Czy humanista może zostać analitykiem danych? Moja droga z polonistyki

Studiowałem polonistykę na Uniwersytecie Jagiellońskim, konkretnie komparatystykę z elementami antropologii literatury. Interesowały mnie teksty, kultury i znaczenia. Excel nie zajmował wtedy szczególnie ważnego miejsca w moim życiu. Potrafiłem go otworzyć, co z perspektywy późniejszej kariery można uznać za skromny początek.

Dzisiaj pytanie, czy humanista może zostać analitykiem danych, ma dla mnie bardzo osobisty wymiar. Sam przeszedłem taką drogę. Jednocześnie nie chciałbym sprzedawać własnej historii jako przepisu z gwarancją zatrudnienia. Miałem określone możliwości, spotkałem konkretnych ludzi i uczyłem się w swoim tempie. U kogoś innego kolejność może wyglądać zupełnie inaczej.

Chcę pokazać, co rzeczywiście połączyło moje wcześniejsze doświadczenia z pracą analityczną. Zacznę od pieniędzy wydawanych w Portugalii, przejdę przez arkusze i obsługę klienta, a potem pokażę, jak dziś sprawdziłbym własne zainteresowanie danymi. Bez deklarowania, że od poniedziałku zostaję nowym człowiekiem.

Pierwsze pytanie analityczne dotyczyło mojego konta

Pod koniec studiów wyjechałem na Erasmusa do Portugalii. Były podróże, znajomi i plany kolejnych wyjazdów. Pojawił się też bardzo praktyczny problem: pieniędzy było mniej, niż oczekiwałem. Chciałem pojechać autostopem z Portugalii do Maroka, a stan konta miał wobec tego pomysłu pewne zastrzeżenia.

Nie wiedziałem dokładnie, gdzie rozchodziły się pieniądze. Dopiero rozmowa ze współlokatorką zwróciła moją uwagę na wydatki na papierosy. Pojedynczy zakup wydawał się niewielki. Dopiero powtarzalność nadawała mu znaczenie. To mechanizm, który później wielokrotnie przydawał mi się przy myśleniu o danych: małe zdarzenie może tworzyć duży efekt, jeśli występuje wystarczająco często.

Nie siedziałem wtedy z planem zostania analitykiem. Miałem zwykły problem i chciałem go zrozumieć. Właśnie dlatego ta historia wydaje mi się przydatna osobie zaczynającej naukę. Łatwiej utrzymać uwagę na tabeli, kiedy odpowiedź ma dla mnie znaczenie, niż kiedy wykonuję dwudzieste ćwiczenie o firmie, która sprzedaje bliżej nieokreślone produkty.

Nie wyciągam z tego wniosku, że wszystko w życiu trzeba mierzyć. Relacje, odpoczynek czy sens pracy nie mieszczą się wygodnie w jednej kolumnie. W tamtej sytuacji liczby pomogły mi odpowiedzieć na konkretne pytanie o wydatki. To wystarczyło, żeby zacząć interesować się narzędziem.

Budżet w Excelu nauczył mnie więcej niż samo dodawanie

Po powrocie do Polski pracowałem w hostelu. Zacząłem zapisywać wydatki, dochody i miesięczny bilans w Excelu. Arkusz stopniowo stawał się budżetem, do którego mogłem wrócić. Zamiast ogólnego wrażenia, że pieniądze gdzieś znikają, miałem listę zdarzeń i możliwość ich porównania.

Wydatki na papierosy zapisywałem dla niepoznaki jako „chipsy”. Dzisiaj widzę w tym całkiem niezłą lekcję jakości danych. Mogę mieć poprawne formuły i starannie pokolorowaną tabelę, a mimo to utrudniać sobie interpretację przez nazwy, które ukrywają rzeczywiste znaczenie. Arkusz sumował uczciwie. Kreatywność leżała po stronie osoby wpisującej dane.

Takie proste narzędzie zmusza do podejmowania decyzji. Czy zapisuję każdy zakup osobno? Jak traktuję przelew między własnymi kontami? Czy zwrot pieniędzy pomniejsza koszt, czy pojawia się jako osobna pozycja? Bez ustalenia zasad można policzyć wszystko poprawnie i nadal otrzymać odpowiedź na inne pytanie.

Dzisiaj, tłumacząc początki analizy, właśnie na to zwracam uwagę. Formuła jest częścią pracy. Wcześniej trzeba ustalić, co opisuje wiersz, skąd pochodzą informacje i jak rozumiem kategorię. W przeciwnym razie bardzo szybko zaczynam analizować skutki własnego bałaganu w zapisie.

