных
— Про маркетинг — Матемаркетинг
— Про Web — WebAnalytics
🔗 Карточки на Табло Паблик
🔗 Основной дашборд
Disclaimer: данные по вакансиям с HH для Москвы и Питера. Профессии определяются по наличию ключевых слов в названии вакансии (есть BI → BI-аналитик, есть ML → Data Scientist и т.п.). Больше всего вакансий в разделе просто «аналитик» и «бизнес-аналитик», так как под ними часто понимают разные обязанности. Зарплаты указаны как средние и чистыми. Кажется, что можно умножать на ×1.2-1.4 и будет примерно рынок.
#пример #ссылка
Алексей Свирин, аналитик Mail.ru написал очень правильный пост в своем Facebook.
Дата-аналитика в том домене знаний, который сформировался пару лет назад, умирает. Хоть некоторые из курсов и готовят аналитиков в той роли, где они могут быть еще долго востребованы, а именно глубоком анализе различных данных компании, но в реальности таких кейсов крайне мало. При этом один кейс может охватить достаточно большой объем тех знаний, который был необходим менеджерам для принятий решений на долгое время. Такой работы явно хватит не на всех, и средний и низкий класс аналитиков будет исчезать из-за недостатка фундаментальных знаний в статистике и математике.
Основные роли, для которых используют аналитиков в настоящее время, не оправдывают того, для чего сами аналитики шли на работу, а описание вакансий в основном не дает представление о том, что же конкретно придется делать.
Бизнес сейчас в огромном количестве случаев использует аналитиков как:
— Интерфейс для доступа к данным. Т.е. для заказчиков со стороны аналитика не нужно даже эти данные анализировать, давать свою оценку и писать выводы. Метрики настолько просты, что они уже по ним могут принять решения.
— Недопрограммистов, которые могут закрыть некую потребность в автоматизации каких-то процессов, так как программистов использовать для этого дороже и сложнее.
— Калькулятор для А/Б-тестов.
И сейчас эти роли в значительности степени отмирают за счет развития различных продуктов для анализа данных, где не нужны никакие специфичные знания, а нужно просто разбираться в интерфейсе продукта и первоначально его внедрить.
Аналитики были бы сильно востребованы, если бы никакой Гугл.Аналитики, Яндекс.метрики, Апп.Метрики, Файербейса и т.д. не существовало, но эти продукты развиваются, популяризируются, а самое главное, что они стоят дешевле живых людей. Таким образом низкий порог входа, высокая функциональность и низкая стоимость для большинства компаний, убирает аналитиков в роли интерфейса для доступа к данным и просчету простых продуктовых метрик.
Считать А/Б-тесты руками — это моветон в рамках современных систем аналитики. Руками это делать очень дорого. При этом 99% всего анализа в А/Б можно (и нужно) автоматизировать. Выбор статистических критериев и проверки распределений в данных для их применения, проверка на нормальность, на количество данных — всё можно обложить алгоритмами и если есть сомнения в их надежности, то поставить уровень значимости построже.
Ручной труд по автоматизации каких-то процессов системно ничем простым, кажется, не заменить. Но если бизнес использует данный подход, то рано или поздно система утонет в дичайшем легаси, рано или поздно придется привлекать людей, которые изначально были нужны для построения нормальной системы.
Что же собственно тут поделаешь, когда та профессия, в которой ты работаешь, умрет раньше, чем самоуправляемые грузовики убью профессию дальнобойщика? Конечно, идти куда-то дальше, в те области, которые возможно будет иметь большую устойчивость и будут востребованы на горизонте 15-20 лет.
Сразу можно отмести уход в позицию руководителя. Так как руководить аналитиками, работу которых скоро автоматизируют, так себе идея. Я выделил, возможно, самые адекватные пути развития из аналитики куда-то еще:
— Системная аналитика. Т.е. именно проектировать системы аналитики и сбора информации по заданию от продукта для дальнейшего анализа. Но как я думаю, коробочные решения все равно победят, а спроектировать кастомные события смогут и продуктологи.
