קהילת הדאטה אנליסטים בישראל הולכת וצומחת. חברות קטנות וגדולות הולכות ומבינות את הצורך בניתוח נתונים, כלי ה- BI מתפתחים, קורסים נפתחים ויש דרישה לתפקידים של דאטה אנליסטים בחברות מסורתיות ובסטרטאפים.
לאור הצמיחה של התחום החלטנו בקהילת Data Analytics Israel לערוך סקר בקרב האנליסטים כדי לדעת מה המאפיינים וה – שכר של מקצוע דאטה אנליסט בישראל.
חשוב לזכור שהסקר אינו מדגם מייצג של כלל הדאטה אנליסטים, אלא מייצג רק את הדאטה אנליסטים שהסכימו לענות עליו ולכן לא ניתן להסיק ממנו מסקנות על כלל האוכלוסיה. 265 אנליסטים השתתפו בסקר, זאת כמות נכבדת של משיבים אך אנחנו לא יכולים לדעת כמה אנליסטים יש בשוק כדי להעריך את שיעור הדגימה שהוא מייצג.
ניתוח הסקר נעשה בעזרת הכלי Power BI ע"י יובל מרנין.
היבטים דמוגרפים של הדאטה אנליסט
לפי הסקר ב- 2020 כ- 60% מהאנליסטים הם גברים לעומת 40% נשים. הגיל החציוני של הדאטה אנליסט הוא 33 ומרבית האנליסטים (כ- 83%) עובדים באזור המרכז. הנתון הזה לא מפתיע אך גם מצביע על כך שיש לתפקידי אנליסט פוטנציאל צמיחה אדיר מחוץ למרכז. באזורים אלו ישנם חברות תעשיות ומפעלים שאנליסטים יכולים למנף את הביצועים שלהם ע"י דאשבורדים מתוחכמים וניתוחים אנליטים מתקדמים.
כ- 75% מהאנליסטים עובדים בחברות גדולות ובינונית (מעל 50 עובדים, חברות ישראליות ובינלאומיות). נתון זה לא מפתיע כיוון שדאטה אנליסט יפיק יותר תועלת לארגון שבו יש כמות גדולה של דאטה. יחד עם זאת, גם בעולם הסטרטאפים יש חברות שאוספות נתונים על השימושיות במוצרים שלהם ולפי הסקר כ- 15% מהאנליסטים עובדים בחברות סטרטאפ.
כ- 70% מהדאטה אנליסטים מגיעים מרקע של מדעי החברה ניהול וחשבונאות, 7% מסטטיסטיקה ו 5% ממדעי המחשב. כ- 6% מהדאטה אנליסטים לא עשו תואר ראשון. 75% מהאנליסטים לא למדו קורס מקצועי.
עוד נתון מעניין שעולה מהסקר: רוב רובם של האנליסטים הם שכירים וכ- 22% מהם בתפקיד ניהולי.
היבטים מקצועיים בעבודה של דאטה אנליסט
מאפייני התפקיד של הדאטה אנליסט
ישנם הרבה תפקידים שדאטה אנליסט יכול לבצע, וכאשר נשאלו האנליסטים "איזה סוג דאטה אנליסט את?" רבים מהם (כ- 35%) ציינו שהם יכולים לבצע את כל סוגי התפקידים. האם זה נכון שאנליסט המבין בנתונים יכול לבצע כל תפקיד של אנליזה? זאת שאלה מאד מעניינת אבל הסקר לא באמת יכול לענות עליה. עוד הגדרות תפקידים פופולריות שאנליסטים ציינו: 37% ציינו שהם אנליסט BI, 18% אנליסט מוצר (Product analyst) ו- 15% אנליסט שיווקי (Marketing analyst).
SQL הוא המלך של האנליסטים
מהסקר עולה נתון מאד מעניין ומרשים – מרבית האנליסטים, כ- 76%, משתמשים באופן קבוע ב- SQL כדי לבצע אנליזות. SQL היא שפת שליפות מאד ותיקה שבתעשייה כבר התחילו להספיד אותה בעת התעוררות התחום של ה- Big-data ו No-sql. אבל שפת SQL מצאה את דרכה חזרה גם לעולם הזה הודות לפשטות ולגמישות שלה. הכוח הרב של השפה מאפשר לאנליסט לענות על מרבית השאלות העסקיות שהוא נדרש אליהן בקלות ובפשטות. יש לקוות שגם החברות שמפתחות את כלי ה- BI הפופולרים (Tableau, Power BI וכדומה) יאמצו את השפה ויאפשרו לכתוב בשפת SQL במקום השפות הפנימיות שהן מפתחות בתוך הכלים שלהן.
כלי BI וויזואליזציה
בגזרת כלי הוויזואליזציה באופן לא מפתיע, האקסל הוא החבר הכי טוב של הדאטה אנליסט.
