====== Введение  ======

Опрос проводился посредством анонимного заполнения анкеты в интернете с 01.08.2018 по 31.08.2018

Авторы не несут ответственности за любой прямой или косвенный ущерб, полученный в результате использования данных результатов. Вы используете результаты на свой страх и риск.

====== Хотим сказать спасибо ======
За репосты, которые позволили набрать больше ответов:
  - [[http://www.uml2.ru/|Сообществу uml2.ru]]
  - Чату игровых аналитиков в telegram (чат закрытый, чтобы попасть туда контактируйте с админами: @Eviltim или @okeyshka)
  - [[https://www.facebook.com/groups/Analiz.v.IT|Группе "Анализ в ИТ проектах"]]
  - Корпоративные собщества [[https://www.epam.com/|EPAM]], [[https://dataart.ru/|DataArt]], [[http://bia-tech.ru/|BIA-Teсhnologies]], [[https://money.yandex.ru/actions|money.yandex.ru]]
  - А так же участникам всех площадок [[http://spbcoa.ru/|нашего сообщества]]

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]]

**Благодарим всех принявших участие. Без вас ничего бы не получилось!**

====== Подготовка данных ======
Как и в прошлый раз, для снижения риска нарушения NDA мы просили указать диапазон зарплаты вместо конкретной цифры. Для анализа в качестве значения зарплаты мы брали середину диапазона. Для первого и последнего интервала были установлены значения 25 и 205 соответственно. 

Города были сгруппированы в кластеры таким образом, чтобы в них было достаточно записей для проведения анализа. Как и в прошлый раз, у нас получилось три кластера: Санкт-Петербург, Москва и Московская область, Регионы.

Предметные области, которые опрашиваемые указывали в свободной формулировке, были нами разбиты (экспертно) на несколько групп. Стоит отметить, что в этом году среди них явно выделились три новых: геймдев, ритейл и екоммерс. В прошлом году респондентов из этих областей было меньше и мы относили их просто в категорию "Прочее".

Пара замечаний о данных:
  - Некоторые респонденты с двумя высшими не указали, что у них есть высшее, а отнесли эту ситуацию к пункту "другое" (мы узнали об этом из формы обратной связи).
  - "Другой" иностранный язык - это в основном немецкий. Исключение одно - один респондент указал испанский, он был внесен в эту же группу;
  - В этом году была изменена формулировка вопроса про зарплату: мы попросили указывать значение с учетом премии (в прошлом году этого уточнения не было), если ее выдают вне зависимости от результатов работы. Из-за этого сложно сказать был ли выявленный рост зарплат из-за изменения вопроса или из-за рынка. Для проверки тенденции ждем следующего года.

В опросе приняло участие 236 человек. Все денежные значения приведены в рублях, временные - в годах. Значения шкал по оси ординат, если не написано иного, - это уровень выраженности математического критерия обработки данных, с применением которого проводился анализ.
Подробнее о том как читать "ящики с усами" можно почитать [[https://ru.wikipedia.org/wiki/%D0%AF%D1%89%D0%B8%D0%BA_%D1%81_%D1%83%D1%81%D0%B0%D0%BC%D0%B8|здесь]], а про гистограммы [[https://ru.wikipedia.org/wiki/%D0%93%D0%B8%D1%81%D1%82%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%B0|тут]].


====== Портрет среднего аналитика образца 2018 года. ======

===== Состав по регионам =====
^ Кластер ^ Респ.^ % ^
| Москва и область | 55 | 23 |
| Регионы | 44 | 19 |
| **Санкт-Петербург** | **137** | **58** |

К регионам были отнесены следующие города:
  - Новосибирск
  - Екатеринбург
  - Челябинск
  - Самара
  - Пермь
  - Иркутск
  - Казань
  - Ярославль 
  - Томск
  - Ростов-на-Дону
  - Тверь
  - Краснодар
  - Киев

Мы знаем, что Киев является столицей другой страны, но у нас портрет аналитика, без географических ограничений. Поэтому ответы киевлян также отнесены в группу Регионы.
===== Возрастной состав =====
{{:salary_survey2018:age.png?400|}}
^       ^ ^
|mean | 30.63 | 
|std | 6.62 |
|min | 20.00 |
|25% | 26.00 |
|50% | 30.00 |
|75% | 33.25 |
|max | 60.00 |
|SE | 0.43 | 

===== Распределение по стажу в ИТ =====
{{:salary_survey2018:expirience.png?400|}}
^       ^         ^
|mean | 7.60 | 
|std | 5.83 |
|min | 0.00 |
|25% | 3.00 |
|50% | 6.00 |
|75% | 10.00 |
|max | 32.00 |
|SE | 0.37 | 

===== Распределение по стажу в аналитике =====
{{:salary_survey2018:analystexp.png?400|}}
|mean | 4.63 | 
|std | 3.83 |
|min | 0.00 |
|25% | 2.00 |
|50% | 3.00 |
|75% | 6.00 |
|max | 27.00 |
|SE | 0.25 | 
===== Распределение по образованию =====

^Тип Образования^Респ.^ %  ^
|Среднее-специальное/профессиональное (техникум, училища и т.п.)|3|1| 
|**Высшее**|**209**|**89**|
|Ученая степень|14|6| 
|Другое (укажите)|10|4| 

===== Распределение по размеру компании =====
^ Численность сотрудников ^ Респ.    ^%   ^  
| 1-100                   | 29     |12  |
| 101-300                 | 45     |19  |
| 301-500                 | 25     |11    |
| 501-1000                | 34     |14    |
| 1001-1500               | 12     |5     |
| **1501+**               | **91** |**39**|

===== Распределение по типу компании =====
В этом вопросе можно было выбрать несколько пунктов, поэтому получилось 116%:

^ Тип компании ^ Респ. ^ % ^
| Продуктовая | 103 | 43 |
| **Аутсорсер** | **108** | **45** |
| Системный интегратор | 68 | 28 |

===== Распределение по тому, на какой рынок работает компания =====
^ Рынок ^ Респ. ^ % ^
|Иностранный рынок | 44 | 18 |
|Иностранный рынок (гос.структуры) | 1 | 0.04 |
|**Российский рынок** | **138** | **58,96** |
|Российский рынок (гос.структуры) | 39 | 17 |
|Сложно определить | 14 | 6 |

===== Распределение по уровню аналитика =====
^ Уровень^ Респ. ^ % ^
| Trainee | 1 | 0.04 |
| Junior | 19 | 8 |
| **Middle** | **100** | **42** |
| **Senior** | **116** | **49.96** |

===== Распределение по лидерской позиции =====

66 человек выполняют роль лидера в своих группах. Закономерно, что наибольшее число лидеров приходится на сеньорный уровень.

^ Уровень ^Число респондентов, указавших что выполняет лидерские обязанности ^% от общего числа респондентов этого уровня^
| Junior | 2 | 10,5 |
| Middle | 3 | 3 |
| **Senior** | 61 | **52** |

===== Средняя зарплата =====
{{:salary_survey2018:avsalary.png?400|}}
|mean   | 109915.25 | 
|std    | 47279.08 |
|min    | 25000 |
|25%    | 75000 |
|50%    | 105000 |
|75%    | 145000 |
|max    | 205000 |
|SE     | 3077.60 |

Как уже отмечалось, мы просили респондентов указать средний доход с учетом фиксированной, не зависящей от результатов работы, премии. В этом пункте анализируется именно он. При этом стоит отметить, что у 36% коллег есть переменная бонусная часть, которая напрямую зависит от результатов их работы.

Подавляющее большинство (96%) получает выплаты в рублях. Несколько человек в USD. Стоит отметить что в вопросе содержался недочет: у нас не было возможности указать EUR валюту или какую-либо другую.

===== Распределение по используемым языкам =====
Большинство (79%) респондентов для коммуникации по рабочим вопросам регулярно пользуются только одним языком и это русский (98%). 21% используют также и английский. Еще несколько коллег указали немецкий и испанский.

