מחקר תפקיד – Data Analyst / דאטה אנליסט

הטכנולוגיה היום מאפשרת לחברות הייטק להפיק כמות עצומה של נתונים מהשימוש במוצרים שלהן ובפלטפורמות שהן מציעות. כדי להסיק מסקנות מהנתונים הללו ולגבש אסטרטגיות לפעולה, מועסקים בחברות הייטק Data Analysts: אנשים שיודעים להסתכל על המספרים, לכרות מהם את המידע הרלוונטי ולנתב אותם ליצירת תכנית פעולה.

תפקיד ה-Data Analyst הוא להפיק מידע ולעבד את הנתונים שמתקבלים, לנתח את המצב הקיים, לזהות בעיות ולספק תובנות עסקיות שיסייעו בקבלת החלטות אסטרטגיות. דאטה אנליסט רואים מעבר לנתונים ולמספרים, בהתאם לעסק ולתחום.

מהות התפקיד אינה ארגון ומיון נתונים; על האנליסטים להבין את אופי השימוש במוצרים השונים באמצעות מאגרי הנתונים, לזהות טרנדים ולנצל אותם, לייצר הזדמנות חדשות, להציב מטרות ומדדים ביצועיים ספציפיים, ולעקוב אחרי המטריקות השונות. בעזרת כל אלה, אנליסטים משפרים את ביצועי הארגון באופן משמעותי.

מהות התפקיד, אחריות, כלים

מה זה Data Analyst?

דאטה אנליסט, או אנליסט נתונים, הוא מי שיודע לתרגם נתונים למסקנות, לצורך קבלת החלטות. דאטה אנליסט נקרא גם אנליסט ביג דאטה. העבודה היא עם כמות אדירה של נתונים שמתעדכנת בקצב מהיר. האנליסטים שולחים דו”חות אוטומטיים למקבלי ההחלטות ברמה היומיומית, מזהים מהנתונים טרנדים חדשים או תובנות מעניינות הקשורות במוצר ובעסק, מנהלים Tests A/B. בכל תחום בעולם ההייטק ניתן לכרות מידע בדמות נתונים והשוק זקוק למומחים שיתרגמו אותו למסקנות.

• איסוף נתונים: חלק מהתפקיד של דאטה אנליסט הוא לאסוף את הנתונים. עריכת סקרים, מעקב אחר מאפיינים של מבקרים באתר החברה. דאטה אנליסטס יודעים למצוא את המקומות מהם ניתן יהיה לאסוף נתונים בעלי ערך.
• ניקוי הנתונים: נתונים גולמיים כוללים לעתים פרטים מיותרים ש”מלכלכים” את המאגר. אנליסטים מנקים את הנתונים מהכפילויות והתקלות, כך שתישמר האיכות של מאגר הנתונים.
• מידול נתונים: יצירת ועיצוב מבנים של מאגרי נתונים. חלק מתפקידם של האנליסטים הוא להחליט איזה מודל יתאים לאופי המסוים של הנתונים המטופלים בכל עת. המידול נועד לסייע להציג את המידע בצורה שתהיה נוחה לעבודה ותפיק את התוצאות הטובות ביותר.
• ניתוח (פירוש) נתונים: יש לפרש את הנתונים כדי למצוא דפוסים חוזרים, טרנדים ומידע נוסף, כדי לענות על השאלות הרלוונטיות.
• הצגת התוצאות: אנליסטים צריכים לתקשר את התוצאות והממצאים באופן שיהיה מובן לאנשי המפתח בחברה. המודלים, הוויזואליזציה, הטבלאות, הגרפים והדו”חות הכתובים צריכים להיות מתורגמים לשפה שיבינו אנשים שאינם דאטה אנליסטס.

“מהות התפקיד של אנליסט היא לעזור למקבלי החלטות לקבל החלטות באמצעות דאטה, לייצר תובנות או לייצר הנגשת מידע שתאפשר ותשפר קבלת החלטות. בעולם של היום, כשיש המון דאטה, הדרך הכי טובה לקבל החלטות היא לבסס אותן על נתונים במקום על תחושות בטן.” עידו גבע, Product Analyst Lead at WSC Sports.

