Mentionsy

W pracy biurowej i analitycznej najwięcej wygrywa ten, kto potrafi dobrać właściwe narzędzie do konkretnego problemu.

Zacznijmy od Excela, bo to Twój interfejs, takie narzędzie, przez które rozmawiasz z rzeczywistością biznesową.

To miejsce, w którym dane przestają być abstrakcyjnym zbiorem rekordów, a zaczynają opowiadać pewną historię.

W Excelu najłatwiej coś zobaczyć, sprawdzić, porównać, przefiltrować, skomentować, a także pokazać drugiej osobie.

Kolumn, wierszy, filtrów, agregacji, błędów danych, logiki raportu, ale także potrzeb odbiorcy.

Tutaj zaczyna się dramat wielu specjalistów, no bo skoro Excel tak dobrze działa na początku, no to pojawia się pokus, ażeby zrobić z nim już wszystko.

Jeśli masz 50 tabel z różnych obszarów firmy, chcesz część z nich połączyć, odfiltrować i mieć pewność, że za tydzień zrobisz dokładnie to samo bez ręcznej gimnastyki, SQL jest naturalnym krokiem dalej.

Zaczynasz pobierać tylko to, co naprawdę potrzebne.

Pokazuje, że nie jesteś tylko użytkownikiem raportu, ale osobą, która umie zejść głębiej do warstwy danych.

To otwiera drogę do ról analitycznych, BI, raportowych, kontrolingowych i wielu innych.

Pobierasz sobie dane w SQLu, a później analizujesz i komunikujesz je przy pomocy Excela.

Nie każda osoba biurowa potrzebuje Pythona.

Python staje się bardzo mocny wtedy, gdy Twoja praca zaczyna przekraczać granice tego, co wygodnie robi się w połączeniu SQL-a i Excela.

To narzędzie dla sytuacji, w których chcesz zrobić coś bardziej elastycznego, bardziej złożonego albo po prostu powtarzalnego aż do bólu.

Potrzebujesz pobrać dane z API, przerobić je, zapisać wyniki i jeszcze wysłać gotowy raport?

Python brzmi nowocześnie, ambitnie, no i tak technicznie.

Uczysz się składni, środowisk, bibliotek, błędów, logik.

Taka osoba wie, czym jest tabela, filtr, agregacja, czym są joiny, jakość danych, raport końcowy, no i czym w zasadzie jest potrzeba biznesowa wokół której budujemy przecież wszystkie te raporty.

Najpierw Excel, no bo daje taki szybki zwrot, osadza cię w rzeczywistości biznesowej i uczy myślenia na danych.

Potem SQL, no bo uczy pobierania danych we właściwy sposób ze źródła, często z baz danych.

Jeśli pracujesz typowo w biznesowej roli, być może przez dłuższy czas wystarczy Ci sama dobra znajomość Excela i być może jakieś podstawy SQL-a.

Te narzędzia nie zastępują całego Pythona, ani też całego SQL-a, ale potrafią bardzo dobrze nauczyć myślenia procesem pobierania i czyszczenia danych, a także ich analizy w skali.

Pokazuje, że dane nie muszą być co tydzień obrabiane ręcznie.

Gdybym dziś miał doradzić osobie, która chce mocno zwiększyć swoją wartość na rynku pracy, powiedziałbym tak, opanuj sobie Excela na fajnym poziomie, takim, który pozwala ci analizować i przedstawiać dane.

Następnie naucz SQL-a na tyle, żeby samodzielnie pobierać i łączyć dane z większych źródeł.

Mówił dla ciebie Michał Kowalczyk, a to był Excellent Work Podcast.