Содержание
Введение
Опрос проводился посредством анонимного заполнения 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:
За подготовку анкеты и обработку данных:
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
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 |
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
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
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
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
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
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
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
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
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
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
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
Наибольшая зависимость получилась от региона и опыта работы аналитиком, поэтому многие дальнейшие оценки идут в разрезе региона
Зависимость зарплаты от региона
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 |
 |  |  |
Распределение зарплаты по грейдам (в разрезе регионов)
1-trainee 2-junior 3-middle 4-senior
СПб
Москва
Другие регионы
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
Москва
Другие регионы
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
Москва
Другие
Распределение зарплаты в зависимости от исполнения лидерских обязанностей (по регионам)
В данном случае значимая разница есть только в Москве
СПб
Москва
Другие
Распределение зарплаты по типу образования (по регионам)
Значимой разницы нет
СПб
Москва
Другие
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
Москва
Другие
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
Москва
Другие
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
Москва
Другие
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
AvSalary = 69593,206 + 5523,8367 AnalystExp
AvSalary = 63361,985 + 7073,1588 AnalystExp
Москва
AvSalary = 86390,828 + 7190,352 AnalystExp
AvSalary = 82196,97 + 8096,5909 AnalystExp
Другие
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
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
Другие
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
Москва
Другие
Распределение по наличию активности внутренней и внешней (по регионам)
Статистически значимых отклонений нет
СПб
Москва
Другие
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
Москва
Другие
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.
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.