====== Введение ====== Опрос проводился посредством анонимного заполнения [[https://www.survio.com/survey/d/V9J2A3T6X5C6U8L3T|анкеты]] в интернете с 16.06.2017 по 19.07.2017 Авторы не несут ответственности за любой прямой или косвенный ущерб, полученный в результате использования данных результатов. Вы используете результаты на свой страх и риск. Анализ не претендует на абсолютную анатомичность, и, хотя мы и пытались смотреть доверительные интервалы и оценивать разницу в средних по статистическим критериям, мы могли это делать неправильно. Если вы умеете это делать правильно, то с удовольствием примем вашу помощь. Составляя опросник мы преследовали две цели. Получить ответ на вопрос сколько получают аналитики. И попробовать выявить разные факторы, которые могут влиять на зарплату. Последнее было выражено в ряде гипотез, которые уже заложены в конкретные вопросы. ====== Хотим сказать спасибо ====== За репосты, которые позволили набрать больше ответов: - [[http://www.uml2.ru/|Сообществу uml2.ru]] - [[https://t.me/gameanalysts|Чату игровых аналитиков]] - [[https://www.facebook.com/groups/Analiz.v.IT|Группе "Анализ в ИТ проектах"]] За подготовку анкеты и обработку данных: * [[https://www.facebook.com/profile.php?id=100005700075635|Артему Митропольскому]] * [[https://www.facebook.com/tatyana.spiridonova.334|Татьяне Спиридоновой]] * [[https://www.facebook.com/sokolovskynik|Николаю Соколовскому]] А так же всем принявшим участие. Без вас ничего бы не получилось! ====== Подготовка данных ====== Для уменьшения рисков нарушения NDA мы просили указать зарплату в виде диапазона. При обработке нам были нужны числа, поэтому средняя зарплата была установлена в середину диапазона. При этом в диапазонах до 25000 и 170000+ было всего по 4 записи, для них средняя зарплата была установлена в 20000 и 175000 соответственно Регион проживания был разбит на 3 группы: 1 – Санкт-Петербург, 2 – Москва и Московская область, 3 – прочее. Это было сделано не случайно, предварительный анализ показал, что есть статистически значимая разница в зарплатах между этими группами. Предметная область, которую опрашиваемые могли указать свободным текстом была примерно разбита на несколько групп: нефтегаз, финансы, телеком, ИБ, ГОС, логистика, здравоохранение, документооборот. Разбиение делалось вручную, поэтому могло быть недостаточно качественно сделанным Есть исключение по количеству внешних выступлений: 1 человек выступал 50 раз. В анализе, использующем информацию о количестве внешних выступлений его игнорируем. Также у двух записей было отрицательное значение количества выступлений. ====== Основная информация ====== В опросе поучаствовало 173 человека из 21 региона. В основном это Санкт-Петербург (89 человек, 51%), Москва и область (52 чел, 30%), Татарстан (10 чел. 5,7%). ====== Средний аналитик ====== Наш “средний” аналитик - это человек 30 лет, работающий 7.7 (основная масса 2-15) лет в ИТ из них 4.3 года в роли аналитика (основная масса 1-9 лет). Почти не выступающий публично ни внутри компаний, ни на внешних мероприятиях (1.7 и 0.7 выступлений за два года). Этот человек использует в работе, если использует (89 из 173), то скорее всего только одним иностранный язык - английский (89 из 173), реже немецкий (1 из 173). Использующих французский, китайский и другие языки - нет. Двое используют только английский. На работе он выполняет от 3 до 5 видов работ совмещая от двух до 5 ролей сводящихся к выполнению от 3 до 5 видов анализа. Впрочем достаточно много (45 из 173) тех, кто не занимается совмещением. За все это средний аналитик получает 95000 руб. на руки. Интересно, что основной разброс составляет 45-145 т.р. с двумя пиками на 65 и 105. Зависимостей с каким-ти факторами для этих пиков мы не нашли. ===== Распределение по возрастам ===== {{:salary_survey2017:рисунок1.png?300 |}} **Quantiles** |100.0% | maximum | 59,000 | |99.5% | | 59,000 | |97.5% | | 43,650 | |90.0% | | 38,000 | |75.0% | quartile | 33,000 | |50.0% | median | 30,000 | |25.0% | quartile | 27,000 | |10.0% | | 25,000 | |2.5% | | 22,000 | |0.5% | | 20,000 | |0.0% | minimum | 20,000 **Moments** | Mean | 30,745665 | | Std Dev | 5,6839274 | | Std Err Mean | 0,432141 | | upper 95% Mean | 31,598647 | | lower 95% Mean | 29,892682 | ===== Распределение по стажу в ИТ ===== {{:salary_survey2017:рисунок2.png?300 |}} **Quantiles** |100.0% | maximum | 30 | |99.5% | | 30 | |97.5% | | 20 | |90.0% | | 15 | |75.0% | quartile | 10 | |50.0% | median | 7 | |25.0% | quartile | 4 | |10.0% | | 2 | |2.5% | | 1 | |0.5% | | 0 | |0.0% | minimum | 0 | **Moments** | Mean | 7,7572254 | | Std Dev | 4,8857907 | | Std Err Mean | 0,3714598 | | upper 95% Mean | 8,4904321 | | lower 95% Mean | 7,0240187 | ===== Распределение по стажу в аналитике ===== {{:salary_survey2017:рисунок3.png?300 |}} **Quantiles** |100.0% | maximum | 21 | |99.5% | | 21 | |97.5% | | 14,65 | |90.0% | | 9 | |75.0% | quartile | 6 | |50.0% | median | 4 | |25.0% | quartile | 2 | |10.0% | | 1 | |2.5% | | 0 | |0.5% | | -1 | |0.0% | minimum | -1 | **Moments** | Mean | 4,3641618 | | Std Dev | 3,5683181 | | Std Err Mean | 0,2712942 | | upper 95% Mean | 4,899656 | | lower 95% Mean | 3,828667 | ===== Распределение по образованию ===== {{:salary_survey2017:рисунок4.png?300 |}} **Frequencies** | Level | Count | Prob | | Высшее | 159 | 0.9 | | Два высших | 1 | 0.0 | | Среднее-специальное/профессиональное (техникум, училища и т.п.) | 4 | 0.0 | | Ученая степень | 8 | 0.0 | | незаконченное высшее | 1| 0.0 | ===== Распределение по типу образования ===== {{:salary_survey2017:рисунок5.png?300 |}} **Frequencies** | Level | Count | Prob | | есть оба | 16 | 0.092 | | ничего не подходит | 30 | 0.17 | | релевантно ИТ в целом | 97 | 0.56 | | релевантно предметной области | 30 | 0.17 | Если вы посмотрите на цифры на распределении по образованию и здесь, то увидите, что количество не совпадает. Видимо, кто-то считает свое единственное высшее образование релевантным и ИТ и предметной области, что, в принципе, возможно, например, если я работаю в ИТ для ИТ ===== Распределение по заработной плате ===== {{:salary_survey2017:рисунок6.png?300 |}} **Quantiles** |100.0% | maximum | 175000 | |99.5% | | 175000 | |97.5% | | 175000 | |90.0% | | 145000 | |75.0% | quartile | 115000 | |50.0% | median | 95000 | |25.0% | quartile | 65000 | |10.0% | | 45000 | |2.5% | | 28500 | |0.5% | | 25000 | |0.0% | minimum | 25000 | **Moments** | Mean | 93554.913 | | Std Dev | 36974.121 | | Std Err Mean | 2811.09 | | upper 95% Mean | 99103.59 | | lower 95% Mean | 88006.236 | ===== Распределение по активности внутри компании ===== {{:salary_survey2017:рисунок7.png?300 |}} **Quantiles** |100.0% | maximum | 23 | |99.5% | | 23 | |97.5% | | 10 | |90.0% | | 4 | |75.0% | quartile | 2 | |50.0% | median | 1 | |25.0% | quartile | 0 | |10.0% | | 0 | |2.5% | | 0 | |0.5% | | 0 | |0.0% | minimum | 0 | **Moments** | Mean | 1.67 | | Std Dev | 3.01 | | Std Err Mean | 0.22 | | upper 95% Mean | 2.12 | | lower 95% Mean | 1.21 | ===== Распределение по внешней активности ===== {{:salary_survey2017:рисунок9.png?300 |}} **Quantiles** |100.0% | maximum | 5 | |99.5% | | 5 | |97.5% | | 3 | |90.0% | | 2 | |75.0% | quartile | 1 | |50.0% | median | 0 | |25.0% | quartile | 0 | |10.0% | | 0 | |2.5% | | 0 | |0.5% | | 0 | |0.0% | minimum | 0 | **Moments** | Mean | 0.5 | | Std Dev | 1.01 | | Std Err Mean | 0.077 | | upper 95% Mean | 0.662 | | lower 95% Mean | 0.355 | ===== Распределение по количеству типов работ ===== {{:salary_survey2017:рисунок10.png?300 |}} **Quantiles** |100.0% | maximum | 12 | |99.5% | | 12 | |97.5% | | 8.65 | |90.0% | | 6 | |75.0% | quartile | 4 | |50.0% | median | 3 | |25.0% | quartile | 2 | |10.0% | | 1 | |2.5% | | 0 | |0.5% | | 0 | |0.0% | minimum | 0 | **Moments** | Mean | 3.41 | | Std Dev | 1.98 | | Std Err Mean | 0.15 | | upper 95% Mean | 3.708 | | lower 95% Mean | 3.112 | ===== Распределение по количеству ролей ===== {{:salary_survey2017:рисунок11.png?300 |}} **Quantiles** |100.0% | maximum | 7 | |99.5% | | 7 | |97.5% | | 6 | |90.0% | | 4 | |75.0% | quartile | 3 | |50.0% | median | 2 | |25.0% | quartile | 1 | |10.0% | | 1 | |2.5% | | 1 | |0.5% | | 1 | |0.0% | minimum | 1 | **Moments** | Mean | 2.52 | | Std Dev | 1.305 | | Std Err Mean | 0.099 | | upper 95% Mean | 2.716 | | lower 95% Mean | 2.324 | ===== Распределение количеству видов анализа ===== {{:salary_survey2017:рисунок12.png?300 |}} **Quantiles** |100.0% | maximum | 9 | |99.5% | | 9 | |97.5% | | 8 | |90.0% | | 7 | |75.0% | quartile | 5 | |50.0% | median | 4 | |25.0% | quartile | 3 | |10.0% | | 2 | |2.5% | | 1 | |0.5% | | 0 | |0.0% | minimum | 0 | **Moments** | Mean | 4.277 | | Std Dev | 1.893 | | Std Err Mean | 0.143 | | upper 95% Mean | 4.561 | | lower 95% Mean | 3.993 | ====== От чего зависит зарплата? ====== Мы старались проверить максимальное число гипотез. в частности проверяли зависит ли зарплата от: * Региона * Стажа * Грейда * Количества ролей * Количества обязанностей * Лидерства * Сертификатов * Образования * Размера компании * Рынка * Канала найма * Типа компании * Предметной области * Активности сотрудника * Смены работы * И еще чего-нибудь {{:salary_survey2017:рисунок14.png?500|}} Наибольшая зависимость получилась от региона и опыта работы аналитиком, поэтому многие дальнейшие оценки идут в разрезе региона ===== Зависимость зарплаты от региона ===== {{:salary_survey2017:рисунок15.png?300|}} 1-Санкт-Петербург 2-Москва 4-Другие регионы Распределение зарплаты в целом не совсем похоже на нормальное, поэтому трудно сказать, приемлемо ли использование критерия Стьюдента, но и Стьюдент и Краскал-Уоллис показали значимую разницу в средних. Поэтому в дальнейшем будем анализировать влияние факторов в разрезе регионов. Распределения зарплат в разрезе регионов более «нормальные». | Спб | Москва | Другие | | {{:salary_survey2017:рисунок16.png?200 |}} | {{:salary_survey2017:рисунок17.png?200 |}} | {{:salary_survey2017:рисунок18.png?200 |}} | ==== Распределение зарплаты по грейдам (в разрезе регионов) ==== 1-trainee 2-junior 3-middle 4-senior === СПб === {{:salary_survey2017:рисунок19.png?300|}} === Москва === {{:salary_survey2017:рисунок20.png?300|}} === Другие регионы === {{:salary_survey2017:рисунок21.png?300|}} ==== Распределение зарплаты по количеству ролей (по регионам) ==== Значимой зависимости нет. Если считать количество ролей не по порядковой шкале, а по шкале отношений (continuous), то тоже нет. Так что не тешьте себя надеждой, что выполнение еще одной роли увеличит ваш доход === СПб === {{:salary_survey2017:рисунок22.png?300|}} === Москва === {{:salary_survey2017:рисунок23.png?300|}} === Другие регионы === {{:salary_survey2017:рисунок24.png?300|}} ==== Распределение зарплаты по количеству обязанностей (по регионам) ==== Можно попробовать найти значимую зависимость между зарплатой соответствующей конкретным количествам выполняемых работ. Может даже между кластерами. Например, картинка по Москве как бы намекает, что какая-то зависимость есть. Однако, учитывая нечеткость, накладываемую как формулировкой вопроса, так и возможностями его трактовки опрашиваемыми, мы бы не рекомендовали делать из этого далеко идущие выводы === СПб === {{:salary_survey2017:рисунок25.png?300|}} === Москва === {{:salary_survey2017:рисунок26.png?300|}} === Другие === {{:salary_survey2017:рисунок27.png?300|}} ==== Распределение зарплаты в зависимости от исполнения лидерских обязанностей (по регионам) ==== В данном случае значимая разница есть только в Москве === СПб === {{:salary_survey2017:рисунок28.png?300|}} === Москва === {{:salary_survey2017:рисунок29.png?300|}} === Другие === {{:salary_survey2017:рисунок30.png?300|}} ==== Распределение зарплаты по типу образования (по регионам) ==== Значимой разницы нет === СПб === {{:salary_survey2017:рисунок31.png?300|}} === Москва === {{:salary_survey2017:рисунок32.png?300|}} === Другие === {{:salary_survey2017:рисунок33.png?300|}} ==== Распределение по размеру компании (по регионам) ==== Распределение по размеру компании не совсем верно смотреть в разрезе регионов, ведь кто-то может работать в местной компании, а кто-то нет. Но и не совсем верно смотреть без регионов, так как специфика регионов вносит искажения. Также не совсем верно смотреть их в разрезе регион+тип компании, потому что местная компания для Москвы может оказаться аутсорсером для Казани. А может и не оказаться. Но из всех зол мы выбрали одно и посмотрели в разрезе регионов. 1: <100; 2:100-300; 3:300-500; 4:500-1000; 5:1000-1500; 6:>15000 Глядя на эти графики возникла мысль, что, может быть, в Москве и Питере таки выгоднее работать в очень большой компании. Это подтвердилось только для Питера. В компаниях 1500+ получше, чем в других. === СПб === {{:salary_survey2017:рисунок34.png?300|}} === Москва === {{:salary_survey2017:рисунок35.png?300|}} === Другие === {{:salary_survey2017:рисунок36.png?300|}} ==== Распределение по рынку (по регионам) ==== Интересно, что в Москве не нашлось аналитиков, работающих в компаниях, работающих только на иностранный рынок. Более глубокое изучение показало, что в Питере есть значимая разница работать в компании на местном рынке или имеющем выход на иностранные. Второе предпочтительнее. === СПб === {{:salary_survey2017:рисунок37.png?300|}} === Москва === {{:salary_survey2017:рисунок38.png?300|}} === Другие === {{:salary_survey2017:рисунок39.png?300|}} ==== Распределение по каналу найма (по регионам) ==== 1 – по знакомству, 2 – схантили, 3 –сайты вакансий, 4 – официальные сайты компаний. Статистически значимых отличий не обнаружено, хотя может показаться, что в Москве и Питере лучше, чтобы тебя хантили. === СПб === {{:salary_survey2017:рисунок40.png?300|}} === Москва === {{:salary_survey2017:рисунок41.png?300|}} === Другие === {{:salary_survey2017:рисунок42.png?300|}} ==== Распределение по стажу (по регионам) ==== Красный эллипс – это Bivariative normal ellipse P=0.9 Зеленая линия – линейное приближение Синяя линия – линейной приближение без учета вышедших за пределы эллипса Это, конечно, очень грубое приближение, и отклонение на краях должны быть больше, но можете попробовать прикинуть соответствие вашего опыта аналитика зарплате === СПб === {{:salary_survey2017:рисунок43.png?300|}} AvSalary = 69593,206 + 5523,8367 AnalystExp AvSalary = 63361,985 + 7073,1588 AnalystExp === Москва === {{:salary_survey2017:рисунок44.png?300|}} AvSalary = 86390,828 + 7190,352 AnalystExp AvSalary = 82196,97 + 8096,5909 AnalystExp === Другие === {{:salary_survey2017:рисунок45.png?300|}} AvSalary = 44924,242 + 2853,5354 AnalystExp AvSalary = 38919,406 + 3653,7596 AnalystExp ==== Распределение по типу компании (по регионам) ==== 1 - Мое место работы и головной офис компании находятся в одном регионе России. 2 - Мое место работы находится в России, головной офис компании находится за границей. 3 - Мое место работы и головной офис компании находятся за границей 4 - Мое место работы и головной офис компании находятся в разных регионах России === СПб === {{:salary_survey2017:рисунок46.png?300|}} === Москва === Интересно, что в Москву аутсорсят мало, и, как и ожидалось, в Питере выгоднее работать на иностранную компанию, в прочих регионах на не местные компании {{:salary_survey2017:рисунок47.png?300|}} === Другие === {{:salary_survey2017:рисунок48.png?300|}} ==== Распределение по предметной области (по регионам) ==== Если вы в Москве – расслабьтесь. Если в Питере – переходите из документооборота в телеком или финансы. Если в других регионах – не очень понятно === СПб === {{:salary_survey2017:рисунок49.png?300|}} === Москва === {{:salary_survey2017:рисунок50.png?300|}} === Другие === {{:salary_survey2017:рисунок51.png?300|}} ==== Распределение по наличию активности внутренней и внешней (по регионам) ==== Статистически значимых отклонений нет === СПб === {{:salary_survey2017:рисунок52.png?300|}} {{:salary_survey2017:рисунок53.png?300|}} === Москва === {{:salary_survey2017:рисунок54.png?300|}} {{:salary_survey2017:рисунок55.png?300|}} === Другие === {{:salary_survey2017:рисунок56.png?300|}} {{:salary_survey2017:рисунок57.png?300|}} ==== Распределение по количеству работ и времени последней смены работы (по регионам) ==== Статистической разницы нет, хотя, глядя на графики, хочется сделать какие-то выводы LastWorkChangeMark: 0:до месяца, 1: 1-6 месяцев, 2:0.5-1 год, 3:1-2 года, 4: >2 лет === СПб === {{:salary_survey2017:рисунок58.png?300|}} {{:salary_survey2017:рисунок59.png?300|}} === Москва === {{:salary_survey2017:рисунок60.png?300|}} {{:salary_survey2017:рисунок61.png?300|}} === Другие === {{:salary_survey2017:рисунок62.png?300|}} {{:salary_survey2017:рисунок63.png?300|}} ==== Другие интересные зависимости ==== Также проверка показала, что наличие отдельных признаков значимо связано с уровнем зарплаты. Для Санкт-Петербурга таким признаком оказалось выполнение роли бизнес-аналитика. Для Москвы - выполнение деятельности по управлению требованиями и деятельности по анализу решений и архитектуре. Для других регионов - участие во внутренних тренингах, участив в специализированных конференциях и обучение на онлайн-курсах. И если первый два частично объясняются тем, что не местные компании чаще устраивают всякое обучение и поощряют участие в конференциях, то чем объяснить более высокие зарплаты тех, кто проходил Online-курсы – непонятно. {{:salary_survey2017:рисунок64.png?300|}} {{:salary_survey2017:рисунок65.png?300|}} {{:salary_survey2017:рисунок66.png?300|}} {{:salary_survey2017:рисунок67.png?300|}} {{:salary_survey2017:рисунок68.png?300|}} {{:salary_survey2017:рисунок69.png?300|}} ====== Я аналитик и хочу много денег, что мне делать? ======= ==== СПб ==== Попробуйте устроиться в иностранную компанию-аутсорсер или в просто работающую на иностранный рынок, устройтесь в очень большую компанию, смените документооборот на телеком или финансы и попробуйте сместить акцент своей работы в сторону бизнес-анализа ==== Москва ==== Возьмите на себя роль лидера, займитесь управлением требованиями, а лучше анализом решений и архитектурой ==== Другие ==== Переезжайте или попробуйте устроиться на работу в не местную компанию. Также значимым оказалось участие во внутренних тренингах, специализированных конференциях и онлайн-курсах.