Карьера в Data всё, но это еще не всё
Мы начали вести «Карьеру в Data», потому что хотели поделиться экспертизой и помочь коллегам-аналитикам найти работу и прокачаться профессионально. Идея была хороша, но со временем мы поняли, что это совсем не то, о чем мы должны писать.

Начнем с того, что это вообще не наша экспертиза.

💙 LEFT JOIN — это дата-консалтинг. У нас своя специфика и небольшая (относительно того же Яндекса) команда, и мы не можем говорить за всю индустрию, как тут карьеру строить. Да и тема рано или поздно начала бы исчерпывать себя. Ну сколько постов можно написать про то, как описывать свои достижения в резюме?

А еще мы часто ищем аналитиков на свои проекты, так что нам бы себе людей найти, а не в другие компании. Да, есть и вот такой эгоистичный моментик.

🔜 Наша экспертиза — это наш опыт, проекты, вакансии, кейсы. Так что мы решили провести ребрендинг и превратить «Карьеру в Data» в LEFT JOIN Insider — будем делиться настоящей «внутрянкой» работы на аналитических проектах из разных сфер. Плюсы, минусы, подводные камни, а также скандалы, интриги и расследования.

Все еще будем причинять добро и наносить пользу, рассказывать интересное про работу и аналитику. Ну, и вакансии, конечно, вывешивать. Так что, если решите отписаться ­­— поймем, но осудим не рекомендуем.

Зачем работать в LEFT JOIN?
Мы не перестаем писать про поиск работы, развитие скиллов и интересные вакансии. Только теперь искать спецов будем для себя, так что давайте познакомимся, потенциальные коллеги.

Что такое LEFT JOIN?
🔵 Дата-консалтинг, который специализируется на аутстаффе и аутсорсинге аналитики. Занимаемся этим делом с 2019 года. Так что мы не зеленый стартап без проектов, но с верой в себя — работа есть, процессы выстроены.
🔵 40+ проектов в портфолио. Мы работаем на российский и зарубежный рынок, так что наши аналитики имеют возможность пощупать разные стеки и датасорсы. Кстати, стек на скрине, смотрите выше. ☝🏻
🔵 30+ человек в штате — аналитики, дата-инженеры, HR, маркетологи, сейлзы, проджекты. Вся команда распределенная и удаленная. Работаем +/- по Москве, но вообще — как договоримся. Мы довольно гибкие в этом плане.

Зарплаты в рынке (рассказываем на собеседовании), приятная и демократичная культура общения (тут придется поверить на слово), онбординг для новичков, своя база знаний и прочие возможности для роста и развития.

Да, теперь вакансии будут только наши, но регулярно. Открываем их по двум причинам: либо расширяемся, либо ищем человека под конкретный проект. Иногда кто-то увольняется, но это реже.

Stay tuned, горящие вакансии на подходе. 🔥

Ищем Middle Data Analyst, чтобы SQL не простаивал, Python не пылился, а клиенты были довольны
Заниматься надо будет ad-hoc аналитикой, разработкой отчетов в BI-системах (у нас в основном Tableau, Redash, Superset, Metabase, Datalens) и витрин данных.

Что нужно
🔵 2+ года опыта. Знаешь, что такое данные, зачем они бизнесу и как их приручить.
🔵 Английский от уровня B2. Мы много работаем с зарубежными клиентами, нужно не просто понимать, но и коммуницировать.
🔵SQL — на уровне «встал ночью, написал запрос и снова спать». Серьезно, это проверим.
🔵 Python — pandas, matplotlib, numpy — все наше, все родное.

Будет круто
🔵 Знакомство с dbt — за это отдельно пожмем руку.

Что даем
🔵 Удаленку, гибкий график, крутые проекты и команду, которая знает, что делает.
🔵 Бюрократии нет, отпуск и больничные есть.

🔜 Здесь можно получить подробности и откликнуться

Чем мы на самом деле занимаемся?
Про аналитику часто пишут очень абстрактно и неконкретно.

«Найдем пользу в ваших данных», «Поможем принимать решения на основе аналитики» и все такое. Коллеги, мы не имели в виду кого-то конкретного, но, если вдруг узнали тут слоган своей компании — не обижайтесь, у нас то же самое.

А когда конкретики добавляют, то делают это с помощью громких, но тоже мало что говорящих цифр: «Подняли прибыль на 30%!»

А как подняли-то? Что для этого сделали и сможете ли сделать еще раз?

🔜 Это язык рекламы и маркетинга, а нормальные люди просто задают нормальные, человеческие вопросы, на которые мы помогаем найти ответ.

