Maj 2026 roku to dla mnie bardzo ważny moment. Po ponad siedmiu latach spędzonych w świecie danych, w tym trzech latach na stanowisku Data Architekta, zamykam pewien korporacyjny rozdział i przechodzę całkowicie „na swoje”, by w stu procentach poświęcić się budowaniu KajoData. To czas podsumowań i głębszych refleksji nad tym, jak ewoluuje nasza branża.
Na moim kanale YouTube regularnie zadajecie mi mnóstwo pytań. Dotyczą one najróżniejszych aspektów naszej pracy – od twardych technologii, przez rekrutacyjne zmagania, aż po lęki związane ze sztuczną inteligencją. Postanowiłem zebrać te najciekawsze i stworzyć z nich kompleksowy przewodnik. Jeśli zastanawiasz się, czy angielski jest w IT absolutnie kluczowy, jak pokonać barierę braku doświadczenia albo czy w wieku 36 lat można rzucić pracę fizyczną i usiąść za biurkiem, to ten tekst jest właśnie dla Ciebie. Przygotuj sobie dobrą kawę i przejdźmy do konkretów.
Czy angielski to faktycznie „być albo nie być” w IT?
Jedno z najczęstszych pytań, jakie dostaję, dotyczy języka angielskiego. W wielu moich materiałach skupiam się na technologiach – na Pythonie, SQL-u czy Power BI. Rzadziej mówię o językach obcych, co często wywołuje u Was niepokój. Pytacie, jak to wygląda na etapie rekrutacji i czy ten słynny poziom B2, który pojawia się w co drugim ogłoszeniu, jest barierą nie do przejścia.
Prawda jest taka, że angielski jest w tej branży absolutnie niezbędny. Jednak – i tu ważna uwaga – jest on potrzebny na zupełnie innym poziomie, niż się zazwyczaj ludziom wydaje. Złoty standard B2 wymieniany przez działy HR to często tylko puste hasło. Nikt w firmie technologicznej nie będzie wymagał od Ciebie pokazywania certyfikatów językowych i nikt nie będzie sprawdzał z linijką Twojej znajomości gramatyki.
To, co interesuje Twojego przyszłego pracodawcę i zespół, to odpowiedź na dwa proste pytania: czy potrafisz się dogadać i czy potrafisz słuchać ze zrozumieniem. Wiele osób nie docenia swoich własnych umiejętności. Mają potężny zasób słownictwa z dokumentacji technicznej, ale blokują się w mowie. Pamiętajcie, że dzisiejsze firmy to środowiska na wskroś międzynarodowe. Będziecie pracować z ludźmi z Indii, Hiszpanii, Niemiec czy Brazylii. Spotkacie się z dziesiątkami różnych akcentów, z których żaden nie przypomina perfekcyjnego brytyjskiego z podręczników.
Zamiast martwić się o certyfikaty, zacznijcie po prostu mówić. Jeśli przygotowujecie się do rozmowy kwalifikacyjnej, potrenujcie odpowiadanie na standardowe pytania rekrutacyjne na głos, po angielsku. Sama wprawa w artykułowaniu myśli znacząco obniży Wasz stres.
Syndrom oszusta: Jak sobie z nim radzić, gdy kod nie działa?
„Jak sobie poradziłeś z syndromem impostora?” – to pytanie, które niezwykle ze mną rezonuje. Imposter syndrome, czyli poczucie, że jesteśmy oszustami i za chwilę wszyscy odkryją, że tak naprawdę nic nie umiemy, to zjawisko absolutnie normalne w IT. Pojawia się u juniorów, midów, seniorów i architektów.
W mojej drodze analitycznej najważniejsze było znalezienie sposobu na głębokie skupienie. Nie byłem osobą, która z każdą blokadą od razu biegała do innych po pomoc. Mi osobiście najbardziej pomagało zderzenie się z problemem i niemal obsesyjne myślenie o nim. Zamykałem się w bańce i szukałem rozwiązania. Paradoksalnie, to rozwiązanie rzadko przychodziło w momencie najwyższego skupienia. Zazwyczaj olśnienie uderzało mnie, gdy na moment odpuszczałem – szedłem zrobić herbatę, wychodziłem z pracy, brałem prysznic.
Jednak to właśnie ta wcześniejsza faza głębokiego, wręcz chorobliwego skupienia na problemie torowała drogę do rozwiązania. Z czasem, gdy przechodziłem na wyższe poziomy zaawansowania technicznego, stawałem się coraz bardziej odporny na syndrom oszusta. Dlaczego? Ponieważ moje własne doświadczenie zaczęło udowadniać mojemu mózgowi, że wprowadza mnie w błąd. Nawet jeśli pojawiał się nowy, przerażający problem i myślałem „tym razem sobie nie poradzę”, mogłem spojrzeć wstecz i przypomnieć sobie dziesiątki podobnych sytuacji, z których wyszedłem obronną ręką. Doświadczenie buduje odporność.
Zostań analitykiem danych – dołącz do KajoDataSpace!
Najlepsza ścieżka do zawodu analityka danych. Dostęp do pełnych wersji kursów online z Excela, SQLa, PowerBI, Tableau i Pythona z certyfikatami!
🟨 Ekskluzywana ale pomagająca sobie społeczność.
🟩 Ponad 75 godzin materiałów video.
🟨 Spotkania LIVE co miesiąc.
🟩 Mój osobisty mentoring.
Inżynieria danych jako naturalny krok i zazębianie się ról
Często pytacie, czy chcąc zostać Data Engineerem, trzeba najpierw przejść przez rolę analityka danych, szczególnie jeśli myślicie docelowo o obszarze Machine Learningu (ML). Tutaj muszę użyć tej najmniej lubianej w IT odpowiedzi: to zależy.
Jeśli masz już zaplecze techniczne, programowałeś wcześniej lub dobrze znasz systemy bazodanowe, startowanie od razu na inżyniera danych jest jak najbardziej możliwe. Jeśli jednak takiego doświadczenia nie masz, bezpośredni skok może być bolesny.
Warto zauważyć, że współczesne role w IT bardzo mocno się zazębiają. Inżynierowie danych coraz częściej muszą rozumieć analitykę, a analitycy danych nierzadko dbają o pipeline’y zasilające ich dashboardy. Stąd też rosnąca popularność ról takich jak Analytics Engineer. To fantastyczna, czwarta ścieżka rozwoju (o trzech głównych pisałem w jednym z poprzednich artykułów), która flirtuje zarówno z elementami programistycznymi, jak i data science.
Zawsze powtarzam, że analitykiem danych może zostać bardzo wiele osób, ponieważ wielu z nas analizuje dane w swojej obecnej pracy, nawet o tym nie wiedząc. Handlowcy, logistycy, księgowi – wszyscy oni raportują, wyciągają wnioski i pracują na liczbach. Przejście na analityka polega po prostu na sprofesjonalizowaniu tego wycinka ich dotychczasowej pracy. W KajoDataSpace mamy wiele materiałów pokazujących, jak zidentyfikować i wykorzystać te umiejętności z poprzednich ról w procesie przebranżowienia.
Przebranżowienie z pracy fizycznej – czy w wieku 36 lat to ma sens?
To jeden z najbardziej fascynujących wątków. Dostaję wiadomości od osób w okolicach 35-40 roku życia, które całe życie pracowały wyłącznie fizycznie i pytają, czy pchanie się w kierunku analizy danych ma w ogóle sens.
Zauważcie pewien paradoks. W mediach często romantyzuje się pracę fizyczną – słyszymy, że to zawody odporne na sztuczną inteligencję, bezpieczne i „prawdziwe”. Tymczasem sami pracownicy fizyczni kontaktują się ze mną, bo znają tę drugą stronę medalu. Wiedzą, że to praca ciężka, często mało płatna, w trudnych warunkach, potężnie obciążająca zdrowie. Nikogo nie powinno dziwić, że chcą uciec do „pracy za biurkiem”, jakkolwiek pejoratywnie ten termin by czasem nie brzmiał.
Czy to jest trudne w wieku 36 lat? Bardzo. Gdybyś miał 22 lata, problem w ogóle by nie istniał. W wieku 36 lat czeka Cię kawał ciężkiej pracy. Kluczowym wyzwaniem jest to, by przyszły pracodawca potrafił wyobrazić sobie Ciebie w biurowym środowisku korporacyjnym. Jeśli przez 15 lat układałeś kostkę brukową, ten przeskok kulturowy i wizerunkowy jest ogromny.
Dlatego w takich przypadkach często rekomenduję strategię małych kroków. Łatwiej jest najpierw przejść do prostszej roli biurowej – obsługi klienta czy wsparcia administracyjnego. Tam oswajasz się ze środowiskiem, budujesz CV w obszarze pracy umysłowej i zaczynasz wprowadzać elementy raportowania i pracy z danymi.
Czy to możliwe do zrobienia bezpośrednio? Tak. W społeczności KajoDataSpace mieliśmy już przykłady osób takich jak Daniel – kierowca zawodowy, który z sukcesem przeszedł proces przebranżowienia, nie mając wcześniej nic wspólnego z danymi. Lojalnie ostrzegam, że to trudna ścieżka. Zawsze jednak warto zadać sobie pytanie o alternatywę. Wyobraź sobie siebie w swojej obecnej, ciężkiej fizycznie pracy i zapytaj uczciwie: „Jak będzie wyglądało moje zdrowie i życie za 5 lat?”. Czasami trudne przebranżowienie jest po prostu jedyną sensowną drogą ratunku.
Studia IT, ogólny rozwój i praca z biznesem
Co jest lepsze: specjalistyczny kierunek jak „Data Science w biznesie”, czy ogólna informatyka? Obie drogi działają. Widziałem kariery ludzi, którzy zaczynali bardzo ogólnie i z czasem się specjalizowali, oraz takich, którzy od początku działali w wąskiej branży, dobudowując do tego warsztat technologiczny.
Na początku drogi najważniejsze jest pytanie, które brzmi bardzo prozaicznie: co Cię jara? Co lubisz robić? Im lepiej dopasujesz swoje zajęcie do rzeczywistych zainteresowań, tym więcej będziesz miał paliwa, by przetrwać trudności. A to właśnie pokonywanie trudności sprawia, że stajemy się lepsi. Ludzie z pasją w dłuższej perspektywie zawsze wygrywają z tymi, którzy robią coś tylko z przymusu.
A co do samych studiów – wbrew modnym w Internecie opiniom, uważam, że warto studiować. Nie dla „papierka”, ale dla doświadczenia. Życie i rozwój zawodowy rzadko są liniowe. To nie jest tak, że idziesz prostą drogą z punktu A do punktu B. Często to obijanie się o inne środowiska, poznawanie ludzi, wyjazdy na wymiany studenckie czy angażowanie się w dziwne projekty ubogacają nas najbardziej. Sam skończyłem polonistykę, wcześniej chwilę studiowałem prawo, a dziś jestem data architektem i przedsiębiorcą. Ta wielość doświadczeń daje mi ogromną pewność siebie w poruszaniu się między różnymi środowiskami biznesowymi.
Jeśli zaś chodzi o specjalizacje na styku IT i biznesu, to pojawiają się tu ciekawe, choć rzadkie role, takie jak forward deployed engineer. To osoby wysoce techniczne, ale jednocześnie „wypychane” na front do pracy z klientem biznesowym. Zaletą takich hybrydowych stanowisk jest niska konkurencja i często premie finansowe, bo mało kto potrafi płynnie łączyć kompetencje analityczne z miękkimi umiejętnościami biznesowymi.
Korporacja to nie więzienie
W komentarzach pod moimi filmami czasem pojawia się narracja w stylu: „Boisz się zwolnienia? Już jesteś niewolnikiem korporacji”. To bardzo szkodliwe podejście. Żyjemy w czasach, gdzie w Internecie promuje się fałszywą dychotomię: albo jesteś wolnym, niezależnym soloprzedsiębiorcą pijącym drinki na jachcie, albo zakutym w łańcuchy niewolnikiem w czyśćcu korporacji.
