Za co lubię pracę analityka danych: cztery powody i jeden przykład

Lubię pracę z danymi za możliwość przechodzenia od niejasnego pytania do czegoś, co można sprawdzić. Ktoś mówi, że wyniki się pogorszyły. Otwieram dane, porządkuję definicje i nagle okazuje się, że pod jednym zdaniem kryją się trzy różne problemy. Każdy wymaga innego działania. Ten moment nadal mnie interesuje.

W pierwotnym artykule wskazałem cztery powody: różnorodność zadań, zrozumienie biznesu, możliwości technologiczne i pracę przypominającą dochodzenie. Podtrzymuję ten wybór. Chcę go jednak pokazać dokładniej, bo samo hasło „ciekawa praca” niewiele mówi osobie, która rozważa zmianę zawodu. Szczególnie kiedy obok leży raport do odświeżenia po raz trzydziesty.

Dlatego przejdę przez wymyślony przykład opóźnionych dostaw. Wszystkie liczby są syntetyczne. Nie opisuję tutaj nowego klienta, pracodawcy ani własnego projektu. Buduję małe zadanie, na którym możesz zobaczyć, jakie decyzje podejmuje analityk i które fragmenty tej pracy mogą Ci odpowiadać.

Zaczynam od pytania, które brzmi prościej niż jest

Wyobraź sobie wiadomość od osoby odpowiedzialnej za dostawy: „Mamy więcej opóźnień. Sprawdź, czy jakość obsługi spada”. W pierwszym tygodniu było 40 spóźnionych przesyłek, w drugim 60. Na pierwszy rzut oka sprawa wygląda jasno. Liczba problemów wzrosła o połowę. Da się już zrobić czerwony wykres i wysłać go dalej.

Ja najpierw pytam, ile przesyłek dostarczono łącznie. W pierwszym tygodniu było ich 200, w drugim 400. Odsetek opóźnień wynosi więc odpowiednio 20% i 15%. Mamy więcej spóźnionych paczek, lecz mniejszy udział opóźnień. Oba stwierdzenia są prawdziwe. Zespół obsługujący reklamacje może mieć więcej pracy, choć zbiorczy wskaźnik terminowości się poprawił.

Zanim nazwę któryś wynik poprawą lub pogorszeniem, uzgadniam cel analizy. Czy planujemy obsadę zespołu reklamacji? Czy oceniamy obietnicę złożoną klientowi? Czy wybieramy obszar procesu do sprawdzenia? Liczba zdarzeń, ich udział oraz dotkliwość opóźnienia odpowiadają na różne pytania. Jeden czerwony lub zielony kafelek nie załatwi ich wszystkich.

Doprecyzowuję też definicję: przesyłka spóźniona względem jakiego terminu, według jakiej daty i w jakiej strefie czasowej? Czy liczymy wyłącznie dostawy zakończone? Co z przesyłką, która nadal jedzie? Bez tych ustaleń nawet poprawnie policzony procent może porównywać różne rzeczy w kolejnych tygodniach.

Pierwszy powód: zmieniam rodzaj pracy w obrębie jednego problemu

Różnorodność, którą lubię, wynika z kolejnych potrzeb zadania. Najpierw rozmawiam o znaczeniu opóźnienia. Potem sprawdzam strukturę pliku. Następnie liczę wskaźnik, porównuję grupy i przygotowuję wyjaśnienie. Nawet prosty przypadek dostaw wymaga kilku sposobów myślenia. Przez chwilę jestem bardzo dokładny technicznie, a za moment muszę powiedzieć po ludzku, czego dowiedziałem się z liczb.

Nie każdy dzień daje taki pełny przekrój. Są role mocno raportowe, są tygodnie utrzymania i są zadania ograniczone do jednego systemu. W opisie pracy analityków BI w O*NET obok analizy występują utrzymanie narzędzi, dokumentacja i wsparcie użytkowników. To opis amerykańskiej kategorii zawodowej, przydatny jako lista obowiązków, a nie obietnica dotycząca konkretnego polskiego stanowiska.

W naszym przykładzie różnorodność nie wymaga pięciu nowych aplikacji. Mogę przejść od rozmowy do danych i prezentacji wyniku w jednym arkuszu. Interesuje mnie zmiana perspektywy: użytkownik widzi rosnącą liczbę skarg, analityk sprawdza mianownik, a osoba zarządzająca procesem potrzebuje wiedzieć, co zrobić w następnym tygodniu. Te perspektywy trzeba ze sobą połączyć.