Недавно к нам пришел новый заказчик — быстро растущий еком. У него же выстроен маркетинг для ряда каналов, но не хватает понимания, что именно работает, а что просто существует. Этот заказчик просил не найти пользу в данных (господи, а кто-то просит вообще?), а помочь ответить на вот такие вопросы:
🔵 Какие письма заставляют людей кликать?
🔵 Сколько времени проходит от подписки до первого действия?
🔵 Сколько писем надо отправить, чтобы клиент решил: «Ладно, куплю»?
🔵 Чем отличаются те, кто купил, от тех, кто просто решил посмотреть?
🔵 И, конечно, главный вопрос: где та волшебная точка входа, после которой деньги льются рекой?

🔜 Знакомые вопросы? Наверняка да, на самом деле этот запрос вполне стандартный — мы с таким часто работаем. Конкретно про этот проект мы рассказать пока не можем, потому что он на совсем ранней стадии, но готовы поделиться своим подходом к работе в общем. Если интересно, пишите в комментах и ставьте лайки — в следующих постах объясним, как мы работаем.

«Ну, вы сделайте отчет…»
Так звучит задача в мире руководителей, которые хотят узнать, какие же письма заставляют людей кликать.

Ну что, настало время выжимать из данных пользу?

Если вам надоели вариации этого выражения, пожалуйста, скажите это в комментариях и мы больше не будем его использовать.

1️⃣ Собираем данные. CRM, рекламные кабинеты, сайты, почтовые сервисы, телеграм-боты, платежные системы — список источников данных зависит от страны и сферы деятельности. Ищем и находим способы собрать данные даже там, где источник категорически отдавать их не хочет (кто вытягивал информацию из личных страниц на LinkedIn, тот поймет).

2️⃣ Отправляем данные в хранилище. Выбор зависит от масштабов проекта:
🔵 PostgreSQL или MySQL— если данные небольшие, в пределах нескольких сотен гигабайт.
🔵 BigQuery — если данные летят потоками и их много, особенно когда нужно анализировать миллиарды строк.
🔵 ClickHouse — если важна скорость аналитики и нужны сложные запросы в реальном времени.

Внутри данные складываются по слоям:
🔵 Raw — сырые выгрузки, ничего не трогаем, только складываем.
🔵 Staging — обработка данных: убираем пропуски, чистим дубли, нормализуем форматы.
🔵 Core — финальные таблицы, готовые для использования в BI.

По дороге от источника до базы, данные очищаются: мы убираем шум, удаляем дубликаты, выстраиваем структуры и настраиваем потоки так, чтобы всё красиво ложилось в нужные таблицы.

3️⃣ Визуализируем. Tableau, Power BI, Looker, Datalens, Superset, Metabase — выбираем инструмент, который позволит не только увидеть картинку, но и копнуть глубже. Сырые данные превращаются в конкретные ответы на вопросы: где недоработали, что приносит деньги, а что — только расходы.

А потом руководство открывает дашборд, видит, что email-рассылки приносят в 1,5 раза больше лидов, чем соцсети, и наконец-то перераспределяет бюджет. А мы переходим к следующей задаче — скрипты, даги, таблицы, аптека, улица, фонарь.

Вот и весь цикл. Сложно? Да. Но в этом вся прелесть: мы превращаем хаос в порядок и конкретные решения.

И да, это действительно круто.

Зачем работать с LEFT JOIN?
Чтобы данные собирались, удобные информативные дашборды вовремя обновлялись, а вы обо всем это не волновались.

🔜 Мы — ваша команда аналитиков и дата-инженеров, которая просто приходит на проект и начинает генерить результат.

🔵Проводим аудит текущей системы, смотрим на ваши источники данных, таблички и графики (что есть) и рассказываем, что можно с ними сделать.
🔵Выделяем команду под ваши задачи. Можем выстроить аналитику с нуля, можем заняться поддержкой уже существующей системы, чтобы не ломалась, а можем провести аналитическое исследование. Например, поможем узнать, как развивать свой продукт на основе данных.
🔵 При необходимости подбираем людей конкретно под вас, ваш проект и требования. Мы умеем нанимать сильных аналитиков, грамотно оценивать компетенции и понимать, потянет человек ваши задачи или нет.

Больше про опыт, кейсы и услуги рассказали на сайте 🔜 leftjoin.ru

Чудеса аналитического аудита
💬 Хранилище данных, которое уже давно не используется и вообще в РФ недоступно, но все равно подключено и какую-то информацию до сих пор собирает. Никто точно не знает, какую.

💬 Сразу две СУБД, в которые в хаотичном порядке из кучи источников сыпятся данные и потом в таком же хаотичном порядке выводятся на дашборд, из-за чего никто не понимает, откуда они вообще взялись и насколько актуальны.

💬 Отчет в Google Sheets настолько старый и большой, что уже не каждом рабочем ноутбуке открывается.

💬 Массив из скриптов, которые писались, пополнялись и обновлялись с самого основания компании без всякой поясняющей документации.

Чего только не найдешь, когда начинаешь аудит системы аналитики. А вам что интересного попадалось на новых проектах?

Как работает аутстафф?
Все знают, как тяжело искать работу — в вакансиях сплошь куча нереальных требований, зарплата не указана, а из бенефитов печеньки в офисе и вода в кулере.

💬 Но искать сотрудников тоже тяжело — а в некоторых случаях еще тяжелее.

Если ты ищешь аналитика или дата-инженера под конкретный проект, то тебе нужен человек с определенным грейдом, который умеет в определенный стек и желательно с опытом в той же сфере. Мало его найти — надо еще убедиться, то уровень скиллов действительно соответствует написанному в резюме. Для компании, где внутренней экспертизы в работе с данными немного, это создает дополнительные трудности.

В общем, искать того самого можно долго — а работа все это время стоит.

Для тех, кто хочет скипнуть утомительный этап с подбором, наймом и адаптацией, есть такая штука, как аутстафф.
1️⃣ Заказчик приходит в агентство, например, в LEFT JOIN, и говорит, какой специалист и под какой проект ему нужен.
2️⃣ Мы подбираем подходящего сотрудника из своей команды.
3️⃣ Сотрудник проходит необходимые этапы интервью и присоединяется к команде заказчика.

Профит для клиента в том, что он получает своего аналитика или дата-инженера точно под свой запрос — мы даже поможем составить профайл, если вам сложно определить конкретные компетенции. Мало того, что мы по своим базам и каналам, с нашим опытом, найдем человека быстрее, так еще и все вопросы с трудоустройством, кадровыми вопросами, поиском замены в случае отпуска или больничного ложатся на нас.

Профит для исполнителя в стабильности. В таком формате можно прийти на проект, а после его завершения при обоюдном желании продолжить работать с нами — у нас заказчиков и задач много, без работы никто не останется.

В общем, никто не уйдет обиженным.

🔜 Аутстафф — это вариант для тех, кому нужен специалист или несколько на фулл-тайм, с полным погружением в проект. Чаще всего у таких заказчиков уже есть свое ИТ-направление, а в нем даже может быть своя дата-команда, просто в ней нет каких-то конкретных компетенций.

При всех своих достоинствах, аутстафф подходит не всем, и иногда лучше рассмотреть аутсорс. Что это такое, мы расскажем в следующих постах, так что не переключайтесь.

🔜 Подробнее почитать наши услуги (а может и оставить заявку) можно на нашем сайте.

Зачем нужен аутсорс
В прошлом посте мы рассказали про аустафф — это один из возможных форматов сотрудничества.

Но аутстафф — это опция для:
🔵 тех, кто ищет аналитика или дата-инженера (или сразу несколько человек) на полную занятость на проект от полугода,
🔵 тех, у кого уже есть своя команда, в которую нужно дополнительные руки (и скиллы). А также есть руководитель, который готов сам, лично контролировать нового сотрудника и напрямую давать ему задачи.

Если же своих компетенций или ресурса для управления дата-спецами внутри компании недостаточно, то больше подойдет сотрудничество в формате аутсорса. Конкретные условия сотрудничества и оплаты мы обговариваем с каждым индивидуально, но суть одна: заказчик дает задачу, мы формируем команду из своих специалистов, оцениваем примерный скоуп проекта и начинаем работу в формате Time and Material.

Если на аутстаффе всем процессом рулит сам заказчик, то в этом формате организационными вопросами занимается проджект. Он помогает формировать команду, распределять задачи, а также отвечает на вопросы и просто держит всех в курсе, как идут дела.

Аутсорс популярнее аутстаффа — у нас на него приходится большая часть проектов. Подробнее про этот формат можно прочитать на сайте.

Расскажите — ясна разница или нужен еще сравнительный пост про аутсорс/аутстафф?

Middle Data Engineer в LEFT JOIN
У нас вновь открыта вакансия для всех, кто хочет работать над разнообразными проектами в приятной демократичной атмосфере и регулярно изучать новые технологии в сфере инжиниринга данных.

Обязанности:
🔵Создавать и поддерживать ETL/ELT-процессы.
🔵Обеспечивать корректность работы отчетов и консистентность данных.
🔵Поддерживать и видоизменять имеющиеся модели данных.
🔵Создавать и сопровождать витрины данных.
🔵Вести документацию.