— Стать самим продуктологом. С одной стороны, аналитики очень продвинуты в метриках, в том, как они себя ведут и могут проанализировать результаты внедрения того или иного функционала. С другой стороны, тут на первый план выходят софт скиллы, а у аналитиков с этим не всегда хорошо (у меня точно не хорошо).
— Уйти в программирование чего-либо. Небольшой любительский опыт есть практически у всех аналитиков. Но именно небольшой. Работы предстоит слишком много в основном над хард скиллами.
— Уйти в дата-инженерию. Т.е. в сбор и подготовку данных для дальнейшего анализа.
Дата-аналитика в том домене знаний, который сформировался пару лет назад, умирает. Хоть некоторые из курсов и готовят аналитиков в той роли, где они могут быть еще долго востребованы, а именно глубоком анализе различных данных компании, но в реальности таких кейсов крайне мало. При этом один кейс может охватить достаточно большой объем тех знаний, который был необходим менеджерам для принятий решений на долгое время. Такой работы явно хватит не на всех, и средний и низкий класс аналитиков будет исчезать из-за недостатка фундаментальных знаний в статистике и математике.
Основные роли, для которых используют аналитиков в настоящее время, не оправдывают того, для чего сами аналитики шли на работу, а описание вакансий в основном не дает представление о том, что же конкретно придется делать.
Бизнес сейчас в огромном количестве случаев использует аналитиков как:
— Интерфейс для доступа к данным. Т.е. для заказчиков со стороны аналитика не нужно даже эти данные анализировать, давать свою оценку и писать выводы. Метрики настолько просты, что они уже по ним могут принять решения.
— Недопрограммистов, которые могут закрыть некую потребность в автоматизации каких-то процессов, так как программистов использовать для этого дороже и сложнее.
— Калькулятор для А/Б-тестов.
И сейчас эти роли в значительности степени отмирают за счет развития различных продуктов для анализа данных, где не нужны никакие специфичные знания, а нужно просто разбираться в интерфейсе продукта и первоначально его внедрить.
Аналитики были бы сильно востребованы, если бы никакой Гугл.Аналитики, Яндекс.метрики, Апп.Метрики, Файербейса и т.д. не существовало, но эти продукты развиваются, популяризируются, а самое главное, что они стоят дешевле живых людей. Таким образом низкий порог входа, высокая функциональность и низкая стоимость для большинства компаний, убирает аналитиков в роли интерфейса для доступа к данным и просчету простых продуктовых метрик.
Считать А/Б-тесты руками — это моветон в рамках современных систем аналитики. Руками это делать очень дорого. При этом 99% всего анализа в А/Б можно (и нужно) автоматизировать. Выбор статистических критериев и проверки распределений в данных для их применения, проверка на нормальность, на количество данных — всё можно обложить алгоритмами и если есть сомнения в их надежности, то поставить уровень значимости построже.
Ручной труд по автоматизации каких-то процессов системно ничем простым, кажется, не заменить. Но если бизнес использует данный подход, то рано или поздно система утонет в дичайшем легаси, рано или поздно придется привлекать людей, которые изначально были нужны для построения нормальной системы.
Что же собственно тут поделаешь, когда та профессия, в которой ты работаешь, умрет раньше, чем самоуправляемые грузовики убью профессию дальнобойщика? Конечно, идти куда-то дальше, в те области, которые возможно будет иметь большую устойчивость и будут востребованы на горизонте 15-20 лет.
Сразу можно отмести уход в позицию руководителя. Так как руководить аналитиками, работу которых скоро автоматизируют, так себе идея. Я выделил, возможно, самые адекватные пути развития из аналитики куда-то еще:
— Системная аналитика. Т.е. именно проектировать системы аналитики и сбора информации по заданию от продукта для дальнейшего анализа. Но как я думаю, коробочные решения все равно победят, а спроектировать кастомные события смогут и продуктологи.
— Стать самим продуктологом. С одной стороны, аналитики очень продвинуты в метриках, в том, как они себя ведут и могут проанализировать результаты внедрения того или иного функционала. С другой стороны, тут на первый план выходят софт скиллы, а у аналитиков с этим не всегда хорошо (у меня точно не хорошо).
— Уйти в программирование чего-либо. Небольшой любительский опыт есть практически у всех аналитиков. Но именно небольшой. Работы предстоит слишком много в основном над хард скиллами.
