העצה הנפוצה ביותר בחיפוש עבודה, שלחו קורות חיים לכמה שיותר מודעות, היא בדיוק הדרך לבזבז שבועות. כשמחפשים תחת הכותרת דרושים Data Analyst, אותה כותרת מסתירה תפקידים שונים לגמרי. מעסיק אחד צריך אנליסט מוצר שיגדיר מדדים וינתח משפכי המרה, מעסיק שני צריך מפיק דוחות ב-Excel, ומעסיק שלישי מחפש בפועל BI Developer או אפילו Analytics Engineer עם ETL ומחסני נתונים.

המשרה הנכונה מתחילה בהבנת התפקיד, לא בחיפוש כללי. לפני שאתם פותחים עוד לשונית, הגדירו איזה מסלול מתאים לכם, אילו כלים אתם באמת שולטים בהם, ואיזה פרויקט מוכיח את זה. SQL, Python וכלי BI אינם רשימת קישוט לקורות חיים, הם שכבות עבודה שונות. מי שמסנן לפי שכבת העבודה, ולא לפי הכותרת, חוסך ראיונות מיותרים ומגיע מוכן יותר.

הרשימה הבאה מחברת בין מקורות המשרות לבין דרישות העבודה האמיתיות. לכל מקור יש תפקיד ברור בתמהיל החיפוש, וגם מגבלה שצריך להכיר. בסוף תקבלו גם מסלול הכנה מעשי, כולל אפשרות להכשרה או להכשרה פנימית באמצעות Coding Academy של מיסטרביט למי שעדיין חסר לו בסיס מקצועי.

תוכן עניינים

• 1. LinkedIn Jobs
  • איך לסנן נכון בפלטפורמה
• 2. AllJobs
  • למי זה מתאים במיוחד
• 3. Dialog
  • מה לשאול את המגייס בשיחה הראשונה
• 4. Job Scouter
  • איך להפוך סריקה להחלטה
• 5. SecretHunter
  • למה חברות מוצר בוחנות אחרת
• 6. Indeed Israel
  • ארבעה מסלולים שמסתתרים תחת כותרת אחת
• 7. אתרי קריירה של המעסיקים Nift ו-AppsFlyer
  • איך לעקוב אחרי מעסיקים בלי לטבוע
• השוואת 7 אתרי דרושים למשרות אנליסט נתונים
• מה לעשות אחרי שמצאתם את המשרה הנכונה
  • מסלול ריאלי למי שאין לו ניסיון קודם

1. LinkedIn Jobs

אם אתם מכוונים לחברות טכנולוגיה, סטארטאפים וארגונים גדולים בישראל, התחילו בלוח המשרות של LinkedIn לתפקידי Data Analyst. היתרון אינו רק נפח המודעות. זו הפלטפורמה היחידה ברשימה שמחברת מודעה לרשת מקצועית, כך שאפשר לראות מי פרסם, מי עובד בצוות, ולפנות לאדם אמיתי במקום לשלוח קורות חיים לחור שחור.

במסגרת החיפוש תיתקלו בחברות כמו Melio, Similarweb, AppsFlyer, Plarium, Connecteam ו-G-STAT. השתמשו במסננים לפי מיקום, רמת ניסיון, תאריך פרסום וסוג משרה, והפעילו התראות. מודעה שפורסמה לפני חודש בחברה שמפרסמת מחדש כל שבוע אומרת משהו על תהליך הגיוס עצמו.

איך לסנן נכון בפלטפורמה

קראו את תיאור התפקיד לפי שכבת העבודה, לא לפי הכותרת. אם המודעה מדברת על ניסויי A/B, הגדרת אירועי מדידה וניתוח משפכים, זה תפקיד מוצר. אם היא מדברת על דשבורדים ודיווח שוטף, זה תפקיד BI. ההבחנה הזו קריטית כי שוק ההייטק הישראלי התמתן. לפי דוח רשות החדשנות על מצב ההייטק, בשנת 2024 הועסקו בישראל כ-391,000 עובדים בהייטק, ירידה של כ-1.2% לעומת 2023, הירידה הראשונה לפחות בעשור.

במצב כזה מגייסים מקבלים הרבה פניות על כל תקן. פנייה קצרה למגייס עם פרויקט אחד רלוונטי עדיפה על הגשה אנונימית. לפני הפנייה, שדרגו את הפרופיל עם תיאור של החלטה עסקית שהנתונים שלכם הובילו אליה. מידע על בניית צוותי מוצר ודאטה בפועל תמצאו באתר מיסטרביט, בית התוכנה שלנו.

החסרונות ברורים. חלק מהמשרות ישנות או מפורסמות מחדש, חלקן דורשות חשבון, ולא תמיד אפשר להגיש דרך הפלטפורמה עצמה. בדקו תאריך פרסום, ואם המודעה מפנה לאתר החברה, הגישו שם.

כלל סינון: אם אינכם יכולים להסביר במשפט אחד איזו החלטה עסקית התפקיד אמור לשפר, המודעה לא ברורה מספיק או שאינה מתאימה לכם.

2. AllJobs

מי שמחפש רק ב-LinkedIn מפספס חצי שוק. חיפוש משרות Data Analyst ב-AllJobs חושף מעסיקים שאינם סטארטאפים, ובראשם מוסדות פיננסיים, חברות ביטוח, קמעונאות וארגוני Enterprise שמחזיקים צוותי BI גדולים. בבדיקת החיפוש שבוצעה הוצגו 119 משרות באותו זמן, כולל תפקידים קרובים כמו Data & BI ו-Senior Data Analyst.

הממשק בעברית, והסינון לפי תפקיד, אזור וסוג משרה נוח. חפשו גם בעברית וגם באנגלית, כי אותו מעסיק מפרסם לעיתים "אנליסט נתונים" ולעיתים Data Analyst, והמודעות אינן מתמזגות. זו גם דרך טובה לגלות משרות מחוץ למרכז, שכלל לא מופיעות באתרי הקריירה של חברות הטכנולוגיה.

למי זה מתאים במיוחד

למועמדים בתחילת הדרך ולמי שמכוון לתפקידי BI תפעוליים. בארגונים גדולים התפקיד הראשון הוא לא פעם אנליסט בצוות פיננסים או תפעול, עם SQL ו-Power BI, ומשם מתקדמים. כשאתם מעריכים הצעה, היזהרו מהשוואות שכר גסות. לפי הערכת שכר לתפקידי Data Analyst בישראל, הטווחים נעים מ-11,000 עד 16,000 ש"ח לג'וניור ועד 25,000 עד 35,000 ש"ח לתפקידי הובלה, והפער נובע בעיקר משליטה ב-SQL וב-Python, לא מהכותרת.

המגבלות ידועות. חלק מהמודעות משוכפלות ממקורות אחרים, וחלק משירותי המועמדים בתשלום. אל תשלמו לפני שבדקתם אם אותה משרה פתוחה גם באתר המעסיק. תכנים נוספים על בניית קריירה בצוותי פיתוח ומוצר מחכים לכם בעמוד הבית של מיסטרביט.

השימוש הנכון ב-AllJobs הוא כרדאר שוק. סקרו אותו פעמיים בשבוע, סמנו מעסיקים שחוזרים על עצמם, והגישו דרך המקור הרשמי כשאפשר.

3. Dialog

לפעמים הבעיה אינה חוסר משרות אלא חוסר התאמה. Dialog היא חברת גיוס המתמחה בהייטק הישראלי, ובדף משרות ה-Data Analyst של Dialog תמצאו תפקידי אנליטיקה, Product Analyst ותפקידים קשורים. ההבדל מלוח משרות הוא המגייס. אדם שמכיר את הלקוח יכול לומר לכם אם התפקיד הוא באמת אנליטיקה מוצרית או הפקת דוחות בכותרת נוצצת.

הייעוץ האישי עובד לפי ניסיון, העדפות ומיקום, והוא שווה במיוחד כשאתם נמצאים בין מסלולים. מועמד עם SQL חזק ו-Power BI אבל בלי Python מתאים לתפקידי BI מסוימים ולא לאחרים. מגייס טוב יצמצם את טווח החיפוש במקום לפזר אתכם על כל מודעה.

