מאז המצאת המחשב בני אדם אוגרים נתונים בצורה אלקטרונית. מאז המצאת האינטרנט אנחנו אגרני נתונים על סטרואידים. חברות, וביחוד חברות הייטק, נדרשות לשמור כמויות עצומות של נתונים, מסוגים שונים, בכל תחום בו עוסקת החברה. בחברות ההייטק הבינו כבר מזמן שהן יושבות על מכרה זהב עסקי והיו שהוסיפו ואמרו "Data is the new oil". אבל מה זה בעצם אומר נתונים, איך משתמשים בהם ואיפה האנליסט יושב בתהליך?
תפריט ניווט
- מה הם נתונים?
- תפקיד האנליסט – המתווך בין הצד הטכני לצד העסקי
- אילו תכונות אופי נדרשות מדאטה אנליסט?
- מה עושה אנליסט ביום יום?
- מה הכלים של אנליסט דאטה?
- מי יכול להפוך לאנליסט נתונים?
- סוגי תפקיד של דאטה אנליסט
- שכר מקובל לדאטה אנליסט
מה הם נתונים?
אם תחשבו על זה, כל עסק אינטרנטי אוגר כמויות עצומות של מידע: כמה משתמשים נכנסו לאתר, כמה זמן בילו בכל עמוד, כמה הקליקו על כתבה ועוד ועוד. זה נכון לגבי עולם Surface web: האתרים אותם ניתן למצוא עם הדפדפן שלנו, שחשופים ונגישים לעולם, אבל נכון שבעתיים לDeep web, רשתות המידע הפנימיות שמכילות נתונים שארגונים שומרים על על הענן ומהווה רוב מוחלט מרשת האינטרנט. חברות הייטק, ובמיוחד אלו עם מוצרים אינטרנטיים, נדרשות לשמור כמויות עצומות של נתונים (או דאטה, אם תרצו) מעצם העובדה שרוב פעילותם קורית ברשת האינטרנט.
אמחיש עם דוגמא מוכרת: חברת פייסבוק שומרת מידע על כל תוכן שנוצר על ידי משתמשים באתר. כל פוסט, כל תמונה, כל שם של קבוצה שנפתחת, כמות החברים של כל משתמש ועוד ועוד. היא גם שומרת מידע שנסתר מעיני משתמשים: כמות הצפיות בכל פוסט, כמות הקליקים על כל לינק, כניסות לכל קבוצה וכדומה. יתכן ופייסבוק גם יוצרת מידע על ישויות באתר, היא יכולה להעריך איזה סוג קבוצה נפתחה אתמול, מה היא הנטייה המינית של המשתמש על פי ההתנהגות שלו באתר, או כל סוג של מידע אחר אותו היא מייצרת בעצמה. כל פיסת מידע כזה מהווה נתון. שמשלבים את הנתונים הללו יחד הם מהווים מאגר נתונים (Data Base). את המאגר אפשר לנתח, להסיק ממנו מסקנות ולהוביל לתובנות עסקיות שיכולות להכווין את ההנהלה ללכת בכיוון עסקי מסויים.
המתווך בין הצד הטכני לצד העסקי
בליבו של תהליך ניתוח הנתונים יושב הData analyst (מנתח נתונים, אנליסט דאטה, או כל דרך אחרת שתרצו לקרוא לו). האנליסט יושב בתווך בין הכוונת החברה לכיוון הנכון מבחינה עסקית לבין הצד הטכני, שכולל הבנת הדרך בה נאספים הנתונים, ניקוי שלהם והפיכתם לתובנה.
אמחיש שוב עם אותה הדוגמא: פייסבוק מרוויחה את רוב כספה מפרסומות שמוצגות למשתמשים באתר. בכל פעם שמשתמש לוחץ על פרסומת, המפרסם משלם כסף לפייסבוק. אנליסט נתונים שמבין טוב את הביזנס של פייסבוק, יבין שהסיכוי שמשתמש יקליק על מודעה ויצור רווח לפייסבוק, גבוה יותר אם מדובר במשתמש מבוגר, לבן שגר בארה"ב. הוא יכול ליזום ניסוי (מוכר גם כA/B test) שיבדוק האם הגדלת הכיתוב בתחתית מודעה שמוצגת לאוכ' הרלוונטית מגדיל את הסיכוי לקליק או לא. בשביל ניסוי כזה נדרש ידע סטטיסטי מסויים, הבנה טכנית שקשורה לשליפת נתונים בעזרת שפת SQL, ואולי גם הצגת הנתונים בחתכים שונים בעזרת תוכנת BI כלשהי (המוכרות ביותר יהיו Tableau וPower BI). ללא היכרות גבוהה עם הביזנס של פייסבוק, סביר שלא היה עולה לאנליסט הרעיון להתמקד באוכלוסיית המשתמשים האמריקאיים הלבנים והמבוגרים. ללא היגיון וcommon sense יכול להיות שהוא לא היה חושב שאנשים מבוגרים מתקשים לפעמים לראות מטווח קרוב, ושהגדלת הכיתוב מתחת למודעה יכול לשפר את הסיכוי לקליק.