— Уйти в дата-инженерию. Т.е. в сбор и подготовку данных для дальнейшего анализа.
Facebook
Log in or sign up to view
See posts, photos and more on Facebook.
Продолжение поста.
Начало выше.
---
В данном случае нужно меньше технических скиллов, чем в случае программирования, нужно меньше софт скиллов, чем в случае продуктолога, и специфические знания, в которые продуктологи не полезут в ближайшее время.
Что же буду делать я с этим мрачным прогнозом? В ближайшее время я буду искать подтверждение моим опасениям, в ноябре будет большая конференция по маркетинговой аналитике, в конце осени выйдет курс, который я жду по продвинутой аналитике от Карпова, возможно там будут какие-то интересные векторы развития. До этого времени я закончу все курсы, которые уже начал или хотел начать по аналитике и буду собирать информацию по смежным профессиям.
Начало выше.
---
В данном случае нужно меньше технических скиллов, чем в случае программирования, нужно меньше софт скиллов, чем в случае продуктолога, и специфические знания, в которые продуктологи не полезут в ближайшее время.
Что же буду делать я с этим мрачным прогнозом? В ближайшее время я буду искать подтверждение моим опасениям, в ноябре будет большая конференция по маркетинговой аналитике, в конце осени выйдет курс, который я жду по продвинутой аналитике от Карпова, возможно там будут какие-то интересные векторы развития. До этого времени я закончу все курсы, которые уже начал или хотел начать по аналитике и буду собирать информацию по смежным профессиям.
GSIC sport industry report.pdf
29.5 MB
GSIC рассказали, что ждёт спортивную индустрию в будущем.
Влияние Covid-19 на отрасль будет снижаться, начиная от 86% в 2021, заканчивая 32% в 2025, а сам рынок будет расти: с $388,28 млрд. в 2020 до $440,77 млрд в 2021.
На "умных" площадках трендом станет развитие больших данных (76%) и средств связи (75%). В сфере вовлечения фанатов станут активнее использовать интернет-платформы (74%) и приложения для отслеживания результатов (70%).
Если говорить о производительности команд и спортсменов, самая многообещающая отрасль - аналитика атлетов (79%). Для бизнеса будут актуальны развитие аналитических инструментов (74%), sportainment (73%) и интернет-торговля (73%).
По прогнозам, аудитория киберспорта вырастет на 8,7% к концу 2021. Медиа будет развиваться в сторону кастомизации контента (74%) и улучшения метрик (74%), а линейное ТВ ожидает угасание (-19%).
via @internetanalytics
Влияние Covid-19 на отрасль будет снижаться, начиная от 86% в 2021, заканчивая 32% в 2025, а сам рынок будет расти: с $388,28 млрд. в 2020 до $440,77 млрд в 2021.
На "умных" площадках трендом станет развитие больших данных (76%) и средств связи (75%). В сфере вовлечения фанатов станут активнее использовать интернет-платформы (74%) и приложения для отслеживания результатов (70%).
Если говорить о производительности команд и спортсменов, самая многообещающая отрасль - аналитика атлетов (79%). Для бизнеса будут актуальны развитие аналитических инструментов (74%), sportainment (73%) и интернет-торговля (73%).
По прогнозам, аудитория киберспорта вырастет на 8,7% к концу 2021. Медиа будет развиваться в сторону кастомизации контента (74%) и улучшения метрик (74%), а линейное ТВ ожидает угасание (-19%).
via @internetanalytics
Foodtech 2021.pdf
17 MB
Five Seasons Ventures и Dealroоm - о трендах в foodtech.
Общая стоимость предприятий за последние 5 лет выросла на €416 млрд. (почти в 25 раз!), причём большая часть этого прироста - новые малые фирмы. Больше всего выручки получили компании, занимающиеся приготовлением пищи (€1,1 млрд.), затем идут дистрибьюторы (€830 млн.) и производители продуктов (€552 млн.).
