To jest 195. odcinek podcastu Porozmawiajmy o IT, w którym z moim gościem rozmawiam o pracy jako analityk danych. Przypominam, że w poprzednim odcinku rozmawiałem o automatyzacji procesów biznesowych. Wszystkie linki oraz transkrypcję dzisiejszej rozmowy znajdziesz pod adresem porozmawiajmyoit.pl/195.

Ocena lub recenzja podcastów w Twojej aplikacji jest bardzo cenna, więc nie zapomnij poświęcić na to kilku minut. Oceny podcastom można wystawiać również w Spotify. Będzie mi bardzo miło, jeśli w ten sposób odwdzięczysz się za treści, które dla Ciebie tworzę. Dziękuję.

Zastanawiasz się nad zmianą pracy, ale gdy przeglądasz oferty na popularnych stronach, to nie jesteś przekonany, czy młody, dynamiczny zespół oraz owocowe środy są dla Ciebie? Na szczęście jest Solid Jobs, portal z ofertami pracy dla ludzi, którzy chcą wiedzieć, ile będą zarabiać, z jakimi technologiami i nad jakim projektem będą pracować. Solidne oferty pracy znajdziesz na solid.jobs.

Ja się nazywam Krzysztof Kempiński, a moją misją jest poszerzanie horyzontu w ludzi z branży IT. Środkiem do tego jest m.in. ten podcast. Wspierając mnie przez Patronite, dzieląc się tym odcinkiem w swoim kręgu lub feedbackiem na jego temat ze mną, pomagasz w realizacji tej misji. A teraz życzę Ci już miłego słuchania!

Odpalamy!

Cześć! 

Moim gościem, a właściwie gościnią jest osoba, która od ponad pięciu lat pracuje w zawodach związanych z analizą danych i Business Intelligence. Prowadzi bloga i Instagram bideveloper.pl, na którym dzieli się swoją wiedzą odnośnie do pracy z danymi i pokazuje kulisy tego zawodu. Aktualnie pracuje jako freelancer, konsultant, BI developer i pomaga firmom w rozwoju dzięki narzędziom BI, m.in. Microsoft Power BI. Ceni sobie ciszę, spokój i bliskość natury. Moim gościem jest Dagmara Anuszczyk. 

Cześć Dagmara, bardzo miło mi gościć w podcaście. 

Cześć, Krzysztof. Bardzo miło mi, że mogę gościć w swoim podcaście. Dziękuję za zaproszenie. 

Przyjemność po mojej stronie. Z Dagmarą będę chciał dzisiaj porozmawiać o ciekawym zawodzie, ciekawej perspektywie zawodowej, która, mam wrażenie, rośnie na znaczeniu i przynajmniej patrząc na ofertę pracy, można zauważyć, że coraz częściej występuje, mianowicie analityk danych. Postaramy się właśnie sprawdzić, z czym ta praca na co dzień się wiąże, jakich kompetencji wymaga. 

Ale zanim do tego przejdziemy, to chciałbym Cię, Dagmara, tak jak każdego mojego gościa zapytać o to, czy słuchasz podcastów. Jeśli tak, to może masz jakieś ciekawe w swoim playerze, o których warto tutaj wspomnieć. 

Słucham, ale sporadycznie, przeważnie na spacerach. Bo akurat mam dobre tereny spacerowe, więc często spaceruję. Pierwszy podcast, którego słucham to jest How to take over the world. Historyczny o różnych postaciach, które odznaczyły się na kartach historii i pozytywnie i negatywnie, ale bardzo ciekawa analiza do tego, jak doszły do tej władzy. 

Drugi podcast to jest podcast Karoliny Sobańskiej, taki już bardziej lifestyle’owy. Ostatnio słuchałam świetnego odcinka o tym, jak wpływa picie alkoholu na organizm człowieka, więc też polecam. 

Super. Myślę, że mogę śmiało powiedzieć, że wpływa niekorzystnie, ale po szczegóły pewnie do podcastu Karoliny odsyłam. 

Wiesz, tutaj w tym Twoim przedstawieniu wiele razy padło słowo BI, Business Intelligence. Mówimy natomiast o analityce danych, o pracy jako analityk danych, więc może na początku chciałbym Cię poprosić o takie rozróżnienie i zdefiniowanie właśnie, czym jest analityka danych, czym jest Business Intelligence i czym się różni praca analityka danych od Business Intelligence Developera. 

Jasne. To jest świetne pytanie, które bardzo często pada, bo jak wspominałaś, mój blog ma nazwę BI Developer, mój Instagram ma nazwę bideveloper.pl, a wszędzie piszę, że jestem analitykiem danych. No i jak to się ma? No więc ja dokładnie jestem Business Intelligence Developerem, czyli to jest taki analityk danych 2.0. Przeważnie Business Intelligence Developerzy są to osoby, które zaczynały od analizy danych, od wizualizacji danych, od takiej przemiany suchych informacji, nic niemówiących na wartościowe już takie informacje biznesowe, z której później nasi klienci, nasi współpracownicy mogli wyciągać wnioski i podejmować lepsze decyzje biznesowe. I od tego wszystko się zaczyna. 

Później w miarę rozwoju i dołączania kolejnych narzędzi technicznych, kolejnych umiejętności technicznych, możemy przejść z analityka danych do właśnie Business Intelligence Developera. Na pewno z tym przejściem też wiążą się znaczna podwyżka i benefity zarobkowe, bo BI-owcy lepiej zarabiają niż analitycy, wiadomo, bo mają taki większy, szerszy stack technologiczny i większe doświadczenie w branży. 

Raczej jest trudno zostać BI Deweloperem od zera. Przeważna taka ścieżka to jest analityk danych, który właśnie przekształca te dane w informacje. Później dochodzą do tego kolejne umiejętności techniczne i idziemy w kierunku Business Intelligence, czyli czasem Data Engineering. 

Czyli domyślam się, że zawodowo startowałaś właśnie od tej pozycji, od tej roli analityka danych. Chciałbym Cię zapytać, co Cię przyciągnęło do tej dziedziny, jak to się stało, że zostałaś analitykiem danych po to, żeby później teraz już awansować i móc powiedzieć o sobie jako BI developer. 

Studiowałam matematykę, matematykę stosowaną dokładnie, i byłam bardzo kiepskim studentem. No nie szło mi na tych studiach, nie ukrywam, mówię to wprost, że byłam fatalnym studentem. Poszłam tylko na ten kierunek, bo bardzo chciałam iść na Politechnikę Wrocławską, ale nie chciałam mieć fizyki, bo byłam zagrożona w liceum z fizyki, więc poszłam na matematykę bardzo mądrze, i nie szło mi na tych studiach. 

Ale na ostatnim semestrze był taki jeden przedmiot, który naprawdę zrobił na mnie wrażenie. To była moja pierwsza piątka z całych studiów i to był przedmiot, który się nazywał: Bazy danych. I właśnie wtedy na studiach poznałam język SQL, który między innymi odpytujemy bazy danych i stwierdziłam, że ja pójdę w tę stronę, że ja będę może jakimś SQL developerem. Ale nie było tak łatwo zostać SQL developerem świeżo po studiach bez doświadczenia, więc zaczęłam szukać pracy związanej z danymi właśnie. Myślałam, że może jak zacznę od Excela, to potem dojdę do tego SQLa i potem już będę tym moim programistą baz danych, tak jak chciałam. 

Więc zaczęłam szukać pracy i trafiłam do bankowości. Bankowość trochę mnie przemieliła i to były raczej prace związane z obróbką danych w Excelu czy jakimś data entry. Dopiero na moim drugim stanowisku miałam styczność z bazami danych i mogłam wykorzystać te moje umiejętności ze studiów. Wtedy byłam bardzo zadowolona. Moimi zadaniami było wyszukiwanie informacji w bazach danych i potem przedstawianie ich w Excelu. Ale Excel mnie za bardzo zdenerwował. Jak wiadomo, jak jest wiele danych w Excelu, to trwa, to się zacina. Nie jest to mój ulubiony program. 

Wiedziałam, że tak nie może być. Przecież na pewno jest coś lepszego niż Excel. I też zauważyłam, że w bankowości zarobki idą do góry, ale bardzo powoli. Mój chłopak, obecnie mąż, też pracuje jako programista. I mi się tak marzyło to IT. On miał te owocowe czwartki, te integracje, zarobki, jakieś podwyżki. Mówię: jak ty już dostajesz podwyżkę? Przecież trzeba to sobie zasłużyć. 

I tak to właśnie pomyślałam, że dobra, to ja pójdę do tego IT. Ja też chcę być w IT. Myślałam, że będę testerką, ale jakoś tak się złożyło, że trafiłam w międzyczasie na narzędzie, które się nazywa Microsoft Power BI. To jest usługa Microsoftu w sumie do między innymi wizualizacji danych, do modelowania. Teraz jest bardzo na topie, ale jak ja zaczynałam przygodę z tą usługą, to ona była taka jeszcze niszowa, ale już mocno trendująca. 

I wskoczyłam w świetny moment, bo jak nauczyłam się tego Power BI, a ja to jeszcze nauczyłam się sama, bez jakichś tam doświadczeń komercyjnych, to wtedy otworzyły mi się naprawdę drzwi i przeskoczyłam z analityka danych na Business Intelligence Developera, czyli pracowałam właśnie na narzędziach klasy BI, między innymi Power BI. I zwiększyłam dwukrotnie swoje zarobki. To dla mnie był szok, że okej, no to można dobrze zarabiać jako analityk danych, tylko musimy trochę dołożyć różnych technicznych umiejętności. 

I tak trafiłam do Business Intelligence. Już w tej pracy z Power BI zaczęłam dodawać kolejne narzędzia, kolejne techniczne umiejętności: Analysis Services czy Integration Services, Azure, Data Factory i tak dalej. Sobie tak te klocuszki dokładałam, aż doszłam do momentu, że już miałam trochę doświadczenia, też w fajnym corpo, i stwierdziłam, że spróbuję sił jako freelancerka. 

Nie ukrywam, pomógł mi w tym blog. Ci klienci trochę sami się zgłaszali, więc to przejście było dość płynne i obecnie rzuciłam korporację i pracuję od 4 miesięcy jako freelancerka, i podoba mi się to. 

I tak to właśnie pomyślałam, że dobra, to ja pójdę do tego IT. Ja też chcę być w IT. Myślałam, że będę testerką, ale jakoś tak się złożyło, że trafiłam w międzyczasie na narzędzie, które się nazywa Microsoft Power BI. To jest usługa Microsoftu w sumie do między innymi wizualizacji danych, do modelowania. Teraz jest bardzo na topie, ale jak ja zaczynałam przygodę z tą usługą, to ona była taka jeszcze niszowa, ale już mocno trendująca. 

Gratuluję. Odpowiednia firma, odpowiedni moment. To też tutaj zaznaczyłaś, że to jest dosyć istotne. Teraz dużo się mówi o danych, już od kilku lat, że to jest taka nowa ropa, takie nowe paliwo, które napędza gospodarkę. 

Ale też sobie myślę, że pewnie nie każda firma potrzebuje mieć analityków danych czy też BI developerów. Chciałbym Cię więc zapytać, do jakiej firmy taka osoba, która jest zainteresowana analizą danych, może aplikować? Czy jest jakiś próg wielkości, może rodzaj, specyfika firmy, które zatrudniają takich specjalistów? 

To jest kolejne dobre pytanie, dzięki. I nawet takiego, do którego mogę się sporo odnieść. Ja zaczynałam bloga w 2020 roku i wtedy już mówiłam w pracy, że słuchajcie, ja zakładam bloga, bo ja może będę zbierała sobie zlecenia, takie dodatkowe po pracy z Power BI. Wtedy chciałam strasznie w Power BI to wszystko robić. 

No i trochę mnie koledzy wyśmiali, że no co Ty, Power BI używają duże korporacje, ewentualnie możesz się zgłosić na Upwork, gdzie będziesz konkurować z hindusami za 3 dolary. I no nie, to tak nie działa. 

