Первые 90 дней аналитика в компании — пошаговый план
Оффер подписан, первый рабочий день на носу — и в голове один вопрос: «А что конкретно делать?» Первые три месяца определяют, как вас будут воспринимать в команде. Это время, когда нужно одновременно разобраться в продукте, показать пользу и не наломать дров. Разбираем по неделям, что делать аналитику данных на новом месте.
Неделя 1: вход в контекст
Первая неделя — не про анализ. Она про доступы, людей и понимание того, чем вообще занимается компания.
Что сделать:
- Получить доступы ко всем инструментам: BI-система, хранилище данных, трекер задач, документация. Если доступ не дали — напомнить. Не ждать молча неделю.
- Познакомиться с командой: кто ваш руководитель, кто продакт-менеджеры, кто инженеры данных. Записать, кто за что отвечает.
- Понять продукт как пользователь: зарегистрироваться, пройти основные сценарии, посмотреть, что видит клиент. Многие аналитики пропускают этот шаг — и потом путаются в метриках.
- Спросить: «Какие три главных вопроса сейчас стоят перед командой?» Это покажет контекст и приоритеты.
Руководитель на этом этапе ожидает одного: что вы быстро освоитесь и не будете стесняться задавать вопросы.
Месяц 1: первые результаты
К концу первого месяца вы должны понимать, как устроены данные, и показать хотя бы один конкретный результат.
Разберитесь в модели данных. Найдите основные таблицы: пользователи, события, транзакции. Поймите, как они связаны. Нарисуйте для себя схему — даже на бумажке. Это сэкономит десятки часов в будущем.
Изучите существующие дашборды. Не стройте новые, пока не поняли старые. Посмотрите, какими отчётами пользуется команда, а какие заброшены. Задайте вопрос: «Какой дашборд вы открываете каждый день?» Подробнее о том, как делать полезные дашборды: дашборды аналитика.
Найдите quick win. Это маленькая, но заметная победа, которая покажет команде вашу ценность. Об идеях для quick wins — ниже.
Руководитель ожидает: вы задаёте правильные вопросы, понимаете контекст задач и можете самостоятельно написать запрос к основным таблицам.
Месяц 2: глубина и связи
Вы уже ориентируетесь в данных — время копать глубже и выстраивать отношения со стейкхолдерами.
Возьмите первый серьёзный анализ. Не ждите, пока вам его дадут — предложите сами. Посмотрите на воронку конверсии, проанализируйте retention по когортам, сравните сегменты пользователей. Цель — не просто посчитать, а дать рекомендацию.
Постройте отношения с продакт-менеджерами. PM — ваш главный заказчик. Узнайте, какие гипотезы они хотят проверить. Предложите помощь с A/B-тестами: помогите рассчитать размер выборки, определить метрику успеха, интерпретировать результаты.
Начните документировать. Запишите, как устроены ключевые метрики: что считается активным пользователем, как определяется конверсия, какие фильтры применяются. Если такой документации нет — вы только что нашли ещё один quick win.
Руководитель ожидает: вы работаете автономно, сами приходите с вопросами к нужным людям и выдаёте результаты без постоянного контроля. Навыки коммуникации на этом этапе не менее важны, чем технические — подробнее о них в статье про soft skills аналитика.
Месяц 3: ownership
Третий месяц — переход от исполнителя к владельцу. Вы должны стать человеком, к которому идут с вопросами по вашей зоне ответственности.
Возьмите ответственность за метрику или продуктовую область. Например: «Я отвечаю за аналитику онбординга» или «Я слежу за монетизацией». Владение конкретной областью — это то, что отличает middle от вечного junior.
Предложите улучшения. К этому моменту вы видите, что работает плохо: дублирующиеся отчёты, неконсистентные метрики, ручные процессы. Не просто укажите на проблему — предложите решение и оцените эффект.
Зафиксируйте результаты. Напишите, что вы сделали за три месяца: какие анализы провели, какие решения приняли на основе ваших данных, что автоматизировали. Это пригодится на performance review — и для резюме.
Руководитель ожидает: вы приносите пользу, которую видит команда. Вас не нужно загружать — вы сами находите, где нужна аналитика.
Идеи для quick wins
Quick win — это задача, которую можно сделать за 1–3 дня, но которая приносит заметную пользу.
- Исправить проблему с качеством данных. Нашли дубликаты в таблице событий? NULL там, где не должно быть? Почините и расскажите об этом — инженеры оценят.
- Автоматизировать ручной отчёт. Если кто-то каждую неделю руками собирает числа в Google Sheets — сделайте дашборд или автообновляемый запрос.
- Найти инсайт, который никто не заметил. Посмотрите на данные свежим взглядом: может, 40% пользователей отваливаются на одном экране, а команда не обращала внимания. Свежий взгляд — ваше преимущество как новичка.
- Создать словарь метрик. Если в компании нет единого определения DAU или конверсии, напишите его. Простой документ на одну страницу может прекратить споры, которые длятся месяцами.
Типичные ошибки новичков
Пытаться изменить всё сразу
В первый месяц вы заметите десятки проблем: кривые пайплайны, странные метрики, устаревшие дашборды. Соблазн — всё переделать. Не поддавайтесь. Сначала разберитесь, почему сделано именно так. Часто за «кривым» решением стоит контекст, которого вы ещё не знаете.
Не задавать вопросы
Молчание — не признак самостоятельности, а путь к ошибкам. Спросить «почему эта метрика считается так?» — нормально. Потратить неделю на анализ с неправильным определением конверсии — нет.
Работать в изоляции
Аналитик, который сидит в углу и молча пишет запросы, невидим для команды. Делитесь промежуточными результатами, показывайте находки на стендапах, пишите в общий чат. Видимость — часть работы.
Бояться показать незнание
Вы новый человек в компании. Никто не ожидает, что вы за неделю разберётесь в предметной области, которую другие изучали годами. Честное «я пока не знаю, но разберусь к завтра» вызывает уважение, а не сомнения.
Вопросы и ответы
Что если в компании нет документации по данным? Это нормально — и это ваша возможность. Начните документировать сами: основные таблицы, связи, определения метрик. Покажите документ команде и попросите дополнить. Так вы и разберётесь быстрее, и принесёте пользу.
Стоит ли предлагать новые инструменты в первые месяцы? Не в первый месяц. Сначала поймите, почему используются текущие инструменты. К третьему месяцу, когда у вас будет авторитет и контекст, предложение сменить инструмент будет звучать обоснованно, а не как каприз новичка.
Как понять, что испытательный срок проходит хорошо? Просите обратную связь. Не ждите формального ревью — спросите руководителя на 1:1: «Что мне стоит делать по-другому?» Если конкретной критики нет и вам дают всё более сложные задачи — вы на верном пути.
Как быть, если данные в компании в плохом состоянии? Не паникуйте и не жалуйтесь. Зафиксируйте конкретные проблемы, оцените их влияние и предложите план исправления. Аналитик, который улучшает качество данных, ценится на вес золота.
Нужно ли сразу учить специфические инструменты компании? Да, и чем быстрее, тем лучше. Попросите коллег показать основные сценарии работы. 30 минут демонстрации сэкономят дни самостоятельных разбирательств.
FAQ
Сколько времени нужно, чтобы полностью освоиться? В среднем 3–6 месяцев. Через 90 дней вы будете уверенно работать с основными задачами. Полное погружение в предметную область и все нюансы данных займёт ещё пару месяцев.
Отличается ли план для junior и middle? По структуре — нет. Разница в скорости: от middle ожидают автономности уже к концу первого месяца, а первый серьёзный анализ — на 2–3 неделе. От junior допускается больше вопросов и более длинный разгон.
Что делать, если задач мало и вас «не загружают»? Не воспринимайте это как отдых. Ищите задачи сами: изучайте данные, находите аномалии, предлагайте анализы. Проактивность в первые месяцы формирует вашу репутацию на годы вперёд.
Как готовиться к первым 90 дням ещё до выхода на работу? Подтяните навыки, которые пригодятся с первого дня: SQL, работу с метриками, основы визуализации. Потренируйтесь на реальных вопросах — откройте тренажёр и прорешайте задачи по нужным темам. Примеры вопросов с собеседований собраны здесь. А если ещё готовитесь к собеседованию, загляните в гайд как стать аналитиком данных.