Wszystkie artykuły

KajoData / Praca i rozwój

Wymagania dla analityka danych: jak wybrać kolejność nauki

Pokazuję, jak zamienić listę narzędzi w plan z konkretnym zadaniem, wynikiem i sposobem jego sprawdzenia.

Kajo RudzińskiOpublikowano Aktualizacja 11 min czytania

Trzy połączone platformy z tabelą, bazą danych i wykresem, pokazujące kolejne etapy nauki.

Lista wymagań dla analityka danych potrafi wyglądać jak spis całego internetu. Excel, SQL, Python, Power BI, Tableau, statystyka, chmura, komunikacja. Otwierasz kolejne ogłoszenie i dochodzą następne trzy rzeczy. Jeżeli próbujesz uczyć się ich wszystkich jednocześnie, łatwo skończyć z pokaźną kolekcją rozpoczętych kursów i bez jednego skończonego zadania.

Ja zaczynałem od Excela, jeszcze w customer service. Mogłem użyć go do problemów, które już rozumiałem. Nadal uważam to za dobry punkt startu, ale nie zrobiłbym z własnej drogi obowiązkowej kolejności dla każdego. Pokażę Ci, jak wybrać następny krok na podstawie pracy, którą chcesz wykonywać, oraz dowodów tego, co już umiesz.

Najpierw wybieram rodzaj pracy

Zanim porównam kursy, wybieram konkretny kierunek. Analityk raportujący sprzedaż, analityk produktu i osoba rozwijająca modele predykcyjne mogą mieć wspólny fragment warsztatu, ale ich codzienne zadania będą się różnić. Sam tytuł stanowiska nie rozstrzyga, ile czasu poświęcisz na SQL, a ile na rozmowy o definicji wskaźnika. Potrzebuję opisu odpowiedzialności.

Proponuję zebrać kilka aktualnych ofert odpowiadających lokalizacji, poziomowi i rodzajowi firmy, które faktycznie rozważasz. Wypisz zadania, a dopiero obok narzędzia. Oddziel wymagania konieczne od mile widzianych. Taka próbka pomoże wybrać cel nauki, lecz nie będzie badaniem całego rynku. Dziś porównujesz konkretne możliwości, a nie ustalasz, czego od wszystkich analityków wymaga świat.

Przy każdym zadaniu zapisuję, co miałoby powstać. „SQL” zamieniam na „samodzielnie przygotować tygodniowe zestawienie zamówień i wyjaśnić, skąd bierze się suma”. „Komunikacja” zamieniam na „ustalić z odbiorcą, czy zwrot pomniejsza sprzedaż w dniu zakupu czy zwrotu”. To znacznie lepsza instrukcja do ćwiczeń niż ocena własnych umiejętności na pięć gwiazdek.

Tabela jest dobrym pierwszym sprawdzianem

Od początku uczę się rozpoznawać, co oznacza pojedynczy wiersz. Zamówienie, pozycja zamówienia, klient i dzienny wynik sklepu to różne poziomy danych. Jeśli je pomieszam, nawet poprawna formuła może dać mylący raport. Przed pierwszym wykresem chcę znać klucz, jednostkę miary, okres oraz znaczenie pustych wartości. Ta wiedza przyda się także po zmianie programu.

Weźmy syntetyczny przykład: trzy wiersze z identyfikatorami zamówień A, A i B. Pierwsze zamówienie ma dwie pozycje, drugie jedną. Widzę trzy pozycje, ale dwa zamówienia. Jeśli raport ma odpowiadać na pytanie o liczbę zamówień, zwykłe liczenie wierszy będzie niewystarczające. Tak mały zbiór pozwala zauważyć problem bez chowania go za rozbudowanym narzędziem.

W Excelu ćwiczyłbym uporządkowaną tabelę, typy danych, filtrowanie, proste podsumowania i dopasowanie informacji z drugiego zestawu. Zależy mi również na kontroli: czy suma po podziale na sklepy zgadza się z całością, czy brak ceny jest widoczny i czy nowy wiersz trafia do zestawienia. Jeśli potrzebujesz podstaw układu danych, zacznij od dobrze przygotowanej tabeli w Excelu.