Budżet dał mi również informację zwrotną. Mogłem zobaczyć, czy zmiana zachowania znajduje odzwierciedlenie w danych. Nie musiałem czekać na ocenę z kursu. Pytanie, materiał i decyzja spotykały się w jednym miejscu, a ja miałem powód, żeby otworzyć plik ponownie.

Do korporacji wszedłem przez obsługę klienta

Później trafiłem do Capity, gdzie pracowałem w obsłudze klienta. Były wiadomości, telefony i sprawy do rozwiązania. Stabilna praca dawała mi poczucie bezpieczeństwa, ale z czasem coraz mocniej odczuwałem powtarzalność obowiązków. Zacząłem szukać czegoś, co pozwoliłoby mi pracować inaczej.

Kiedy pojawiły się raporty i zestawienia, sięgnąłem po Excela. Ulepszałem sposób przygotowywania danych i pomagałem analizować informacje o pracy zespołu. Nie potrzebowałem najpierw nowego tytułu stanowiska, żeby zainteresować się problemem. Miałem dostęp do konkretnego procesu i mogłem zobaczyć, gdzie wykonuję zbędną pracę.

Próbowałem też wykorzystywać formuły do przygotowywania treści powtarzalnych wiadomości. To był praktyczny sposób łączenia informacji według określonych reguł. Dzisiaj narzędzia do automatyzacji wyglądają inaczej, ale pytania pozostają podobne: co się powtarza, co jest zmienną i które przypadki wymagają osobnego potraktowania?

Ważne było dla mnie to, że efekt dało się obejrzeć. Zestawienie powstawało sprawniej, a reguły stawały się czytelniejsze. Zaczynałem lubić sam proces szukania rozwiązania. To znacznie lepszy sygnał zainteresowania zawodem niż sympatia do obrazka z laptopem na plaży. Piasek w klawiaturze ma zresztą ograniczoną wartość edukacyjną.

Z tej części historii wyciągam jedną praktyczną wskazówkę: rozejrzałbym się za małym zadaniem analitycznym w obecnym otoczeniu. Oczywiście w granicach swojej roli i dostępu do danych. Nie zakładałbym, że każdy pracodawca zgodzi się na każdy eksperyment, ale warto wiedzieć, jaki konkretnie problem chciałbym rozwiązać.

Nauka i rekrutacje nie układały się w samą serię sukcesów

W pewnym momencie postanowiłem, że chcę zawodowo pracować z danymi. Uczyłem się wieczorami, między innymi z kursów Microsoftu na edX dotyczących Excela i podstaw analizy. Potrzebowałem uporządkowania tego, co wcześniej poznawałem przy okazji rozwiązywania własnych problemów.

Połączenie praktyki z nauką było dla mnie ważne. Kiedy znałem już problem, łatwiej rozumiałem, po co istnieje określona funkcja. Z drugiej strony kurs pokazywał możliwości, na które sam mógłbym nie trafić. Jedno wspierało drugie, pod warunkiem że wracałem do samodzielnego wykonywania zadań.

Wysłałem CV do UBS i zostałem zaproszony na rozmowę. Pojawiły się zadania w Excelu. Nie dostałem tej pracy. Z dzisiejszej perspektywy to część historii, którą warto zostawić, bo łatwo opowiedzieć zmianę zawodu tak, jakby każda próba prowadziła prosto do kolejnego awansu.

Później brałem udział w rekrutacji do Lufthansy. Były testy, analiza danych, wykresy i zadania wykonywane pod presją czasu. Tym razem zostałem przyjęty. Moje wcześniejsze studia nie zniknęły z życiorysu, a ja nie zamieniłem się nagle w absolwenta informatyki. Pokazałem umiejętności potrzebne w tym konkretnym procesie.

Nie przekładam tego doświadczenia na obietnicę, że każdy pracodawca pominie kierunek studiów. Ogłoszenia i role mają różne wymagania. Moja historia pokazuje możliwość takiej drogi, a nie jednolitą zasadę wszystkich rekrutacji. Przy własnej zmianie zawodu sprawdzałbym aktualne oferty i rodzaj zadań, zamiast budować plan wyłącznie na cudzej biografii.

Pierwszy JOIN otworzył mi kolejne drzwi

Pamiętam, kiedy kolega pokazał mi SQL i połączenie dwóch tabel. Dla kogoś, kto wcześniej pracował głównie w arkuszu, możliwość takiego zestawiania danych była bardzo mocnym doświadczeniem. Zobaczyłem, że można zadawać pytania danym w inny sposób i pracować z inną skalą problemów.