===== Распределение по предметным областям =====
^ Сфера деятельности работодателя^ Респ. ^ % ^
| ГОС | 7 | 3 |
| Геймдев | 5 | 2 |
| Документооборот | 13 | 6 |
| Информационная безопасность | 2 | 0.6 |
| Логистика | 29 | 12 |
| Медицина | 11 | 6 |
| Нефтегаз | 6 | 2.4 |
| **Прочее** | **70** | **29** |
| Ритейл | 4 | 2 |
| Телеком | 20 | 8 |
| **Финансы** | **62** | **26** |
| Электронная коммерция | 7 | 3 |

===== Распределение по наличию сертификатов =====

Сертификация не популярна: только 3% респондентов указали что у них есть профессиональные сертификаты.

===== Распределение по видам анализа =====

Ниже только результаты за вычетом тех, кто указал что выполняет больше 4х видов (на каждый вид вопрос отводил 25% рабочего времени):

{{:salary_survey2018:analysiskind_count.png?400|}}
|mean   | 2.65 | 
|std    | 1.04 |
|min    | 0|
|25%    | 2 |
|50%    | 3 |
|75%    | 4 |
|max    | 4 |

{{:salary_survey2018:analysiskindwithoutlier.png?400|}}

===== Распределение по количеству совмещаемых ролей, выполняемым в проекте =====
{{:salary_survey2018:role_count.png?400|}}
|mean   | 2.35 | 
|std    | 1.3 |
|min    | 1 |
|25%    | 1 |
|50%    | 2 |
|75%    | 3 |
|max    | 7 |

{{:salary_survey2018:roles.png?400|}}

===== Распределение по способам повышения квалификации =====
{{:salary_survey2018:risingqulificationapproach.png?600|}}

{{:salary_survey2018:risingqualificationapproach_count.png?400|}}

|mean   | 3.97 | 
|std    | 1.69 |
|min    | 0 |
|25%    | 3 |
|50%    | 4 |
|75%    | 5 |
|max    | 8 |

===== Распределение по частоте смены мест работы за последние 5 лет =====
{{:salary_survey2018:companychangenumber.png?400|}}
|mean   | 1.88 | 
|std    | 1.03 |
|min    | 0 |
|25%    | 1 |
|50%    | 2 |
|75%    | 3 |
|max    | 6 |

При этом, наибольшее количество коллег пришло на текущее место работы более двух лет назад.
^ Давность ^ Респ. ^ % ^
| Менее месяца назад | 7 | 3 |
| 1-6 месяцев назад | 35 | 15 |
| 6-12 месяцев назад | 43 | 18 |
| 1-2 года назад | 61 | 25 |
| **Более двух лет назад** | **90** | **39 ** |

====== Зависимости зарплаты от различных факторов ======

Сравнение по качественным показателям проводилось посредством F-статистики. На графиках внизу пофакторно отображены доверительные интервалы и средние.

Сравнение по количественным показателям проводилось через тест Спирмана и построение графика регрессии.

Как и в предыдущем исследовании, все сравнения даны в разрезе городов при уровне значимости p-value = 0.05.

===== От города =====
Ожидаемо, зависимость от города выражена ярко:

{{:salary_survey2018:salaryvscity.png?600|}}

Распределения внутри городов:

{{:salary_survey2018:salaryvscityquantiles.png?600|}}

===== От возраста и стажа =====

Корреляция между факторами выражена: чем старше и опытнее человек, тем больше ему платят. При этом зависимость в Москве выражена не так сильно как в Питере и Регионах:

{{:salary_survey2018:salaryvsage.png?800|}}

{{:salary_survey2018:salaryvsexperience.png?800|}}

===== От образования =====
Несмотря на то что интервалы для ученой степени в Москве и высшее образование в регионах визуально отличаются, F-статистика не признала различия значимыми:
{{:salary_survey2018:salaryvseducation.png?800|}}

===== От размера компании =====
Для Питера выявлена значимая корреляция зарплаты с размером компании: чем крупнее, тем выше. Москва и Регионы такого результата не показывают:

{{:salary_survey2018:salaryvscompanysize.png?800|}}


===== От расположения места работы и головного офиса =====
Опять же, для Питера есть значимые различия, тогда как остальные кластеры расположений его не содержат:

{{:salary_survey2018:salaryvscompanydescr.png?800|}}

===== От рынка =====

В Питере и Регионах рынок, на котором работает компания, действительно значим, тогда как в Москве - нет:

{{:salary_survey2018:salaryvsmarket.png?800|}}

===== От уровня аналитика =====

В Москве и Питере значимость этого критерия выражена ярко. В регионах чуть поменьше, но это скорее проблемы выборки чем реального положения вещей:

{{:salary_survey2018:salaryvsanalystlevel.png?800|}}


===== От лидерства =====

В Питере самая сильная связь уровня дохода и лидерской позиции, а вот в Москве и Регионах она чуть слабее:

{{:salary_survey2018:salaryvsleader.png?800|}}


===== От валюты =====

Все кластеры мест расположений офиса работодателя показали значимость, при этом в USD она выше:

{{:salary_survey2018:salaryvscurrency.png?800|}}

===== От наличия премии по результатам работы =====

Как ни парадоксально, но нет разницы между теми, у кого такая премия есть, и теми, у кого фиксированная зарплата:

{{:salary_survey2018:salaryvshasbonuses.png?800|}}

===== От количества рабочих языков =====

Использование английского языка в качестве второго рабочего дает значимый прирост дохода в Питере и Регионах:

{{:salary_survey2018:salaryvsnumoflanglang.png?800|}}

//Примечание: на диаграммах ниже  1 - используется для регулярной рабочей коммуникации//

{{:salary_survey2018:salaryvsenglish.png?800|}}

{{:salary_survey2018:salaryvsother.png?800|}}

===== От сферы деятельности работодателя=====

В целом, следующие сферы деятельности работодателя дают прирост в зарплате:
  - Финансы и Электронная коммерция (лидеры по з/п Питера); 
  - Логистика (лидер по з/п Москвы); 
  - ГОС (лидер по з/п Регионов, но при этом, сильно проигрывает в других двух регионах).

Если смотреть в целом по стране, то наиболее значимые разницы между ними в Питере. Общая картинка выглядит вот так:

{{:salary_survey2018:salaryvsdomain.png?800|}}


===== От наличия сертификата =====

Наличие сертификата для уровня дохода статистически не значимо, хотя по картинке очень хочется сказать обратное:

{{:salary_survey2018:salaryvssertification.png?800|}}

===== Зависимости от вида анализа и того сколько видов анализа человек делает =====

От самих видов анализа зависимостей нет, как и нет статистически значимой корреляции с их количеством. Но есть одна любопытная деталь: в Питере коэффициент оказался слабо отрицательным (специализация рулит?:):

{{:salary_survey2018:salaryvsnumofwork.png?800|}}


===== Зависимость от роли на проекте и от количества ролей =====

В Питере и Москве этот фактор влияет на размер зарплаты, в - регионах нет. А вот сколько ролей на проекте человек совмещает, как это ни пародоксально, значимого влияния на уровень его дохода не оказывает:

{{:salary_survey2018:salaryvsnumofroles.png?800|}}

===== От того как человек повышает свою квалификацию и сколько методов для этого использует =====

От конкретного метода зависимости нет. Но в Питере есть статистически значимая (на границе) корреляция между числом методов и зарплатой:

{{:salary_survey2018:salaryvsnumofactions.png?800|}}

===== От частоты смены мест работы и давности последней смены работы =====

Статистически значимых различий не выявлено:

{{:salary_survey2018:salaryvsnumofcompanychanges.png?800|}}

Аналогично и для давности последней смены работы (хотя Питер очень близко подошел к границе значимости для коллег работающих более двух лет на одном месте):

{{:salary_survey2018:salaryvslastworkchange.png?800|}}

====== Вместо заключения ======

Мы все еще продолжаем добывать информацию из имеющихся данных. Продолжение в следующих выпусках:)