Wymagania dla Data analyst czyli czego sie uczyc blog header

Wyobrażone wymagania dla data analyst

Jakie są wymagania dla Data Analyst? Jakiego języka programowania powinien się przyszły analityk danych nauczyć? Jakie narzędzi musi opanować? Albo prościej: czego się uczyć? Czy powinien to być Python? A może powinieneś być absolutnym mistrzem Excela? A może, tak naprawdę, to bazy danych powinny być w centrum Twojego zainteresowania (SQL)? W skrócie: czego się uczyć?

No właśnie. Często wymagania o jakich myślimy są wyobrażone. Są kolektywem tego co zobaczyliśmy w ofertach pracy, usłyszeliśmy od znajomych i widzieliśmy na YouTube. To generuje dużo stresu. Sam przez to przechodziłem. Mając już trochę doświadczenia, postanowiłem, że narysuję Ci taką prostą mapę umiejętności. Wiadomo, że dużo zależy od Twojego konkretnego położenia, ale potraktuj to jako template.

Wersja do oglądania 📺 🍿

Excel i tabela

Jeżeli przeglądasz ogłoszenia pracy, np. na takim No Fluff Jobs, to możesz się zastanawiać – po co mi Excel? Przecież kiedy ja patrzę na jakieś wymagania dla data analyst, to tam są python, sql regression models i inne skomplikowane rzeczy. A Excel? Przecież na to szkoda tracić czas. Problem polega na tym, że z Excelem jest jak z gotowaniem. W sumie każdy potrafi przyrządzić jakieś jedzenie, a jednak kucharzy wielu nie ma.

Prawda jest taka, że jeżeli nie wiesz czego się uczyć, to po prostu zacznij od tabeli. Bo tabela to najpopularniejszy sposób przechowywania danych. A tabela – w swoim podstawowym użyciu będzie oznaczała Excela. Bo to właśnie w milionach Exceli biznes trzyma swoje dane, swoje małe raporty. I nim zostaniesz data scientist, Ty będziesz musiał te tabele opanować. Opanować rzeczy podstawowe, jak chociażby daty w Excelu (czy wiesz, że to tak naprawdę liczby?). W końcu ogarnąć ten VLOOKUP. I w ten sposób, krok po kroku opanujesz to narzędzie. Poza tym, Excel ma także tę zaletę, że jest bardzo przystępny. Ja też od niego zaczynałem, nawet pracując w customer service. Bo można sobie jakiś drobny raport stworzyć samemu. Można zrobić w Excelu tracker sportowy. A to wszystko uczy Cię analizy danych, uczy Cię pracy z danymi.

Wymagania dla data analyst: SQL vs Python

Jeżeli opanowałeś Excela, to z pewnością myślisz sobie – no, pora skakać na głęboką wodę! Python here I come! Ale wchodzisz na LinkedIn i widzisz, że tam ludzie robią wizualizacje w PowerBI. To może PowerBI. Ale z drugiej strony to Tableau wydaj się potrzebne. To może jednak nauczysz się robić dashboardy w Tableau. Nie wiesz za co się zabrać.

Najczęściej jednak stajesz w rozkroku między Pythonem i SQLem. I teraz tak. Python jest super. Ma setki bibliotek, możesz poczuć się jak programista. Natomiast problem jest taki, że ostatecznie dane są gdzieś przechowywane. Małe dane, jak wspomniałem wcześniej, to Excel. Duże dane? Baza danych. A jak baza danych to SQL.

Python jest świetnym narzędziem, ale najczęściej w pracy będziesz się jednak łączył z bazami danych. Ba – pythonem będziesz wysyłał zapytania SELECT do baz danych właśnie w języku SQL. Dlatego SQL jest Ci po prostu potrzebny. Stanowi on bazę dla większości. Dlatego też, kiedy przeglądasz wymagania dla data analyst, wpis typu “strong sql skills” tam widnieje. Po prostu – nasze dane są w bazach. I żeby z nimi pracować. Trzeba umieć je stamtąd w odpowiedni sposób wyjąć, odpowiednio je grupować. Takie rzeczy jak CTE czy poprawny styl już pomijam, ale one też do tego “strong sql skills” się wliczają.

Czego się uczyć? Tego co Cię otacza.

Jeżeli znasz już SQLa to też nie ma sensu popadać w paranoję albo histerię i kupować wszystkie kursy świata albo rzucać się na machine learning bo jest najlepiej płatny. Tzn. ja nikomu nie bronię jego prywatnej strategii Ale moim zdaniem, po prostu rozejrzyj się co jest dookoła Ciebie.

W Twojej firmie BI jest oparte na SAP? Super – ucz się SAP. Masz możliwość robienia dashboardów w Tableau – świetnie. Pamiętaj, że wymagania dla data analyst to jedno, a frajda z pracy to drugie. Frajda będzie o wiele większa jeżeli nie będziesz musiał strasznie szarżować pod górę. Po prostu raczej rozejrzyj się wokół.

A jeżeli wokoło nie ma nic sensownego – to może właśnie to jest moment na Pythona. Na tworzenie pierwszych skryptów, które chociażby zautomatyzują czyszczenie danych. Pierwsze zabawy w web scraping. Jak widzisz, to nie jest tak, że odpuszczasz z jakąś technologią. Po prostu na wszystko jest czas i nie warto uczyć się biegać, nie umiejąc chodzić.

Podsumowanie

Przede wszystkim warto się uczyć 😄 Mając na względzie najczęściej występujące wymagania dla data analyst, polecam Ci taką kolejność:

  1. Excel
  2. SQL
  3. To co jest najbliżej i nowe, ale tylko jedno (Tableau / PowerBI / SAP)
  4. Python

To tyle w tym temacie. Analizuj 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

A jeśli chcesz się dowiedzieć czegoś więcej o pracy analityka (mojej) – zajrzyj tutaj.

Leave a Reply