В Европе растёт доля доставщиков продуктов (от <2% в 2019 до 5+% в 2020). Сфера D2C тоже развивается: лидеры отрасли продают корм для домашних животных (34%) или готовые наборы еды (13%), в это же время крупные компании либо ввели D2C в свои сервисы (Heinz, PepsiCo, Chipotle), либо купили D2C стартапы (Nestlé, Dr. Oetker, Mars).
На каждом этапе цепочки производства происходит роботизация. Это связано с трудностями поставок, которые возникали во время пандемии: они привели к увеличению инвестиций в автоматизацию (+€475 млн.).
via @internetanalytics
Общая стоимость предприятий за последние 5 лет выросла на €416 млрд. (почти в 25 раз!), причём большая часть этого прироста - новые малые фирмы. Больше всего выручки получили компании, занимающиеся приготовлением пищи (€1,1 млрд.), затем идут дистрибьюторы (€830 млн.) и производители продуктов (€552 млн.).
В Европе растёт доля доставщиков продуктов (от <2% в 2019 до 5+% в 2020). Сфера D2C тоже развивается: лидеры отрасли продают корм для домашних животных (34%) или готовые наборы еды (13%), в это же время крупные компании либо ввели D2C в свои сервисы (Heinz, PepsiCo, Chipotle), либо купили D2C стартапы (Nestlé, Dr. Oetker, Mars).
На каждом этапе цепочки производства происходит роботизация. Это связано с трудностями поставок, которые возникали во время пандемии: они привели к увеличению инвестиций в автоматизацию (+€475 млн.).
via @internetanalytics
Подборка актуальных вакансий продуктовых аналитиков:
#productanalyst
Team Lead Product Analyst в pure.app, удалённая, €3000-4000
Product Analyst в Cindicator.com, удалённая, 200k-300k
Продуктовый аналитик в Росско, удалённая, 150k-170k
Продуктовый аналитик (Middle+) в МТС, Москва, 120k-170k
Middle Product Analyst (Продуктовый аналитик) в Aero, Москва, до 150k
Продуктовый Аналитик в Wakie
Product Analyst (middle/senior) в MOS.RU, Москва
Продуктовый аналитик уровня middle в Учи.ру
Продуктовый аналитик в Авито
Аналитик мобильного приложения / Senior Mobile Analyst в компанию-разработчик мобильных приложений, удалённая
Аналитик в Иннотех, удалённая
Продуктовый аналитик в Тинькофф
Продуктовый аналитик в Т—Ж (Тинькофф Журнал)
Аналитик в Whoosh, Москва
= = =
18-19 ноября в Москве пройдет конференция Матемаркетинг - единственное в 2021 году мероприятие для продуктовых и маркетинговых аналитиков. 1000 топовых специалистов, почти сотня контентных слотов и 2 дня погружения в аналитику.
Программа: https://bit.ly/3iMiT6Z
Билеты: https://bit.ly/3rkkjKO
Подробности: https://matemarketing.ru/
Ждем вас!
= = =
Десятки вакансий ежедневно появляются в чате @analysts_hunter Подписывайтесь, чтобы узнвать о них первыми
#productanalyst
Team Lead Product Analyst в pure.app, удалённая, €3000-4000
Product Analyst в Cindicator.com, удалённая, 200k-300k
Продуктовый аналитик в Росско, удалённая, 150k-170k
Продуктовый аналитик (Middle+) в МТС, Москва, 120k-170k
Middle Product Analyst (Продуктовый аналитик) в Aero, Москва, до 150k
Продуктовый Аналитик в Wakie
Product Analyst (middle/senior) в MOS.RU, Москва
Продуктовый аналитик уровня middle в Учи.ру
Продуктовый аналитик в Авито
Аналитик мобильного приложения / Senior Mobile Analyst в компанию-разработчик мобильных приложений, удалённая
Аналитик в Иннотех, удалённая
Продуктовый аналитик в Тинькофф
Продуктовый аналитик в Т—Ж (Тинькофф Журнал)
Аналитик в Whoosh, Москва
= = =
18-19 ноября в Москве пройдет конференция Матемаркетинг - единственное в 2021 году мероприятие для продуктовых и маркетинговых аналитиков. 1000 топовых специалистов, почти сотня контентных слотов и 2 дня погружения в аналитику.