זו היא כמובן דוגמא פשוטה אחת מיני רבות, שבעיקר מתייחסת לתחום המוצר. קיימות דוגמאות נוספות בתחומים שונים. המסר המרכזי הוא שאנליסט נתונים טוב ישב בתווך בין הצד העסקי לצד הטכני וישלב בתוך עבודתו הרבה Common sense שיכול להביא להשפעה גדולה על ההצלחה העסקית של החברה. זו יכולה להיות החלטה קטנה כמו איזה גודל פונט יוצג למשתמש מסויים או החלטה גדולה כמו באיזה סוג לקוחות החברה צריכה להתמקד כדי להגדיל את הפיזור העסקי שלה.
אילו תכונות אופי ויכולות נדרשות מדאטה אנליסט?
- היגיון בריא – במסגרת העבודה אנליסט נדרש לקבל החלטות על בסיס לוגיקה בסיסית. לא חסרות דוגמאות: האם שווה להשקיע זמן במחקר שנראה שהולך ומסתבך? האם נכון לתכנן ניסוי בצורה מסוימת? האם הגיוני שנבדוק נתונים של שבוע כדי להסיק מסקנות על שנה?
'היגיון בריא' אולי נשמעת כמו תכונה מאוד בסיסית, אך לצערי אני מאמין כי Common sense is not that common. במקרה של אנליסט דאטה, היגיון היא תכונה נדרשת וכמעט בלתי אפשרי להיות טוב בלעדיה. - ספקנות – היכולת להביע ספק היא קריטית בכל שלב בעבודה. פעמים רבות אנליסט נדרש על ידי גורמים אחרים בארגון לנתח מצבים עסקיים מסויימים. לפעמים רק שאלת השאלות הנכונות יכולה לעצור בזבוז זמן בפרויקט אחד לשם השקעתו בפרויקט אחר שיכול להביא יותר ערך.
במקרים אחרים אנליסט נדרש להטיל ספק בנתונים שהוא עצמו הוציא. קל מאוד לבצע טעויות כשמדובר בשליפת נתונים וניתוחם. באג בדרך בה עלה ניסוי יכול להצביע על נתונים אחרים לחלוטין שבלי מידה של סקפטיות והטלת ספק תוביל את הארגון לטעויות קשות. ללא ספקנות, קשה להיות אנליסט יעיל ומועיל בארגון. - יכולת תקשורת – אנליסט נדרש לתקשר את המסקנות והממצאים בצורה כתובה: במיילים, מצגות ודשבורדים וכן בעל פה: בישיבות רבות משתתפים או בפורום מצומצם. רוב עבודת האנליסט, היא עצמאית מול מחשב. כן חשוב להכיר שבלי יכולת להעביר את הממצאים לגורמים אחרים, אנליסט יהיה פחות אפקטיבי.
- סקרנות ועניין – הרבה פעמים ההבדל בין אנליסט טוב לפחות טוב נוגע לכמה מעניינת אותו הסביבה העסקית והמקצועית בה הוא נדרש להשתלב. הרבה מהעבודה כוללת פתרון בעיות בצורה עצמאית ולמידה של תחומים טכניים, עסקיים או אנליטיים לשם פתרון משימה אנליטית.
- ריכוז – אם היה לכם קשה לשבת על הכיסא בתיכון או אוניברסיטה יתכן וזה לא המקצוע בשבילכם. אנליסט נדרש לעבודה טכנית שחלקה סיזיפי ודורש יכולת ריכוז וישיבה ממושכת מול מסך מחשב תוך כתיבת קוד בריכוז מוחלט.
מה עושה אנליסט ביום יום?
השאלה איך נראה היום יום של אנליסט נתונים תלויה במשתנים רבים: סוג ההתמחות של האנליסט, וותק האנליסט, סוג החברה בה הוא עובד וגודלה. ככלל, ניתן לומר שרוב יומו של האנליסט יוקדש לשליפת נתונים וניתוחם. לרוב יום עבודה יכלול ישיבות עם בעלי עניין באנליזה, והפסקות פינג פונג/קפה בין לבין 😉 .
סדר פעולות בתהליך ניתוח הנתונים
רבים מניחים שרוב עבודת האנליסט מסתכמת ביצירת דוחו"ת ודשבורדים. בפועל, זה לא המצב. בתרשים למטה ניתן לראות את השלבים השונים של פרויקט ניתוח נתונים סטנדרטי. כמובן שהזמן לא מתחלק בין השלבים בצורה שוויונית. התרשים מראה כי ניתוח נתונים הוא תהליך מורכב שכולל אינטראקציה עם גורמים שונים לצד עבודה עצמאית.
ממשקי עבודה של אנליסט הנתונים
חלק לא מבוטל מיום העבודה של אנליסט יוקדש לישיבות. חלק מהישיבות יהיו מול צרכני המידע של אנליסט והממשקים שלו, בהתאם להתמחות האנליסט. כלומר, בהנחה ומדובר באנליסט מוצר (Product analyst) יהיו אלה לרוב פגישות עם מנהלי מוצר ואנשי פיתוח. אם מדובר באנליסט עסקי (Business analyst), יהיו אלה אנשי מכירות וניהול לקוחות, הנהלה בכירה וכו'.
חלק אחר של הישיבות יהיה מול המנהל הישיר של האנליסט, שיכול להיות איש דאטה בעצמו אך לעיתים רבות אינו כזה. לעיתים אנליסטים עובדים בצוותים, ויעזרו אחד בשני על מנת לפתור בעיות אנליטיות. במקומות רבים אנליסט עובד לבד, אז יאלץ לפתור בעיות בעצמו או בעזרתם של אנשים בצוותי הפיתוח, שלרוב מכירים את הדאטה בצורה טובה מאוד.
מה הכלים של אנליסט דאטה?
שפות תכנות
שליפת הנתונים תערך בדרך כלל בעזרת SQL, שפה המיועדת לשליפת נתונים מדאטה בייסים אך לא כל כך לניתוח הנתונים. השפה יחסית קלה ללמידה ויכולה להביא המון ערך במגוון רחב של תפקידים הכוללים צורך בתשאול דאטה בייסים.
פייתון היא שפת התכנות המועדפת על אנליסטים ברוב מקומות העבודה (מועדפת על פני R בה ישתמשו בעיקר באקדמיה). השפה תשמש בעיקר לצורך ניקוי, ניתוח נתונים ויצירת ויזואליזציות פשוטות.
תוכנות Spreadsheets
למרות שמדובר בתוכנה שיצאה לשוק בשנת 1985, אקסל עדיין מועדפת על אנליסטים שצריכים לבצע ניתוחים בסיסיים (ומורכבים!) של נתונים. אקסל היא תוכנה חזקה מאוד עם פונקציונליות בלתי נגמרת. החיסרון שלה בא לידי ביטוי כשמדברים על כמות נתונים שחוצה את המקסימום האפשרי לניתוח (סדר גודל של כמיליון שורות).
המתחרה, Google Sheets היא הגרסא המיועדת למשתמשים בגוגל. הדמיון הרב בין שתי התוכנות יקל על המעבר מאחת לשנייה. היתרון המרכזי של Google Sheets היא האפשרות לשתף אחרים בSpreadsheet שיצרתם, להעיר הערות ולעבוד יחד על אותו קובץ במקביל.
תוכנות BI
התוכנות בשימוש הנפוץ ביותר הן Tableau וPower BI. שתיהן מאפשרות ויזואליזציה ויצירה של דשבורדים דינמיים שמהווים חלק חשוב בעבודת האנליסט. לא חובה להכיר את שתיהן אבל כן חשוב לומר שקיים שוני מהותי בין תוכנות הBI השונות. למרות שמדובר בתוכנות עם UI נוח לשימוש (הרבה תוכנות BI משתמשות במנגנון Drag and Drop), ישנה עקומת למידה בעבודה עם תוכנה חדשה.
מי יכול להפוך לאנליסט נתונים
סקרים שהתקיימו בקהילת האנליסטים הישראלית ומחקר נרחב בלינקדאין מראים שהמועמד הקלאסי למשרת אנליסט נתונים הוא בוגר תואר בהנדסת תעשייה וניהול או כלכלה. זה מייצג את רוב האנליסטים בשוק הישראלי כיום וגם את רוב תיאורי המשרה שהתפרסמו בשנת 2024. זה לא מפתיע בהתחשב בעובדה שבתארים אלו יש דגש על סטטיסטיקה יחד עם היכרות עם עולם התוכן העסקי. ביותר ויותר אוניברסיטאות ומכללות מלמדים תכנות בפייתון או בR גם בתארים בכלכלה, דבר שמגביר את הביקוש לבוגרי תארים אלה.
עם זאת, לא חייבים תואר בתחומים אלו בלבד על מנת להיכנס לתחום. ישנם בוגרים רבים שמגיעים מתחומי מדעי החיים (ביולוגיה, מדעי המוח, פיזיקה, כימיה וכו') ומדעי החברה (פסיכולוגיה, סוציולוגיה ועוד). בהנחה ובוגרי תארים אלה יוכלו להתגבר על החסם הטכנולוגי, ההיכרות שלהם עם סטטיסטיקה יכולה לעזור להם להתקבל לתפקיד בהצלחה. קיימים קורסי הסבה המיועדים לסייע בנושא זה בדיוק. כמובן שתמיד קיימת האפשרות ללמוד לבד.
