Софья Поклонская пишет:

История о том , как я нашла бревно в своем глазу

Раньше дата-аналитик, знающий SQL, чувствовал себя почти богом. JOIN-ы, оконные функции, красивый дашборд — и вот ты уже самый умный человек в переговорке 😎

Потом в комнату тихо вошёл ML. И сел рядом. Прямо в спину дышит. Если честно, я тоже не сразу это заметила. Зашла в каталог курсов в Сбере (спасибо компании — на обучение средств не жалеют), увидела в программе LLM, ML, DL — и первая мысль была: «Это не мои курсы, тут ошибка, где скрипты SQL?» 😅 Ошибки не было. Рынок аналитики реально изменился, и вот почему.

Раньше ценность аналитика измерялась скоростью: быстро достать данные, быстро построить отчёт. Сегодня скорость — это база, которую закрывает автоматизация и простые модели за секунды. Бизнесу нужна не скорость, а предиктивность. Не «что было», а «что будет» и «что с этим делать». A/B тесты говорят, какая фича лучше сработала вчера. ML помогает предсказать, как поведёт себя retention через три месяца — и это совсем другой уровень ценности для продукта.

Аналитик, который понимает ML, перестаёт быть «исполнителем запросов» и становится тем, кто формулирует гипотезы наравне с продактом. Это другие деньги и другой уровень доверия в команде.

Growth mindset тут не красивые слова, а буквально вопрос профессиональной выживаемости. Я для себя выбрала путь не конкурировать с моделью, а конкурировать вместе с ней — и уже обкатала это на первой задаче с кластеризацией клиентов 🚀

Куда, как вам кажется, движется профессия дата-аналитика дальше — в сторону ML-инженерии или в сторону ещё более глубокого понимания бизнеса?