Analityk Danych – Data Scientist – czym się zajmuje?

Rynek pracy ciągle się zmienia, na niektóre funkcje zapotrzebowanie maleje, na inne wzrasta. Zawodem, który staje się i w przyszłości będzie coraz bardziej potrzebny, jest analityk danych, czyli data scientist. Czym zajmuje się ktoś na tym stanowisku i jakie kompetencje powinien posiadać? O tym opowiemy w tym tekście.

Dlaczego na analizę danych jest i będzie coraz większe zapotrzebowanie?

Firmy mają do dyspozycji coraz więcej danych, którymi mogą operować. Z każdym dniem dostępne są też nowe narzędzia, które jeśli zostają wykorzystane przez kogoś z odpowiednimi kompetencjami, mogą pomóc w rozwoju biznesu.

Analityk danych a analityk biznesowy

Analityk biznesowy w IT jest osobą, która umie znaleźć wspólny język zarówno z developerami, którzy pracują nad danym projektem, jak z interesariuszami, którzy będą go potem wykorzystywać. Tworzenie raportów, które pozwolą zainteresowanym stronom zobaczyć, że dzięki danemu projektowi będą w jakiś sposób mogły rozwinąć swoją organizację, także jest mile widzianą umiejętnością u analityków biznesowych. Dobrze więc, aby analityk miał nie tylko wysoce rozwinięte umiejętności związane z analizą wymagań biznesowych, ale także miękkie, dzięki którym będzie mógł świetnie komunikować się z osobami odgrywającymi różne role w danej organizacji.

Co robi zatem analityk danych?

Zajmuje się on całym procesem związanym z analizą danych z konkretnego obszaru. Każdy jego projekt będzie więc z reguły zaczynał się od zebrania danych. To jak to zrobić, nierzadko będzie już pierwszą trudnością, jaką można napotkać, pełniąc taką funkcję. Kolejne kroki to oczywiście odpowiednie agregowanie danych i ich analiza. Na proces pracy z danymi składa się też weryfikowanie, w jakim stopniu zebrane dane rzeczywiście są tymi, które były potrzebne. Często na tym etapie ważne będzie umiejętne odrzucenie danych, które mogą zafałszować ostateczny wynik pracy, jaki chce się osiągnąć.

Zabrane dane często wizualizuje w formie graficznej, czy raportów. Żeby uzyskać konkretny rezultat, oparty o dane, trzeba zastosować odpowiednie modele, algorytmy i techniki. Tutaj szczególnie ważne będzie umiejętne posługiwanie się np. językiem programowania Python. 

Kiedy uzyska się już konkretne wyniki, ważne jest, aby potrafić wyciągnąć z nich wnioski, a także przedstawić je w odpowiedni sposób osobom, które mają je wykorzystać. Analityka danych jest wykorzystywana przez przedsiębiorstwa z wielu branż, chociażby medycznej, finansowej, produkcji i oczywiście IT. Do tego grona będą cały czas dochodzić firmy z kolejnych obszarów.

Analityk to także ktoś, kto na różnych etapach wyżej wymienionych procesów wprowadza automatyzacje. Często im więcej danych będzie się zbierać i im głębiej w nie wchodzić, tym więcej kroków będzie mogło być poddanych być automatyzacji. Tutaj często przydatna będzie więc wiedza z zakresu uczenia maszynowego.

Analityk to nie jest osoba, która wszystkie wymienione kroki przeprowadza samodzielnie, siedząc codziennie samotnie przed komputerem. Będzie on częścią większego zespołu. Regularne  tworzenie raportów z postępu prac, wyjaśnianie wniosków płynących z uzyskanych wyników i zdobytych danych, także osobom nietechnicznym, to codzienność w tej pracy.

Jakie kompetencje posiada dobry analityk danych?

Jego praca skupia się na modelowaniu i analizie danych. Musi więc posiadać wiedzę z zakresu matematyki, uczenia maszynowego, statystyki, które to przydadzą się przy tworzeniu algorytmów.

Obecnie najczęściej używanym narzędziem do analizy danych jest Python. Można na nim tworzyć systemy, bazy danych, obliczenia naukowe. Umiejętne praktyczne posługiwanie się tym językiem programowania będzie więc z reguły niezbędne. Istotne okazuje się także posiadanie wiedzy z zakresu baz danych SQL i noSQL.

Umiejętności z zakresu wdrażania modeli uczenia maszynowego nie zawsze będą konieczne, ale na pewno, jeśli ktoś chce się rozwijać jako analityk danych, to warto je posiadać.

Codzienna komunikacja z zespołem lub klientem to coś, co wymaga odpowiednich zdolności interpersonalnych. Niejednokrotnie przydaje się też zaprezentowanie powodu zbierania takich, a nie innych danych, czy wnioski płynące z przygotowanych danych osobom, które nie mają wiedzy technicznej i chcą mieć wgląd w realny wyniki firmy czy przedsiębiorstwa.