To będzie tekst niewygodny. I dla rekruterów, i dla analityków, i dla osób, które dopiero próbują wejść do branży. Ale właśnie dlatego warto go napisać.
Brałem udział w wielu rekrutacjach. Widziałem kandydatów, którzy robili świetne pierwsze wrażenie, a potem okazywali się problemem dla całego zespołu. Widziałem też ludzi technicznie bardzo mocnych, którzy kompletnie nie dowozili wartości. I widziałem osoby, które same strzelały sobie w kolano na rozmowie, często nawet nie zdając sobie z tego sprawy.
Ten artykuł jest o sześciu typach analityków danych, których warto unikać. Jeśli jesteś menadżerem lub liderem zespołu, to są Twoje czerwone flagi. Jeśli jesteś kandydatem, potraktuj to jak checklistę rzeczy, których lepiej nie robić i postaw, których lepiej nie przyjmować.
Nie chodzi tu o ocenianie ludzi jako ludzi. Chodzi o bardzo konkretne zachowania i wzorce pracy, które w dłuższej perspektywie rozwalają zespoły, projekty i zaufanie.
Analityk „dobry we wszystkim”
To brzmi jak ideał. Serio. Przecież każdy chce kogoś, kto ogarnia Excela, SQL, Pythona, Power BI, wizualizację, storytelling, statystykę, machine learning i jeszcze najlepiej biznes.
Problem polega na tym, że bardzo często „jestem dobry we wszystkim” oznacza coś zupełnie innego: brak świadomości własnych kompetencji.
Każdy z nas ma swoje mocniejsze i słabsze strony. Jeden świetnie wizualizuje dane, ale gorzej radzi sobie z bardzo złożonym SQL-em. Ktoś inny jest rewelacyjny w czyszczeniu danych i modelowaniu, ale prezentacje to dla niego koszmar. I to jest normalne.
Jeżeli podczas rozmowy kwalifikacyjnej kandydat nie potrafi wskazać żadnego obszaru, w którym jest wyraźnie mocniejszy albo słabszy, to zaczyna się problem. Nie dlatego, że nie da się być wszechstronnym. Tylko dlatego, że brak samoświadomości utrudnia sensowne przypisanie do projektów.
Z perspektywy zespołu to jest ryzyko. Możesz wrzucić taką osobę w projekt wymagający bardzo konkretnego skillsetu i zorientować się po miesiącu, że jednak „tu to ja jeszcze nie robiłem”.
Z perspektywy kandydata to też błąd. Dużo lepiej powiedzieć wprost:
„Najmocniejszy jestem w X, w Y jestem solidny, a Z to obszar, który rozwijam”.
To nie jest przyznanie się do słabości. To jest sygnał dojrzałości zawodowej.
Roszczeniowość na wejściu
To jest temat śliski, bo bardzo łatwo tu wpaść w tani moralizm. Każdy ma potrzeby. Każdy chce zarabiać godnie. Każdy chce normalnych warunków pracy.
Problem zaczyna się wtedy, gdy rozmowa rekrutacyjna od pierwszych minut kręci się wokół listy żądań, a nie wokół wartości, jaką dana osoba może wnieść.
Jeżeli ktoś wchodzący do branży zaczyna od:
– pełnego remote
– konkretnej, wysokiej stawki
– długiej listy benefitów
to bardzo często wysyła sygnał: „to mi się należy”.
I teraz kluczowa rzecz, którą wiele osób pomija: roszczeniowość nie kończy się na rekrutacji. To jest postawa wobec pracy i rzeczywistości. Ona przechodzi potem do codziennej współpracy, do rozmów o zadaniach, priorytetach i odpowiedzialności.
Z perspektywy osoby początkującej priorytet jest jeden: wejść do branży i zdobyć doświadczenie. Pierwsza praca nie jest kontraktem podpisanym krwią. Po roku masz zupełnie inną pozycję negocjacyjną.
Z perspektywy pracodawcy sprawa wygląda podobnie. Jeżeli doświadczony kandydat przychodzi z piękną listą warunków wstępnych, zanim w ogóle pokaże, co potrafi dowieźć, to warto się zatrzymać i zadać sobie pytanie, jak ta osoba będzie funkcjonować w zespole.
Wyjątki istnieją. Jeżeli rekrutujesz Cristiano Ronaldo analizy danych, to rozmowa wygląda inaczej. Ale umówmy się, większość z nas nim nie jest.
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.
Skrajna nieśmiałość i brak komunikacji
Analitycy często są introwertykami. To nie jest nic złego. Problem zaczyna się wtedy, gdy introwertyzm przeradza się w niezdolność do komunikowania swojej pracy.
Jeżeli podczas rozmowy kwalifikacyjnej widzisz, że kandydat:
– ma problem z logicznym wytłumaczeniem, co robił
– gubi wątek
– nie potrafi zebrać myśli
– unika odpowiedzi
to trzeba zapalić lampkę ostrzegawczą.
Dlaczego? Bo umiejętności techniczne da się relatywnie łatwo doszkolić. Umiejętności komunikacyjne są dużo trudniejsze do nadrobienia.
W praktyce wygląda to tak: inwestujesz w kogoś czas, pieniądze i energię. Ta osoba robi trudne rzeczy, pisze skomplikowany kod, buduje raporty. A potem… nie potrafi wytłumaczyć, co zrobiła, na kiedy to będzie gotowe i czego potrzebuje od biznesu.
Efekt? Praca idzie w piach. Nie dlatego, że jest zła technicznie, tylko dlatego, że nikt nie potrafi z niej skorzystać.
To nie jest apel o bycie ekstrawertykiem i showmanem. To jest apel o minimalny poziom jasnej, konstruktywnej komunikacji.
Zadaniowiec oderwany od biznesu
Kolejny typ to osoba, która uwielbia „klepać taski”. Jira, kolumna „Done”, zamykanie zadań, poczucie osiągnięcia.
I jasne, zadaniowość sama w sobie nie jest zła. W wielu rolach jest wręcz potrzebna. Problem zaczyna się wtedy, gdy analityk kompletnie nie interesuje się tym, po co coś analizuje.
Jeżeli ktoś:
– nie rozumie branży
– nie zadaje pytań o kontekst
– nie próbuje zrozumieć decyzji biznesowych
to w pewnym momencie przestaje być analitykiem, a zaczyna być operatorem narzędzi.
Na poziomie juniora może to jeszcze przejść. Ale powyżej tego poziomu analityk musi rozumieć, co mierzy, dlaczego to mierzy i co z tego wynika.
Prawdziwa wartość analityka nie kończy się na tabeli czy raporcie. Zaczyna się wtedy, gdy potrafi powiedzieć:
– co z tego wynika
– co warto sprawdzić dalej
– jakie decyzje można podjąć
Bez tego zostaje tylko techniczna poprawność. A to za mało.
„Ja jestem dokumentacją”
To jest typ bardzo niebezpieczny, bo często jest naprawdę dobry technicznie.
To są osoby, które:
– nie dokumentują kodu
– nie opisują raportów
– nie przekazują wiedzy
– działają w trybie „sam sobie poradzę”
W ich głowie wszystko jest jasne. Kod ma 2000 linijek, ale oni wiedzą, co gdzie jest. Problem polega na tym, że firma nie jest jednoosobowym projektem.
Analityk, który nie dokumentuje swojej pracy, spowalnia wszystkich wokół. Inni analitycy, zespoły biznesowe, przyszli pracownicy. Każdy musi dokładać dodatkowy wysiłek, żeby zrozumieć, co zostało zrobione.
Taki analityk może dowozić świetne wyniki indywidualnie, ale zespołowo jest hamulcem. A zespołowość w analityce ma ogromne znaczenie, nawet w małych zespołach.
Dokumentacja to nie fanaberia. To element odpowiedzialności za wspólną pracę.
Zakochany w narzędziu
Ostatni typ jest chyba najbardziej kuszący i najbardziej zdradliwy.
To specjaliści zakochani w jednym narzędziu. Power BI, Python, Excel, Tableau. Nieważne. Problemem nie jest narzędzie. Problemem jest sytuacja, w której narzędzie staje się ważniejsze niż biznes.
Jeżeli firma pracuje tylko w jednym narzędziu i szuka konsultanta do bardzo konkretnej technologii, to taki specjalista ma sens. Ale w większości organizacji analityk styka się z więcej niż jednym narzędziem.
I wtedy zaczyna się:
– ciągłe przekonywanie, że „to trzeba zrobić w moim narzędziu”
– narzekanie, że coś jest robione inaczej
– cyzelowanie rzadko używanych feature’ów zamiast realnej analizy
W pewnym momencie narzędzie staje się celem samym w sobie. A to oznacza, że analityka przestaje wspierać decyzje biznesowe, a zaczyna realizować ambicje techniczne jednej osoby.
Pasja jest super. Maestria też. Ale analityk pracuje dla biznesu, nie dla swojego ego.
Zapisz się do
newslettera
🎁 i zgarnij darmowe bonusy:
Poradnik Początkującego Analityka
Video - jak szukać pracy w IT
Regularne dawki darmowej wiedzy, bez spamu
Zakończenie
Wszystkie te typy łączy jedno: brak równowagi. Między technologią a biznesem. Między pewnością siebie a pokorą. Między indywidualnym dowożeniem a pracą zespołową.
Ten tekst nie jest po to, żeby kogoś piętnować. Jest po to, żeby szybciej zauważać problemy, zanim staną się kosztowne. I żeby każdy z nas mógł się zastanowić, czy przypadkiem nie skręca w którąś z tych stron.
Jeśli uznasz, że ten artykuł może komuś pomóc, udostępnij go dalej w mediach społecznościowych. Im więcej osób zobaczy te czerwone flagi wcześniej, tym mniej zespołów będzie musiało się na nich sparzyć później.
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:
