Jeżeli kiedykolwiek szukałeś pracy w analizie danych, to bardzo możliwe, że masz za sobą dokładnie to samo doświadczenie, które ja widzę regularnie u innych. Wchodzisz na LinkedIna, Pracuj.pl albo No Fluff Jobs, filtrujesz oferty i nagle dostajesz w twarz kilkoma bardzo podobnie brzmiącymi tytułami.
Analityk danych.
Analityk biznesowy.
BI Developer.
Czasem po prostu „Analityk”.
Czasem „Specjalista ds. BI”.
I teraz pojawia się pytanie, które słyszę najczęściej: czym to się właściwie różni i którą ścieżkę wybrać?
Problem polega na tym, że odpowiedź „to zależy” jest jedyną uczciwą odpowiedzią. Ale jednocześnie jest najbardziej frustrująca. W tym artykule chcę więc uporządkować temat, pokazać gdzie te role faktycznie się różnią, a gdzie różnice są czysto umowne. I przede wszystkim: jak do tego podejść rozsądnie, jeżeli myślisz o swojej karierze w danych.
Dlaczego nazwy stanowisk w analizie danych są tak mylące
Zacznijmy od rzeczy podstawowej. Nazwa stanowiska w ogłoszeniu o pracę bardzo często jest bardziej marketingiem niż rzetelnym opisem roli.
Firmy:
- kopiują opisy od konkurencji,
- zmieniają nazwy, żeby „lepiej wyglądało na LinkedInie”,
- dopasowują tytuły do widełek płacowych albo wewnętrznych struktur HR.
Efekt jest taki, że ten sam zakres obowiązków w jednej firmie będzie nazwany „Data Analyst”, w drugiej „Business Analyst”, a w trzeciej „BI Developer”.
Dlatego już na wstępie warto sobie powiedzieć wprost: nazwa stanowiska nie jest dobrym źródłem prawdy o tym, co będziesz robić. Prawdą jest dopiero codzienna praca w zespole.
Kim w praktyce jest analityk biznesowy
W idealnym, książkowym świecie analityk biznesowy siedzi dokładnie pomiędzy biznesem a technologią.
Z jednej strony rozmawia z:
- menedżerami,
- dyrektorami,
- właścicielami procesów sprzedaży, finansów czy logistyki.
Z drugiej strony współpracuje z:
- analitykami danych,
- BI developerami,
- programistami,
- zespołami data engineeringowymi.
I jego głównym zadaniem jest tłumaczenie jednego świata na drugi.
To oznacza kilka bardzo konkretnych rzeczy.
Po pierwsze, komunikacja. Analityk biznesowy musi umieć rozmawiać z ludźmi, którzy myślą kompletnie inaczej. Biznes często nie wie, czego technicznie chce. Technologia często nie rozumie, po co biznes czegoś chce.
Po drugie, rozumienie procesów. Nie tylko danych, ale też decyzji, ryzyk, priorytetów. Co robimy najpierw, co później, co ma największy wpływ na wynik firmy.
Po trzecie, wystarczająca wiedza techniczna, żeby nie być tylko przekaźnikiem maili. I to jest moment, w którym wiele osób popełnia błąd.
Analityk biznesowy bardzo często:
- zna SQL,
- potrafi wyciągnąć dane samodzielnie,
- rozumie modele danych,
- czasem pisze w VBA albo Pythonie.
Sam zaczynałem jako analityk biznesowy i w praktyce moja praca była w ogromnej mierze techniczna. Pracowałem głównie w SQL-u i Excelu, a część stricte „biznesowa” była po stronie bardziej doświadczonego kolegi z zespołu. To nie jest nic wyjątkowego.
Dlatego jeżeli ktoś mówi Ci, że analityk biznesowy to rola nietechniczna, to odpowiedź brzmi: to zależy od zespołu.
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.
Analityk danych. Teoria kontra praktyka
W teorii analityk danych:
- analizuje dane,
- wyciąga wnioski,
- prezentuje insighty.
Brzmi sensownie. Problem w tym, że teoria bardzo rzadko wygrywa z rzeczywistością.
W praktyce analityk danych:
- pisze dużo SQL-a,
- bardzo często buduje raporty,
- automatyzuje dostęp do danych,
- spędza sporą część czasu na utrzymaniu istniejących rozwiązań.
Często jest tak, że prawdziwe „analizowanie danych” zajmuje mniejszość czasu. Większość energii idzie na to, żeby:
- dane były dostępne,
- dane się nie psuły,
- dane dało się szybko odświeżyć,
- biznes mógł sam coś sprawdzić bez każdorazowego pytania.