SQL pozwala pracować bliżej źródła

Gdy dane są w bazie, SQL daje możliwość wybrania potrzebnych rekordów, połączenia tabel i przygotowania agregacji. Nie zakładam przy tym, że każda duża tabela musi mieszkać w relacyjnej bazie ani że mały plik zawsze wymaga Excela. Wybór narzędzia wynika także z systemów firmy, dostępu do danych i sposobu przekazywania wyniku.

Na początku potrzebuję filtrowania, grupowania i łączenia tabel. Potem dochodzą bardziej złożone zapytania, funkcje okna i organizacja kodu. Nie przeskakuję jednak kontroli liczności. Dokumentacja PostgreSQL o złączeniach pokazuje, że złączenie buduje pary pasujących wierszy. To właśnie dopasowania decydują, czy liczba rekordów wzrośnie, czy część danych zniknie.

W naszym przykładzie mogę dołączyć do zamówień tabelę sklepów. Najpierw sprawdziłbym, czy kod sklepu występuje w niej tylko raz. Dwa pasujące wpisy dla jednego kodu mogą powielić pozycje i zawyżyć sumę. Umiejętność wyjaśnienia takiego błędu jest dla mnie mocniejszym dowodem znajomości SQL niż długa lista poznanych słów kluczowych. Zobacz również plan nauki SQL.

Jedno narzędzie BI wybieram do konkretnego celu

Kiedy umiem przygotować dane, chcę pokazać wynik odbiorcy. Tu pojawiają się Power BI, Tableau albo rozwiązanie używane w danej firmie. Wybrałbym na początek jedno narzędzie. Potrzebuję poznać jego sposób modelowania danych i zachowanie filtrów, a następnie przygotować raport, który da się czytać bez mojego komentarza przy każdym kliknięciu.

Zakres egzaminu Microsoft PL-300 obejmuje przygotowanie i modelowanie danych, wizualizację oraz zarządzanie i zabezpieczanie Power BI. Przywołuję go jako mapę jednego ekosystemu. Nie jest listą wymagań każdej firmy ani dowodem, że musisz od razu zdawać egzamin. Pokazuje natomiast, jak dużo pracy kryje się przed samym wyborem koloru słupków.

W ćwiczeniu z zamówieniami wystarczy mi widok sprzedaży według sklepu i tygodnia. Odbiorca powinien widzieć okres, jednostkę i sposób uwzględnienia zwrotów. Sprawdzam też, co robi filtr sklepu oraz czy łączna wartość nadal zgadza się ze źródłem. Animowany dashboard, którego wyniku nie potrafię obronić, zostawiłbym na później. Najpierw chcę mieć raport, któremu można zaufać.

Python dokładam, gdy rozwiązuje następny problem

Python jest przydatny do automatyzacji, przetwarzania danych i zadań, które trudno wygodnie wykonać w używanym już środowisku. Może być też naturalnym pierwszym językiem, jeżeli masz doświadczenie programistyczne albo celujesz w rolę wymagającą go od początku. Nie trzeba czekać na uroczyste ukończenie całego Excela. Takiego momentu zresztą raczej nie będzie.

Zanim dołożę kolejny język, pytam jednak, jaki problem chcę nim rozwiązać. Comiesięczne pliki o tym samym układzie mogą być dobrym zadaniem także dla Power Query. Microsoft opisuje Power Query jako środowisko przygotowania i przekształcania danych z powtarzalnymi krokami. Porównałbym dostępne rozwiązania, zamiast z góry uznawać skrypt za jedyny profesjonalny wybór.

Jeśli wybiorę Pythona, ćwiczę cały przebieg: odczyt danych, kontrolę typów, przekształcenie, sprawdzenie wyniku i czytelny zapis. Chcę umieć wyjaśnić, co stanie się z pustą wartością, nową kolumną albo błędnym plikiem. Kopiowanie fragmentu kodu bez zrozumienia wejścia i wyjścia utrudnia późniejsze utrzymanie. Podobnie działa kopiowanie rozbudowanej formuły, której nikt nie chce już dotykać.

