Личный опыт обучения на курсе «Аналитика данных» от Karpov.courses
Привет, Хабр!
Рассказываю свою историю о том, почему решила кардинально поменять направление работы, о выборе и прохождении курса по аналитике, как искала работу после завершения и почему решила качать харды дальше и пошла на еще один курс от этой же школы.
Почему решила уйти в аналитику?
До старта обучения я больше пяти лет работала в тендерах — никакой аналитики не предвиделось, только госконтракты и федеральные законы, которые вгоняли в тоску. Пару раз пробовала уйти в другие направления, но довольно быстро осознавала, что для меня это так же скучно и неинтересно. А раз так, то зачем напрягаться? Остаемся там, где сидели.
В целом, я просто столкнулась с реальным миром офиса, который после универа не приносит особой радости в жизнь.
На четвертый год работы ощущение того, что жизнь тлен, а работа не должна быть приговором на всю жизнь, стало появляться все чаще.
Хотелось идеальных условий, а именно:
Полная удаленка
Постоянное развитие и интересные задачи
Хорошая зарплата
Возможность работать не только в РФ
И самое главное - чтобы работа приносила удовольствие ❤️
На дворе начало 2022 года, школы и курсы по IT-направлениям встречались на каждом шагу, поэтому идея рассмотреть вариант с айти показалась мне вполне уместной.
Я выбрала два направления: аналитику и тестирование, так как считается, что у них самый низкий порог входа в IT (и с этим действительно сложно поспорить). По описаниям блогеров и школ оба этих направления отлично подходили под мои запросы, но аналитика показалась интереснее из-за наличия статистики. Еще в институте она меня привлекала, хотя наши отношения были натянутыми :(
Долго раздумывать не пришлось и я остановила свой выбор на продуктовой аналитике!
Как искала курс и программу обучения
На тот момент я уже слышала о неудачных кейсах прохождения курсов от других людей и, разумеется, совсем не хотела повторить их путь. С одной стороны, я понимала, что успешное прохождение курса и дальнейшее трудоустройство — в первую очередь ответственность самого человека, а с другой — хотелось, чтобы обучение было структурированным, понятным и интересным.
Изучив программы, я пришла к выводу, что структура курсов в разных школах довольно похожа. Это неудивительно, ведь рынок требует одних и тех же навыков. Основные различия были в продолжительности обучения и используемых инструментах.
И тут возникла проблема: длительные курсы, множество разных инструментов — это, конечно, здорово, но нужны ли мне вообще все эти навыки для работы? 🤔
Чтобы принять финальное решение, я обратилась к действующему аналитику (нашла через друзей), который дал хорошую рекомендацию по курсу и ответил на многие другие вопросы, за что ему низкий поклон!
Советом я не пренебрегла и выбрала курс "Аналитик данных" от Karpov.Courses. Старт потока был только через месяц-полтора, поэтому я решила присмотреться к обучению и записалась на демо-версию курса. Насколько помню, туда входила вводная часть про весь курс, немного Python и немного визуализации. Мне очень понравились подача материала и платформа, на которой проходило обучение, поэтому я довольно быстро записалась на полный курс.
Обучение на курсе
В прошлом году мне на почту пришло уведомление о том, что курс обновили и дополнили и все новые материалы доступны и для старых потоков. Поэтому расскажу о том, как выглядит курс сейчас.
На текущий момент курс "Аналитик данных" состоит из следующих направлений:
Введение в курс
Python
Git
SQL
Теория вероятности
Статистика
Визуализация
Развитие продукта
Продуктовая аналитика
Airflow
В дополнение к этому есть блоки с промежуточным и финальным проектами, а также блок, посвященный поиску работы. Кроме того, курс включает три обновленных блока: SQL, введение в Python и углубленный Python.
Как и многие другие, курс рассчитан на новичков, поэтому сложность уроков в блоках нарастает постепенно. До обучения у меня были только базовые знания статистики и теории вероятности, поэтому в остальные темы пришлось вникать с нуля. Но это не стало проблемой, так как подача материала была очень качественной, и после уроков у меня чаще всего не возникало вопросов. К тому же на курсе была поддержка, но я пользовалась ей в основном при выполнении промежуточных проектов.
Отдельно отмечу, что курс длится всего 5 месяцев, и, возможно, поэтому обучение идет в довольно интенсивном темпе. Почти каждый день после работы я занималась учебой, а часть выходных тоже уходила на освоение материала. Благодаря такому графику удавалось сдавать все задания вовремя и не копить "хвосты".
Думаю, большую роль в успешном прохождении курса сыграла сильная мотивация (влажные мечты о полной удаленке и развитии в интересном направлении неплохо подогревали мой интерес 😄). Плюс, аналитика мне действительно очень понравилась, поэтому обучение шло без морального напряжения.
Да и без хорошей мотивации любое обучение покажется мукой :)
Промежуточный проект был не очень сложным — скорее, это было повторение всех базовых тем по Python. Я умудрилась немного накосячить, но это не помешало проекту считаться завершенным. Можно было исправить недочеты, на которые указал куратор, но по неведомым для меня причинам я этого не сделала. Полагаю, это были ошибки молодости.
Финальный проект, по моим ощущениям, был уже довольно серьезным. Я выбрала вариант, связанный с оценкой A/B-теста, поэтому в работе пришлось использовать и статистику, и bootstrap. Именно bootstrap вызвал у меня больше всего вопросов и проблем, хотя при прохождении этой темы казалось, что все более-менее понятно.
Поиск работы
После прохождения основной части курса открылся блок "Как искать работу", на котором разбирались этапы поиска, собеседований, прохождения технического интервью и т. п.
В этом блоке есть карьерные консультанты, которые указывают на ошибки в резюме, помогают с составлением сопроводительных писем и структурированием всего процесса поиска вакансий.
Кроме этого, школа сотрудничает с компаниями и ведет базу учеников, успешно завершивших курс, чтобы ускорить их трудоустройство. Это не золотой билет, после которого тебя в 100 % случаев примут на работу, а скорее возможность попасть на собеседование без высокой конкуренции на открытом рынке. Собственно, благодаря этому я и нашла свою первую работу! 🙂
Karpov.Courses указывали, что среднее время трудоустройства их учеников — 3 месяца (примерно такие же цифры были и у других школ, которые я рассматривала). У меня этот процесс занял гораздо больше времени, но во многом из-за ошибок, связанных со знанием и умением объяснить теорию (в своих мыслях всё понимаешь, а нормально рассказать не можешь).
Меня не сильно расстраивало, что я отстаю от указанной статистики, потому что я видела конкретные ошибки, исправляла их, совершенствовала резюме и презентацию. К тому же я изначально закладывала для себя более долгие сроки, понимая, что 3 месяца для новичка звучит слишком оптимистично.
Я потратила на поиск работы 2 месяца, после чего поняла, что мне не хватает именно продуктового опыта и мне сложно вникнуть в суть задачи на собеседовании. По моему опыту, кажется, что джунов гоняют гораздо больше, чем мидлов по теории и прочим вопросам. Складывалось ощущение, что отсутствие аналитического бэкграунда может вызывать недоверие у многих работодателей и в результате начинаются супер проверки.
Поэтому я решила вникнуть в продуктовую аналитику глубже и пошла на "Симулятор аналитика" от этой же школы. После окончания второго курса жить стало проще и собеседования проходили легче с моральной точки зрения.
В какой-то момент я добавила пет-проекты в свое резюме, что также помогло с конверсией в отклик на первые этапы.
И примерно в это же время меня позвали на собеседование по рекомендации от школы, которое я успешно прошла 🔥
Какие навыки смогла использовать на работе?
Уже на первой работе для меня были полезны следующие блоки:
SQL (естественно)
Python
Продуктовая аналитика
Airflow
По SQL я использовала все знания, кроме оконных функций (их я не трогала почти весь первый год из-за отсутствия необходимости).
В Python выполняла несложные задачки с датафрэймами и спустя полгода работы выпала задача с парсингом сайта и написанием функций. По этим темам уже пришлось погружаться самостоятельно (функции на курсе были, но на практике все казалось сложнее).
Продуктовые метрики - просто must-have для аналитика, без них даже собес не пройдешь. Метрики нужны всегда и везде, главное подстраиваться под компанию, так как и метрики разные и подход к расчету тоже может немного отличаться.
Airflow пришелся очень кстати, так как кроме меня из коллег умел им пользоваться только тим-лид. Навыков с курса мне вполне хватило, чтобы спокойно справляться с рабочими задачами.
После того, как поменяла компанию, к этому стеку прибавилась еще и статистика. Да и в целом, задачи стали сложнее и интереснее, на курсе к такому не готовили :)
Визуализацией на всех местах работы я практически не занималась (графики в эксельке не беру в расчет), но это и к лучшему, так как это направление мне не особо нравится.
Итог
По моим ощущениям курс "Аналитик данных" дает более чем достаточное количество информации, чтобы устроиться на джуновскую позицию аналитика. Мне пригодились практически все темы, которые давались на курсе.
Но, с учетом высокой конкуренции и хороших запросов от компаний, останавливаться на полученной базе нельзя. Практический опыт ценится очень высоко на рынке, поэтому будут спасать пет-проекты, стажировки и любой релевантный опыт, который был на предыдущих местах работы (лучший вариант).
Курс однозначно бы рекомендовала всем, кто хочет стать аналитиком, а знаний за плечами - кот наплакал. Плюсом идет то, что на рынке Karpov.courses на хорошем счету у аналитиков, несколько раз на собеседованиях мне прямо об этом говорили :)
Поэтому, если вы давно задумывались о старте в аналитике, но не знали, с чего начать, то курс "Аналитик данных" однозначно рекомендую!
Кстати, выбрать программу обучения можно по моей реферальной ссылке и с промокодом kcreferral вам будет доступна скидка 5% 🔥
Если есть другие вопросы про обучение — пишите, расскажу, как все устроено изнутри! 😊
Спасибо, что прочитали мой отзыв до конца! Буду рада ответить на ваши вопросы по курсу в комментариях.
Если вы только недавно начали свой путь в профессии аналитика данных — то буду рада видеть вас в своем tg‑канале. В нем рассказываю:
рекомендации по трудоустройству;
про рабочие задачи (и немного про свои косяки);
о полезных материалах для обучения и работы.
Подписывайтесь и читайте контент тут → Select * from аналитика