Nie oznaczało to, że od tego momentu wszystko rozumiałem. Uczyłem się, popełniałem błędy i odkrywałem kolejne rzeczy, których jeszcze nie umiem. Pierwsza praca z danymi dawała mi nowe zadania, a wraz z nimi powody, żeby poszerzać wiedzę. Tytuł stanowiska nie kończy procesu nauki.

Właśnie dlatego ostrożnie podchodzę do listy wszystkich narzędzi, które rzekomo trzeba opanować przed pierwszą aplikacją. Zakres powinien wynikać z roli. Jeśli próbuję jednocześnie nauczyć się wszystkiego, łatwo spędzić wiele czasu na zbieraniu wprowadzeń i nadal nie umieć samodzielnie rozwiązać niewielkiego problemu.

Dla osoby zaczynającej od Excela SQL może być naturalnym kolejnym obszarem, ale warto rozumieć, po co go dodaję. Chcę pobrać dane, połączyć zbiory i policzyć wynik. W osobnym tekście o rodzajach JOIN w SQL pokazuję przykłady razem z kontrolą liczby wierszy. Sam moment zachwytu warto dość szybko uzupełnić o sprawdzanie poprawności.

Co z humanistyki przydało mi się przy myśleniu o danych

Nie uważam, że dyplom automatycznie daje zestaw umiejętności. Można skończyć dowolne studia i nadal czytać nieuważnie. Widzę jednak kilka sposobów pracy znanych z humanistyki, które da się sensownie przenieść do analizy, jeśli rzeczywiście były ćwiczone.

Pierwszy to precyzowanie znaczeń. Gdy ktoś mówi o aktywnym kliencie, chcę wiedzieć, co oznacza aktywność. Zakup w ostatnim miesiącu, logowanie czy otwarta umowa? Każda definicja prowadzi do innego zbioru. Zanim policzę wynik, potrzebuję wspólnego rozumienia pojęcia.

Drugi to ocena źródła i kontekstu. Informacja z systemu sprzedażowego odpowiada na inne pytanie niż deklaracja w ankiecie. Nawet identycznie nazwana kolumna może powstawać według innych reguł. Uważne czytanie opisu danych jest mniej efektowne od nowego wykresu, ale potrafi uratować cały wniosek.

Trzeci to argumentowanie. Chcę oddzielić obserwację od interpretacji i wskazać, czego materiał nie pozwala stwierdzić. Jeżeli liczba zgłoszeń wzrosła, nie mam jeszcze dowodu, że obsługa pogorszyła się. Mogła wzrosnąć liczba klientów albo zmienić się sposób rejestracji. Potrzebuję dodatkowego sprawdzenia.

Czwarty to jasne pisanie. Ktoś podejmuje decyzję na podstawie mojej pracy i powinien rozumieć wynik bez odgadywania intencji autora. Umiejętność wyjaśnienia ograniczenia prostym zdaniem jest bardzo praktyczna. W opisie zawodu Business Intelligence Analyst w O*NET obok pracy z informacją pojawiają się również raportowanie i komunikowanie wyników.

Czego wcześniejsze studia za mnie nie zrobiły

Musiałem nauczyć się narzędzi i sprawdzać, czy rzeczywiście umiem ich używać. Rozumienie argumentu w eseju nie daje automatycznie poprawnej formuły, zapytania ani wykresu. Potrzebna jest praktyka, błędy i wracanie do podstaw, gdy wynik nie zgadza się z oczekiwaniem.

Musiałem też oswoić liczby. Na początku przydają się proporcje, procenty, średnie i rozumienie mianownika. Gdy liczba reklamacji rośnie ze stu do stu dwudziestu, sam wzrost o dwadzieścia procent niewiele mówi bez informacji o liczbie zamówień. Taki przykład nie wymaga zaawansowanej matematyki, ale wymaga uważności.

Z czasem pojawiają się bardziej wymagające zagadnienia statystyczne. Ich zakres zależy od pracy, którą chcę wykonywać. Nie przekonywałbym nikogo, że analityk może zawsze omijać matematykę. Raczej rozłożyłbym naukę na konkretne pytania i sprawdzał, jakie pojęcia są potrzebne do udzielenia poprawnej odpowiedzi.

Przydała się również cierpliwość do technicznych szczegółów. Data zapisana jako tekst, niewidoczna spacja czy zła relacja między tabelami potrafią zatrzymać całą analizę. Jeśli lubię tylko moment przedstawiania wielkiego wniosku, warto wcześniej sprawdzić, jak znoszę część pracy polegającą na szukaniu takiego drobiazgu.