מה לשאול את המגייס בשיחה הראשונה

• סוג התפקיד בפועל: האם מדובר בבעלות על מדדים והחלטות, או בעיקר בדיווח שוטף להנהלה.
• שכבת העבודה: שאילתות ודשבורדים בלבד, או גם ETL, מידול נתונים ועבודה מול מחסן נתונים.
• ממשקי העבודה: למי מדווחים, Product, Finance או Engineering, ומה רמת העצמאות.
• טווח שכר אמיתי: שכר שהמעסיק אישר, לא הערכה כללית של השוק.

הנקודה האחרונה חשובה כי מקורות השכר בישראל אינם אחידים. לפי פילוח שכר לפי ותק בתפקידי דאטה, החציון עומד על כ-12,600 ש"ח לג'וניור, כ-19,000 ש"ח לבעלי שנתיים עד חמש שנות ניסיון וכ-23,750 ש"ח לבעלי יותר מחמש שנות ניסיון, בעוד מקורות אחרים מציגים טווחים גבוהים יותר בחברות הייטק. הפער משקף תפקידים שונים, לא טעות.

המגבלה היא שההיצע תלוי במשרות הפתוחות אצל לקוחות החברה באותו רגע, ושהוא אינו מייצג את כל השוק. שלבו את Dialog עם חיפוש עצמאי, וקראו מאמרים מקצועיים נוספים בבלוג של מיסטרביט כדי לחדד את שיקול הדעת לפני ראיונות.

4. Job Scouter

אם אתם רוצים תמונת שוק מהירה בלי לדפדף בעשרה לוחות, מאגר המשרות של Job Scouter מאחד מודעות ממקורות שונים בישראל, כולל לוחות משרות ואתרי קריירה של מעסיקים. בעת הבדיקה הוצגו בו 86 משרות ב-53 חברות, לצד מידע על אזורים ומעסיקים ולעיתים תאריך הופעת המודעה.

הערך האמיתי של אגרגטור כזה הוא זיהוי כפילויות. אותה משרה מופיעה לא פעם בשלושה לוחות בניסוחים שונים, ומי שמגיש לשלושתם נראה לא ממוקד. כשרואים את כל ההופעות במקום אחד, קל לאתר את המקור, להבין איזו חברה מגייסת באמת, ולהגיש פעם אחת דרך הערוץ הנכון.

איך להפוך סריקה להחלטה

בנו רשימה קצרה של חברות שחוזרות על עצמן ובדקו מה הן בונות. חברת SaaS שמגייסת אנליסט לצוות מוצר צריכה הגדרת מדדי שימוש ומשפכים. ארגון Enterprise שמגייס לצוות BI צריך דיווח אמין, ממשל נתונים ועבודה עם הרשאות. ההכנה לראיון שונה לגמרי בין השניים, אף שהכותרת זהה.

המאגר מציג גם מידע על שכר, אבל התייחסו אליו כנקודת השוואה בלבד. שכר שאינו מגיע מהמעסיק עצמו הוא הערכה, ולעיתים הערכת מודל. אי הבהירות הזו בולטת במיוחד במשרות כניסה, שבהן הטווחים משתנים מאוד בין מקורות.

משרה שמופיעה בשלוש פלטפורמות אינה שלוש הזדמנויות. היא הזדמנות אחת שצריך להגיש אליה פעם אחת, במקום הנכון.

החיסרון המובנה הוא שצריך לאמת כל מודעה במקור ולהגיש שם, כי משרות נסגרות או משתנות אחרי שהופיעו במאגר. השתמשו ב-Job Scouter למפת שוק שבועית, לא כערוץ הגשה יחיד. כך תדעו אילו חברות מגייסות בפועל, באילו אזורים, ובאיזו רמת בכירות, לפני שאתם משקיעים שעות בהתאמת קורות חיים.

5. SecretHunter

למי שמכוון ספציפית לחברות טכנולוגיה וסטארטאפים, עמוד משרות ה-Data Analyst של SecretHunter חוסך את הסיבוב הידני בין עשרות אתרי קריירה. האתר מציין שהוא אוסף משרות ישירות מאתרי הקריירה של חברות, ובין הדוגמאות שהוצגו בו היו Plarium, Lemonade, MalamTeam ו-TELUS Digital. בחלק מהמשרות אפשר להגיש ישירות מתוך העמוד.

המיקוד הוא היתרון וגם המגבלה. תמצאו כאן תפקידים באנגלית ובחברות עם פעילות גלובלית, בתחומי מוצר, BI ואנליטיקה, אבל פחות משרות של ארגונים מסורתיים. למי שמחפש תפקיד ראשון בארגון גדול ויציב, זה לא המקור הראשון. למי שרוצה להיכנס לחברת מוצר, זו קיצור דרך אמיתי.

למה חברות מוצר בוחנות אחרת

חברות שמפתחות מוצרי SaaS ופתרונות AI לא מחפשות רק מפיק דוחות. לפי סקר הלשכה המרכזית לסטטיסטיקה על שימוש בבינה מלאכותית בעסקים, כ-60% מעסקי ההייטק השתמשו ב-AI בתהליכים העסקיים, לעומת כ-28% מכלל העסקים, ו-55% מעסקי ההייטק דיווחו על שימוש בשירותי AI בתשלום. אנליסט בסביבה כזו צריך לבדוק איכות מידע, לפרש פלטי מודלים ולחבר נתונים להחלטות מוצר.

לכן, כשאתם מגישים דרך SecretHunter, צרפו פרויקט שמדגים שיקול דעת, לא רק שליטה בכלי. ניתוח משפך עם נתונים חסרים, שבו אתם מסבירים אילו הנחות עשיתם ומה אי אפשר להסיק, שווה יותר מעוד דשבורד יפה.

לפני ההגשה ודאו שהתפקיד עדיין פתוח ובדקו את פרטי המשרה המקוריים באתר החברה. איסוף אוטומטי אינו מבטיח עדכניות, ומודעה שירדה מאתר הקריירה לא תחזור לחיים כי הגשתם דרך אגרגטור.

6. Indeed Israel

התחלה טובה למי שעדיין לא יודע אילו חברות מגייסות היא חיפוש רחב לפי מילות מפתח ומיקום. בחיפוש משרות Data Analyst ב-Indeed ישראל תוכלו לחפש גם לפי וריאנטים כמו דאטה אנליסט, אנליסט נתונים, Business Analyst ו-Product Analyst, ולגלות מודעות שמנוסחות אחרת לגמרי מאלה שבלוחות הישראליים. החיפוש זמין ללא תשלום.

הרוחב הזה חושף בעיה מבנית בשוק. תחת אותה כותרת תמצאו אנליטיקה עסקית ומכירות, מדידה ארגונית, Big Data, פיתוח ETL ומחסני נתונים, ואפילו מודעות שדורשות מודלי Machine Learning. זו בדיוק הסיבה שחיפוש לפי כותרת בלבד מייצר רעש. קראו את רשימת הדרישות וזהו את המסלול לפני שאתם משקיעים בהגשה.

ארבעה מסלולים שמסתתרים תחת כותרת אחת

• אנליסט מוצר: הגדרת מדדים, ניסויי A/B, אירועי מדידה ומשפכי המרה מול צוותי Product ו-Engineering.
• אנליסט BI: SQL, דשבורדים ב-Power BI או Tableau ותהליכי דיווח סדורים להנהלה.
• אנליסט עסקי או תפעולי: ניתוח מכירות, פיננסים או תפעול, לרוב עם Excel ו-SQL וממשק צמוד למנהלים.
• אנליסט עם אוריינטציית Data Engineering: ETL, איכות נתונים, מחסני נתונים ולעיתים הכנת נתונים למודלים.

התחרות על מומחי נתונים חוצה את המסלולים האלה. רשות החדשנות העריכה את הביקוש בישראל לכוח אדם בתחומי הליבה של ה-AI בכ-2,434 עובדים, כולל Data Scientists ו-Data Engineers, לפי דוח ההון האנושי בתחום הבינה המלאכותית. מועמד שיודע לאן הוא מכוון לא מתחרה מול כולם בבת אחת.

החסרונות של Indeed הם כפילויות, מודעות לא מדויקות ולעיתים מיושנות. בדקו תמיד תאריך פרסום ואת אתר ההגשה המקורי. השתמשו فيه כמקור משלים ללוחות הישראליים ולאתרי הקריירה, לא כמקור יחיד.

7. אתרי קריירה של המעסיקים Nift ו-AppsFlyer

המקור האמין ביותר הוא תמיד המעסיק עצמו. הגשה ישירה דרך אתר הקריירה נותנת את תיאור התפקיד הרשמי, את דרישות הניסיון המלאות ואת ערוץ ההגשה הנכון. בתוצאות החיפוש הופיעו משרת Data Analyst בעמוד משרות Nift ב-Greenhouse עם ציון עבודה מרחוק מישראל, ומשרת Business Data Analyst באתר הקריירה של AppsFlyer. בדקו אם התפקידים עדיין פתוחים לפני שאתם מתחילים להתכונן.

ההקשר המלא של החברה משנה את ההכנה. באתר הקריירה רואים אילו צוותים נוספים מגויסים במקביל, וזה רמז עבה לסדרי העדיפויות. חברה שמגייסת אנליסט יחד עם מפתחי Python ומהנדסי ענן בונה כנראה תשתית מוצר מבוססת נתונים. חברה שמגייסת רק אנליסט אחד לצוות Finance מחפשת משהו אחר לגמרי.

איך לעקוב אחרי מעסיקים בלי לטבוע

בחרו עשר עד חמש עשרה חברות יעד, לא יותר. הירשמו להתראות באתרי הקריירה שלהן, וסקרו אותן אחת לשבוע. מעסיקים מפרסמים בזמנים ובדרכים שונים, ומשרה שמופיעה בתוצאת חיפוש עשויה כבר להיות סגורה, לכן אין טעם לרענן עמודים מדי יום.

סביבת העבודה הישראלית מחזקת את הגישה הזו. בדוח ממשלתי על הבינה המלאכותית צוין כי ישראל דורגה במקום הרביעי בעולם במספר סטארטאפי ה-AI שגייסו מימון, ובמקום הראשון ביחס לגודל האוכלוסייה, לפי הדוח הממשלתי על בינה מלאכותית בישראל. ריכוז כזה של חברות מוצר אומר שמעסיקים רבים בוחנים במטלת בית על נתונים אמיתיים, עם חוסרים והטיות, ולא בשאלון תיאורטי.

המגבלה ברורה, אי אפשר לסרוק את כל השוק דרך אתרי קריירה בודדים. שלבו מעקב ישיר אחרי חברות יעד עם אגרגטור אחד ולוח ישראלי אחד. זה תמהיל שמכסה את השוק בלי להפוך את החיפוש למשרה מלאה בפני עצמה.

השוואת 7 אתרי דרושים למשרות אנליסט נתונים

פלטפורמה	מורכבות השימוש	משאבים נדרשים	תוצאות צפויות	שימוש אידיאלי	יתרון מרכזי
לינקדאין	נמוכה	חיפוש, התראות ויצירת קשר מקצועי	מגוון משרות וקשרים ישירים בחברות	חיפוש בהייטק ובאנליטיקת מוצר	אפשר לזהות מגייסים ועובדים ולפנות אליהם
אולג׳ובס	נמוכה	חיפוש וסינון באתר	משרות נתונים, בינה עסקית ותפקידים קשורים	סריקת שוק העבודה הישראלי במגוון ענפים	ממשק בעברית וסינון לפי אזור ותפקיד
דיאלוג	בינונית	פנייה למגייס ושיתוף פרטים מקצועיים	התאמה אישית למשרות רלוונטיות	חיפוש בהייטק עם ליווי של מגייס	קשר אישי וסיוע בהערכת התאמה
ג׳וב סקאוטר	נמוכה	סקירת המאגר ואימות המשרה במקור	תמונת מצב מרוכזת של משרות ומעסיקים	השוואת הזדמנויות בין חברות ואזורים	מאחד משרות ממקורות שונים
סיקרט האנטר	נמוכה	חיפוש ואימות פרטי המשרה	משרות אנליטיקה בחברות טכנולוגיה וסטארטאפים	חיפוש ממוקד בחברות טכנולוגיה	מרכז משרות מאתרי קריירה של חברות
אינדיד ישראל	נמוכה	חיפוש לפי מילות מפתח ומיקום	משרות במגוון ניסוחים ומקורות	הרחבת החיפוש בעזרת מונחים בעברית ובאנגלית	קל להתחיל ומספק מקור חיפוש משלים
אתרי הקריירה של ניפט ואפספלייר	בינונית	בדיקה נפרדת של אתרי החברות והגשה ישירה	פרטי תפקיד רשמיים והגשה למעסיק	מועמדות לחברות מסוימות	מידע רשמי ומפורט, עם פחות הסתמכות על מודעות משוכפלות

מה לעשות אחרי שמצאתם את המשרה הנכונה

מציאת המודעה היא החלק הקל. הצעד הראשון הוא בדיקת חפיפה. עברו על דרישות התפקיד וסמנו מה אתם יודעים להוכיח בפרויקט, לא מה שראיתם פעם בקורס. אם חסר לכם Window Functions ב-SQL או טיפול בנתונים חסרים ב-Python, סגרו את הפער הזה ספציפית לפני הראיון, כי מבחנים טכניים בתפקידים האלה כוללים בדיוק את זה, לצד JOIN, בדיקת עקביות KPI ובניית דשבורד קצר.

הפרויקט שתציגו צריך לספר על החלטה, לא על קוד. בחרו שאלה עסקית אחת, למשל למה שיעור ההמרה ירד בערוץ מסוים, והציגו את מקורות הנתונים, את בדיקות האיכות שעשיתם, את המדד שהגדרתם ואת ההמלצה. זה חשוב מתמיד משום שהעבודה משתנה. לפי סקר הלמ"ס המעודכן על אימוץ AI בעסקים, השימוש בבינה מלאכותית לייצור מוצרים ושירותים הגיע לכ-65% בענפי ההייטק, ו-54% מעסקי ההייטק המשתמשים ב-AI עשו זאת באמצעות שירותים בתשלום. אנליסט שיודע לתעד מקור נתונים, להבחין בין נתון מערכתי לפלט הסתברותי של מודל, ולבנות ולידציה לפני הצגת תוצאה להנהלה, מביא ערך שכלי אוטומטי לא מחליף. הראו בפרויקט גם איך הייתם מטפלים בהרשאות ובמידע רגיש, נושא שעולה כמעט בכל ארגון Enterprise שעובד עם ענן ו-APIs חיצוניים.

מסלול ריאלי למי שאין לו ניסיון קודם

שלוש אפשרויות עומדות בפניכם, ולכל אחת מחיר אחר בזמן ובכסף. קורס מקצועי נותן מסגרת ומשמעת אבל לא מחליף תיק עבודות. פרויקט עצמאי מדיד זול יותר ומוכיח יכולת, אבל דורש משמעת עצמית ובחירת בעיה עסקית אמיתית, לא עוד ניתוח של מאגר ציבורי משומש. הכשרה פנימית באמצעות Coding Academy של מיסטרביט מתאימה למי שרוצה בסיס פיתוח רחב יותר, עם Python, עבודה מעשית וחיבור לפרויקטים אמיתיים, שמשם אפשר להתקדם לתפקידי דאטה או פיתוח. הבחירה הנכונה תלויה בתקציב, בזמן הפנוי וברמת העצמאות שלכם, ולא בהבטחות שיווקיות של אף גורם.

לקראת הראיון תרגלו תשובות מבניות. כשמבקשים מכם לנתח ירידה במכירות, התחילו מהגדרת המדד, עברו לפילוח לפי ערוץ, תקופה וקהל, ציינו אילו נתונים חסרים, וסיימו בהחלטה אחת שאפשר לבדוק. מראיינים מחפשים סדר מחשבתי ושיקול דעת לגבי מגבלות הנתונים, לא רשימת כלים. להתכונן כך לשלושה או ארבעה תרחישים שווה יותר מלשלוח עוד עשרים קורות חיים.

בשורה התחתונה, בנו תמהיל חיפוש של שלושה מקורות לכל היותר, זהו את המסלול שמאחורי כל כותרת, והשקיעו את הזמן שנחסך בפרויקט אחד שמוכיח חשיבה עסקית. זו הדרך לבנות קריירה עקבית ומדידה, לא רק למצוא את המשרה הבאה.

---

מיסטרביט מלווה סטארטאפים וארגונים בבניית מוצרים מבוססי נתונים, משלב הארכיטקטורה ומחסני הנתונים ועד פיתוח מערכות SaaS, פתרונות AI וחיזוק צוותי פיתוח במודל Team Extension. אם אתם מגייסים אנליסטים ומפתחים לצוות מוצר, או מתלבטים איך לבנות תשתית דאטה שתומכת בהחלטות אמיתיות, בקרו באתר מיסטרביט ותאמו שיחת ייעוץ עם הצוות שלנו.