וריאנטים של Data Analysts

כמויות אדירות של נתונים נאגרות במערכות שאיתן עובדים בכל תעשיית ההייטק. לכן ניתן למצוא ביקוש לאנליסטים בכל ורטיקל בהייטק. הדרישות לתפקיד משתנות לפי הניואנסים של הוורטיקל. להלן מספר דוגמאות לווריאנטים של דאטה אנליסטס – הטייטל של התפקיד משתנה בהתאם לתחום, אך התפקידים כולם בנויים על אותם יסודות.

• Business Analyst: ניתוח נתונים סטטיסטיים לשם קבלת החלטות קריטיות בתכנון העסקי של החברה, הבנת ביצועי המחלקות, ניסוח אסטרטגיה, הצבת יעדים כלל-ארגוניים ועוד.
• Product Analyst: זיהוי צרכי המשתמשים, הלקוחות, כדי לתת להם מענה טוב יותר, לשפר את הפיצ’רים והנגישות של המוצר וגם את המוצר עצמו.
• Marketing Analyst: לומדים את מצב השוק, התחרות והתנהגות המשתמשים והצרכנים, לשם הגעה למסקנות לגבי מכירת מוצרים, קהלי יעד ומחירים.
• Medical and Healthcare Analyst: אנליסטים שעוזרים לשפר תוצאות בתחומים הקשורים לרפואה ובריאות, בדגש על שירות מיטיב למטופלים.
• Operations Research Analyst: פיתוח פתרונות שיאפשרו לחברות וארגונים לעבוד בצורה יותר יעילה מבחינת שימוש במשאבים ו-ROI.
• Intelligence Analyst: אנליסטים שעוזרים לקבלת החלטות בנושא של מודיעין עסקי.

מדוע Data Analysts נחוצים בארגון?

בתעשייה שהופכת להיות יותר ויותר מבוססת על נתונים, ארגונים זקוקים למי שידעו למצוא את הנתונים הרלוונטיים, לכרות אותם, לסדר ולהציג אותם, באופן שיוביל להסקת מסקנות מיטבית.

ניתוח נתונים מאפשר להשתמש בחומרי גלם המצויים במאגרי המידע של כל חברה בכמויות עצומות, ולהפיק מהם את כל מה שאפשר כדי לשפר את ביצועי החברה. המסקנות שאליהן מגיעים דאטה אנליסטס מבוססות סטטיסטיקה ומספרים, והן ניתנות לבדיקה ולמדידה. כך, חברות יכולות לוודא שהמשאבים שמוקצים לפתרון בעיות (כמו זמן, כסף, מאמץ וכוח עבודה) מקבלים שימוש ראוי, וגם מנוצלים בצורה האולטימטיבית.

בעולם שעובד על נתונים אי אפשר להתכחש למשמעות שלהם ולצורך שלנו בהבנתם. דאטה אנליסטס משתמשים בנתונים להבנת הדמוגרפיה, קהל היעד. הם חוקרים את השוק בכלל ואת התחרות של הארגון. המסקנות שדאטה אנליסטס מגיעים אליהן הן מושכלות ומבוססות על מידע שנצבר על ידי הארגון. המהלכים שעושים דאטה אנליסטס הם זהירים, וניתנים לביסוס על ידי בדיקות שונות וטסטים, שיעזרו להגיע לוודאות גדולה אף יותר.

לבסוף, הפעולות של דאטה אנליסטס הן פרואקטיביות: ארגון שרוצה לשגשג בתעשייה לא יכול לעסוק ב”כיבוי שריפות” ופתרון בעיות כשהתקלה כבר קרתה; בזכות דאטה אנליסטס ניתן למצוא פתרון לבעיות עוד לפני שהן הופכות אקוטיות, למנוע פגיעות אפשריות בחברה, במוצר ובלקוחות. יוזמה ופעילות פרואקטיבית הן מהדברים החשובים ביותר בחברה שרוצה לנצל את המשאבים שלה כראוי.

אילו כלים Data Analysts חייבים להכיר?

• Microsoft Excel: תוכנה בסיסית ופופולרית ביותר בקרב כל התעשיות. גם למי שמומחים בתוכנות מתקדמות יותר יש ערך בשימוש באקסל. אקסל קריטי כשצריך לעשות אנליזה לנתונים פנימיים של הארגון.
• Google Sheets: תוכנה בסיסית ביותר לניתוח נתונים שמסייעת בהבנת עקרונות ויזואליזציה והגעה למסקנות על בסיס מאגרי נתונים.
• SQL: שפת תכנות שמשמשת לניהול מבני נתונים. פופולרית מאוד בקרב מדעני נתונים. רוב המידע מאוחסן במאגרי מידע שצריך לגשת אליהם ולתרגם את הערך שלהם, ו-SQL עושה זאת בצורה נוחה מאוד.
• Tableau: תוכנה שמחברת בין נתונים ליצירת ויזואליזציה, מפות, גרפים וטבלאות שונות. הנתונים מתעדכנים בזמן אמת ברשת וכך המאגר נשאר רלוונטי ומעודכן. ניתן להוריד את הנתונים מהתוכנה בפורמטים שונים למחשב. ניתן לנתח בתוכנה זו כמויות גדולות מאוד של נתונים.
• SAS: שפת תכנות מובילה בתעשייה. זו שפה שהיא נגישה, קלה יחסית ואפשר לנתח בעזרתה נתונים מכל מקור. בנוסף, SAS מאפשרת לצפות התנהגויות של נתונים, לנהל אותם ולעשות אופטימיזציה.
• Microsoft Power BI: כלי לניתוח נתונים שמסייע באיסוף מודיעין עסקי. כלל המשתמשים יכולים ליצור ולשתף דו”חות, ומי שיש להם יותר ידע וניסיון טכנולוגי יכולים לבנות מודלים לאוטומציה של משימות שגרתיות.
• Apache Spark: תוכנה לעיבוד נתונים שעובדת במהירות עם כמויות גדולות של מידע. בנויה על עקרונות של מדעי הנתונים, בשאיפה להפוך את מדע הנתונים לקל ונגיש. התוכנה כוללת גם ספריה (MLlib) שמספקת אלגוריתמים שונים לטכניקות רפטטיביות לניתוח נתונים (למשל: Classification, Regression, Collaborative Filtering, Clustering).
• R or Python (לא נדרש בתפקידי ג׳וניור): שפות תכנות שהן מהמובילות היום בתעשיית הסטטיסטיקה וניתוח נתונים. מהוות התחלה טובה כי הן יחסית קלות ללמידה, וניתנות ללמידה לבד או בקורסים מקצועיים. בעזרת שפות אלה אפשר לעשות מניפולציה לנתונים ולהציג אותם בדרכים שונות.

איך נראה יום עבודה של Data Analysts?

העבודה השוטפת של דאטה אנליסטס כוללת איגוד וכריית נתונים, ארגון נתונים לכדי שימוש, והגעה לתובנות משמעותיות. תחומי העיסוק של האנליסטים תלויים בוורטיקל בהייטק בו הם עובדים (כמו בריאות, חינוך, רכב, אוכל) ובתחום אליו הם צריכים להגיע למסקנות (עסקי, שיווקי וכו’).

אנליסטים משקיעים חלק ניכר בזמנם בפיתוח מערכות לאיסוף מידע, ותרגום הממצאים לדו”חות שיוכלו להיות מוצגים בפני אנשי מפתח בחברה, לשם שיפור הביצועים שלה.

העבודה של האנליסטים נפרשת החל מבניית המערכות שיספקו תובנות על בסיס הנתונים הנאספים, ועד לניהול אנליסטים אחרים שיאספו את הנתונים הללו.

“זה מאוד משתנה, תלוי באיזה תפקיד אנליסט אתה, למשל פרודקט או ביזנס. הכי חשוב מי הלקוח שלך, במה אתה עוזר לו, ולפי זה התפקיד נקבע. גם הדאטה שאתה מתעסק איתו וגם ההתעסקות עצמה. הרבה מהעבודה היא ניתוח בעזרת SQL. את הנתונים שמנתחים אפשר לבחור איך מציגים – אקסל, טאבלו, לוקר; בסופו של דבר יש את הדאטה שניתחת וצריך להציג אותו. גם ההצגה יכולה להיות שונה, למשל מצגת שתציג להנהלה, אנליזה שתציג ללקוח, או דאשבורד לשימוש חוזר. העבודה היומיומית כוללת אנליזה של מידע, הנגשת המידע, הצגת המידע. זה כולל גם המון שיחות, כי אי אפשר לנתח את המידע בצורה טובה בלי להבין את הרציונל מאחורי זה, להבין את הביזנס. מפרודקט ומפתחים עד לקוחות קצה. ויש גם אזורים שהם יותר Innovation, נוגעים ב-Data Science. באזורים אלה מעבר לניתוח השימוש במוצר, אפשר לחשוב איך מפתחים את המוצר, מה אפשר לשנות בו, אילו פיצ’רים אפשר להוסיף.” עמרי אנטמן, Data Analyst Team Lead at AppsFlyer.

כישורים, תכונות וניסיון

מהם הכישורים והתכונות הנדרשים מ-Data Analysts?

• כישורים טכניים: הבנה לעומק של תוכנות לניתוח נתונים כמו Excel ו-SQL. ידיעת ההבדלים בין התוכנות ושימוש בתוכנה המתאימה לכל צורך. יש לדעת שפות תכנות כמו Python או R, לעבודה עם כמות גדולה של נתונים. לנתונים הללו צריך לדעת לעשות ויזואליזציה, כלומר להפוך אותם לנגישים עבור שאר העובדים בחברה. גם הבנה תיאורטית של מתמטיקה וסטטיסטיקה מסייעות לבצע את העבודה בצורה טובה יותר.
• סקרנות ורצון לחקור: אנליסטים הם פותרי בעיות, ודרושים לכך אנשים שאוהבים לרדת לשורש הבעיה, לגלות מה בדיוק גורם לה ולהבין באופן הגרעיני ביותר איך לפתור אותה.
• יסודיות והתמדה: אנליסטים מתמודדים עם כמויות עצומות של נתונים וה”חפירה” בהם עשויה להיראות סיזיפית מהצד. לעתים דרושות שעות של עבודה לסידור הנתונים באופן שבו יהיה אפשר להפיק מהם מידע שמיש. האנליסט צריך להיות מחויב למעבר על כלל הנתונים הרלוונטיים, לנבור בהם ולא לוותר, גם כשזו “עבודת נמלים”.
• רצון להשפיע: אנליסטים הם בעלי כוח השפעה של ממש על החברה והמוצר שלה. הם עוזרים לנווט את הארגון למקום של שיפור ומצוינות. הם מסייעים בקבלת החלטות משכילות וטובות. כלומר, מעבר להבנת נתונים, צריך להבין את הכוח של האנליסט, ולעשות בו את השימוש האופטימלי.

מהו הניסיון הנדרש מ-Data Analysts?

אפשר להגיע לתפקיד של דאטה אנליסט דרך מספר מסלולים: תואר אקדמי, קורס תעודה או למידה עצמאית.

תואר אקדמי בתחום רלוונטי כמו מתמטיקה, סטטיסטיקה או מדעי המחשב יספק יתרון למועמדים לתפקידי ג’וניור כאנליסטים. הרקע התיאורטי הרב שהאקדמיה מספקת יכול להוות בסיס איכותי לעבודה בהתחלה וגם בתפקידים מתקדמים יותר.

קורסי תעודה מלמדים את מה שדרוש לעבודה כדאטה אנליסט בזמן קצר יותר מתואר אקדמי. הקורסים כוללים את המעטפת (הייטק באופן כללי), אוריינטציה עסקית, הבנת מודלים עסקיים, שיווק ומכירות. לומדים עקרונות סטטיסטיים, A/B Testing, ומקבלים הכשרה בפועל של הפיכת נתונים מחומר גלם למידע ולתובנות. בנוסף, בקורס Data Analyst מלמדים את המיינדסט שדרוש לאנליסטים, שאילת השאלות המדויקות לצורף פתרון בעיות, באיזה מודל הכי כדאי להשתמש לניתוח המידע, ואיך להציג את המסקנות באופן שיסייע למקבלי ההחלטות.

למידה עצמאית  יכולה להיות אפשרות טובה למי שעובד בתחום אחר, או שיש לו לו”ז צפוף מסיבות שונות. אפשר ללמוד באופן עצמאי להשתמש בתוכנות של ניתוח נתונים, לכתוב בשפת תכנות אחת לפחות ולבסס נקודת התחלה דומה לזו של מועמדים שעברו קורסים מקצועיים.

“היה לי חבר טוב שעבד בחברת צ’ק פוינט כ-Business Analyst, בדיוק סיימתי תואר והוא המליץ לי להגיע לחברה. תוך כדי תהליך המיון הבנתי שזה מה שאני רוצה לעשות, לפעמים עד שאתה לא עושה משהו בידיים קשה להבין שזה מה שמתאים לך. אחרי זה עברתי לחברת פייבר כProudct Analyst ומשם המשכתי לתפקיד של הקמת צוות האנליטיקס ב-WSC-Sports, שזה התפקיד הנוכחי והכי מספק שהיה לי עד היום.” עידו גבע, Product Analyst Lead at WSC Sports.

“אנליסט הוא תפקיד שיש לו התחלה ואין לו סוף. בתפקיד שני אתה יכול להיות ראש צוות אנליסטים, אתה יכול להיות Product Manager, Data Science, או לעבור לעולם הביזנס לחלוטין, לדבר עם לקוחות, Business Operations. אפשר גם להמשיך להיות אנליסט ולקבל יותר תחומי אחריות. אפשר לנהל משימות גדולות, להכתיב עבודה לצוות מבחינה מקצועית, לעסוק באזורים אחרים שאינם בדומיין בו עבדת לפני.” עמרי אנטמן, Data Analyst Team Lead at AppsFlyer.

תיאורי משרה עדכניים לדוגמה

1. We are starting a BI department and looking for a talented Data Analyst In this position, you will work closely with our product, business owners, and R&D teams to create data-driven solutions, extract and visualize actionable insights from large volumes of data to ensure our KPIs achievements   Responsibilities Own and manage BI initiatives and become a focal point for business data matters – You should be the Go-To person in these matters   Understanding business requirements, analyzing big data, and creating useful and plan solutions to address data needs Partner with product and business professionals to establish data-driven policies and strategies across the organization Develop, design, and maintain Tableau reports and dashboards, and analytics with utmost accuracy Collect, refine, and prepare data for analytics and visualization   Requirements At least 5 years of analytical experience  Experience in Tableau/Power BI/QlikView    Experience in SQL Hands-on experience with a programming language (python or similar) Knowledge of data architecture, data modeling, data analysis & data visualization   Enterprise-level experience in data presentation  Experience in MySQL, ETL platforms Experience with Product/marketing analysis – Advantage   Experience with AWS platforms – Advantage Experience with financial domains – Advantage Experience with Spark – Advantage

2. A technology leader in the online comparison and advertising industry, is looking for a Data Analyst to join our incredible team Responsibilities Define KPIs and create reports and dashboards against large data sets Build and maintain reports, dashboards, and metrics to monitor product performance Create readable and informative data visualizations to communicate data insights to the marketing team Use data to identify strategic opportunities to improve Convertologic’s products and operations Work closely with cross-functional teams in Product, Technology, Marketing, and Sales to translate findings into actions Continuously learn and develop skills while working with our team of analysts and data scientists Requirements At least 2 years of experience as a Data Analyst SQL expert Exceptional verbal, written, and visual communication skills Excellent analytical skills with strong attention to details Structured analytical approach to problem-solving Ability to think creatively and to work well both as part of a team and as an individual contributor Expert at data analysis and visualization like Excel or Tableau – a must Previous experience as a product analyst in the games industry – an advantage BA in Industrial Engineering, Computer science or Mathematics

3. Are you passionate about understanding business data, analyzing, building dashboard and indicators, working with senior stakeholders and having meaningful impact and responsibility Come and join our leading team We are responsible for the PC security engines and support the external large PC vendors What will you do Business Intelligence (BI) developer student work with internal customers to understand and articulate business processes, map them to business intelligence requirements, and implement them into indicators The developers work with other team members to develop business intelligence solutions and provide support to the BI systems and ongoing analysis needs. This includes understanding the data and where to get it, extraction of the data, processing it, and turning it into a graphical representation on the web  The job includes working with colleagues around the globe Qualifications Mandatory requirements Registered student for B.Sc. \ M.Sc. Industrial Engineering/ Information Systems/ Computer Science Minimum 1.5 years until graduation  Excellent self-learning capabilities Strong written and verbal communication skills and customer engagement skills Excellent spoken and written English Programming knowledge in one of the following: C++, Java, Python Availability for 3.5 working days a week Advantage for Experience with Power BI or similar tools (Tableau, Qlik, etc.). Knowledge and experience with Excel and charts Knowledge in databases and SQL (previous proven experience is an advantage) Knowledge in business intelligence and data warehousing concepts and methodologies (previous proven experience is an advantage)

מידע ארגוני

באילו ארגונים קיים התפקיד? מה הייחוד של התפקיד בארגוני סטארט אפ והייטק?

חיפוש בלינקדאין מראה שעיקר הארגונים שמחפשים דאטה אנליסטים הם מתעשיית ההייטק. זוהי מגמה הגיונית: מהות תפקידם של אנליסטים היא לנתח נתונים. חברות הייטק וסטארט אפים אוגרים כמויות מידע עצומות, ונוצרים מאגרי מידע שמהווים חומר גלם מצוין לניתוח. ככל שכמות הנתונים שנאספת גדולה יותר – כך ברור שלארגון יש צורך בדאטה אנליסטים.

חברות מתעשיות אחרות אוספות נתונים גם הן, אך ככל הנראה מדובר בכמויות נתונים קטנות יותר. יתכן מאוד שגם בחברות אלה אנליסטים יכולים לשפר את ביצועי החברה.

“יש אנליסטים גם בחברות low-tech פשוט בדרך כלל בחברות high-tech אוספים יותר נתונים ואז גם הרבה פעמים בחברות האלה מעוניינים לגייס יותר אנליסטים. גם כדי לאפשר אנליזה איכותית צריך להשקיע בתשתית מתאימה, לא כל חברה עושה את זה, זה יותר נפוץ בהייטק.” עידו גבע, Product Analyst Lead at WSC Sports.

כמה זמן נמשך תפקיד ראשון של Data Analyst?

כמו בהרבה תפקידים, נראה שכל מקרה לגופו. כמות הזמן שיישארו עובדים בתפקיד מסוים תלוי במספר גורמים, אך רבים מהם קשורים לעובדים עצמם; בהתאם ליכולות העובדים, להשקעה שלהם, לביצועים ולרצונות שלהם – הם יוכלו להתקדם מהתפקיד הראשון הלאה בקצב משתנה.

“זה מאוד אינדיווידואלי. בכללי יש ביקוש מטורף לאנליסטים בזמן האחרון אז אנשים כבר אחרי קרוב לשנה מקבלים לא מעט הצעות בלינקדאין מחברות אחרות. יש אנשים שעושים תפקיד ראשון שנה ויש כאלה שגם עושים ארבע שנים.” עידו גבע, Product Analyst Lead at WSC Sports.

“מה שיותר חשוב מניסיון הוא חשיבה אנליטית. זה משהו שקשה ללמוד. לקחת בעיה, לפרק אותה לסיבות שמרכיבות אותה, ולנסות למצוא פתרון. להסתכל על משהו רחב, לפרק אותו לגורמים קטנים ואז להצליח לענות עליו בצורה מקיפה.” עמרי אנטמן, Data Analyst Team Lead at AppsFlyer.

מפות קידום אפשריות ל-Data Analyst

צירי התפתחות אפשריים ל-Data Analysts

דאטה אנליסט הוא תפקיד כניסה מצוין ליצירת קריירה בהייטק. ניתן להתקדם בהיררכיה הישירה של התפקיד, או לעבור בין תפקידים באופן רוחבי. להלן מספר דוגמאות לנתיבי קריירה אפשריים לדאטה אנליסטס:

•  Big Data Engineer: מהנדסי ביג דאטה הופכים כמויות גדולות של מידע לתובנות שימושיות, בהן חברות יכולות להשתמש לשם קבלת החלטות. מהנדסי ביג דאטה כורים נתונים, מאגדים, מפרשים, מנתחים ויוצרים דו”חות על נתונים עסקיים. חלק נוסף בתפקיד הוא יצירת תוכנות ותהליכים שיסייעו בעיבוד נתונים.
• Business Intelligence Analyst: ניתוח נתוני החברה לשם הגעה לתובנות, שיסייעו לאנשי מפתח בחברה להגיע להחלטות עסקיות מושכלות. זיהוי דפוסים וטרנדים, מענה על בקשות ספציפיות של ההנהלה, שיפור ביצועי העסק.
• Data Architect: אחראיים על עיצוב המבנים המורכבים של מאגרי הנתונים, פיתוח ותחזוקת מאגרי נתונים בחברה. הגיית אסטרטגיות לעבודה עם נתונים, והצגת הרעיונות להנהלה.
• Data Warehouse Manager: אחראיים על אחסון וניתוח נתונים בתוך הארגונים. מנהלי אחסון נתונים משתמשים בביצועים ומטריקות להערכה וניתוח של נתונים נוספים. בנוסף, הם מזהים סיכונים פוטנציאליים הקשורים להעברת נתונים או אחסון נתונים, והוגים רעיונות למניעת או ניהול הסיכונים הללו.
• Data Scientist:  מעצבים דרכים חדשות לכריית נתונים, מידול נותנים, פיתוח אבטיפוסים, אלגוריתמים, ומודלי חיזוי. כדי להפוך למדעני נתונים, דרוש ניסיון בניתוח רגרסיה, טכניקות כריית נתונים שונות, עצי החלטה וניתוח. ניתן ללמוד תואר שני במדעי הנתונים לשם קבלת רקע תיאורטי רחב יותר.
• Database Manager: מנהלי מאגרי נתונים מזהים בעיות או תקלות שקורות במאגרים הקיימים, וצריכים לפעול במטרה לתקן ולפתור את הבעיות. הם מסייעים בעיצוב ותחזוקת מאגרי הנתונים, בעבודה משותפת עם מפתחי מאגרי נתונים.
• Data Modeler: מספקים דו”חות על טרנדים ברמת מיקרו ומאקרו, מתוך הנתונים. בעלי ידע וכישורים בתחומי מדעי המידע, תכנות וניתוח סטטיסטי. הממצאים שלהם מסייעים לארגון בהגעה להחלטות.
• Database Developer: ניתוח תהליכים של מאגרי מידע, כדי לשפר ביצועים ולנפות תהליכים שאינם יעילים. ניטור ביצועי מאגרי המידע, פיתוח מאגרי ידע חדשים, פתרון בעיות במאגרים קיימים.

“אני חושב שאנליסט הוא אחד התפקידים עם הכי הרבה אפיקי פיתוח בתעשייה. קודם כל זה נהיה יותר ויותר נפוץ שאנשים פשוט נשארים אנליסטים, הערך של התפקיד והתגמול אליו עולה עם השנים וזה נהדר. מעבר לכך אפיק הפיתוח הכי נפוץ הוא ניהול צוות של אנליסטים, ומעבר לכך אפשר יש גם מקרים של מעברים לתפקידים של BI Developer, מנהל מוצר או Data Scientist.” עידו גבע, Product Analyst Lead at WSC Sports.

מהו השכר המקובל עבור תפקידי Data Analyst?

לדאטה אנליסט משכורת משתנה שעולה בהתאמה עם הניסיון. שכר התחלתי עומד על 15 אלף ש”ח בחודש; ובדרג ניהולי יכול להגיע ל-32-25 אלף ש”ח בחודש.  שכר העובדים משתנה בין התפקידים, ואם מעמיקים בידע התיאורטי ובתחומי ההתמחות, ניתן להגיע גם לשכר גבוה יותר. לדוגמה, במעבר לתחום Data Science מדאטה אנליסט, משכורת התפקיד ההתחלתי היא 22-18 אלף ש”ח בחודש.

נתוני שכר (באלפי ש”ח) לדאטה אנליסט על פי אתר GlassDoor.

ביקוש לתפקיד

בשנת 2018 דווח כי בכל יום נאספים בעולם 2.5 קווינטיליון בייטס של דאטה. קווינטיליון = 10 בחזקת 18. דמיינו מה זה אומר על כמות הנתונים שנאספת היום, ב-2021. כמויות הדאטה בעולם הן אינסופיות, ובאופן טבעי, הרוב המכריע של הדאטה אינו מעובד. לכן, הצורך באנליסטים שיעבדו את הדאטה רק עולה עם השנים.

באופן ספציפי, הביקוש בישראל גבוה עוד יותר (ניתן למצוא יותר מאלף משרות פתוחות באתר לינקדאין, ויותר מחצי מהן לתפקיד ראשון). זאת משום שחברות רבות הונפקו בזמן האחרון או בדרכן להנפקה. כל החברות הללו זקוקות לאנליסטים שיעזרו לעשות אופטימיזציה ל-Funnel שלהן, לשפר את המוצר או את שירות הלקוחות.

“תמיד הכי קשה זה למצוא את מי שייתן לך את ההזדמנות הראשונה. ממליץ לעבוד קשה וללמוד מה שצריך כדי לקבל את הצ’אנס הראשון ואחרי זה תהליך מציאת העבודה נהיה כבר יותר קל.” עידו גבע, Product Analyst Lead at WSC Sports.

המסמך מעודכן נכון לנובמבר 2021