Jest również koszt przełączania uwagi. Jeżeli co kilkanaście minut dostaję nowe pilne pytanie, różnorodność zaczyna przypominać chaos. Dlatego w dobrze zorganizowanym zadaniu zostawiam czas na skupienie, zapisuję ustalenia i ustalam moment przekazania wyniku. Dużo tematów na liście nie oznacza jeszcze dużej wartości wykonanej pracy.

Osobie rozważającej ten zawód proponuję prostą obserwację: czy lubisz wrócić do danych po rozmowie, a później wrócić z wynikiem do człowieka? W analizie te przejścia mają sens. Jeśli interesuje Cię wyłącznie jeden etap, też warto to zauważyć. Być może szukasz bardziej wyspecjalizowanej roli albo innego sposobu podziału pracy w zespole.

Drugi powód: uczę się, jak działa biznes

W danych o dostawach widzę fragment procesu, który zaczyna się znacznie wcześniej. Klient wybiera sposób dostawy, magazyn kompletuje zamówienie, przewoźnik odbiera paczkę, a system zapisuje zdarzenia. Opóźnienie końcowe może wynikać z różnych etapów. Żeby przygotować użyteczną analizę, muszę rozumieć przynajmniej tyle procesu, ile potrzeba do postawienia sensownego pytania.

To jest dla mnie atrakcyjna część zawodu. Uczę się zależności między działaniem firmy a jego śladem w danych. Zamiast traktować kolumnę status jako oczywistą prawdę, pytam, kto ją ustawia i kiedy. Zamiast sumować wszystkie rekordy, sprawdzam, czy jeden wiersz oznacza przesyłkę, zamówienie czy zmianę statusu. Ta wiedza wpływa bezpośrednio na wynik.

Bliskość biznesu wymaga jednak ostrożności w obietnicach. Sam raport nie zmienia procesu. Ktoś musi mieć możliwość podjęcia decyzji, zasoby na działanie i odpowiedzialność za konsekwencje. Mogę dostarczyć analizę oraz rekomendację. Nie mogę zagwarantować, że każda rekomendacja zostanie przyjęta, ani przypisać sobie całego rezultatu pracy wielu osób.

W przykładzie proponowałbym dwie osobne rozmowy. Zespół obsługi potrzebuje oceny obciążenia związanego z 60 opóźnieniami. Właściciel dostaw potrzebuje informacji, czy zmieniła się jakość poszczególnych usług. Wspólny zestaw danych pomaga obu osobom, ale odpowiedź i następny krok mogą być inne. Właśnie takie dopasowanie wyniku do odbiorcy daje analizie sens.

Ważne jest też prawo do ograniczonej odpowiedzi. Jeśli mam tylko datę doręczenia i obiecany termin, mogę opisać opóźnienie. Bez zdarzeń pośrednich nie wskażę uczciwie etapu, który je spowodował. Wolę wskazać brakujący pomiar niż obciążyć winą magazyn na podstawie końcowego statusu paczki. Konkretna granica wiedzy jest przydatną informacją dla biznesu.

Trzeci powód: narzędzia dają kilka dróg do rozwiązania

Lubię mieć wybór sposobu pracy. Arkusz pozwala szybko obejrzeć mały zestaw. SQL pomaga pobrać i zestawić dane z bazy. Kod może odtworzyć powtarzalne przekształcenia, a narzędzie BI udostępnić wynik wielu odbiorcom. W tym opisie interesuje mnie cel każdej czynności. Lista nazw programów sama w sobie nie stanowi planu analizy.

Dla dwóch tygodni i dwóch typów dostaw wystarczy mała tabela. Nie potrzebuję budować całego systemu, żeby sprawdzić dzielenie czterdziestu przez dwieście. Jeżeli jednak podobne pytanie wraca regularnie, danych przybywa i kilka osób potrzebuje tej samej definicji, warto zaprojektować bardziej powtarzalny sposób pracy. Zmiana narzędzia powinna odpowiadać na rozpoznany problem.

Swoboda wyboru ma granice. Firma może mieć ustaloną infrastrukturę, politykę dostępu, zatwierdzone oprogramowanie i osoby utrzymujące konkretny raport. W takim otoczeniu rekomenduję rozwiązanie, które da się przekazać i obsługiwać. Najbardziej efektowny skrypt nie pomoże, jeśli nikt poza mną nie potrafi go uruchomić, a wynik jest potrzebny podczas mojego urlopu.

Przy wyborze pytam więc o częstotliwość odświeżania, źródło, kontrolę zmian i odbiorcę. Potem wybieram najprostsze rozwiązanie spełniające te warunki. Własny rozwój techniczny nadal ma znaczenie, ale staram się nie przerabiać każdej prośby o raport na poligon dla nowej biblioteki. Użytkownik zwykle nie zamawiał mojego eksperymentu technologicznego.

Jeśli dopiero zaczynasz, możesz przećwiczyć tę zasadę na formułach tablicowych w Excelu i później porównać ją z podstawami Pythona. Szukaj podobnego problemu: wybór danych, obliczenie wyniku i obsługa braku wartości. Dzięki temu kolejne narzędzie łączy się z już poznanym sposobem rozumowania.

Czwarty powód: dochodzę do wyjaśnienia krok po kroku

Wracam do naszych dostaw. Wskaźnik spadł z 20% do 15%. Czy usługi stały się lepsze? Dzielę syntetyczne dane na dwa warianty i dostaję poniższą tabelę. „Standard” i „Express” są tylko nazwami grup w ćwiczeniu, bez związku z ofertą konkretnego przewoźnika.

W żadnej z dwóch grup odsetek opóźnień się nie zmienił. W drugim tygodniu większą część wszystkich dostaw stanowiła grupa z niższym wskaźnikiem. Zbiorczy odsetek spadł dzięki zmianie proporcji grup. Mam więc dokładniejsze wyjaśnienie różnicy między tygodniami, choć nadal nie wiem, dlaczego klienci wybrali inną strukturę usług.

Taki moment daje mi satysfakcję: sprawdzenie kolejnego przekroju zmienia interpretację wyniku. Nie potrzebowałem tajemniczego algorytmu. Potrzebowałem sensownego podziału, kontroli sum i cierpliwości. W tygodniu pierwszym 30 plus 10 daje 40 opóźnień. W drugim 30 plus 30 daje 60. Sumy grup wracają do liczb, od których zaczęliśmy.

Nie ogłaszam jednak, że rozwiązałem wszystkie pytania o przyczynę. Wyjaśniłem arytmetyczny wpływ struktury dostaw na łączny wskaźnik. Powód zmiany struktury wymaga dodatkowych danych. Podobnie sama zależność między dwiema zmiennymi nie dowodzi przyczynowości, co podkreśla NIST w omówieniu wykresu rozrzutu. Rozsądna hipoteza jest początkiem sprawdzania, a nie końcowym dowodem.

Mniej efektowna część też należy do zawodu

Zanim dojdę do tego wyjaśnienia, muszę sprawdzić podstawy. Czy każda przesyłka występuje raz? Czy plik za drugi tydzień jest kompletny? Czy anulowane dostawy traktujemy tak samo? Czy oba tygodnie obejmują porównywalne okresy? To praca, która rzadko trafia na efektowną miniaturę, ale potrafi zdecydować o wartości całej analizy.

Wyobraź sobie dodatkowo, że plik powstaje w poniedziałek rano, a część weekendowych dostaw jeszcze nie ma końcowego statusu. Porównanie ostatniego tygodnia z zamkniętym wcześniejszym okresem może być nieuczciwe. Potrzebuję reguły zamknięcia danych albo jawnego oznaczenia, że najnowszy okres jest niepełny. W przeciwnym razie pozorna poprawa może zniknąć po kolejnym odświeżeniu.

Dochodzą też poprawki opisu, dokumentowanie uzgodnionej definicji i odpowiadanie na pytania użytkowników. Czasem trzeba powtórzyć wyjaśnienie, ponieważ odbiorca ma inny kontekst albo czyta raport między dwoma spotkaniami. Staram się wtedy poprawić komunikat, zamiast zakładać, że wystarczyło raz pokazać wzór. Samodzielność analityka dobrze działa razem z dostępnością jasnej informacji.

Nie każda zagadka kończy się satysfakcjonującym odkryciem. Bywa, że danych brakuje, definicje były zmieniane bez zapisu albo porównanie nie daje podstaw do wniosku. Umiejętność zakończenia pracy uczciwym „tego jeszcze nie rozstrzygamy” też należy do warsztatu. W raporcie zapisuję wtedy, jaki pomiar lub sprawdzenie pozwoli ruszyć dalej.

Jak przekazałbym wynik tej analizy

Zanim napiszę notatkę, sprawdzam jeszcze, czy procent odpowiada skali problemu odczuwanego przez odbiorcę. Jednodniowe opóźnienie i paczka zagubiona na dwa tygodnie mogą trafić do tej samej kategorii „po terminie”. Jeśli decyzja dotyczy naprawy procesu, przyda się rozkład długości opóźnień oraz informacja o brakujących doręczeniach. Sam udział spóźnionych przesyłek nie opisuje całego doświadczenia klienta.

Nie dokładam jednak kolejnych wskaźników bez końca. Pytam, która dodatkowa informacja może zmienić działanie. Jeśli zespół musi ustalić kolejność kontaktu z klientami, długość opóźnienia ma bezpośrednie zastosowanie. Jeśli potrzebuje tylko oszacować liczbę spraw do obsługi, szczegółowy wykres dla każdego regionu może poczekać. Tak ograniczam zakres, żeby analiza miała szansę zakończyć się w użytecznym terminie.

W pracy zespołowej proszę też o sprawdzenie toku rozumowania. Druga osoba może zauważyć, że użyłem daty nadania zamiast daty dostawy albo potraktowałem dwa statusy jednej paczki jak dwie paczki. Taka uwaga poprawia wynik, nawet jeśli zmusza do powtórzenia obliczeń. Przyjemność z rozwiązanej zagadki łatwo zamienić w przywiązanie do pierwszej odpowiedzi. Wolę mieć zapisaną hipotezę i warunek jej odrzucenia niż bronić wykresu dlatego, że poświęciłem mu dużo czasu.

Moja krótka notatka do przykładowego zespołu brzmiałaby tak: liczba opóźnień wzrosła z 40 do 60 przy wzroście liczby dostaw z 200 do 400. Łączny odsetek spadł z 20% do 15%. W obu typach usług odsetki pozostały bez zmian. Różnicę łącznego wskaźnika wyjaśnia większy udział usługi Express w drugim tygodniu.

Dodałbym osobno ograniczenie i następny krok. Dane są syntetyczne, a w prawdziwym zadaniu trzeba potwierdzić kompletność okresów oraz definicję opóźnienia. Dla obciążenia obsługi ważna pozostaje liczba problematycznych przesyłek. Dla oceny procesu warto obserwować oba segmenty, a przy szukaniu źródła opóźnień pozyskać zdarzenia z kolejnych etapów dostawy.

Zwróć uwagę na różnicę między obserwacją a zaleceniem. Pierwsza wynika z policzonych danych. Drugie uwzględnia cel, dostępne możliwości i koszt następnego sprawdzenia. Zapisuję je tak, żeby odbiorca mógł zakwestionować założenie bez odrzucania całej tabeli. To ułatwia rozmowę i pokazuje, gdzie rzeczywiście potrzebujemy decyzji.

Nie kończę również na samym wysłaniu pliku. Ustalam, kto wykorzysta wynik i czy potrzebuje jednorazowej odpowiedzi, czy cyklicznej kontroli. Jeśli powstaje cykliczny raport, trzeba określić właściciela definicji, termin odświeżenia i sposób zgłaszania problemów. W przeciwnym razie ciekawa analiza może szybko zostać kolejnym załącznikiem, którego nikt nie otwiera.

Sprawdź na małym zadaniu, czy lubisz taki sposób pracy

Przepisz cztery wiersze tabeli do arkusza. Oblicz wyniki dla tygodni, a potem przygotuj trzy zdania dla osoby, która nie widzi tabeli. Pierwsze powinno opisywać liczbę opóźnień, drugie ich udział, trzecie zmianę proporcji usług. Sprawdź, czy można zrozumieć każde zdanie bez znajomości nazwy funkcji użytej w arkuszu.

Następnie celowo zmień jedną liczbę i zobacz, które wnioski przestają być prawdziwe. Możesz zwiększyć opóźnienia Standard w drugim tygodniu z 30 do 40. Odsetek tej grupy wzrośnie do 40%, a łączny wynik do 70 na 400, czyli 17,5%. Łączny wskaźnik nadal będzie niższy niż w pierwszym tygodniu, mimo pogorszenia jednego segmentu.

Na końcu oceń własną reakcję. Czy ciekawiło Cię, dlaczego liczby się zmieniły? Czy sprawdziłeś sumy bez przypominania? Czy potrafiłeś zaakceptować, że tabela nie odpowiada na pytanie o przyczynę zachowania klientów? To bardziej użyteczna obserwacja niż wyobrażenie siebie przy trzech monitorach z otwartym dashboardem. Monitory akurat bardzo łatwo sobie wyobrazić.

Jeśli chcesz pójść dalej, przeczytaj o wyborze między analizą danych a programowaniem albo o komunikacji w pracy analityka dla introwertyka. Dla mnie atrakcyjność tej pracy wynika z połączenia pytań, danych, narzędzi i rozmowy. Warto sprawdzić na własnym małym projekcie, które z tych części naprawdę chcesz rozwijać.