כ- 57% מהאנליסטים ציינו שהם משתמשים באקסל כדי ליצור ויזואליזציות. זה לא משנה איזה כלים חדשים יפותחו, מרבית האנליסטים יחזרו לאקסל וישמרו לו נאמנות. הקרב היותר מעניין הוא בגזרת כלי ה-BI ובמיוחד הקרב שבין Tableau לבין Power BI. שני כלי ה- self-service BI עומדים כבר מספר שנים במאבק על ליבותיהם של האנליסטים (והמנהלים שלהם). נכון לסקר זה בתחילת שנת 2020 ל- Tableauיש יתרון עם כ- 36% שימוש לעומת כ- 25% שימוש ל- Power BI. Power BI נכנסה למשחק כמה שנים אחרי Tableau והיא עושה מאמצים רבים להדביק את הפער. יהיה מעניין לעקוב אחר בהמשך אחר המגמות של כלים אלו.
כלי מעניין נוסף שמתחיל לצבור תאוצה הוא הכלי החינמי Google Studio. כ-8% מהאנליסטים ציינו שהם משתמשים בו והוא מתחיל להכנס ליותר פרויקטים. בסקר הופיעו גם כלים נוספים מבית משפחת Qlick (Qlick view ,Qlick sense) ולהם אחוז שימוש של כ- 3%.
סטטיסטיקה ומודלי ניבוי
בסקר ניסינו להבין עד כמה חשוב השימוש בסטטיסטיקה ומודלי ניבוי בעבודתו היומיומית של הדאטה אנליסט. התשובות היו חלוקות. כ- 50% מהאנליסטים ציינו שהיה צורך בידע סטטיסטי במשימות שלהם. כמו כן, כ- 80% מהאנליסטים ציינו שלא היו צריכים לכתוב מודלי ניבוי (או שכתבו מודל לעיתים נדירות). הנתונים האלה מרמזים על כך שהשוק מתחיל להכיר בהפרדה שיש בין התפקיד של דאטה סיינטיסט לבין דאטה אנליסט. אם בעבר היה בלבול במונחים בין התפקידים האלה ואיש דאטה היה מבצע את כל התפקידים, הרי שהיום יש יותר הבחנה בין התפקידים. לרוב, התפקיד של דאטה סיינטיסנט הוא לכתוב מודלי ניבוי ומערכות המלצה ואילו התפקיד של האנליסט הוא לבצע אנליזות עסקיות על הנתונים, הפקת תובנות ויצירת דוחות KPI. נתון זה מתכתב עם ההשכלה של האנליסטים שמגיעים ברובם מהתחומים של מדעי החברה וניהול (כ- 70%).
שכר
לפני שנדבר על השכר חשוב להדגיש בשנית כי המדגם אינו מדגם מייצג של כלל האנליסטים והתשובות של הנסקרים אינן בהכרח אובייקטיביות. ולאחר שאמרנו את זה צריך לשים לב שלשכר החציוני של כלל אנליסטים אין שום משמעות אלא אם הוא מפולח לפי הגורמים שמשפיעים עליו. לכן, הפילוח הראשון שעל פיו כדאי להסתכל על השכר הוא ותק בשנות העבודה.
כפי שניתן לראות בבירור בהיסטוגרמה – ככל שלאנליסט יש יותר ניסיון כך גם השכר החציוני עולה.
כאשר הרצתי את המודלKey influence של Power BI, מודל המאתר את ההשפעות על המשתנה המוסבר (במקרה שלנו שכר) – ניתן לראות שכאשר האנליסט הוא בתפקיד ניהולי יש עליה ממוצעת של כ 8 אלף ₪ בשכר החציוני.
ניתן לראות את ההשפעה של תפקיד ניהולי גם בגרף הבא:
גורם נוסף ופחות אינטואיטיבי המשפיע על השכר הוא השימוש בשפת SQL.
לאנליסטים שמשתמשים ב-SQL סיכוי לשכר גבוה יותר. זה כמובן אינו קשר סיבתי, יתכן שתפקידים הדורשים שימוש ב-SQL הם תפקידים בשכר גבוה יותר.
מעניין לציין שהמשתנה הזה לא עלה במודל של Key influence כנראה כי השונות בתוך הקטגוריות היא גבוהה וההבדלים אינם מובהקים.
לסיכום
זהו הסקר הגדול הראשון שנעשה בתחום על דאטה אנליסטים בישראל. אנחנו מקווים שבשנה הבאה יתבצע סקר נוסף ונוכל להשוות את התשובות לאלה של השנה הזאת ולבחון האם נראה שינויים במגמות שסקרתי בניתוח זה.
תודה רבה לכל מי שהשתתף בסקר.
להשתתפות בדיונים על ממצאי הסקר אתם מוזמנים להיכנס ולהיות חברים בקבוצת הפייסבוק שלנו:
Data Analytics Israel
הזכויות על המאמר שמורות ליובל מרנין.
לכל שימוש במאמר נדרש אישור מהמחבר.
.