Warsztat prowadzący od surowych kostek przez tabelę i bazę do wykresu

Statystykę łączę z pytaniem, na które odpowiadam

Nie odkładałbym myślenia statystycznego do czasu po opanowaniu wszystkich narzędzi. Już prosty raport wymaga decyzji, czy pokazuję sumę, średnią, medianę czy udział. Potrzebuję wiedzieć, co jest obserwacją, jaki jest mianownik i czy porównuję podobne grupy. Na tym etapie więcej daje mi poprawna interpretacja prostego wyniku niż mechaniczne używanie trudniejszej metody.

Załóżmy syntetycznie, że jeden sklep zrealizował dwa zamówienia, a drugi dwieście. Ich średnie wartości zamówienia nie powinny automatycznie dostać takich samych wag w wyniku dla całej firmy. Zanim wybiorę formułę, ustalam, czy chcę opisać przeciętne zamówienie, czy przeciętny sklep. Te dwa pytania mogą dać różne odpowiedzi i obie mogą mieć sens.

Na początek polecam przećwiczyć medianę i rozkład wartości, a potem wracać do statystyki przy konkretnych zadaniach. Nie dopisuj przyczyny do samej różnicy między grupami. Wzrost po kampanii nie dowodzi jeszcze, że kampania go spowodowała. Umiejętność nazwania ograniczenia przyda się na spotkaniu równie mocno jak umiejętność narysowania wykresu.

Jeden projekt może połączyć kolejne etapy

Zamiast tworzyć osobny projekt dla każdej nowej biblioteki, rozwinąłbym jeden mały temat. Przykładowo: analiza zamówień fikcyjnego sklepu z dwoma źródłami danych i jasno określonym okresem. Najpierw przygotowuję tabelę, potem przenoszę potrzebne kroki do SQL, a na końcu buduję prosty widok. Każdy etap odpowiada na to samo pytanie biznesowe.

Do projektu dokładam definicję wyniku. Zapisuję, czy kwota jest przed zwrotem czy po nim, które rekordy wykluczam i dlaczego. Dołączam opis braków oraz kontrolę sum. Jeżeli korzystam z danych syntetycznych, mówię o tym wprost. Jeżeli z publicznych, podaję pochodzenie i sprawdzam warunki wykorzystania. Firmowe dane nie stają się materiałem do portfolio tylko dlatego, że usunąłem kolumnę z imieniem.

Dobra prezentacja projektu pokazuje także decyzję, z której zrezygnowałem. Mogłem nie przygotować prognozy, bo zakres danych był zbyt mały. Mogłem zostawić brak ceny jako wyjątek zamiast wpisywać zero. Taki komentarz pozwala zrozumieć mój tok myślenia. Rekruter nie musi zgadywać, czy brak dodatkowej funkcji był świadomym wyborem, czy urwanym kursem.

Sprawdzam umiejętność bez prowadzenia za rękę

Po lekcji zamykam materiał i próbuję odtworzyć rozwiązanie na zmienionych danych. Jeśli umiem wykonać zadanie tylko przy identycznej nazwie kolumny i tym samym układzie pliku, potrzebuję jeszcze ćwiczenia. To normalne. Chcę po prostu odróżnić rozpoznawanie znajomego ekranu od samodzielnego rozwiązania problemu. Obie rzeczy mogą wyglądać podobnie podczas oglądania kursu.

Do samooceny używam trzech pytań. Czy potrafię zacząć od pustego pliku? Czy umiem sprawdzić wynik inną drogą? Czy potrafię powiedzieć, kiedy rozwiązanie będzie błędne? Dopiero wtedy dokładam bardziej złożony wariant. Nie wymagam znajomości każdej funkcji z pamięci. Umiejętność znalezienia właściwej dokumentacji również jest częścią pracy, o ile rozumiem, czego w niej szukam.

Zaproś drugą osobę do przeczytania opisu projektu. Niech spróbuje ustalić okres, źródło i znaczenie jednej liczby bez pytania Ciebie. Jeśli musi dopytywać o podstawy, masz konkretne miejsce do poprawy. Taki przegląd nie zastąpi weryfikacji technicznej, ale szybko pokaże, czy wynik jest komunikatywny. Raport będzie przecież używany także wtedy, gdy nie będziesz obok.

Plan nauki układam wokół dostępnego czasu

Najpierw wybieram jedno zadanie na najbliższy etap. Zapisuję oczekiwany rezultat, sposób sprawdzenia i powód, dla którego jest ważny dla wybranego stanowiska. Dopiero potem szukam lekcji. Jeśli zaczynam od katalogu kursów, łatwo pomylić dostępność materiału z własnym priorytetem. Nowy kurs zawsze wygląda bardziej obiecująco niż trudny fragment starego projektu.

Plan powinien uwzględniać zwykły tydzień, z pracą i odpoczynkiem. Dwie regularne sesje mogą być rozsądniejszym początkiem niż ambitny harmonogram codziennych maratonów. Nie obiecuję określonej liczby tygodni do zatrudnienia. Tempo zależy od punktu startu, czasu, dostępu do feedbacku oraz rodzaju roli. Kalendarz pomaga utrzymać kierunek, ale nie jest gwarancją wyniku rekrutacji.

Po każdym etapie robię krótki przegląd: co potrafię już zrobić samodzielnie, gdzie nadal potrzebuję pomocy i jaki problem pojawił się następny. Wtedy mogę zdecydować, czy potrzebuję kolejnej technologii, czy jeszcze jednego ćwiczenia z obecnej. Jeśli blokuje mnie rozumienie złączeń, dołożenie pięknego dashboardu raczej tego nie naprawi. Warto spokojnie nazwać prawdziwą przeszkodę.

Jak zmienić kolejność bez poczucia, że zaczynasz od zera

Moja domyślna propozycja dla osoby pracującej z tabelami to porządek danych, SQL i jedno narzędzie raportowe, a Python wtedy, gdy ma konkretną rolę. Jeśli jednak masz już sprawny warsztat programistyczny, możesz zacząć od brakującej wiedzy o danych i biznesie. Jeśli firma używa konkretnego środowiska, praktyka w nim może mieć większą wartość niż uczenie się modniejszej alternatywy po nocach.

Zmiana narzędzia nie kasuje umiejętności definiowania rekordu, kontroli sum i zadawania pytań. Te elementy przenoszę między środowiskami. Zmieni się składnia i interfejs, ale nadal trzeba wiedzieć, co policzyłem. Właśnie dlatego wracam do jednego projektu i sprawdzam, czy umiem utrzymać jego sens po zmianie technologii. To uczciwszy sprawdzian niż porównywanie liczby ikon w CV.

Na dziś wybierz jedną ofertę, jedno zadanie i jeden mały zbiór danych. Napisz, co ma powstać oraz jak poznasz, że działa poprawnie. Jeśli potrafisz to zrobić, masz już sensowny początek planu. Resztę narzędzi możesz dobierać wtedy, gdy pojawi się dla nich praca. Internet poczeka z kolejnymi listami trzydziestu niezbędnych kompetencji.

Ćwiczenie: oceń trzy różne punkty startu

Wyobraź sobie trzy osoby. Pierwsza pracuje w obsłudze klienta i co tydzień ręcznie przygotowuje zestawienie zgłoszeń. Druga potrafi pisać skrypty, ale nigdy nie uzgadniała definicji wyniku z odbiorcą. Trzecia tworzy czytelne wykresy, lecz dostaje już gotowe dane i nie wie, co działo się z nimi wcześniej. To przykłady do porównania, a nie opisy konkretnych pracowników. Każda osoba może potrzebować innego następnego kroku, mimo że wszystkie myślą o analizie danych.

Pierwszej zaproponowałbym uporządkowanie źródłowej tabeli oraz sprawdzenie, czy raport obejmuje wszystkie zgłoszenia. Potem można rozważyć powtarzalny import. Drugiej dałbym zadanie napisania krótkiego uzgodnienia: kto użyje wyniku, do jakiej decyzji, za jaki okres i z jakim ograniczeniem. Trzeciej zaproponowałbym przejście od surowego pliku do własnego zestawienia, z kontrolą liczby rekordów na każdym etapie. W żadnym przypadku nie zaczynam od zakupu tego samego pakietu kursów.

Zapisz teraz własny punkt startu w czterech zdaniach. Jakie zadania już wykonujesz? Do jakich narzędzi i danych masz legalny dostęp? Jaki wynik potrafisz samodzielnie sprawdzić? Co blokuje Cię w wykonaniu następnego zadania? Jeśli odpowiedź na ostatnie pytanie brzmi „wszystko”, zawęź zadanie. Zamiast kompletnego systemu raportowego wybierz odpowiedź na jedno pytanie z jednej tabeli. Dzięki temu łatwiej oddzielisz brak wiedzy od zwyczajnie zbyt szerokiego zakresu.

Następnie ustal warunek zakończenia ćwiczenia. Dla raportu zgłoszeń może to być zestawienie według dnia i kategorii, zgodne ze źródłową liczbą spraw, z osobno pokazanymi brakami kategorii. Przygotuj krótką instrukcję odświeżenia i poproś kogoś o przeczytanie wyniku. Jeżeli po zmianie pliku wejściowego nie potrafisz już wyjaśnić różnicy w sumie, wróć do kontroli danych. Nie musisz z tego powodu zmieniać całego kierunku zawodowego.

Czego nie wywnioskuję z własnego planu

Skończony projekt pokazuje pewien wycinek umiejętności. Nie dowodzi jeszcze, że poradzisz sobie z każdym środowiskiem firmowym, dużym modelem danych czy odpowiedzialnością za produkcyjny raport. W opisie portfolio nazwałbym ten zakres uczciwie. Osoba początkująca może pokazać bardzo dobrą pracę na niewielkim zbiorze i jednocześnie potrzebować wsparcia przy wdrożeniu. Taka granica pomaga ustalić sensowny poziom stanowiska i oczekiwania obu stron.

Podobnie z brakiem odpowiedzi na aplikacje. Sam fakt, że nie zaproszono Cię na rozmowę, nie pozwala stwierdzić, że brakuje Ci akurat Pythona. Przyczyną może być dopasowanie roli, sposób opisu doświadczenia, lokalizacja albo inne warunki procesu. Sprawdziłbym konkretne informacje zwrotne i porównał ofertę z materiałem, który wysyłam. Dokładanie kolejnej technologii po każdym odrzuceniu szybko zamieni naukę w chaotyczną reakcję na coś, czego przyczyny nawet nie znam.

Najważniejsze w pigułce

Od czego zacząć naukę analizy danych?

Od konkretnego zadania i uporządkowanej tabeli. Jeśli pracujesz już w Excelu, wykorzystaj go do ćwiczenia poziomu rekordu, typów danych i kontroli wyniku.

Czy SQL trzeba znać przed Pythonem?

Kolejność zależy od roli i punktu startu. SQL jest dobrym następnym krokiem przy pracy z bazami, a Python warto dołożyć do zadania, które go wymaga.

Czy certyfikat wystarczy do znalezienia pracy?

Certyfikat może porządkować naukę, ale nie gwarantuje zatrudnienia. Pokaż również samodzielny projekt, definicję wyniku, kontrolę poprawności i ograniczenia.

Przy pracy nad artykułem użyto w zautomatyzowany sposób sztucznej inteligencji. Jeśli też chcesz tak umieć, sprawdź ten projekt.

Kajo Rudziński

Newsletter KajoData

Zostańmy w kontakcie.

Piszę o analizie danych, uczeniu się i zmianie pracy. Dzielę się tym, co pomaga mi ogarniać technologię i zawodowe decyzje. Jeśli lubisz ten sposób myślenia, zapraszam do mojego newslettera.