Шаблон кар’єрної драбини

Кар’єрна драбина аналітика даних: шаблон

П’ять рівнів від Junior до Principal і сім компетенцій — від постановки питання до впливу на рішення.

Безкоштовний тариф · Банківська картка не потрібна

Цю кар’єрну драбину написано для компаній приблизно на 20–200 людей, де аналітики працюють поруч із бізнесом: кілька аналітиків, а іноді й один, відповідають на запитання продукту, маркетингу, продажів і керівництва — часто на стеку даних, який самі ж допомагають будувати. Вона описує п’ять рівнів: від людини, яка вчиться писати надійні запити, до того, хто вирішує, як уся компанія вимірює свої результати. Найвищий рівень, Principal-аналітик, — експертний: керівництво командою аналітики — окрема робота.

Кожен рівень описує, що аналітик робить і наскільки далеко сягає його робота, а не які інструменти він знає і скільки років працює. Читайте рядок матриці компетенцій зліва направо, щоб побачити, як зростає одне очікування, а розділ рівня — щоб побачити все, що на ньому очікується. З її допомогою зручно пояснювати, що означає наступний рівень, проводити самооцінку й чек-іни та робити кейси на підвищення порівнянними.

Перед публікацією адаптуйте її: замініть загальні формулювання своїм стеком і своїми метриками, приберіть рівні, які поки не потрібні, і вирішіть, де у вас закінчується analytics engineering і починається аналіз.

Рівні коротко

Junior-аналітик
Відповідає на чітко поставлені запитання надійними запитами й зрозумілими графіками; роботу перевіряє досвідченіший аналітик.
Масштаб
Окремі запити й регулярні звіти для однієї команди; задачу зазвичай ставить хтось інший.
Middle-аналітик
Веде аналіз цілком — від розмитого запитання до рекомендації — і є основним аналітиком для одного напряму.
Масштаб
Один напрям бізнесу — наприклад, онбординг, ціноутворення чи воронка продажів — з його дашбордами й регулярними запитаннями.
Senior-аналітик
Веде аналіз, на якому ґрунтуються важливі рішення, і підвищує якість аналітики довкола себе.
Масштаб
Кілька напрямів бізнесу або одна велика ініціатива компанії та визначення метрик, від яких вони залежать.
Lead-аналітик
Визначає, як компанія працює з даними в різних функціях, і задає стандарти для інших аналітиків.
Масштаб
Аналітика в кількох функціях: спільні метрики, моделі даних і роадмап аналітики.
Principal-аналітик
Вирішує, як компанія вимірює себе, і відповідає за те, наскільки керівництво може довіряти її цифрам.
Масштаб
Ключові метрики компанії, підхід до експериментів і стратегія аналітики на кілька років уперед.

Матриця компетенцій

Рядки — компетенції, стовпці — рівні. Читайте рядок зліва направо, щоб побачити, як зростають очікування.

Що означає кожна компетенція

Постановка питання: Перетворювати запитання замовника на таке, на яке можуть відповісти дані й з якого випливає рішення.
Запити й моделювання даних: Діставати зі сховища коректні дані й надавати їм форму, зручну для повторного використання.
Статистична строгість та експерименти: Робити висновки, які витримують перевірку, і розуміти, наскільки компанія може бути в них упевнена.
Якість даних і визначення метрик: Домагатися, щоб цифри були правильними, скрізь означали те саме і їм довіряли.
Донесення висновків: Пояснювати, що кажуть дані, так, щоб люди зрозуміли й почали діяти.
Вплив на бізнес і партнерство: Розуміти, як влаштований бізнес, і домагатися, щоб аналіз змінював те, що роблять люди.
Менторство та розвиток команди: Допомагати іншим аналітикам і користувачам даних зростати й робити команду сильнішою.

Аналітик даних: очікування за компетенціями й рівнями
Компетенція	Junior-аналітик	Middle-аналітик	Senior-аналітик	Lead-аналітик	Principal-аналітик
Постановка питання	Перед початком роботи письмово переказує запит, уточнює період, сегмент і визначення та питає, яке рішення ухвалять на підставі відповіді.	Перетворює розмиті запитання на кшталт «чому зріс відтік?» на короткий план аналізу з гіпотезами й заперечує, якщо відповідь на запит не змінить жодного рішення.	Переформульовує запитання замовників довкола рішення, яке справді треба ухвалити, і сам пропонує аналіз, про який ніхто не просив, якщо він може змінити пріоритети.	Щокварталу разом із керівниками функцій формує порядок денний аналітики: обирає кілька найцінніших запитань і пояснює, що аналізуватися не буде і чому.	Знаходить запитання про бізнес, які варто ставити керівництву компанії, і заздалегідь забезпечує дані для відповіді, доки вони не стали терміновими.
Запити й моделювання даних	Пише читабельний SQL із джойнами, агрегаціями та віконними функціями, перевіряє кількість рядків і дублікати, перш ніж довіряти результату, і просить рев’ю під час роботи з незнайомими таблицями.	Знає таблиці свого напряму та їхні особливості, будує моделі чи представлення для повторного використання замість копіювання запитів і документує логіку кожного свого дашборда.	Проєктує моделі даних для напряму так, щоб типові запитання розв’язувалися простими запитами, рецензує логіку інших аналітиків і разом із розробниками виправляє трекінг у джерелі.	Задає домовленості щодо моделювання в усьому аналітичному коді, вирішує, що має бути в спільних моделях, а що — в разовому аналізі, і планує відмову від крихких пайплайнів.	Разом із керівництвом розробки визначає архітектуру даних і обирає, куди інвестувати аналітиці, щоб відповіді на найважливіші запитання залишалися швидкими й дешевими.
Статистична строгість та експерименти	Порівнює порівнянне, зазначає в кожному результаті розмір вибірки й сезонність і попереджає, якщо різниця може виявитися шумом, а не знахідкою.	Проводить аналіз A/B-тестів від початку до кінця — розмір вибірки, тривалість, контрольні метрики — і простими словами пояснює впевненість і невизначеність.	Обирає обґрунтований метод, коли рандомізований тест неможливий, — різницю різниць із порівнянним сегментом, перерваний часовий ряд чи порівняння з підібраною контрольною групою — і відкрито називає його припущення та обмеження.	Задає в компанії стандарти експериментів — коли тестувати, скільки тримати тест, як підбивати підсумок — і перевіряє важливі дослідження, перш ніж вони потраплять до керівництва.	Визначає, як компанія працює з доказами в найбільших рішеннях, балансуючи строгість і швидкість, і останнім перевіряє аналіз, що змінює стратегію.
Якість даних і визначення метрик	Перш ніж ділитися новими цифрами, звіряє їх із наявним джерелом і того ж дня повідомляє власникові про зламані дані чи підозрілі провали.	Відповідає за точність дашбордів свого напряму, додає прості перевірки, які виявляють зламані дані раніше за замовників, і записує визначення кожної метрики, яку запроваджує.	Розбирається з розбіжними версіями однієї метрики в різних командах, узгоджує єдине визначення з тими, хто нею користується, і прибирає звіти, які йому суперечать.	Веде каталог метрик компанії й процес зміни визначень, робить інциденти з даними видимими — з власником і виправленням.	Відповідає за достовірність цифр, які отримують керівництво, інвестори чи рада директорів, і вибудовує контроль, що зберігає їхню узгодженість у міру зростання компанії.
Донесення висновків	Показує результати зі зрозумілим графіком, висновком в один рядок і суттєвими застереженнями та підписує дашборди так, щоб їх можна було читати без допомоги автора.	Пише короткі резюме аналізу, які починаються з відповіді й рекомендації, добирає детальність під аудиторію й будує дашборди, що відповідають на конкретний набір запитань.	Пояснює історію, що стоїть за складним аналізом, керівникам, спокійно відповідає, коли цифри ставлять під сумнів, і перетворює висновки на пропозиції, які команда може виконати.	Регулярно виступає перед керівництвом, задає в компанії стандарт оформлення аналітики й стежить, щоб важливі висновки доходили до всіх, кого вони стосуються.	Визначає, як компанія говорить про свої результати — від оглядів керівництва до звітів інвесторам, — щоб усі читали ті самі цифри однаково.
Вплив на бізнес і партнерство	Розбирається, як команда, якій він допомагає, заробляє чи створює цінність, і після виконання запиту дізнається, чи знадобилася відповідь.	Є надійним партнером для однієї команди, бере участь у її плануванні й може назвати рішення останнього кварталу, які змінилися завдяки його роботі.	Впливає на пріоритети кількох команд, пов’язує аналіз із виручкою, витратами чи утриманням і зупиняє роботу, яка більше не варта зусиль.	Разом із керівниками функцій ставить цілі й цільові показники та стежить, щоб ресурси аналітики йшли туди, де вони змінять найважливіші рішення.	Бере участь у стратегії й плануванні разом із керівництвом компанії та може назвати рішення рівня компанії за останній рік — щодо цін, виходу на ринки, великих інвестицій, — які змінилися завдяки роботі аналітиків.
Менторство та розвиток команди	Просить зворотний зв’язок щодо своїх запитів і звітів, застосовує його й ділиться з командою корисними прийомами та підводними каменями.	Рецензує роботу інших аналітиків із конкретними коментарями, допомагає новачкам розібратися в даних свого напряму й терпляче відповідає на запитання колег про дані.	Наставляє junior-аналітиків, проводить рев’ю коду й аналізу та вчить не-аналітиків самостійно відповідати на прості запитання за допомогою self-service-інструментів.	Вирощує кількох аналітиків до наступного рівня, впливає на найм і співбесіди в команду аналітики та створює онбординг і документацію, на які спираються новачки.	Будує культуру роботи з даними в компанії, розвиває майбутніх керівників аналітики й обґрунтовує, як має бути влаштована команда даних у міру зростання компанії.

Прокрутіть таблицю вбік, щоб побачити всі рівні.

Завантажити CSV Відкривається в Excel, Google Таблицях і Numbers.

Junior-аналітик: що очікується

Відповідає на чітко поставлені запитання надійними запитами й зрозумілими графіками; роботу перевіряє досвідченіший аналітик. Окремі запити й регулярні звіти для однієї команди; задачу зазвичай ставить хтось інший.

Постановка питання: Перед початком роботи письмово переказує запит, уточнює період, сегмент і визначення та питає, яке рішення ухвалять на підставі відповіді.
Запити й моделювання даних: Пише читабельний SQL із джойнами, агрегаціями та віконними функціями, перевіряє кількість рядків і дублікати, перш ніж довіряти результату, і просить рев’ю під час роботи з незнайомими таблицями.
Статистична строгість та експерименти: Порівнює порівнянне, зазначає в кожному результаті розмір вибірки й сезонність і попереджає, якщо різниця може виявитися шумом, а не знахідкою.
Якість даних і визначення метрик: Перш ніж ділитися новими цифрами, звіряє їх із наявним джерелом і того ж дня повідомляє власникові про зламані дані чи підозрілі провали.
Донесення висновків: Показує результати зі зрозумілим графіком, висновком в один рядок і суттєвими застереженнями та підписує дашборди так, щоб їх можна було читати без допомоги автора.
Вплив на бізнес і партнерство: Розбирається, як команда, якій він допомагає, заробляє чи створює цінність, і після виконання запиту дізнається, чи знадобилася відповідь.
Менторство та розвиток команди: Просить зворотний зв’язок щодо своїх запитів і звітів, застосовує його й ділиться з командою корисними прийомами та підводними каменями.

Middle-аналітик: що очікується

Веде аналіз цілком — від розмитого запитання до рекомендації — і є основним аналітиком для одного напряму. Один напрям бізнесу — наприклад, онбординг, ціноутворення чи воронка продажів — з його дашбордами й регулярними запитаннями.

Постановка питання: Перетворює розмиті запитання на кшталт «чому зріс відтік?» на короткий план аналізу з гіпотезами й заперечує, якщо відповідь на запит не змінить жодного рішення.
Запити й моделювання даних: Знає таблиці свого напряму та їхні особливості, будує моделі чи представлення для повторного використання замість копіювання запитів і документує логіку кожного свого дашборда.
Статистична строгість та експерименти: Проводить аналіз A/B-тестів від початку до кінця — розмір вибірки, тривалість, контрольні метрики — і простими словами пояснює впевненість і невизначеність.
Якість даних і визначення метрик: Відповідає за точність дашбордів свого напряму, додає прості перевірки, які виявляють зламані дані раніше за замовників, і записує визначення кожної метрики, яку запроваджує.
Донесення висновків: Пише короткі резюме аналізу, які починаються з відповіді й рекомендації, добирає детальність під аудиторію й будує дашборди, що відповідають на конкретний набір запитань.
Вплив на бізнес і партнерство: Є надійним партнером для однієї команди, бере участь у її плануванні й може назвати рішення останнього кварталу, які змінилися завдяки його роботі.
Менторство та розвиток команди: Рецензує роботу інших аналітиків із конкретними коментарями, допомагає новачкам розібратися в даних свого напряму й терпляче відповідає на запитання колег про дані.

Senior-аналітик: що очікується

Веде аналіз, на якому ґрунтуються важливі рішення, і підвищує якість аналітики довкола себе. Кілька напрямів бізнесу або одна велика ініціатива компанії та визначення метрик, від яких вони залежать.

Постановка питання: Переформульовує запитання замовників довкола рішення, яке справді треба ухвалити, і сам пропонує аналіз, про який ніхто не просив, якщо він може змінити пріоритети.
Запити й моделювання даних: Проєктує моделі даних для напряму так, щоб типові запитання розв’язувалися простими запитами, рецензує логіку інших аналітиків і разом із розробниками виправляє трекінг у джерелі.
Статистична строгість та експерименти: Обирає обґрунтований метод, коли рандомізований тест неможливий, — різницю різниць із порівнянним сегментом, перерваний часовий ряд чи порівняння з підібраною контрольною групою — і відкрито називає його припущення та обмеження.
Якість даних і визначення метрик: Розбирається з розбіжними версіями однієї метрики в різних командах, узгоджує єдине визначення з тими, хто нею користується, і прибирає звіти, які йому суперечать.
Донесення висновків: Пояснює історію, що стоїть за складним аналізом, керівникам, спокійно відповідає, коли цифри ставлять під сумнів, і перетворює висновки на пропозиції, які команда може виконати.
Вплив на бізнес і партнерство: Впливає на пріоритети кількох команд, пов’язує аналіз із виручкою, витратами чи утриманням і зупиняє роботу, яка більше не варта зусиль.
Менторство та розвиток команди: Наставляє junior-аналітиків, проводить рев’ю коду й аналізу та вчить не-аналітиків самостійно відповідати на прості запитання за допомогою self-service-інструментів.

Lead-аналітик: що очікується

Визначає, як компанія працює з даними в різних функціях, і задає стандарти для інших аналітиків. Аналітика в кількох функціях: спільні метрики, моделі даних і роадмап аналітики.

Постановка питання: Щокварталу разом із керівниками функцій формує порядок денний аналітики: обирає кілька найцінніших запитань і пояснює, що аналізуватися не буде і чому.
Запити й моделювання даних: Задає домовленості щодо моделювання в усьому аналітичному коді, вирішує, що має бути в спільних моделях, а що — в разовому аналізі, і планує відмову від крихких пайплайнів.
Статистична строгість та експерименти: Задає в компанії стандарти експериментів — коли тестувати, скільки тримати тест, як підбивати підсумок — і перевіряє важливі дослідження, перш ніж вони потраплять до керівництва.
Якість даних і визначення метрик: Веде каталог метрик компанії й процес зміни визначень, робить інциденти з даними видимими — з власником і виправленням.
Донесення висновків: Регулярно виступає перед керівництвом, задає в компанії стандарт оформлення аналітики й стежить, щоб важливі висновки доходили до всіх, кого вони стосуються.
Вплив на бізнес і партнерство: Разом із керівниками функцій ставить цілі й цільові показники та стежить, щоб ресурси аналітики йшли туди, де вони змінять найважливіші рішення.
Менторство та розвиток команди: Вирощує кількох аналітиків до наступного рівня, впливає на найм і співбесіди в команду аналітики та створює онбординг і документацію, на які спираються новачки.

Principal-аналітик: що очікується

Вирішує, як компанія вимірює себе, і відповідає за те, наскільки керівництво може довіряти її цифрам. Ключові метрики компанії, підхід до експериментів і стратегія аналітики на кілька років уперед.

Постановка питання: Знаходить запитання про бізнес, які варто ставити керівництву компанії, і заздалегідь забезпечує дані для відповіді, доки вони не стали терміновими.
Запити й моделювання даних: Разом із керівництвом розробки визначає архітектуру даних і обирає, куди інвестувати аналітиці, щоб відповіді на найважливіші запитання залишалися швидкими й дешевими.
Статистична строгість та експерименти: Визначає, як компанія працює з доказами в найбільших рішеннях, балансуючи строгість і швидкість, і останнім перевіряє аналіз, що змінює стратегію.
Якість даних і визначення метрик: Відповідає за достовірність цифр, які отримують керівництво, інвестори чи рада директорів, і вибудовує контроль, що зберігає їхню узгодженість у міру зростання компанії.
Донесення висновків: Визначає, як компанія говорить про свої результати — від оглядів керівництва до звітів інвесторам, — щоб усі читали ті самі цифри однаково.
Вплив на бізнес і партнерство: Бере участь у стратегії й плануванні разом із керівництвом компанії та може назвати рішення рівня компанії за останній рік — щодо цін, виходу на ринки, великих інвестицій, — які змінилися завдяки роботі аналітиків.
Менторство та розвиток команди: Будує культуру роботи з даними в компанії, розвиває майбутніх керівників аналітики й обґрунтовує, як має бути влаштована команда даних у міру зростання компанії.

Як адаптувати цю драбину

Підлаштуйте драбину під розмір команди аналітики
Якщо аналітиків один–два, вам, найімовірніше, потрібні три рівні, а не п’ять. Не запроваджуйте Lead і Principal, доки хтось справді не задає стандарти для кількох функцій, і додавайте їх, коли така робота з’явиться, а не як нагороду. У більшості компаній такого розміру масштаб рівня Principal належить керівникові даних чи аналітики; запроваджуйте цей рівень, лише якщо хочете мати поруч із цією людиною сильного експерта без підлеглих.
Вирішіть, де у вас analytics engineering
Якщо моделі даних належать analytics- чи data-інженерам, полегште рядок «Запити й моделювання даних» і посильте «Постановку питання». Якщо аналітики відповідають за весь стек, залиште рядок як є і впишіть у нього свої інструменти.
Урахуйте, чи вбудовані аналітики в команди, чи працюють централізовано
Вбудованого аналітика оцінюють переважно за рішеннями його команди, централізовану команду — радше за спільними метриками й стандартами. Розставте ваги рядків «Вплив на бізнес» і «Якість даних» так, як насправді влаштована ваша команда.
Збирайте докази з реальних досліджень
Попросіть аналітиків додавати до самооцінки посилання на звіти, дашборди й моделі за кожним твердженням і зазначати, яке рішення на них спиралося. Тоді чек-ін стає розмовою про реальну роботу, а не списком освоєних інструментів.

Питання та відповіді

Питання про цю драбину

Чим грейди аналітика даних відрізняються від грейдів data scientist?

Аналітик даних допомагає людям ухвалювати рішення: знаходить, перевіряє й пояснює, що кажуть дані. Data scientist переважно будує статистичні чи ML-моделі, які стають частиною продукту або операційних процесів. У невеликих компаніях ролі перетинаються, але зростають у різні боки, тому їм потрібні окремі драбини чи окремі треки. У деяких компаніях data scientist — просто назва посади для аналітиків, які спеціалізуються на експериментах.

Скільки грейдів потрібно аналітику даних?

Для компанії на 20–200 людей — від трьох до п’яти. Більшості невеликих команд вистачає Junior, Middle і Senior; Lead і Principal мають сенс, лише коли аналітика обслуговує кілька функцій і хтось задає стандарти для всіх них.

Чи потрібен senior-аналітику Python, чи достатньо SQL?

Ця драбина свідомо не прив’язує рівні до мов. Багато чудових senior-аналітиків працюють переважно в SQL і BI-інструменті. Рівні відрізняються якістю запитань, строгістю аналізу й рішеннями, які він змінює. Додавайте вимогу до інструмента, лише якщо команда справді не може без нього працювати.

Як показати вплив аналітика даних у кейсі на підвищення?

Показуйте рішення, а не дашборди. За кожною компетенцією цільового рівня перелічіть два–три дослідження: запитання, метод, рекомендацію і що сталося далі. Підтвердження замовника, що рішення змінилося, важить більше, ніж кількість побудованих звітів.

Чи може аналітик даних зростати, не стаючи керівником аналітики?

Так. Lead і Principal — рівні експертного треку: вони зростають у масштабі та впливі на те, як компанія працює з даними, не керуючи людьми. Керівництво командою аналітики — окрема робота зі своєю кар’єрною драбиною, і перехід туди має бути зміною треку, а не єдиним шляхом нагору.

Створіть цю кар’єрну драбину в LadderKit — безкоштовно

Налаштуйте її рівні й навички для своєї команди, оцінюйте людей за ними на чек-інах і ухвалюйте рішення про підвищення за єдиними правилами.

Почати безкоштовно Відкрити демоверсію Без реєстрації