בוגרי מדעי הרוח שקוראים את הפוסט וודאי תוהים האם גם להם יכול להיות מקום בתור דאטה אנליסטים בחברות הייטק. אני יכול להעיד מניסיון אישי שהדבר אפשרי, אבל ידרוש הרבה עבודה קשה ואולי תפקיד 'ביניים' כזה או אחר. אני מאמין שהדבר נכון גם לאנשים ללא תואר בכלל אך סביר להניח שבמקרים אלה כניסה לתפקיד ראשון יהיה קשה אף יותר.
בהנחה והתחום מעניין אתכם ואין לכם את הרקע המתאים, העצה הכי טובה שאני יכול לתת היא לא לפסול את עצמכם. שווה להתייעץ עם אדם שמבין בתחום ולהעריך ביחד מה תצטרכו לעשות כדי להגיע למשרה ראשונה.
סוגי תפקיד של דאטה אנליסט
ישנם סוגים שונים של אנליסטים שאת כולם ניתן לכנות בשם דאטה אנליסט. הטבלה הבאה תעשה לכם סדר:
| שם התפקיד | אנליסט מוצר (Product analyst) | אנליסט עסקי (Business analyst) | אנליסט שיווק (Marketing analyst) | אנליסט פיננסי (Financial analyst) | אנליסט משאבי אנוש (HR analyst) | אנליסט הונאות (Fraud analyst) |
| תיאור | פועל יחד עם מנהלי המוצר על מנת לאפיין התנהגות משתמשים לצורך התאמת פיתוח המוצר לקהל הלקוחות | ניתוח והנגשת מידע לצורך קבלת החלטות עסקיות הקשורות למכירות, עמידה בתקציב, גיוון הפורטפוליו העסקי ועוד | ניתוח קמפיינים שיווקים של החברה לצורך הגדלת ROI על אפיקי השיווק השונים | איסוף וניתוח של מידע פיננסי הכולל בקרה תקציבית, דוחו"ת רווח והפסד (P&L), מחזורי מכירות ועוד | ניתוח מידע הקשור לכוח האדם של החברה הכולל גיוס, שימור כוח אדם, הערכת עובדים, סקרים פנימיים, שכר ועוד | ניתוח פעילות הונאה במוצרי החברה במטרה לצמצמה ולדווח לרשויות במידה והדבר נדרש |
| כלים יחודיים לסוג | Google Analytics | – | – | NetSuite | – | – |
| מקבלי השירות | מנהלי המוצר ומחלקות הפיתוח | מחלקת הביזנס והנהלת החברה | מחלקת הMarketing | מחלקת Finance והנהלת הח ברה | מנהלות משאבי אנוש (גיוס, HRPB) | מחלקת Risk או מחלקת Fraud |
| רקע שיכול להוות יתרון | – | – | – | רקע פיננסי: לימודי כלכלה או ראיית חשבון | רקע בניהול או גיוס כ"א | רקע מודיעיני |
שכר מקובל לדאטה אנליסט
נכון לשנת 2024, שכר התחלתי של אנליסט נתונים בחברות ההייטק בישראל נע סביב כ15 אלף ש"ח בחודש. השכר עולה משמעותית לאחר כשנתיים של ניסיון ויכול להגיע למעל 20 אלף ש"ח. אנליסטים מנוסים שאינם במשרות ניהול יכולים להגיע לשכר של כ28 אלף ש"ח בחודש. שכר זה לא כולל בונוסים ואופציות/מניות אלא שכר בסיס.
האם קיימים הבדלים בשכר בהתאם לסוגי האנליסט השונים?
התשובה לשאלה זו פחות קשורה לסוג האנליסט אלא יותר לכלים, לידע ולרקע הנדרש. ככלל, ככל שהעבודה של אנליסט דורשת יותר התעסקות טכנית והיכרות עם עולם תוכן מורכב יותר, יעלה גם שכרו. כן ניתן לומר שישנן יותר משרות אנליסט בתחומי Business analyst ו Product analyst ממשרות Fraud analyst או HR analyst. יתכן ועובדה זו תשפיע על הביקוש לעובדים בתחום.
נכון לזמן כתיבת שורות אלה, נראה שקיימות מאות משרות דאטה אנליסט פתוחות בחברות הייטק, בהתאם לחיפוש בלינקדאין. רוב המשרות מיועדות לאנשים עם ניסיון קצר יחסית (שנה-שנתיים) אך חלקן גם מיועד לSenior data analysts. על אף הסימנים למיתון במשק, נראה שהמשכורות עדיין גבוהות, דבר שמשקף את הצורך האדיר בכוח אדם איכותי בתחום.