Прежде чем строить карьеру в новой области или браться за новую задачу, полезно остановиться и честно ответить на два вопроса: «Что мне нравится делать?» и «Что нужно бизнесу?». Именно такой подход лежит в основе карьерного пути Валерии Смирновой — Senior BI-аналитика в Авито и автора блога о дата-визуализации и BI.
Как начинался путь в BI
По образованию Валерия — инженер связи, однако почти сразу начала работать продуктовым аналитиком. Осознанный переход в BI произошёл в период декрета: именно тогда стало ясно, что задачи, связанные с BI-частью, приносят наибольшее удовольствие. Большинство необходимых навыков уже были: SQL, Python, работа с DWH и BI-системами, понимание потребностей заказчиков. Не хватало одного — глубокого понимания дата-визуализации. Этот пробел стал точкой роста, и сегодня датавиз занимает центральное место в работе.
Какие навыки реально важны, а какие переоценены
Главный навык BI-аналитика — умение разговаривать с заказчиком и понимать, что он хочет на самом деле. Техническая часть — SQL, витрины, типы графиков, фильтры — безусловно важна, но решается значительно легче, особенно с появлением AI-инструментов. Залезть в голову человека и правильно интерпретировать бизнес-потребность куда сложнее.
- Сначала — пожелания и потребности заказчика, только потом — техническая реализация.
- Опыт продуктовой аналитики даёт преимущество: аналитик сам был пользователем дашбордов и понимает метрики изнутри.
- Понимание бизнес-контекста сокращает количество итераций и правок.
Инструменты: что используется в работе
Основной BI-инструмент — внутренняя система на базе Redash. Ключевое удобство: всё работает в браузере — открыл вкладку, написал запрос, сразу визуализировал. Второй инструмент — Python: используется для автоматизации рутины, в частности для ежедневных рассылок таблиц и графиков.
Отдельно стоит отметить роль AI. С появлением Claude в рабочем процессе Валерия описывает себя как «продакт-менеджера с личным джуном-разработчиком»: AI не только ускорил текущие задачи, но и открыл возможности, которые раньше были недоступны из-за трудоёмкости реализации. Операционные задачи с большим количеством case when и табличными выгрузками теперь в значительной мере делегируются Claude и Codex — это помогает сохранять фокус и избегать выгорания.
Каким бизнес видит хорошего BI-аналитика
Хороший BI-аналитик глазами бизнеса — это не просто исполнитель запросов. Это эксперт, который понимает задачу с полуслова, предвосхищает потребности и проактивно предлагает решения. К нему можно прийти с проблемой — и получить готовый результат, а не список уточняющих вопросов.
С чего начать тем, кто хочет войти в BI
BI — широкая область с разными специализациями: кто-то больше занимается дата-визуализацией, кто-то — инфраструктурой и DWH, кто-то — аналитическими SQL-слоями. Перед входом в профессию важно понять, какая часть откликается больше всего, и сделать на ней акцент в обучении.
- Определите, какой тип задач вам ближе: датавиз, инфраструктура, аналитика данных.
- Сфокусируйте обучение на выбранном направлении, не пытаясь охватить всё сразу.
- Нарабатывайте понимание бизнес-процессов — это то, чему сложнее всего научиться по курсам.
Любимые и нелюбимые задачи
Наибольший интерес вызывают проектные задачи: создание нового инструмента, нестандартные запросы, в которых нужно продумать алгоритм преобразования данных от сырых источников до финального вывода. Особенно ценно, когда подобного решения в компании ещё не существовало.
Операционные задачи — с многоуровневыми case when, большим количеством костылей и табличными выгрузками в Excel — наименее привлекательны. Стратегия: максимально делегировать их AI-инструментам, сохраняя энергию для сложных и творческих задач.
Вывод
Путь в BI строится не только на технических навыках. Понимание бизнеса, умение слышать заказчика и чёткое осознание собственных сильных сторон — вот что отличает крепкого специалиста от просто грамотного технаря. AI-инструменты меняют то, как выглядит рутина, но не отменяют необходимости думать и общаться.