Требования:
🔵Опыт работы от 3 лет.
🔵Уверенное владение SQL, Python, Airflow, bash.
🔵Опыт разработки ETL, проектирования и разработки хранилищ данных и аналитической отчетности, а также работы с c Kafka, S3 и dbt.
🔵Высшее техническое или другое релевантное образование.
🔵Английский язык B2 или выше.

Условия:
🔵Full-time занятость. Работа удаленно из любой точки мира по GMT+3.
🔵Оплачиваемый отпуск 20 рабочих дней и больничные 10 дней.
🔵Отсутствие бюрократии и свобода принятия решений.
🔵Корпоративный английский язык.

🔜 Откликайтесь на huntflow или пишите напрямую нашему HR Татьяне @tanya_zab. Пожалуйста, укажите в сопроводительном письме, чем вас заинтересовала вакансия.
Данная позиция предусматривает тестовое задание.

Открыты две вакансии в LEFT JOIN
Апдейт по вакансиям: их уже две (обе Middle), и мы рассматриваем part-time занятость c перспективой перехода на полный день.

Работаем удаленно по GMT+3. Зарплата в рынке, корпоративный английский, интересные проекты, демократичная атмосфера в компании без бюрократии и прочей духоты.

От аналитика ждем:
🔵 Опыт от 2 лет,
🔵 Уверенный Python и SQL,
🔵 Опыт работы с двумя и более BI-системами,
🔵 Релевантное высшее образование и знание мат. статистики.

Предстоит строить ad-hoc отчетность, разрабатывать отчеты в BI-системах и витрины данных.

🔜 Полное описание вакансии на huntflow и на hh.ru. Откликайтесь там же или пишите напрямую нашей HR Татьяне @tanya_zab.

От инженера данных ждем:
🔵 Опыт от 3 лет,
🔵 Уверенное владение SQL, Python, Airflow, bash.
🔵 Опыт разработки ETL, проектирования и разработки хранилищ данных и аналитической отчетности, а также работы c Kafka, S3 и dbt.
🔵 Релевантное высшее образование.

Предстоит создавать и поддерживать ETL/ELT-процессы, обеспечивать корректность работы отчетов и консистентность данных, создавать и сопровождать витрины данных и вести документацию.

🔜 Полное описание вакансии на huntflow и на hh.ru. Откликайтесь там же или пишите напрямую HR @tanya_zab.

Сначала был созвон...
Когда мы рассказывали про рабочий процесс, мы немного схитрили — сразу перешли к хранилищам, BI и прочему в таком духе. Но на самом деле начинается работа, конечно, не со сбора данных, а с созвона.

🔜 Организационная работа так же важна, как техническая, чтобы все знали, что им делать на проекте. За нее у нас отвечает проджект-мендежер, который подключается к работе еще на этапе брифинга с потенциальным клиентом и начинает прикидывать, какая команда подойдет для этого проекта по скиллам и занятости. Сначала карандашом — пока не подпишем договор и не получим предоплату.

Когда работа над проектом начинается в полную силу, именно проджект разруливает все организационные вопросики:
🔵Передает ТЗ команде и проводит регулярные синки, чтобы каждая задача нашла своего исполнителя, а каждый специалист нашел, чем ему заняться.
🔵Держит заказчиков в курсе прогресса проекта. Частота и формат общения выбираются индивидуально, чтобы всем было удобно. С кем-то общаемся текстом, с кем-то — созваниваемся 1-2 раза в неделю.
🔵Собирает фидбек заказчиков, радуется положительному и ищет профит и инсайты в отрицательном.
🔵 Ведет проекты в нашем корпоративном Notion — у нас там постоянно растущая база знаний по всем заказчикам, задачам и сотрудникам. Сейчас наш проджект собирает матрицу компетенций сотрудников и матрицу активных проектов — все это нужно для того, чтобы лучше распределять нагрузку и формировать для каждого проекта идеальную команду.

В общем, мы следим, за тем, чтобы работать с нами было комфортно — и сотрудникам, и заказчикам. И для этого мы постоянно совершенствуем внутренние процессы.

💬 Ну и в качестве завершения: прямое включение от нашего проджекта Эльвины — попросили ее рассказать, за что она любит эту работу:

Для меня это возможность больше и интенсивнее погрузиться в новую сферу (я пришла из веб-разработки) и в новую должность (я была раньше ПМом, но последние многие годы работала Аccount Мanager’ом, там немного другая специфика), так что для меня это по-настоящему diving deeper.

А вы любите и цените своих проджектов? Признавайтесь в комментах.