Дякую вам, Володимире.Приємно читати, що зміг зарядити мотивацією. Чекатиму від вас data analyst вакансії позитивних новин у майбутньому. І звертайтеся у разі питань щодо навчання — завжди радий допомогти.

Приклади робочих обов’язків дата-аналітика

Це певною мірою вже інтегрує вас у DS-спільноту. Вдала візуалізація, яка дійсно допомагає виявити й продемонструвати іншим щось корисне, потребує не лише гарного смаку, а й чимало знань і досвіду. Для початку можна ознайомитися з курсом візуалізації даних від Анатолія Бондаренка на платформі Prometheus. Анатолій Бондаренко — засновник і керівник проєкту Texty, які нещодавно здобули престижну міжнародну винагороду з журналістики даних. У цьому курсі немає програмування й складних технічних штук, це базові знання про принципи візуалізації.

Ще лишилися питання щодо старту в аналітиці даних?

Аналітики не є виключенням, вони так само, як і науковці, і фахівці ІТ-індустрії просто обирають зручний для себе час. Дистанційна робота зараз дозволяє підлаштуватися, зробити свій графік максимально комфортним. Єдине, що є дедлайни, які мають чітко виконуватися.

Дефіцит навичок роботи з даними

Частина з них допомогли мені рік тому отримати роботу в аналітиці даних. І їх раджу початківцям, які звертаються щодо навчального плану. З книжкових рекомендацій — книжка «Practical Statistics for Data Scientists». Її я якраз дочитав за кілька днів до ключової для себе співбесіди. Довірчі інтервали, t-критерій Стюдента, АВ-тести та статзначущість — ці поняття там описані просто і доступно.

soft skills для Data Analyst

Безумовно, зараз дуже багато аудіальної, візуальної інформації, але тут первісний текст. Якщо ти вмієш читати й робити це швидко — тобі це дано, якщо ні — треба обирати щось інше. Аналітичні тексти не передбачають надмірної емоційності. Якщо людині хочеться скрізь додавати власну думку, то їй, скоріш за все, треба в журналістику, а не в аналітику. Від цього залежатиме предмет аналізу й мета удосконалення НПА. Сурмін у своїй праці «Майстерня вченого» (2006) згадує 23 види аналізу.

Мапа розвитку в Data Science, або Як стати дослідником даних

Варто придивитися, що саме актуально у вакансіях, перш ніж братися за вивчення інструментів. Якщо бачиш, що якась з них переважає у вакансіях Djinni та DOU — скеровуй погляд на неї. Я не проводжу відбору, а знайомлюся з усіма бажаючими. Разом проговорюємо цілі, мотивацію та сумніви, що виникають через світчинг. Підписуйтесь на щотижневу розсилку від головної редакторки Happy Monday з підбіркою найцікавішого контенту тижня, новин та кар’єрних можливостей.

Знати Python, що «буде плюсом» для кандидата

Але принаймні уже один аналітик, до якого можна звернутися за порадою, серед твоїх знайомих з’явиться. Спробую максимально допомогти, щоб українська аналітична спільнота поповнилася ще одним цінним фахівцем. Стосовно англійської і потреби у її щоденному використанні — залежатиме від типу компанії.

Наприклад, про онлайн курси з ML чи програмування можна сказати, що їх «больше, чем коммитов в репозиторий ядра линукса». Проте особисто мені цікаво проходити різні курси, бо попри те що люди висвітлюють одну і ту саму тему, вони висвітлюють її по-різному, через призму власного досвіду. Принаймі я ще не зустрічав двох лекторів, які розповідали б одне й те саме однаково. На мою думку з цим може допомогти гарний офлайн курс чи ментор, хтось, хто складе притомну, всеохоплюючу, систематизовану дорожню мапу до навичок, які затребувані на ринку праці. З офлайнових курсів з Data Science мені відомі Hillel (м. Київ, викладач Олександр Коробов) і спільний курс від компаній ISD та SOLVVE (м. Дніпро, викладач Олексій Нідзельський). На мою думку, якість і програма курсу дуже залежать від того, хто викладає.

Я відкривав цю мову з відео «MySQL Tutorial for Beginners [Full Course]» від Моша Хамедані. Без знань SQL не варто навіть надсилати резюме рекрутерами на аналітика. Часто новачки не орієнтуються, яку оплату вони можуть отримувати на старті. Раджу тут покладатися на зарплатне опитування DOU. Але при цьому розуміти, що медіана — це не середнє арифметичне зарплат тих, хто заповнив анкету, а сума, менше якої можуть заробляти до 50% опитаних.

Після прочитання на технічних співбесідах буде простіше відповідати. Далі варто взяти датасет з цікавої тобі теми на Kaggle і спробувати зробити на його основі дашборд. По-перше, це допоможе зрозуміти, де є слабкі місця. По-друге, матимеш власний pet-проєкт, який допоможе і виділитися, і довести, що вмієш працювати з Power BI. Або, наприклад, стати суперекспертом з візуалізації та робити інфографіку для різних проєктів і подій.

• А для того, щоб її продемонструвати й ділитися в майбутньому з іншими, потрібно в будь-якому випадку робити собі якісь помітки, позначки, зберігати посилання.
• Тож я зробив невеликий аналітичний проєкт на основі даних нью-йоркського таксі, створив сторінку на LinkedIn та скинув моєму майбутньому ліду.
• Або вдосконалювати знання Python чи машинне навчання (machine learning), і здобути професію Data Scientist.
• Якщо замовлення є терміновим, тут не обійтися без фізичної та емоційної витривалості.

На скільки реально рік не стикатись з математикою працюючи в DS? І ніде не стверджую, що на цьому треба зупинитись. Звісно можна почати з отримання диплома фіз-факу чи мех-мату.

Так само не сильно вірю в ідею набирати досвід аналітика на фрілансі, особливо у продуктовій аналітиці. Бо щоб робити гарні ресьорчі, потрібне добре розуміння продукту, специфіки бізнесу. А маючи короткочасні проєкти з погодинним тарифом, наврядчи матимеш таку розкіш як час на занурення у документацію тощо.

Якщо це українська продуктова і всі колеги з України, то англійська буде потрібна лише для навчання та прочитання документації стосовно технології (наприклад, щомісячні оновлення Power BI). Кожному початківцю, який звертається з питаннями щодо вивчення аналітики, раджу швидше почати робити pet-проєкти. Тобто самостійно зробити щось руками, щоб довести, що дійсно знаєш технологію. Проєкт буде непрофесійним і через якийсь час про нього не захочеться згадувати. З платних курсів Udemy, які проходив за цією темою вже після старту роботи — «Become a Probability & Statistics Master» від Math King.

Так, вам варто знати, які є типи баз даних чи як написати елементарний SQL-запит. Проте, на мою думку, не обов’язково надто заглиблюватися в це, досить знань, які дають змогу самостійно реалізувати просту взаємодію з БД для MVP або знайти спільну мову з інженером на проєкті. Найімовірніше, будь-який Back-end developer чи BigData engineer реалізує взаємодію зі сховищем даних ліпше за вас.

Робота в кращіх IT командах https://wizardsdev.com/