Программа: https://bit.ly/3iMiT6Z
Билеты: https://bit.ly/3rkkjKO
Подробности: https://matemarketing.ru/
Ждем вас!
= = =
Десятки вакансий ежедневно появляются в чате @analysts_hunter Подписывайтесь, чтобы узнвать о них первыми
Forwarded from karpov.courses
Если вы работаете в сфере Data Science, то наверняка знаете самую большую, а теперь и единственную в России конференцию по аналитике «МатеМаркетинг». В новый выпуск подкаста «IT-шниками не рождаются» мы позвали её организатора – Алексея Никушина.
Мы поговорили с Алексеем о том, как ему в голову пришла идея создать конференцию и как удалось сформировать сообщество экспертов. Также Лёша поделился своим опытом работы в аналитике и рассказал, как он видит рынок образования в этой сфере сегодня.
Слушать 11 выпуск
Мы поговорили с Алексеем о том, как ему в голову пришла идея создать конференцию и как удалось сформировать сообщество экспертов. Также Лёша поделился своим опытом работы в аналитике и рассказал, как он видит рынок образования в этой сфере сегодня.
Слушать 11 выпуск
Интернет-аналитика // Алексей Никушин
Все же понимают, что происходит на рынке с продуктовыми аналитиками среднего уровня? Их просто невозможно нанять - у подавляющего большинства все хорошо на текущем месте работы и хорошо платят, и в целом, весьма интересные задачи. На этой благодатной почве…
Я уже писал выше, что ситуация с продуктовыми аналитиками сейчас довольно сложная и непонятная. Вроде как самая модное из направлений, легко уйти в продакта или ml-разработку и тд и тп, но не очень понятно как сегодня внутри разных компаний выглядят аналитики в продуктовых командах.
Для прояснения ситуации New HR запускают опрос с целью исследования кто же такие продуктовые аналитики. Опрос ориентирован на продуктовых аналитиков и руководителей команд/отделов аналитики
Чтобы принять участие в исследовании, необходимо заполнить верификационную анкету
Выясняют:
✅ Что входит в зону ответственности, а что не входит (но все равно приходится этим заниматься);
✅ Кто становится продуктовым аналитиком (бэкграунд) и какие карьерные перспективы есть у этой профессии;
✅ Что влияет на уровень зарплат и есть ли паттерны, присущие наиболее зарабатывающим профессионалам;
✅ Как устроен найм и удержание продуктовых аналитиков.
РЕЗУЛЬТАТАМИ, КОТОРЫЕ НЕ ВОЙДУТ В ПУБЛИЧНЫЙ ОТЧЕТ ОКСАНА ПРУТЬЯНОВА ОБЕЩАЛА ПОДЕЛИТЬСЯ НА МАТЕМАРКЕТИНГЕ 18 и 19 НОЯБРЯ, ГДЕ МЫ ВСЕ БУДЕМ И ЗАДАДИМ САМЫЕ НЕУДОБНЫЕ ВОПРОСЫ О РЕЗУЛЬТАТАХ И МЕТОДОЛОГИИ И ОБСУДИМ РЕЗУЛЬТАТЫ В РАМКАХ ОДНОГО ИЗ ВОПРОСОВ СЕКЦИЙ ”ЧТО БОЛИТ У АНАЛИТИКОВ?”
Для прояснения ситуации New HR запускают опрос с целью исследования кто же такие продуктовые аналитики. Опрос ориентирован на продуктовых аналитиков и руководителей команд/отделов аналитики
Чтобы принять участие в исследовании, необходимо заполнить верификационную анкету
Выясняют:
✅ Что входит в зону ответственности, а что не входит (но все равно приходится этим заниматься);
✅ Кто становится продуктовым аналитиком (бэкграунд) и какие карьерные перспективы есть у этой профессии;
✅ Что влияет на уровень зарплат и есть ли паттерны, присущие наиболее зарабатывающим профессионалам;
✅ Как устроен найм и удержание продуктовых аналитиков.
РЕЗУЛЬТАТАМИ, КОТОРЫЕ НЕ ВОЙДУТ В ПУБЛИЧНЫЙ ОТЧЕТ ОКСАНА ПРУТЬЯНОВА ОБЕЩАЛА ПОДЕЛИТЬСЯ НА МАТЕМАРКЕТИНГЕ 18 и 19 НОЯБРЯ, ГДЕ МЫ ВСЕ БУДЕМ И ЗАДАДИМ САМЫЕ НЕУДОБНЫЕ ВОПРОСЫ О РЕЗУЛЬТАТАХ И МЕТОДОЛОГИИ И ОБСУДИМ РЕЗУЛЬТАТЫ В РАМКАХ ОДНОГО ИЗ ВОПРОСОВ СЕКЦИЙ ”ЧТО БОЛИТ У АНАЛИТИКОВ?”
Исследователи из Exasol провели исследование, насколько полезны и важны дашборды в построении аналитической культуры. Речь в исследовании шла о классических дашбордах, на которых отрисованы основные метрики и их визуализация.
⠀
Несмотря на то, что 82% респондентов Exasol регулярно пользуются дашбордами и делятся инсайтами с коллегами, дашборды становятся все более "сложными и нагроможденными" и 53% опрошенных соглашаются с тем, что даже интерпретация дашбордов требует слишком много времени. При этом, большая часть дашбордов не не позволяют понять причину произошедшего. Только лишь констатируют факт случившегося.
⠀
Ключевые проблемы дашбордов:
- отсутствует контекст рассматриваемой проблемы – 61% опрошенных;
- необходимо глубоко разбираться в показателях – 54%;
- неадаптивность задачам разных специалистов – 46%.
⠀
В качестве альтернативы предлагают дата-сторителлинг. То есть мало дашборд нарисовать, еще надо руководству подкаст записать - чтоб они поняли о чем речь. И не потому, что они дураки, а потому что в дашборде невозможно разобраться.
⠀
Выяснилось, что 82% опрошенных уже имели дело c дата-сторителлингом - ”повествование на основе данных и визуализации помогает передать идеи "более мощным и убедительным образом". А 93% опрошенных считают, что решения, которые были инициированы как результат дата-сторителлинга, оказывали большее влияние на доходы компании. При этом, 47% не хватает времени на сторителлинг (еще бы 🙂 )
⠀
Вывод: аналитики из прослойки между интерфейсом системы аналитики и почтой руководителя (что уже не хорошо), должны превратиться в интересного голосового помощника, который интересно рассказывает то, что написано на графике.
Источник: https://www.exasol.com/app/uploads/2021/07/2021_US_Data_Storytelling_d.pdf
@internetanalytics
⠀
Несмотря на то, что 82% респондентов Exasol регулярно пользуются дашбордами и делятся инсайтами с коллегами, дашборды становятся все более "сложными и нагроможденными" и 53% опрошенных соглашаются с тем, что даже интерпретация дашбордов требует слишком много времени. При этом, большая часть дашбордов не не позволяют понять причину произошедшего. Только лишь констатируют факт случившегося.
⠀
Ключевые проблемы дашбордов:
- отсутствует контекст рассматриваемой проблемы – 61% опрошенных;
- необходимо глубоко разбираться в показателях – 54%;
- неадаптивность задачам разных специалистов – 46%.
⠀
В качестве альтернативы предлагают дата-сторителлинг. То есть мало дашборд нарисовать, еще надо руководству подкаст записать - чтоб они поняли о чем речь. И не потому, что они дураки, а потому что в дашборде невозможно разобраться.
⠀
Выяснилось, что 82% опрошенных уже имели дело c дата-сторителлингом - ”повествование на основе данных и визуализации помогает передать идеи "более мощным и убедительным образом". А 93% опрошенных считают, что решения, которые были инициированы как результат дата-сторителлинга, оказывали большее влияние на доходы компании. При этом, 47% не хватает времени на сторителлинг (еще бы 🙂 )
⠀
Вывод: аналитики из прослойки между интерфейсом системы аналитики и почтой руководителя (что уже не хорошо), должны превратиться в интересного голосового помощника, который интересно рассказывает то, что написано на графике.
Источник: https://www.exasol.com/app/uploads/2021/07/2021_US_Data_Storytelling_d.pdf
@internetanalytics