Po trzech latach okazuje się, że moi koledzy nie mieli racji, bo nawet małe firmy w tym momencie potrzebują analityków danych, ale z Microsoft Power BI, czyli takich analityków, którzy im zwizualizują informacje tak, żeby one były dostępne wszędzie. Bo dzięki właśnie akurat Power BI – to nie jest odcinek sponsorowany przez Microsoft – to dzięki Power BI możemy zobaczyć sobie te nasze raporty, te informacje w każdym miejscu, w przeglądarce czy w aplikacji mobilnej. 

I naprawdę nawet dealerzy samochodów z Pomorza używają Power BI, małe sklepy e-commerce używają Power BI i poszukują osób nawet do takich zleceń typowo freelancerskich. Więc pracy jest naprawdę sporo. Ale jeżeli miałabym zaczynać i coś doradzać osobom, które startują, to szukałabym pracy albo w dużych, fajnych korporacjach technologicznych, np. Nokia. Ja pracowałam w Nokia długo i bardzo sobie chwalę, dlatego że mamy już ułożone procesy w firmie, mamy bardzo dużo materiałów szkoleniowych, firmy są nastawione na rozwój tych pracowników i jesteśmy w takim dość przyjemnym, bezpiecznym środowisku i możemy stopniowo zdobywać kolejne umiejętności. 

Drugą opcją są startupy, gdzie mamy wrzucenie na głęboko wodę, szybkie tempo, szybka nauka, często… 

Dużo się dzieje. 

Dokładnie. Co ma swoje minusy, ale ma też plusy, bo szybciej się rozwijamy. I jeszcze jest trzecia droga, jest bardzo dużo firm konsultingowych, takich polskich, które świadczą usługi dla klientów zagranicznych. To są też fajne firmy, one też mają duże budżety szkoleniowe, ale też tempo jest bardziej zbliżone startupom, więc dla każdego coś się znajdzie. 

Wspominałaś tutaj o tym takim przeskoku właśnie na bycie freelancerem i pewnych obawach z tym związanych, twojego otoczenia, pewnie Twoich też. No i właśnie – jestem ciekaw, jak to zadziałało, czy to jest w ogóle możliwe do powtórzenia, bo wyobrażam sobie, że analityk danych musi mieć naprawdę dobre zrozumienie tego, co te dane właściwie znaczą albo jakie są powiązania, jakie są relacje, co na podstawie tych danych, które mam, mogę pokazać, jakie wnioski z tego wyciągnąć. 

Wszystko to może prowadzić do takiego wniosku, że to musi być osoba zatrudniona gdzieś tam na stałe od wielu lat pewnie, która rozumie biznes, rozumie, skąd te dane wchodzą, jaką mają charakterystykę i tak dalej. I to właśnie troszkę mi się może nie kłóci, ale jest tutaj pewien znak zapytania, czy freelancer, który nie jest taką częścią firmy na co dzień, jest w stanie równie dobrze tutaj tą swoją pracę wykonywać. Jestem ciekaw Twoich doświadczeń, Twojej opinii. 

To nie jest tak, że analityk danych pracuje sam. My bardziej jesteśmy, to już teraz takie moje stanowisko, moja rola, to jest taki już trochę power BI developer, Business Intelligence Developer, to my jesteśmy tą częścią techniczną dla firmy. My im mówimy, jak to można zrobić w sposób techniczny, jak dobrze modelować dane, jak tworzyć te relacje, tworzyć modele. A od strony biznesowej my oczywiście musimy zrozumieć, co mamy pokazać, ale mamy ogromne wsparcie ze strony klienta, analityka biznesowego, Product Ownera. Są różne role tych osób, ale zawsze jest taka osoba, która rozumie dane od strony biznesowej i nam przekazuje tę wiedzę. 

To nie jest tak, że my możemy sobie to olać i po prostu wyklikiwać coś, nie wiedząc, co robimy. Musimy te dane zrozumieć, ale jakby ten proces poznania tych informacji nie jest aż taki trudny. Szczególnie jeżeli się pracuje w firmach konsultingowych, czy na jakichś różnych projektach, to co chwilę mamy nowe informacje, nową branżę, którą się musimy wbić, więc jakby taka czujność umysłu jest zachowana, plus te dane się powtarzają. Jak mamy dane sprzedażowe, to one będą wyglądały podobnie w różnych firmach czy nawet w różnych branżach. 

Jasne, a jeśli możesz zdradzić trochę zaplecza, czy to jest możliwe, żeby mieć takich klientów polskich, czy też raczej ktoś, kto myśli o byciu freelancerem w tej domenie, to zdecydowanie powinien wychodzić na cały świat?

Ja bym bardzo chciała wyjść na cały świat i podejrzewam, że to są zdecydowanie lepsze stawki i może nawet lepsze warunki, ale jest to o wiele trudniejsze, takie wyjście dla klientów zagranicznych, szczególnie też, że jest dużo firm, które zgarniają duże projekty zagraniczne. I jest taki proces, że one najpierw sobie znajdują projekt, klepią projekt, nie mają jeszcze kim go robić i dopiero szukają sobie ludzi. 

Więc ja nie mogę z takimi firmami konkurować, dlatego łatwiej jest się poruszać po polskim środowisku, po prostu budować sobie spokojnie jakąś markę osobistą na LinkedIn i nawet na LinkedIn już sporo ofert gdzieś się przewija. 

Dzięki za te tipy. Powiedziałeś, że wiele musiałaś się nauczyć jak gdyby sama na tej drodze, wiele narzędzi poznać itd. Natomiast IT, tutaj myślę o BI jako części IT, rozwija się w tak zawrotnym tempie, że tych różnych narzędzi, metodyk, sposobów jest na tyle dużo, że wręcz trzeba wybierać albo być świadomym przynajmniej, w którym kierunku rynek się rozwija. 

W związku z tym chcę Cię zapytać, jakie umiejętności, jakie narzędzia rekomendujesz albo uważasz za wręcz niezbędne dla osoby, która obecnie zajmuje się analityką danych?

Jeżeli myślimy o wejściu w ogóle w świat analizy danych, no to niestety ten nieszczęsny Excel nam się przyda. Nie musimy tutaj spędzać godzin nad Excelem i robić nie wiadomo co w nim, ważne, żebyśmy wiedzieli, jak się tworzy tabele przestawne, jak można w prosty sposób jakiś taki naprawdę mały zestaw danych przeanalizować, trochę zaawansowanymi funkcjami się pobawić, tak żeby po prostu umieć się poruszać sprawnie po Excelu.

Kolejnym krokiem to jest to, co się przewija też na innych stanowiskach w IT, czyli język baz danych, język SQL. Tutaj już musimy poświęcić więcej czasu na naukę, bo powinniśmy nie tylko dobrze pisać zapytania do baz danych, żeby znajdować odpowiednie informacje, powinniśmy te zapytania pisać optymalnie, czyli tak, żeby się baza nie zacinała przy okazji, żeby wyciągać tylko dobre informacje i te, które rzeczywiście chcemy. 

Powinniśmy też uczyć się modyfikować rekordy w bazie danych, usuwać tabele, tworzyć procedury. To jest już taki trochę dłuższy blok czasowy, żeby zrozumieć język SQL. I jak to zrozumiemy, to trzeba byłoby pójść krok dalej, bo to już jest na ten moment za mało. Ja akurat zaczynałam z takim stackiem technologicznym, tak to można nazwać, ale teraz to jest za mało i trzeba było dołożyć jakieś narzędzie do wizualizacji. To może być ten Microsoft Power BI, może to być Tableau. Tutaj możemy sobie po prostu wybrać dowolne narzędzie, które chcemy i na nim próbować tworzyć właśnie rozwiązania raporty i modelować dane. 

Fajnie też, żebyśmy zrobili taki projekt przyczynowo-skutkowy, czyli jak mamy dane z bazy danych, to łączymy te dane z bazy danych z narzędziem do wizualizacji i wizualizujemy je. Mamy jakieś fajne dane w Excelu, wizualizujemy je w narzędziu do wizualizacji, tworzymy przy okazji jeszcze model, relacje i tak dalej. 

Więc fajnie by było, żebyśmy właśnie tak poczuli tę pracę analityka w jakimś projekcie, który możemy sobie sami zrobić. Tych danych jest w internecie mnóstwo, przykładowych baz danych również, które można sobie pobrać. 

To jest taka najprostsza ścieżka do analizy danych. Przy okazji też nie pomijałabym takiej ważnej rzeczy, jaką jest CV i LinkedIn. Czyli raczej, jeżeli miałabym aplikować teraz, to bym dużą uwagę zwróciła na moje CV, czy jest dopasowane pod konkretne oferty pracy, czy zawiera słowa kluczowe. Nawet można zrobić to w taki sposób, że po prostu patrzymy na ogłoszenie, szukają osoby, która uwielbia pracować w zespole i świetnie wizualizuje dane sprzedażowe, to my jesteśmy osobą, która uwielbia pracować w zespole i świetnie analizuje dane sprzedażowe. Po prostu dopasowujemy się pod te oferty. 

Przy okazji też nie pomijałabym takiej ważnej rzeczy, jaką jest CV i LinkedIn. Czyli raczej, jeżeli miałabym aplikować teraz, to bym dużą uwagę zwróciła na moje CV, czy jest dopasowane pod konkretne oferty pracy, czy zawiera słowa kluczowe. Nawet można zrobić to w taki sposób, że po prostu patrzymy na ogłoszenie, szukają osoby, która uwielbia pracować w zespole i świetnie wizualizuje dane sprzedażowe, to my jesteśmy osobą, która uwielbia pracować w zespole i świetnie analizuje dane sprzedażowe. Po prostu dopasowujemy się pod te oferty.

Oczywiście, pewnie to jest bardzo dobry hint. Czy myślisz, że oprócz narzędzi jakieś umiejętności są niezbędne na tym stanowisku, w tej roli? 

Tak. To jest ciekawe, bo jest pewien zestaw umiejętności, który wyróżnia analityków. Ale co zauważyłam, tak z mojego otoczenia, z moich doświadczeń z osobami, z których się spotykam, to jeżeli one chcą też zostać tym analitykiem, to one przeważnie mają już jakiś ten zestaw cech. Droga do analizy danych, później do Business Intelligence, nie jest tak oblegana, jak na przykład droga do bycia sterem, programistą, nieważne czy tam front-end, back-end. To są takie role, gdzie ludzie jeszcze tłumniej nie walą, jeżeli chcą wejść gdzieś do IT. 

Więc przeważnie ci ludzie mają te cechy i to wychodzi, w ogóle właśnie z nich naturalnie, że „ej, ale od zawsze uwielbiałam sobie analizować dane w Excelu czy tworzyć jakieś swoje zestawienia, nie wiem, chodzenia na siłownię, to może ja bym się sprawdziła w tej roli analityka danych”. 

A jeżeli chodzi o ten zestaw tych cech, na pewno się przyda cierpliwość, bo przede wszystkim jest to praca z ludźmi. Analitycy danych to nie są raczej osoby, które mogą się zamknąć w piwnicy i z nikim nie rozmawiać, nawet na tych Teamsach, bo my te rozwiązania tworzymy dla kogoś, ktoś potem z nich będzie korzystał, więc warto, żeby się z nim dogadać, co on chce zobaczyć. Po drugie mamy też tych analityków biznesowych, tych Product Ownerów, którzy znają dobrze biznes i z którymi musimy współpracować. Więc tutaj też cierpliwość do pracy z ludźmi jest zawsze na propsie. 

Poza tym też cierpliwość do danych, no bo nie zawsze wszystko będzie działać, szczególnie na początku. Zaprzyjaźnić się ze Stack Overflow czy Community Power BI czy innym forum. 

Oprócz tego jeszcze ważne, żeby mieć taki trochę zmysł detektywa, bo często jest tak, że coś na końcowym etapie nam nie zadziała, zwizualizujemy sobie na wykresie jakąś wartość i wychodzi, że mamy -50 sprzedanych sztuk, ale jak to, przecież tylko rejestrujemy sprzedaż, co to są te na minusie. I musimy zrobić dochodzenie, przejść od tej wizualizacji, po to, co jest pod tą wizualizacją, potem do modelu, potem przez wszystkie przekształcenia aż do źródła danych i sprawdzić, gdzie mamy nasz błąd. Na przykład okazuje się, że bierzemy pod uwagę zwroty. Więc taki zmysł detektywa się przydaje. 

Również zwracanie uwagi na szczegóły. To szczególnie przy zabawie z danymi. Można się łatwo pomylić, a często te pomyłki mają później opłakane skutki, bo my dajemy to komuś, kto podejmuje decyzje biznesowe. On decyduje o swoim biznesie na podstawie tego, co mu przedstawimy. 

Taką ostatnią rzeczą, która też się przyda, to już jest przy o tym ostatnim etapie, czyli wizualizacji, to jest lekki zmysł estetyczny. To też można wypracować, można sobie przeczytać książki o tym, jak wizualizować dobrze dane, ale ten zmysł estetyczny jest zawsze na plus, bo on nam pozwoli na przykład na osiągnięcie takiego efektu wow, że ktoś wchodzi na nasz raport i rzeczywiście faktycznie widzi to, co potrzebuje, ale to jeszcze dobrze wygląda. 

Oprócz tego jeszcze ważne, żeby mieć taki trochę zmysł detektywa, bo często jest tak, że coś na końcowym etapie nam nie zadziała, zwizualizujemy sobie na wykresie jakąś wartość i wychodzi, że mamy -50 sprzedanych sztuk, ale jak to, przecież tylko rejestrujemy sprzedaż, co to są te na minusie. I musimy zrobić dochodzenie, przejść od tej wizualizacji, po to, co jest pod tą wizualizacją, potem do modelu, potem przez wszystkie przekształcenia aż do źródła danych i sprawdzić, gdzie mamy nasz błąd. Na przykład okazuje się, że bierzemy pod uwagę zwroty. Więc taki zmysł detektywa się przydaje.

Może dorzuciłbym do tego jeszcze wytrwałość, bo pewnie nieraz trzeba te dane pomęczyć tak długo, żeby się przyznały. I tu pewnie ta wytrwałość jest potrzebna. Ale chciałbym Cię zapytać o tę współpracę, o której tutaj wspomniałaś. Powiedziałaś, że to nie jest tak, że analityk danych to jest osoba, która dostaje jakieś zadanie, zamyka się na miesiąc i wraca z raportem czy dashboardem, natomiast musi współpracować z różnymi osobami w firmie. No właśnie, z kim współpracuje i też jak wygląda na co dzień po prostu ta praca, taki normalny dzień z pracy analityka danych, gdybyś mogła opisać? 

W ogóle większość analityków danych, co wynika z mojego doświadczenia, pracujemy też w różnych schematach, niektórzy pracują właśnie w Agile, czy w Scrumie, przez chwilę też pracowałam, szczególnie w korporacjach, ale nawet jeżeli w tym nie pracujemy, to zawsze mamy spotkania. Przeważnie mamy właśnie daily, na którym mówimy, co robimy, jakie mamy zadania, czy jest jakiś stoper, czy ktoś nam może pomóc, jaki jest status tego, co się dzieje w projekcie od naszej strony. Więc można powiedzieć, że dzień możemy zacząć od daily. 

Później zależy, czy mamy jakiś taki stały projekt, gdzie po prostu dorabiamy różne części, czy mamy na przykład zupełnie nowy projekt, w którym musimy się wgryźć. Załóżmy, że mamy nowy projekt, czyli przychodzi do nas, niech będzie to klient zewnętrzny, jakaś firma, która chciałaby zobaczyć jakieś takie raporty na przykład o najlepiej sprzedających pracownikach, żeby ich nagrodzić premiami. 

W takim wypadku my musimy porozmawiać z tym klientem, czyli z jakąś osobą z tamtej firmy wyznaczoną, na temat tego, jakie są ich oczekiwania, jaki jest ten problem biznesowy, który chcemy rozwiązać. W tym przypadku tym problemem biznesowym jest to, żeby zobaczyć najlepiej sprzedających się pracowników i przyznać im premię. Czyli wiemy mniej więcej, co musimy zrobić. 

Kolejnym etapem będzie szukanie danych. Załóżmy, że sprawa jest prosta, mamy dostęp do bazy danych naszego klienta i w tej bazie musimy odnaleźć informacje o tych pracownikach, doprecyzować też, czy chcemy aktywnych, czy pracujących pracowników, czy patrzymy jeszcze na jakieś osoby, które się poprzenosiły między działami. Takie różne szczegóły tutaj musimy dopracować. I jeżeli mamy już te wszystkie informacje, to pobieramy te dane. 

Bardzo fajną rzeczą jest, jak te dane już są w bazie, nie trzeba ich jeszcze szukać w systemach zewnętrznych i dołączać do bazy. Załóżmy, że mamy prosty przypadek, czyli szukamy danych w bazie i następnie musimy te dane sprawdzić, czy są okej. I tutaj sprawdzamy, czy nie mamy jakiejś wartości odstającej, jakiejś głupot, czy np. nie mamy Jana Kowalskiego, takiego Jana Kowalskiego fejkowego, czy np. ktoś ma adres z kodem pocztowym XXXX. Różne musimy wykonać, takie quality checki, żeby zobaczyć, czy mamy poprawne dane, czy to, co przedstawimy, będzie mogło służyć naszemu klientowi. 

Przy tych dyskusjach, czyli jak ma wyglądać ten raport, jakie są dane u klienta, często uczestniczy oprócz analityka jakaś osoba typu analityk biznesowy lub Product Owner, która jeszcze bardziej rozumie biznes. Czyli mamy trzy strony. Mamy analityka czy dewelopera, mamy naszego Product Ownera, analityka biznesowego i mamy jeszcze tego klienta, który będzie odbiorcą tego raportu, czyli osobą, która później na niego będzie spoglądać. 

