Przejdź do głównej zawartości

Chcesz zostać Analitykiem Danych? Oto lista kluczowych umiejętności!

 


Obraz StockSnap z Pixabay

    Zgodnie z tym, co zapowiedziałam ostatnio, dokonałam przeglądu ofert pracy dotyczących stanowiska Młodszego Analityka Danych – zarówno tych aktualnych, jak i tych, na które rekrutacja dopiero co się zakończyła. Dało mi to pewien obraz zestawu umiejętności wymaganych przez pracodawców.

Jak analizowałam oferty?

    Sprawdziłam, które cechy pojawiają się najczęściej, uszeregowałam je od najistotniejszych do tych, które pojawiały się rzadziej. Podzieliłam te cechy na kompetencje miękkie i twarde. Na blogu będę dzielić się swoimi postępami w zakresie szlifowania kompetencji twardych, ale dla pełnego obrazu zaprezentuję obie grupy umiejętności.

    Zdaję sobie sprawę, że ta lista nie oddaje w pełni realiów – bazuje na ofertach, na które miałam okazję się natknąć. Mimo to traktuję ją jako dobry punkt wyjścia. W miarę zdobywania nowych informacji mogę ją modyfikować. Zależy mi na efektywności i wykładniczym postępie, dlatego musiałam na czymś oprzeć swoje priorytety. Wszystko wyjdzie w praniu – to po części mój eksperyment.

Ranking umiejętności – wynik analizy ofert

Kompetencje twarde (techniczne)

⦿ Zaawansowana znajomość MS Excel (tabele przestawne, funkcje SUMIFS, INDEX/MATCH, makra, VBA)
⦿ Znajomość SQL (operacje na bazach danych, zapytania SELECT, JOIN, GROUP BY)
⦿ Znajomość języka angielskiego (min. B1/B2, często wymagana bardzo dobra znajomość)
⦿ Znajomość narzędzi BI (Power BI, Tableau, Google Data Studio)
⦿ Podstawy statystyki, ekonometrii, analizy danych
⦿ Języki programowania: Python / R (przydatne do analizy, automatyzacji, ML)
⦿ Doświadczenie w analizie danych, Business Intelligence lub pokrewnych obszarach (mile widziane 2-3 lata)
⦿ Wykształcenie wyższe (matematyka, informatyka, ekonomia, analiza danych, statystyka)
⦿ Znajomość relacyjnych baz danych i technologii Big Data (Databricks, PySpark, chmura: Azure, AWS, Google Cloud)
⦿ Podstawowa znajomość programowania obiektowego i dobrych praktyk kodowania

Kompetencje miękkie

⦿ Zdolności analityczne i umiejętność interpretacji danych
⦿ Dokładność i dbałość o szczegóły
⦿ Komunikatywność i umiejętność prezentacji wyników analizy w sposób zrozumiały dla biznesu
⦿ Umiejętność pracy w zespole i w środowisku międzynarodowym
⦿ Samodzielność, proaktywność i chęć nauki nowych technologii
⦿ Dobra organizacja pracy, umiejętność priorytetyzowania zadań
⦿ Otwartość na pracę w zwinnych metodykach (Agile, Scrum)

To mój punkt wyjścia – jestem pełna optymizmu i wiary we własne możliwości!

Komentarze

Prześlij komentarz

Popularne posty z tego bloga

10+ najczęstszych błędów w analizie danych (i jak ich uniknąć przed certyfikatem DataCamp)

  Gdy życie krzyżuje plany  (i co z tego wynika) Jestem na etapie kończenia zaplanowanych powtórek. Wszystko idzie trochę wolniej, niż zakładałam, bo życie (ech, znowu ono) pokrzyżowało mi plany. Mam teraz coś znacznie ważniejszego, z czym muszę się zmierzyć, niż jakikolwiek certyfikat. W tym krótkim poście chciałabym pochylić się nad częstymi błędami, które zdarzają się osobom przygotowującym się do certyfikatu, do którego ja też podchodzę. Pisałam o nim tutaj →  Certyfikat DataCamp: Python Data Associate- jak się do niego przygotowuję? . Skąd wzięłam te błędy? Najpierw przedstawię błędy wymieniane przez autorów materiałów na DataCampie. Potem przejdę przez takie, które często pojawiają się w innych źródłach (np. tu: laboratorium-mozliwosci.pl , dataconversion.ie ). Później dorzucę coś od siebie - czyli błędy, które sama popełniłam. A na koniec to, co podpowiedział mi jeszcze ChatGPT (jako uzupełnienie listy). Z mojej perspektywy - osoby, która przygotowuje się do egza...
Prześlij komentarz
Czytaj więcej

Excel od podstaw – jak skutecznie się go nauczyć? Mój sposób.

Obraz  Mango Matter  z  Pixabay Zaczynam od Excela     Zgodnie z wynikami analizy z poprzedniego wpisu, moja nauka zaczyna się od Excela.  Plan nauki zakładał pierwotnie opanowanie tego programu w takim stopniu żeby móc w nim swobodnie pracować. Tylko, że to stwierdzenie nic tak naprawdę nie znaczy.  Dlatego w tym poście staram się trochę usystematyzować, co uważam za znajomość Excela na poziomie zerowym, podstawowym, średnim i zaawansowanym. W tej całej nauce, którą tak planuję nie chcę dać się przytłoczyć mnogością materiałów. Nie chcę dać się ponieść perfekcjonizmowi. Postaram się mieć na uwadze, że nawet, jeśli wiemy dużo, to nie wszystko. Tak też będzie ze mną i Excelem. I to jest zupełnie ok.  Mój plan nauki      Postanowiłam wypunktować umiejętności, które można nabyć, a w miarę nauki zobaczę, ile z tej listy tak naprawdę powinnam zrealizować i na którym etapie poczuję się pewniej z tym programem. Jako, że uwielbiam cał...
Prześlij komentarz
Czytaj więcej

SQL w 2 godziny dziennie - plan, motywacja, materiały

  Przyszedł czas na ustalenie nowych celów. Mój wybór padł na powtórki i rozszerzanie wiedzy z SQL. Opracowałam już prosty plan, którego zamierzam się trzymać, rozplanowałam sobie jaką część tego planu zamierzam wykonać w poszczególne dni. Jestem podekscytowana. Jak zawsze, gdy zaczynam coś nowego.  Małe sprostowanie: SQL nie jest dla mnie ZUPEŁNIE nowy, uczyłam się go już kiedyś, ale to było dawno i mam potrzebę go odświeżyć.  Dlaczego akurat SQL? Bo to narzędzie, które mimo upływu lat nie traci na aktualności. W świecie danych SQL wciąż jest podstawą  - niezależnie od tego, czy pracujesz w analizie danych, nauce o danych, czy w IT szerzej. Ja sama coraz częściej trafiam na sytuacje, w których jego znajomość bardzo by mi się przydała - przy analizie wyników, raportach, czy integracji danych z różnych źródeł. Poza tym lubię jego logiczność i strukturę - jest coś satysfakcjonującego w dobrze napisanym zapytaniu, które robi dokładnie to, co powinno. Czuję, że warto poś...
Prześlij komentarz
Czytaj więcej