Małe ćwiczenie, którym sprawdziłbym zainteresowanie

Gdybym dziś chciał sprawdzić, czy lubię analizę, zacząłbym od syntetycznego budżetu. Wpisałbym trzydzieści wymyślonych transakcji z datą, kategorią, kwotą i krótkim opisem. Jedna pozycja oznaczałaby jeden wydatek. Dzięki sztucznym danym mógłbym później spokojnie pokazać plik komuś innemu.

Najpierw zapisałbym pytanie: które kategorie odpowiadają za największą część znanych wydatków w danym miesiącu? Określiłbym zakres dat i sposób traktowania braków. Jeśli jedna kwota jest nieznana, oznaczyłbym ją jawnie. Nie zamieniałbym jej na zero tylko po to, żeby tabela wyglądała porządniej.

Potem policzyłbym sumę i udział kategorii. Na małym przykładzie, w którym znane wydatki wynoszą tysiąc złotych, a transport dwieście złotych, udział transportu wynosi dwadzieścia procent. Sam sprawdziłbym ten wynik. Chcę wiedzieć, co powinno wyjść, zanim zaufam formule.

Dodałbym celowo drugą kategorię zapisaną z literówką, podwójną transakcję i datę spoza miesiąca. Następnie sprawdziłbym, czy umiem je znaleźć oraz zdecydować, co z nimi zrobić. Przy duplikacie potrzebowałbym dowodu, że to rzeczywiście ten sam zakup. Dwie identyczne kwoty mogą pochodzić z dwóch osobnych zdarzeń.

Na końcu napisałbym pięć zdań: co sprawdziłem, jaki uzyskałem wynik, co mnie zaskoczyło, jakie są ograniczenia i jaki kolejny krok proponuję. Wykres dodałbym tylko wtedy, gdy ułatwia porównanie. Ta krótka notatka pokazuje, czy potrafię połączyć obliczenie z pytaniem, które uruchomiło pracę.

Po ćwiczeniu oceniam sposób pracy, nie własną etykietę

Zastanowiłbym się, która część zadania sprawiła mi satysfakcję. Czy chciałem zrozumieć rozbieżność? Czy miałem ochotę sprawdzić inny miesiąc? Czy poprawienie błędnej kategorii przyniosło mi więcej zadowolenia niż samo ukończenie instrukcji? Takie obserwacje pomagają podjąć następną decyzję o nauce.

Jedno ćwiczenie nie rozstrzyga o całej karierze. Może jednak pokazać, czy chcę wykonać kolejne, trochę trudniejsze. Poprosiłbym również kogoś o przeczytanie notatki i wskazanie miejsc niejasnych. Jeżeli muszę ustnie dopowiedzieć połowę założeń, poprawiłbym opis, zanim zacznę rozbudowywać projekt.

Moją drogę ułatwiło połączenie ciekawości, praktycznych zadań, nauki i konkretnych okazji zawodowych. Nie musiałem wymazywać polonistyki z życiorysu. Musiałem dołożyć nowe umiejętności i pokazać, że potrafię rozwiązywać problemy z danymi. To znacznie bardziej użyteczne pytanie niż zastanawianie się, czy moja dotychczasowa etykieta daje mi wstęp do branży.

W kolejnym podejściu zmieniłbym jeden element danych i przewidział rezultat. Nowy wydatek na transport powinien zmienić zarówno sumę tej kategorii, jak i jej udział. Przeniesienie transakcji poza analizowany miesiąc powinno usunąć ją z wyniku. Takie drobne eksperymenty pokazują, czy rozumiem własny plik, zamiast tylko odtwarzać kolejne kroki instrukcji.

Dałbym sobie też prawo do wolniejszego wykonania pierwszej próby. Tempo osoby, która od lat używa arkusza, jest kiepskim punktem odniesienia dla początkującego. Bardziej interesowałoby mnie, czy potrafię samodzielnie odtworzyć rozwiązanie kilka dni później i wytłumaczyć własne decyzje. Jeśli coś zapomniałem, zapisuję krótką notatkę i próbuję ponownie na trochę innych danych.

Jeśli po takim eksperymencie chcesz uporządkować dalszą naukę, opisałem osobno strategię przebranżowienia na analityka danych. Tutaj wystarczy pierwszy skończony problem, sprawdzony wynik i uczciwa odpowiedź, czy mam ochotę wrócić do tego jutro. Moja własna historia zaczęła się właśnie od potrzeby zrozumienia czegoś bardzo przyziemnego.