Załóżmy, że już mamy dane, wiemy, co chcemy pokazać, zaczynamy modelowanie danych, tworzymy model, może jakieś relacje, może mamy więcej tabel. Jak to zrobimy, to przechodzimy do wizualizacji danych, może potrzebujemy stworzyć jakieś dodatkowe metryki pod wizualizację, żeby pokazać to, co chcemy. I na przykład pokazujemy top performujących sprzedawców z danych regionów. Możemy sobie jeszcze jakieś pofiltrować, pokategoryzować. Tutaj naprawdę można popłynąć. Ważne, żeby osoba, która weszła na ten raport, mogła sobie wprost zobaczyć, okej, to są moi topowi sprzedawcy i dajemy im premię. 

I na sam koniec, jak już zrobimy ten raport, mamy go opublikowanego, to musimy go zaprezentować osobie, która będzie go używać. Czyli przeprowadzić takie trochę szkolenie z używania, z takiego jak ten user experience tego raportu wygląda. 

Chciałbym Cię poprosić, żebyś opowiedziała dla osób, które zainteresowały się tym tematem, które gdzieś widziałyby się potencjalnie właśnie w takiej roli, jak można rozpocząć przygodę w tej dziedzinie. Co się z tym łączy, skąd czerpać wiedzę. Ja obserwuję cię na Instagramie, wiem, że tam w bardzo fajny sposób opowiadasz, o tej roli, o narzędziach, o wyzwaniach, o takiej codziennej pracy. To na pewno można polecić jako źródło wiedzy. Ale co jeszcze? Ewentualnie jakie są te miejsca, z których możemy się czegoś uczyć, o analizie danych, o właśnie BI-u. A może też, gdybyś mogła powiedzieć, w jaki sposób się uczyć, to byłoby super. 

Jasne. No to tak jak mówisz, polecam tego Instagrama. Prowadzę też społeczność dla analityków danych. Jest to odpłatna społeczność dla osób właśnie, które chcą zostać analitykiem danych, tak naprawdę. I tam mamy taki 6-miesięczny plan szkoleniowy z Excela, SQL-a, Power BI-a, Portfolio, CV i LinkedIna. Tak, żeby w ciągu 7 miesięcy, tak myślę, już powoli zacząć aplikować. Więc polecam też się zainteresować. To jest bideveloper.pl/dataheroes, bo grupa się nazywa Data Heroes. Mamy już ponad 100 osób. Jeszcze mamy niezamknięte zapisy, ale fajnie to idzie. Więc to jest to. 

Oprócz tego warto sobie zasubskrybować na przykład blogi SQLBI. To jest mój ulubiony blog, jeżeli chodzi o dziedzinę Business Intelligence. I tam znajdziemy dużo tipów odnośnie Power BI-a. Uważam też, że YouTube jest skarbnicą wiedzy. Jeżeli chcielibyśmy na przykład nauczyć się SQLa, to są do tego super kanały. Jest też świetny kanał Alex the Analyst, to jest kanał Aleksa, który opisuje, jak wygląda życie analityka. I ma też fajne pomysły na projekty. 

Można też przejrzeć mojego vloga, bo tam jest ogrom materiałów i różnych wpisów odnośnie do tego, jak szukać danych, jak tworzyć portfolio, co to jest Power BI, czego się uczyć itd. 

A jak się uczyć? Ja lubię się uczyć w blokach i jednej technologii. Wiem, że dużo osób popełnia ten błąd, że się rzuca na wszystko. Bierze SQL-a, Power BI-a, jeszcze pomyśli o Pythonie i nagle nic z tego nie rozumie. Więc ja bym podeszła takim sposobem powoli, małymi kroczkami, etapami, w blokach. Rozpisać sobie na początku na pewno tę ścieżkę nauki. Jeżeli nie, to można skorzystać z tej grupy Data Heroes. Tam jest ścieżka nauki. I właśnie iść sobie według sprawdzonego planu, zaczynając od Excela, przez SQLa, przez Power BI-a, połączyć te wszystkie technologie w jedno portfolio. I ruszać, i aplikować. 

Bardzo ważne jest to, żeby nie stracić motywacji i żeby być wytrwałym. Najczęstszym błędem początkujących jest to, że gdzieś nam się noga powija, nie mamy jakiejś grupy wsparcia i tracimy tę motywację i zarzucamy tę naukę. 

Właśnie to jest bardzo ważny, myślę, temat. Gdy obserwujesz takie osoby, które się przebranżawiają, albo wręcz, które wchodzą do tej branży, to co jest najczęstszą przyczyną albo przyczynami, dla których to przebranżowienie, to wejście na ścieżkę zostania analitykiem danych się nie udaje? 

Pierwszym błędem jest to, że niektóre osoby mają za wysokie oczekiwania. Czyli chciałyby w 3-4 miesiące odmienić swoją pracę i to jeszcze pójść na stanowisko, gdzie się zarabia 10 tysięcy na rękę. To nie wygląda, że tak kolorowo. Po pierwsze, ten czas nauki jest dłuższy, a po drugie, mało jest ofert juniorskich na 10 tysięcy za rękę. Da się pewnie znaleźć, ale musimy te swoje oczekiwania zmniejszyć, więc to jest pierwszy błąd. 

Drugi błąd to jest to, że nie mamy takiej grupy wsparcia. My się czegoś uczymy, na przykład SQL-a i bardzo dużo osób jeżeli po prostu mózg im już paruje, już jest za dużo tego, przestają wszystko rozumieć, to jest też ten efekt Kurgera Dunninga i wtedy nie mają tej grupy wsparcia, nikt im jakby nie powie: „spokojnie, odpocznij, wróć za chwilę, zacznij od tego, zobacz, to jest prostsze zadanie, nie musisz iść od razu na głęboką wodę”. Więc to jest druga taka rzecz, która jest często stoperem. 