Uważam, że to bzdura. Korporacje oferują coś, czego na początku drogi nie zdobędziesz nigdzie indziej: ekonomię skali. Masz dostęp do ogromnych projektów, drogich narzędzi, zaawansowanych architektur i setek doświadczonych osób. Możesz tam nabyć gigantyczne kompetencje w krótkim czasie. Oczywiście, wymaga to sprytu, dostosowania się do kultury organizacyjnej i umiejętności nawigowania w polityce firmy.
Jeśli frustruje Cię brak awansu, obawiasz się zwolnienia lub denerwuje Cię biurokracja, naucz się oddzielać ten konkretny, negatywny aspekt od całej idei pracy na etacie. Jeśli dla zasady będziesz traktować pracodawcę jak wroga i uciekać przed korporacjami, by grać rolę „nieszczęśliwego, ale wolnego herosa”, to sam podetniesz sobie skrzydła i odetniesz się od potężnych zasobów edukacyjnych.
Mityczne „wymagane doświadczenie” i trudny rynek pracy
„Wszystko super, ale w każdym ogłoszeniu wymagają doświadczenia. Co mają zrobić początkujący?” – to klasyk. Odpowiedź składa się z kilku warstw.
Po pierwsze, ludzie bez doświadczenia regularnie zostają analitykami. To się dzieje. Nie jest to łatwe, ale jeśli walczysz o coś cennego – a dobra praca w IT taka jest – musisz się po prostu mocniej postarać i zaakceptować zasady gry. Pucharów nie dostaje się za samo wejście na ring.
Po drugie, musisz zrozumieć, jak powstają ogłoszenia o pracę. Nie ma czegoś takiego jak jeden, spójny byt zwany „pracodawcą”. Firma to zbiór ludzi. Czasem dział HR kopiuje starą formatkę z sieci, bo nie ma pojęcia, czego dokładnie wymaga techniczny manager. Innym razem sam manager ma wybujałe ego i pisze „listę życzeń do Mikołaja”, szukając super-eksperta za średnią krajową. Efekt jest taki, że ogłoszenia rzadko odzwierciedlają brutalną rzeczywistość. Jeśli spełniasz połowę wymagań, śmiało aplikuj.
Zamiast narzekać na brak komercyjnego doświadczenia, pomyśl, co możesz zrobić. Twórz własne portfolio, zaangażuj się w projekty non-profit, bierz udział w meetupach, nawiązuj relacje na LinkedIn. Buduj swoje doświadczenie wokół oficjalnej ścieżki zawodowej.
Wymagania techniczne: Excel i bazy danych
Zdarza się, że osoby świetnie znające SQL-a martwią się brakiem doświadczenia z Excelem. Czy to problem? Im wyżej jesteś w strukturze analitycznej, tym rzadziej dotykasz Excela, bo opierasz się na dobrze poustawianych pipeline’ach w chmurze czy zautomatyzowanych hurtowniach danych.
Jednak z drugiej strony, Excel to wciąż absolutnie rewelacyjny brudnopis i natywny język biznesu. Jeśli chcesz szybko omówić z menedżerem sprzedaży jakiś wniosek, zrobicie to w arkuszu. Dlatego warto znać tabele przestawne i podstawowe mechanizmy trackowania. Nie musisz być magikiem VBA, ale biegłość w Excelu po prostu ułatwia życie i komunikację.
A o co pytam na rozmowach rekrutacyjnych juniorów? Na pewno nie o encyklopedyczne definicje postaci normalnych bazy danych czy rodzaje indeksów. Analityk to nie administrator baz danych (DBA). Zamiast pytać „czym jest indeks”, wolę dać konkretny problem: „Mamy wolno działającą kwerendę. Co możemy zrobić, żeby przyspieszyć jej wykonanie?”. Wtedy słucham. Czy kandydat wspomni o indeksach? O partycjonowaniu? A może zauważy, że problemem jest zła struktura joinów lub nieoptymalne podzapytania (subqueries)? Na podstawie złożoności takiej odpowiedzi jestem w stanie bezbłędnie ocenić, czy ta osoba poradzi sobie w moim zespole. Encyklopedię każdy może wykuć na blachę, myślenia analitycznego trzeba dowieść.
Czy AI zastąpi analityków danych?
Na koniec temat, który nie schodzi z nagłówków – sztuczna inteligencja. Czy zawód analityka jest zagrożony? I tak, i nie.
Oczywiście, że część zadań jest automatyzowana. AI drastycznie przyspieszyło pisanie dokumentacji, tworzenie boilerplate’owego kodu analitycznego czy generowanie prostych zapytań ad-hoc. Zrobiło to jednak ze wszystkimi zawodami, które wykonuje się przed komputerem.
Trzeba jednak pamiętać o gigantycznym znaczeniu elementu ludzkiego. Ktoś musi ten biznes zrozumieć, zlokalizować odpowiednie źródła danych, połączyć ze sobą niekompatybilne systemy i odpowiedzieć na pytania, których nikt jeszcze głośno nie zadał. W tym kontekście AI, w stosunku do obietnic z 2019 roku („za dwa lata wszyscy stracimy pracę”), moim zdaniem kompletnie nie dowiozło. Nawet role asystenckie czy prosta księgowość wcale nie zniknęły w takim tempie, jak zapowiadano.
Pamiętajcie, że media karmią się strachem. Masowe zwolnienia to „żółty pasek” i klikalność – dokładnie tak, jak katastrofa samolotu. O bezpiecznie lądujących lotach i firmach, które stabilnie zatrudniają, nikt nie pisze, bo to po prostu nudne. Rynek jest dziś nieco trudniejszy, to fakt, ale AI należy traktować po prostu jako kolejny element stacku technologicznego. Kolejne narzędzie w Waszym arsenale, którego trzeba się nauczyć.
Zapisz się do
newslettera
🎁 i zgarnij darmowe bonusy:
Poradnik Początkującego Analityka
Video - jak szukać pracy w IT
Regularne dawki darmowej wiedzy, bez spamu
Podsumowanie
Gdzie widzę siebie za 5 lat? Zupełnie szczerze – nie mam pojęcia. Na razie wylądowałem tutaj, w roli edukatora i buduję KajoData. Nie będę ściemniał, że to wszystko jest realizacją jakiegoś precyzyjnego, wielkiego planu. Życie to gra w tenisa z rzeczywistością – staram się po prostu w miarę dobrze odbijać piłki, które lecą w moją stronę. I wierzę, że spotkamy się tutaj za te pięć lat.
Jeśli uważasz, że ten artykuł może komuś pomóc – osobie, która rozważa przebranżowienie, stresuje się przed rekrutacją lub nie wie, czy jej angielski jest wystarczający – podziel się nim proszę w swoich mediach społecznościowych. Twoje udostępnienia, czy to na LinkedIn, Facebooku czy w innych miejscach, pomagają mi docierać do ludzi, którzy naprawdę potrzebują tej wiedzy. Do usłyszenia!
Autorem artykułu jest Kajo Rudziński – analytical data architect, uznany ekspert w analizie danych, twórca KajoData oraz społeczności dla analityków KajoDataSpace.
To tyle w tym temacie. Analizujcie w pokoju!
Podobał Ci się ten artykuł 🙂?
Podziel się nim w Social Mediach 📱
>>> udostępnij go na LinkedIn i pokaż, że codziennie uczysz się czegoś nowego
>>> wrzuć go na Facebooka, to się może przydać któremuś z Twoich znajomych
>>> Przypnij sobie tą stronkę to zakładek, może się przydać w przyszłości
Wolisz oglądać 📺 niż czytać – nie ma problemu
>>> Obserwuj i oglądaj KajoData na YouTube
Wolisz czytać po angielsku? No problem!
Inne ciekawe artykuły:
