Analisi / BI: mercato

Posizione

un'offerta aperta che ha superato il controllo di qualità e indica almeno due tecnologie

Candidato osservato

un candidato il cui stack contiene questa tecnologia; un dato aggregato: nessun singolo record esce dal perimetro

Candidato abbinabile

non ancora conteggiato

Finestra

offerte aperte nel momento in cui è stato creato lo snapshot

Le 5 tecnologie principali negli annunci per analisti: sql, user stories, cloud, backlog, salesforce. Da conoscere assolutamente per tutti: SQL (PostgreSQL/ClickHouse/Snowflake/BigQuery, JOIN, window function, CTE, prestazioni). Python per l'analisi (pandas, numpy, matplotlib, seaborn, scipy.stats). Excel/Google Sheets: lavoro ad hoc e presentazioni agli stakeholder. BI: Tableau, Power BI, Looker, Metabase, Superset, Yandex DataLens (stack CSI). Product analytics: Amplitude, Mixpanel, GA4, Heap, PostHog. Test A/B: conoscenza della statistica (p-value, potenza, MDE, test sequenziali) + piattaforme (Optimizely, VWO, Statsig, interne). Per il Business Analyst: BPMN/UML, Confluence, Jira, Visio/draw.io. Per il Systems Analyst: REST/SOAP, Swagger/OpenAPI, Postman, contratti Kafka/RabbitMQ. Analytics Engineer: dbt + git + DWH + semantic layer.

Questi tre ruoli vengono spesso confusi, ma lavorano su problemi diversi. Data Analyst (DA): un ruolo tecnico: estrazioni SQL, dashboard, ricerche ad hoc su richiesta del business. Focus su come ottenere i dati e cosa dicono. Stack: SQL + Python + BI. Business Analyst (BA): un ruolo orientato al business: raccolta dei requisiti, diagrammi di processo BPMN, specifiche delle funzionalità, comunicazione con gli stakeholder. Focus su cosa costruire e perché. Stack tecnico più ridotto (anche se SQL è apprezzato); contano di più comunicazione, inglese e modellazione dei processi. Product Analyst (PA): un ibrido tra DA e product management: test A/B, ipotesi di prodotto, retention/LTV/coorti, analisi dei funnel. Focus su quali funzionalità del prodotto funzionano e perché. Il segmento analitico più premium per retribuzione nelle aziende di prodotto. Medie: PA > BA ≈ DA nelle aziende di prodotto; BA > DA nell'enterprise e nelle banche.

Sì: gli analisti sono una delle specializzazioni IT più adatte al lavoro da remoto: il 29% delle offerte è completamente da remoto o ibrido. Il lavoro si basa su dati e strumenti; la presenza fisica è richiesta di rado. Ruoli completamente da remoto: startup di prodotto, aziende SaaS internazionali, team di espatriati dalla CSI (Dubai, Cipro, Lisbona, Tbilisi, Erevan). Ibrido (1–3 giorni in ufficio): grandi aziende IT, banche, telecomunicazioni, retail. Solo in sede: più spesso il Business Analyst nelle banche tradizionali con requisiti di compliance e il Systems Analyst nei grandi progetti enterprise. L'inglese apre il mercato globale del lavoro da remoto con un premio retributivo del 20–40%.

L'SQL è obbligatorio per qualsiasi analista (DA/PA/BA da Middle in su). Senza SQL non troverai lavoro: è la competenza di base nel 100% degli annunci. Python è indispensabile per Data/Product Analyst da Middle in su (pandas, pulizia dei dati, ML di base, automazione della routine). Per il Business Analyst Python è un vantaggio ma non un requisito. Cosa sapere di Python per l'analisi: pandas (DataFrame, groupby, merge), numpy, matplotlib/seaborn per la visualizzazione, statistica di base (scipy.stats), notebook Jupyter. Cosa non ti serve: OOP avanzata, framework di sviluppo web, DevOps. Nell'analisi la programmazione è uno strumento d'indagine, non il prodotto in sé. L'eccezione è l'Analytics Engineer: dbt + template Jinja + flussi di lavoro git più un solido pensiero programmatico avvicinano il ruolo al Data Engineer.

Analytics is one of the most accessible entry points into IT. Optimal roadmap: 1) SQL to a confident level — SELECT, JOIN, GROUP BY, window functions, CTEs. Courses: Stepik «SQL для всех», SQL-Academy, Mode Analytics SQL tutorial, LeetCode Database. 2) Excel/Google Sheets — pivot tables, VLOOKUP/XLOOKUP, basic formulas. 3) One BI tool: Tableau Public (free) or Power BI Desktop. Build 3–5 dashboards on open data. 4) Python pandas — Kaggle tutorials, pandas docs, "Python for Data Analysis" by Wes McKinney. 5) Basic statistics: confidence intervals, correlation vs causation, A/B tests (p-value, power, effect size). "Statistics Done Wrong". 6) Pet project: end-to-end analysis of an open dataset (Kaggle, data.world) with a dashboard and conclusions on GitHub. 7) Training programs: Karpov.Courses, Yandex.Practicum «Аналитик данных», Skillfactory, Stepik «Python для анализа данных». Time to first Junior role — 4–8 months of full-time study.

As of the latest data refresh, the Zorky sample contains 5327 active open Analyst positions. These are postings published in the last 90 days. Geography: leaders are US, PL, GB. The sample covers all sub-specialisations: Data Analyst, Business Analyst, Product Analyst, Marketing Analyst, Financial Analyst, Systems Analyst, Analytics Engineer, BI Developer. The real market is wider than the sample: many Analyst positions are published only inside major companies' internal HRMS or through closed recruiting channels. Analytics Telegram channels («Аналитика и данные», «Data Driven») are a good additional source for Senior positions.

Un Senior Analyst gestisce l'intero ciclo: dai requisiti alla conclusione per il business. Tecnicamente: SQL a livello di padronanza (window function, ottimizzazione, piani di esecuzione), Python (pandas + scipy + automazione di ETL/report), uno strumento BI a fondo (Tableau/Power BI/Looker: campi calcolati, espressioni LOD, ottimizzazione delle dashboard). Statistica: pianificazione dei test A/B (potenza, MDE, dimensione del campione), diagnostica (SRM, peeking), interpretazione (sequenziale vs orizzonte fisso), bootstrap, approcci bayesiani. Pensiero di prodotto: comprensione di funnel, retention/LTV/coorti, unit economics, metriche su ogni livello del prodotto. Comunicazione: data storytelling, presentazioni al C-level, difesa delle conclusioni davanti agli scettici. Mentoring: revisione del codice SQL/Python per Middle/Junior. Inglese per Senior+ è indispensabile (anche nei ruoli locali delle grandi aziende documentazione e processi sono spesso in inglese).