Trzecia rzecz to jest właśnie tej brak wytrwałości. Czyli uczymy się czegoś i za chwilę myślimy, że już wszystkie rozumy pozjadaliśmy i lecimy aplikować, mamy pierwsze zderzenie ze ścianą i już widzimy, że to nie dla nas, a po prostu chodzi o to, że za mało się przyłożyliśmy na początkowych etapach. 

Dla tych osób, które odrobiły zadanie domowe, które się przyłożyły i w sposób do tego podeszły, to zdradź, proszę, jak wygląda rekrutacja na takie stanowiska, ewentualnie gdzie najlepiej szukać takich ofert pracy? 

Ofert pracy najlepiej szukać, według mnie, na Linkedinie. Bardzo ważne, żeby dopasować swój profil na Linkedinie maksymalnie pod analizę danych. Na przykład, jeżeli jesteś analitykiem finansowym i pracujesz na Excelu, to podkreślasz to, że jesteś analitykiem, że pracujesz na Excelu, że tworzysz raporty na Excelu, jeżeli modelujesz dane w Excelu, to piszesz, modeluje dane w Excelu. Po prostu użyć najwięcej tych słów kluczowych związanych z analizą danych, bo często jest tak, że jak sobie poprawimy ten profil na Linkedin, to gdzieś te oferty nawet same zaczynają spływać. 

Warto też zaznajomić się z zakładką praca na Linkedinie i szukać ofert pracy, ale nie tylko pod hasłem analityk danych, Data Analyst, Business Intelligence, ale też po technologiach, na przykład Power BI, na Polskę zafiltrować z pracą zdalną, samo słowo analityk, reporting specialist na przykład. Tak że szukać po większej ilości nazw niż analityk danych, bo często ten analityk danych jest taki ukryty pod inną nazwą. Ja nawet się spotkałam, że niektóre firmy miały analityków danych pod nazwą analityk biznesowy. Więc bardziej wyszłam może w szukanie po technologiach. 

Oprócz tego pracuj.pl, portale jak No Fluff Jobs czy Just Join IT, z tym się już tam bardziej podbija i są oferty. 

A sam proces rekrutacji, czy tam jest jakieś zadanie, jakaś rozmowa najczęściej, czy to zależy standardowo? 

Tak, przeważnie to wygląda podobnie. Mamy na pewno pytania o bazę danych i tutaj warto nie tylko znać praktykę, ale również teorię. Co to jest schemat gwiazdy, co to jest tabela faktów, co to jest schemat płatka śniegu, tabela wymiarów, co to są indeksy na bazie. Trochę nauczyć się opowiadać o tej teorii związanej z bazą danych, bo zauważyłam, że parę osób, z którymi miałam styczność, na tym poległo, że spoko rozwiązywali zadania, ale jak mieli coś wytłumaczyć, z teorii, to padali, a niestety na to zwraca się uwagę. No niestety, stety, ja kumam, dlaczego się na to zwraca uwagę – bo jest to istotne pod modelowanie danych. 

Więc na pewno obkułabym się trochę z tej teorii i też porobiłam sobie testy w internecie z SQL-a, czy poćwiczyła SQL-a, bo przeważnie jest jakiś test z SQL-a. Jak ja zaczynałam, to były testy na kartce z SQL-a, teraz już chyba nie, mam nadzieję. Bo to jeszcze nie jest koniec, bo mamy jeszcze często zadania z Power BI i spotkałam się z czymś takim jak taki live coding, że się łączymy, mamy zdalny pulpit i tam mamy Power BI, mamy dane, mamy zadania i musimy na żywo pokazywać, jak robimy te zadania. 

Drugą opcją jest to, że dostajemy do domu zestaw danych, jakieś tam zadania czy jakieś na przykład wymagania i mamy go zwizualizować, zamodelować dane, tak że na kolejnym etapie rekrutacji przychodzimy do firmy i my im pokazujemy, co zrobiliśmy i dlaczego tak zrobiliśmy i co można z tego raportu uzyskać, taka trochę symulacja pracy analityka na rekrutacji. Ja się akurat z takimi rzeczami, z takimi raczej rozmowami spotykam i to jest na początek. 

Jeżeli później przechodzimy już kolejne etapy, to albo jest tak, że albo nas mocno cisną, albo jeżeli gdzieś mamy jakąś markę osobistą, to wiedzą, kim jesteśmy, jesteśmy z polecenia i już nas o nic nie pytają. 

Tak, to jest na pewno obszar, w który warto inwestować od samego początku, ale nie wchodźmy w ten temat, bo to jest ważne, istotne, ale też szerokie. 

Dobrze, to myślę, że słuchacze już wiedzą teraz, co robić, w jaki sposób się uczyć, czego się uczyć, w jaki sposób podchodzić i czegoś spodziewać się na rozmowie rekrutacyjnej. To może teraz, gdybyś powiedziała, pokazała, jak na rok 2023 wygląda ten rynek pracy, o co tutaj możemy powalczyć, jak wygląda zapotrzebowanie, może jakieś wynagrodzenie, jeśli coś tutaj przychodzi Ci do głowy, oferowane właśnie tej roli zawodowej, to by nam też pokazało, o co tutaj walczyć. 

Z wynagrodzeniami jest bardzo trudno, bo ja nie do końca znam takie stawki bardzo juniorskie. Natomiast moi znajomi to już są osoby, które zarabiają powyżej 20 tysięcy miesięcznie. Nawet osoby, które zarabiają 30 tysięcy miesięcznie, 35. Więc to już po paru latach doświadczenia to są najbardziej osiągalne stawki w Business Intelligence, nie w analizie danych, tylko w Business Intelligence. Analitycy danych – naprawdę nie wiem. Ostatnio nawet sprawdzałam, że według pracuj.pl zarabiają 9 tysięcy na rękę po dwóch latach doświadczenia. Może, no właśnie trudno mi to coś powiedzieć, nie chcę też kłamać. 

O co się pytałeś jeszcze? 

Jak wygląda zapotrzebowanie? Czy tych ofert możemy w nich przebierać? Dosyć łatwo przyjdzie nam znalezienie? 

Na początku na pewno trzeba będzie być wytrwałym i zmotywowanym, bo to nie jest tak, że jest dużo ofert juniorskich. Natomiast jest bardzo łatwo, jeżeli pracujemy w dużej korporacji, zmienić stanowisko wewnętrznie. To zrobi spora część osób, czyli z jakiegoś analityka finansowego, czyli jakiegoś IT help deska. Wewnętrznie w swojej dużej firmie komunikuje, że chce iść drogą analityczną, zdobywa kolejne umiejętności i się wewnętrznie rekrutuje na stanowiska związane z analizą danych. 

Jeżeli nie mamy takiej opcji, to wiadomo, idziemy na rekrutację, idziemy jakby w ten gorz kandydatów. I polecam aplikować nawet na stanowiska, gdzie są wymagane dwa lata doświadczenia, a ty jesteś juniorem. Ja jestem przykładem osoby, która tak znalazła swoją pierwszą pracę, aplikowałam na stanowisko, na którym były wymagane dwa lata doświadczenia, a się dostałam. Więc nie można się też tak zniechęcać. 

Rynek jest na ten moment bardzo szeroki i jest ogrom pracy dla analityków. Ja dochodzę do wniosku, że takich analityków ze stażem, czy Business Intelligence Deweloperów jest za mało, bo tej pracy, która na nas spływa, jest za dużo. No właśnie niestety, tu nie ma problemów typu „nie mogę znaleźć pracy”, tylko tu mamy problemy typu jak odmówić nadgodzin, jak powiedzieć, że nie mamy czasu, jak sobie poradzić, jak jest dużo pracy. 

Na początku na pewno trzeba będzie być wytrwałym i zmotywowanym, bo to nie jest tak, że jest dużo ofert juniorskich. Natomiast jest bardzo łatwo, jeżeli pracujemy w dużej korporacji, zmienić stanowisko wewnętrznie. To zrobi spora część osób, czyli z jakiegoś analityka finansowego, czyli jakiegoś IT help deska. Wewnętrznie w swojej dużej firmie komunikuje, że chce iść drogą analityczną, zdobywa kolejne umiejętności i się wewnętrznie rekrutuje na stanowiska związane z analizą danych. 

Klęska urodzaju. 

Tak. Teraz jest też dobry moment, żeby znowu z Microsoft Power BI coś zacząć pracować, bo on będzie się instalował domyślnie z aplikacjami Office’owymi, więc zapotrzebowanie specjalistów z Power BI wzrośnie. Celowałabym w tę stronę. 

Tak, tutaj widać, że Microsoft faktycznie inwestuje w tę usługę dosyć mocno. Jeśli ktoś już się w miarę dobrze, swobodnie poczuje w tym obszarze, znajdzie pierwszą pracę, to jak mogą wyglądać jakieś kolejne szczeble kariery w rozwoju takiej osoby w tym obszarze?

Jest część osób, która zaczyna od analityka danych, a później na przykład dorzuca do tego studia podyplomowe z Data Science i idzie w Data Science. Znam też takie przykłady, które właśnie uczą się Era, Pytona, wszystkich algorytmów, Machine Learningu i idą w Data Science. 

Można też na przykład pójść właśnie, tak jak ja, w Business Intelligence, czyli już bardziej się zajmować modelowaniem danych, czy nawet takimi procesami już od znajdowania informacji gdzieś tam w jakichś systemach, do przekładania tej informacji do naszych systemów, potem do wizualizacji, to już są różne inne narzędzia. 

Można zostać data engineerem, czyli trochę takim, można powiedzieć, back-endowcem BI-owym, tak to bym nazywała, czyli już nie współpracujemy może tak de facto z klientem i nie wizualizujemy, tylko zajmujemy się tą częścią bardziej techniczną. 

A można też zostać sobie jakby analitykiem danych cały czas i po prostu zmieniać branżę czy rozwijać się na szczeblach kariery w danej firmie, zostać menadżerem i pójść w kierunku leadowania, kierowania ludźmi. 

To już gdyby inna para kloszy, inny zestaw obowiązków i też kompetencji do nich potrzebnych, ale oczywiście myślę, że to też jest ciekawy kierunek rozwoju kariery. 

Świetnie. W dzisiejszym odcinku o pracy analityka danych opowiadała Dagmara Anuszczyk. Dagmara, bardzo Ci dziękuję za poświęcone czasy rozmowę. 

Dziękuję bardzo. Bardzo miło było rozmawiać. 

Cieszę się bardzo. Zanim się rozłączymy, to chcecie jeszcze zapytać o to, gdzie Cię można znaleźć w internecie, gdzie możemy więcej się dowiedzieć na temat analizy danych, na temat Power BI i w ogóle BI. 

Z Power BI to polecam swoją grupę na Facebooku Power BI Polska. To jest grupa taka typowo techniczna dla osób, które mają problemy z Power BI albo chcą się rozwinąć w tym kierunku. Polecam swój Instagram, bo tam jestem najczęściej. To jest bideveloper_pl. LinkedIn: Dagmara Anuszczyk, blog bideveloper.pl. Albo moja app społeczność Data Heroes. 

Super. Oczywiście wszystkie linki do tych miejsc będą w notatce do odcinka. Dagmara, jeszcze raz bardzo Ci dziękuję. Do usłyszenia. Cześć. 

Do usłyszenia. Hej. 

I to na tyle z tego, co przygotowałem do Ciebie na dzisiaj. Po więcej wartościowych treści zapraszam Cię do wcześniejszych odcinków. A już teraz, zgodnie z tym, co czujesz, wystaw ocenę, recenzję lub komentarz w aplikacji, której słuchasz lub w social mediach. 

Zawsze możesz się ze mną skontaktować pod adresem krzysztof@porozmawiajmyoit.pl lub przez media społecznościowe. 

Ja się nazywam Krzysztof Kempiński, a to był odcinek podcastu Porozmawiajmy o IT o pracy jako analityk danych. Zapraszam do kolejnego odcinka już wkrótce. 

Cześć!