Data Analyst 2025 - co musisz umieć? || Praca analityka danych dzisiaj - technologie i AI

Punkt nr 2 jest fundament, to są po prostu ziemniaczki ze schabem, jeżeli chodzi o świat analizy danych, czyli SQL. SQL jest fundamentem dlatego, że dane, które są podstawą analizy danych, są w bazach danych głównie, w 95%. I teraz, jeżeli ktoś jest super high fintech startupowcem i mówi mi, że on korzysta z nierelacyjnej bazy danych, wspaniale, ale reprezentujesz 3% dla core'u ludzi, którzy są zainteresowani analizą danych, SQL i korzystanie z relacyjnej bazy danych, czyli MySQL, Oracle, Microsoft, Presto, wszystko co sobie tam wymyślisz. To jest kluczowe. Jest to kluczowe, żeby ponownie to poznać na bardzo dobrym poziomie.

I tutaj nie tylko chodzi o to, co jest na przykład w Excelu, czyli że mamy formuły, syntaks i tak dalej, ale w SQLu najważniejsze jest łączenie źródeł danych, czyli de facto łączenie ze sobą różnych tabel. Operacje join, operacje union, co się dzieje w trakcie agregowania, kiedy agregujemy, mamy mnóstwo tabel, co się dzieje przy window functions, czyli tych funkcjach analitycznych, jak to się często tłumaczy po polsku, co się dzieje, jeżeli robimy zapytania zagnieżdżone, to jest bardzo ważne. I to jest u mnie wciąż 70-80% pracy. Czy to sprawdzania czegoś, czy to tworzenia podwalin pod jakiś zestaw dashboardów, Tworzenia widoków czy w ogóle warstw analitycznych, na których później inni będą tworzyli swoje widoki czy tabele, to praca z kodem w SQLu naprawdę jest rzeczą, którą robię najczęściej z rzeczy technicznych.

Ona zajmuje najwięcej czasu. I ja wiem, że osoby początkujące mają ten problem, że ciężko im się dostać do Rzeczywiście takich zestawów danych, które reprezentują biznes, więc tutaj odsyłam do KajoData Space, tam się dzielę swoimi danymi z KajoData, przynajmniej będziesz miał takie dane biznesowe, będziesz sobie mógł pobawić się SQL-em na prawdziwym zestawie danych. Natomiast jeżeli chodzi o SQL-a, to naprawdę ta umiejętność pisania i czytania kodu, zarówno jedno jak i drugie, czyli pisanie i czytanie kodu jest ważne. Natomiast dodam jeszcze, żeby się nie bawić jako analityk danych w bycie administratorem bazy danych. Oczywiście dobrze wiedzieć, co robi indeks, co robi partycja, kiedy się używa jednego, kiedy drugiego. Natomiast konstruowanie całej bazy danych, konstruowanie tego, jakich tam mamy użytkowników, to w ogóle nie jest twoja praca.

To nie jest twoja praca, nie ma co się na tym skupiać. Dobrze jest to wiedzieć, ale wiesz, masz tyle rzeczy do panowania jako przyszły analityk danych, że musisz sobie jednak wybierać rzeczy najważniejsze. Także rzeczy najważniejsze to są selekty, złożone selekty, Najczęściej takie, które mają bardzo dużo tabel i w których te zapytania są dosyć złożone. I mówiąc wprost, tutaj jestem trochę rozczarowany, dlatego że wciąż nie ma takiej bardzo dobrej integracji, jak ja bym chciał, która pozwoliłaby mi optymalizować ten kod na dobrym poziomie. Może się kiedyś doczekamy takiego kursora dla SQL, który byłby bezpieczny, łatwy do włączenia, ale to wciąż nie jest to. Ponieważ, wiesz, to jest operacja na żywym pacjencie. Ja sobie nie mogę pozwolić, żeby tutaj szły mi jakieś rzeczy, których ja nie chcę.

Często jest tak, że pracujemy na bazach danych, w których my płacimy za każde zapytanie, a to oznacza, to oznacza, że zapytanie jest ważne, że to nie jest tak, że my sobie możemy tam wysyłać selekta za selektem i tam srał to pies, nie? To jest naprawdę ważne i to oznacza, że oczywiście korzystam z AI do tego, żeby sobie sprawdzić, czy ten SQL jest optymalny, czy jeżeli, wiesz, mam taki brain fog, to się każdemu zdarza, Praca analityka danych dzisiaj – technologie i AI. Praca analityka danych dzisiaj – technologie i AI. Praca analityka danych dzisiaj – technologie i AI.

I to nie jest takie hop-siup, jak się komuś wydaje, że ty dostaniesz 1000 linijek kodu SQL, bo tam jest kilka widoków, się odpytuje z 40 tabel i że analityk to jest taki piękny umysł, on od razu wszystko rozczyta. No nie, to wymaga pracy, wymaga zagłębienia się w tym, wymaga sprawdzenia czemu tak jest. Biznes często jest związany z tym, że my robimy rzeczy szybko, a nie dokładnie, w związku z tym tam nie ma jakiejś super dokumentacji. I tutaj AI naprawdę się bardzo przydaje, ale to znowu nie jest przydanie się na zasadzie o, analitycy zostaną zastąpieni, tylko po prostu powoduje, że pracujemy lepiej, pracuje się nam przyjemniej tak naprawdę. Takie naprawdę gówniane rzeczy zostają outsourcowane, więc moim zdaniem warto z tego korzystać też. Natomiast tutaj też podstawy i fundamenty Są nie do zastąpienia, bo nie ma takiej możliwości, że ty będziesz pracował jako analityk danych i nie będziesz umiał policzyć retencji klientów, czy lojalności, że nie będziesz umiał robić joina.

To wszystko jest dosyć ważne. Te wymagania też poszły trochę do góry, np. funkcje analityczne. Kiedyś to był taki Nice Have, teraz moim zdaniem to już jest Must Have. Czyli tam Lead, Lag, Partition By, te wszystkie rzeczy powinny jakieś tam dzwonki w tobie uruchamiać, że ty wiesz o co chodzi. Więc to jest dosyć ważne i SQL po prostu pozostaje fundamentem. Hej, sorry, że wbijam się w temat, ale chciałem tylko przypomnieć, że na mojej stronie kajodata.com znajdziesz dostęp do społeczności i platformy dla analityków danych, gdzie jest mnóstwo świetnych materiałów i pełne wersje kursów z Excela, SQL, Pythona i Tableau, a także webinary z Power BI, więc gorąco zachęcam kajodata.com. Ok, wracamy do tematu. Power BI tudzież Tableau. Mówię Power BI tudzież Tableau, dlatego że w zależności od tego, w jakiej firmie pracujesz, będziesz miał jedno albo drugie, albo, jak czasem się też zdarza, i jedno i drugie.