Analityk danych bardzo często staje się kimś w rodzaju „enablera”. Kimś, kto buduje ekosystem raportów i zapytań, które potem żyją własnym życiem.
I znowu: różnica względem analityka biznesowego sprowadza się często do proporcji spotkań z biznesem, a nie do samej natury pracy.
BI Developer. Człowiek od raportów, ale nie tylko
BI Developer teoretycznie jest osobą, która:
- buduje raporty,
- pracuje w Power BI, Tableau albo podobnych narzędziach,
- automatyzuje warstwę raportową.
I to jest prawda, ale tylko częściowa.
Dobry BI Developer:
- rozumie dane, a nie tylko wizualizacje,
- potrafi wejść w źródła danych i znaleźć błędy,
- wie, dlaczego raport się wywala, a nie tylko że się wywala.
Co więcej, BI Developer bardzo często:
- tłumaczy raporty biznesowi,
- broni ich sensu,
- przekonuje ludzi do korzystania z nich,
- rozmawia z innymi zespołami technicznymi.
W pewnym momencie okazuje się, że:
- jedna trzecia tygodnia to spotkania,
- trzeba tłumaczyć decyzje projektowe,
- trzeba uzasadniać, dlaczego coś wygląda tak, a nie inaczej.
I wtedy granica między BI Developerem a analitykiem biznesowym zaczyna się kompletnie rozmywać.
Gdzie tak naprawdę leżą różnice między tymi rolami
Jeżeli miałbym to sprowadzić do jednego zdania, to powiedziałbym tak:
To są te same kompetencje, tylko w różnych proporcjach.
Każda z tych ról:
- pracuje z danymi,
- komunikuje się z biznesem,
- buduje raporty lub analizy,
- prezentuje wnioski.
Różnice polegają głównie na tym:
- ile czasu spędzasz na spotkaniach,
- ile kodujesz,
- ile budujesz, a ile analizujesz,
- ile tłumaczysz innym.
I to wszystko zależy bardziej od firmy i zespołu niż od tytułu stanowiska.
Dlaczego nie warto fiksować się na nazwie stanowiska
Jednym z większych błędów, jakie widzę u osób wchodzących do branży, jest przywiązywanie się do nazw.
„Chcę być analitykiem danych, a nie BI Developerem.”
„To ogłoszenie jest na analityka biznesowego, więc mnie nie interesuje.”
Tymczasem prawda jest taka, że:
- bardzo szybko firmy rosną,
- role się mieszają,
- zakres obowiązków się zmienia.
Jeżeli chcesz się rozwijać, to i tak prędzej czy później wyjdziesz poza „swoją” rolę. I to jest dobra wiadomość.
Jaką strategię przyjąć, jeżeli myślisz o karierze w danych
Zamiast zastanawiać się, jaką etykietkę wybrać, lepiej zadać sobie inne pytania:
- Czy będę pracować z danymi?
- Czy będę rozwijać kompetencje techniczne?
- Czy będę mieć kontakt z biznesem?
- Czy będę mógł uczyć się szerokiego spektrum umiejętności?
Osoba, która:
- potrafi analizować dane,
- buduje dobre, zautomatyzowane raporty,
- umie o nich sensownie opowiedzieć,
- nie boi się SQL-a ani rozmów z ludźmi,
jest wartościowa niezależnie od tego, czy na wizytówce ma napisane „Data Analyst”, „Business Analyst” czy „BI Developer”.
Właśnie z tego założenia wychodzę, budując KajoData i KajoDataSpace. Nie uczę „zawodów”, tylko kompetencji, które działają w każdej z tych ról.
Zapisz się do
newslettera
🎁 i zgarnij darmowe bonusy:
Poradnik Początkującego Analityka
Video - jak szukać pracy w IT
Regularne dawki darmowej wiedzy, bez spamu
Podsumowanie
Jeżeli miałbym zostawić Cię z jedną myślą, to byłaby ona bardzo prosta.
Analityk danych, analityk biznesowy i BI Developer to w praktyce bardzo często ta sama osoba, pracująca w innym kontekście organizacyjnym i z innymi proporcjami obowiązków.
Zamiast bronić sztywnych definicji, lepiej:
- dopytywać na rozmowach rekrutacyjnych,
- patrzeć na realne zadania,
- budować szerokie kompetencje.
Reszta naprawdę ułoży się sama.
Jeżeli ten artykuł był dla Ciebie pomocny, będzie mi miło, jeśli udostępnisz go dalej w swoich mediach społecznościowych.
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:
