Mentionsy

Kiedy zaczynamy przygodę z analizą danych, to trochę zastanawiamy się jakie są etapy tej analizy danych, jakie są etapy naszej kariery, a przynajmniej część z nas powinna się nad tym zastanawiać, bo inaczej tkwimy w takim ciągłym robieniu wykresów, tabelek, obliczeń i trochę nie wiemy dokąd nas to prowadzi.

Moim zdaniem jest bardzo ważne, żeby sobie taką mapę kariery narysować wcześniej, żeby widzieć, dokąd te ścieżki mogą nas prowadzić.

Będzie polegała na różnych rzeczach i to nie zawsze będą po prostu wykresy, tabelki i obliczenia, choć w dużej mierze oczywiście tak, dlatego lubimy to robić.

Wypisałem sobie Reporting Specialist dlatego, że właśnie bardzo często w ogóle rola analityczna nie będzie miała nawet analiz w tytule.

Tu też polecam do tego, żeby jak szukacie sobie roli analitycznej, żeby niekoniecznie wpisywać analityk albo analiz, bo może takiej dokładnie roli koło was nie będzie, ale będzie coś związanego z raportowaniem.

Tutaj najczęściej będziemy pracowali sobie na Excelu i na SQLu i będą to raczej takie proste rzeczy, rzeczy na wyeksportowanych danych z jakichś systemach.

Prawda jest taka, że nie jest to ani ratowanie biznesu, ani produkowanie jakichś niesamowitych insightów.

To jest takie standardowe raportowanie, pilnowanie, żeby to raportowanie było OK, odpowiadanie na naprawdę relatywnie proste pytania biznesowe.

Tutaj te błędy, które ja sobie wypisałem, czyli strach przed zadawaniem pytań, myślenie, że wszystko trzeba znać od razu, to się często pojawia na tych początkowych etapach kariery, ale warto się tego wystrzegać, dlatego że my się trochę uczymy i jest to naturalne, że my się uczymy,

Najgorszą rzeczą, jaką junior może robić w firmie, to jest przepalać inne zasoby, czyli my zatrudniliśmy człowieka i teraz ten człowiek, ja wiem, że on robi podstawowe rzeczy, ja wiem, że on zadaje pytania, to jest ok, ale jednocześnie jesteśmy w stanie mu zaufać, jesteśmy w stanie go zostawić i on jakiś taki prosty task sam zrobi, jest jakimś takim self-starterem, to jest bardzo ważne.

Żeby wejść troszeczkę wyżej, musimy się przestawić z takiego trybu robienia raportów na rozumienia, czego ten raport dotyczy, co on pokazuje, co potrafi wyjaśnić.

One nie są jakieś może bardzo zaawansowane jeszcze na tym etapie, ale one będą się pojawiać i tutaj od razu mówię, że trzeba mieć w sobie też pokorę.

Z kompetencji mamy tą analityczną triadę, czyli Excel, SQL, Power BI, jeżeli chodzi o wizualizację danych.

Ona ma dostarczyć jakiś sens biznesowy.

Jeżeli oczywiście robimy jakąś przełomową rzecz, że wskazujemy, że teraz nie róbmy A, teraz róbmy B, teraz nie sprzedawajmy zielonego, teraz sprzedawajmy niebieskie,

Dlatego bardzo ważna jest komunikacja z osobami nietechnicznymi, zadawanie dobrych pytań, już pewnego rodzaju taka samodzielność i ustawianie sobie, które zadania są ważniejsze, które są mniej ważne.

Pracując w Zoplus, zadawałem sobie pytanie, dobrze, na czym Zoplus naprawdę zarabia?

Czy Zoplus zarabia po prostu na tym, że sprzedaje karmę dla psów i kotów, czy może jest to troszeczkę bardziej złożone?

Mawia w jeden określony standard i tak naprawdę zarabia na napojach.

Jeżeli jesteśmy kinem, to jeżeli chodzi o firmy, to tak sobie wychodzimy marżowo.

I to jest ważne dla analityka, żeby mieć taką ciekawość biznesu, że jeżeli teraz na przykład gdzieś pracujesz, to zadaj sobie pytanie, na czym naprawdę zarabiamy.

Spróbuj sobie zadać to pytanie, bo to moim zdaniem

Dlatego też wygrywają osoby, tak tutaj sobie to wypisałem, które po prostu wiedzą, co się dzieje, dlaczego się to dzieje i co warto robić, tak biznesowo ogólnie.

Oczywiście, że pod spodem jest ta umiejętność techniczna, czyli mamy tego SQL, Excela, Power BI, Tableau, ale ta umiejętność biznesowa, byśmy powiedzieli nawet, też zaczyna być ważna.

Nieważne, że dla biznesu jest nieprzydatne, dla nas się to wydaje ciekawe.

Jeżeli myślisz o przebranżowieniu, chcesz zmienić poradcę albo poprawić swoje umiejętności, albo przekonać się, czy analiza danych jest dla Ciebie, to zachęcam Cię do KajoData Space.

Wszystko jest w jednym miejscu, więc kursy z Excela, Power Query, Power BI, Tableau, Pythona, wszystko absolutnie w jednym miejscu.

Do tego olbrzymia społeczność zaangażowanych ludzi, plus mój mentoring, plus nagrania i webinary z mnóstwem ekspertów.

Daj sobie szansę na rozwój i wbijaj na kajodata.com.

Z seniorem jest bowiem taka paradoksalna sytuacja, że na tym poziomie firma nie płaci ci za samoanalizowanie danych, tylko płaci ci za spokój, jakość i wpływ na biznes.

SQL, BI, modelowanie danych, automatyzacja pracy.

Co jest ważne dla biznesu?

To oznacza, że przestaniemy być rozliczani z tasków, które wykonujemy, tylko raczej z całego procesu, raczej z całej takiej stabilności, byśmy powiedzieli.

Która wynika z wszystkich rzeczy, które my robimy, żeby to wszystko nam tutaj działało sobie.

Ta stabilność jest naprawdę dosyć ważna.

Próbujemy wszystko robić samemu.

I teraz pytanie, co zrobić dalej?

Co zrobić, żeby wejść do tej roli, która tutaj już się nam na dole pomalutku pojawia?

Po pierwsze, przestawić się z myślenia, że ja coś robię, na środowisko coś robi.

Co oznacza, że bierzemy na siebie trudne rzeczy, ale uspokajamy chaos, rozwijamy innych, rozwijamy firmę i po prostu jesteśmy naprawdę ważną częścią tego biznesu.

Także z tego powodu, że ta stabilność, tak jak wspominałem wcześniej, ma po prostu bardzo duże znaczenie.

Czasem tę rolę troszeczkę pełni BI Developer, w sensie...

Jeszcze nie jest tak często wypisywany Analytics Engineer, ale ta rola inżynierii analitycznej po prostu zaczyna być często taką zauważalną, samoistną częścią biznesu, którą trzeba obsłużyć.

Bo o ile wcześniej, jakby nawet jako senior robiłeś trudne tematy analityczne, tak teraz schodzisz poziom niżej i zdajesz sobie sprawę, że żeby robić łatwe tematy, średnie tematy, trudne tematy, to wszystko potrzebuje jakiegoś jednego silnika.

Spójrzmy sobie w ogóle na typowe zadania.

Będziemy na tym etapie być może, ja byłem w tej sytuacji przynajmniej, jakby z nostalgią wspominać te dni, kiedy rzeźbiliśmy dashboard i tam były jakieś rezultaty.

Jeżeli ktoś lubi trochę, powiem to może to jest takie nieoczywiste, zarządzać chaosem, bo często firmy są chaotyczne na takim

ja coś sobie stworzę w piątek, dojdę do jakiegoś etapu z tym raportem, pójdę na np.

A to oznacza, że już nie ma tego, co ci pokazywałem wcześniej, że po prostu wchodzimy coraz głębiej, tylko teraz wchodzimy

To my zrozumiemy, że kurde, myśmy dwa lata temu zdecydowali, że jeżeli chodzi o na przykład serwery związane z Tableau albo z Power BI, to zrobimy to w ten sposób.

I po dwóch latach, jak to już nie jest Greenfield, czyli czysty projekt, na którym się super szybko rzeźbi, tylko mamy dziesiątki dependencji, jakichś legacy systemów, jakichś workaroundów, bo potrzebowaliśmy to zrobić dla zewnętrznego partnera i tak dalej, wtedy się okazuje,

Będziemy częściej na tym etapie dostawać komplementy od innych analityków niż od biznesu.

Nieoczywiste tutaj, ale należy pamiętać, że na tym etapie z tych błędów, które ja tutaj wypisałem, najważniejszym błędem, którego należy unikać, jest budowanie pod siebie, a nie pod użytkownika.

Z engineeringiem, z BI-em, z security i z managementem.

Ludźmi, którzy też pełnią jakieś analytics engineer role i jeszcze ludźmi z biznesu.

I mądrość, dojrzałość tej roli polega na tym, że my to bierzemy na klatę.

Jeżeli sobie spojrzymy na kompetencje, to myślę, że takim najważniejszym tutaj novum, ono już było wcześniej troszeczkę, ale to jest obsługa clouda w sensie performance'u i kosztów.

To, ten cloud, to bezpieczeństwo i ten performance, to wszystko się łączy z tym, że my współpracujemy z engineeringiem, z BI Security, z managementem.

Powiem tak, to jest zajebiście ciekawe, ale to jest bardzo trudne, bo tak jak się domyślasz, na tym etapie nie jesteś w stanie robić...

Jesteś w stanie robić takie mikro kroczki, mikro przesunięcia.

I nie wiem, czy kojarzycie, że to było tak, że zanim on został tym prezydentem, to on mógł robić tam niezłe przekręty, nie?

Tu robić to, tu robić tamto.

On nie robi show, on po prostu sprawia, że ta firma działa, że to wszystko działa, że jesteśmy w stanie mu zaufać.

Czyli wybieranie modnych narzędzi zamiast właściwych, zbyt skomplikowana architektura, ignorowanie kosztów, projektowanie jakiegoś takiego idealnego świata zamiast realnego.

I teraz można sobie zadawać pytania, co dalej, bo dla wielu ludzi to będzie koniec drogi.

Wybacz, że wbijam się w temat.

Chciałem tylko przypomnieć, że najlepsze kursy z analizy danych, z wszystkich najważniejszych technologii, takich jak Excel, SQL, Power Query, Power BI, Tableau, Python i wiele więcej znajdziesz na mojej stronie kajodata.com.

Jesteśmy w stanie to zrobić.

Bo zobacz, jeżeli sobie spojrzymy na typowe zadania, to co my tu mamy?

Jak mamy szczęście, to mamy jakiegoś MLOpsa albo DevOpsa, ale często nie mamy i sami musimy to wszystko robić od takiej inżynierii danych na wejściu,

Dobrze by było, żeby nasza znajomość biznesu była tutaj na bardzo wysokim poziomie, no bo my nie robimy analiz w sensie tego, co się wydarzyło w przeszłości i tam podebatujmy, tylko my projektujemy modele

To jest czasem życie albo śmierć dla biznesu.

To są bardzo ciekawe, bardzo trudne rzeczy, a jednocześnie w jakimś sensie fascynujące, bo to jest naprawdę z jednej strony trudne, żeby robić to dobrze, ale z drugiej strony jest to osiągalne dla analityka.

Tutaj z mojej strony chciałem ci zarekomendować, jeżeli masz taką okazję i chciałbyś tego spróbować, zobaczyć, dotknąć, to jest u mnie kurs Wstęp do Data Science w Pythonie i tam razem z Katarzyną Zieliną, która jest autorką nagrań, pokazujemy, jak to wszystko zrobić.

Czyli ja zakładam, że już jakieś podstawy Pythona masz, bo rzeczywiście to trzeba zrobić.

I wtedy jesteś w stanie nagle zdać sobie sprawę, że to nie jest tak, że jest świat analizy danych, później długo, długo, długo nic i później jest jakiś magiczny Data Science, do którego ty nie dojdziesz.

Tylko to jest obok siebie.

To jest obok siebie i ty jesteś w stanie przejść do tego pokoju data science'owego.

Jest to pokój lepiej płatny, z lepszą przyszłością, ciekawszy też w dużym stopniu, bo no ileż można robić filtrów i wykresów i obliczeń.

A jeżeli robimy model starający się w jakimś sensie przewidzieć przyszłość, przewidzieć dane, zobaczyć co się może wydarzyć i

To jest ta kluczowa różnica, więc jeżeli chciałbyś poznać, to gorąco Cię zapraszam, żebyś sobie na ten kurs wszedł i rzeczywiście zobaczył, czy jesteś w stanie.

I rzeczywiście zobaczył, że to jest coś, co może być dla ciebie wspaniałą przygodą i, umówmy się, zdobyciem superkompetencji, które ci bardzo, bardzo pomogą w twoim rozwoju zawodowym.

To znaczy, żeby umieć powiedzieć sobie,

Projektujemy takiego naszego mini pracownika, który pracuje za nas, który właśnie tam analizuje, kategoryzuje, robi rekomendacje, robi forecasting.

Ale niewątpliwie, jeżeli się wrócimy na moment do tej głównej rozpiski, to widzisz, że tak naprawdę możemy sobie wybrać, gdzie chcemy zakończyć.

Wydaje mi się, że bardzo ważne jest, by każdy z nas, pracując w roli analitycznej, zdał sobie sprawę, że to jest w zasięgu jego ręki.

To jest w zasięgu ręki, żeby spróbować, żeby porobić jakieś proste modele, bo tak samo jak kiedyś się uczyłeś Excela, SQL-a, Power BI-a, czegokolwiek, jak robiłeś pierwsze joiny i ci się to wydawało skomplikowane, jak robiłeś pierwsze pętle w Pythonie i ci się wydawało skomplikowane, tak samo pierwsze modele będą ci się wydawały skomplikowane, a później będzie to dla ciebie automatyczne, będziesz po prostu

Mam nadzieję, że ta ścieżka była dla ciebie ciekawa.