דאטה אנליסט / Data-Analyst הוא אחד מהמקצועות הכי חמים היום – ולא בכדי.
אנחנו חיים בעולם של נתונים – כל מקום פחות או יותר שניגע בו יהיה מוצף בדאטה.
מספיק לשאול מהו הדבר הכי קרוב אלינו בשביל להבין שזה לא המשפחה, הכלב או החתול, אלא דווקא הטלפון הנייד…
הטלפון הזה כל הזמן אוסף דאטה:
איפה אנחנו גולשים, מה אנחנו קונים, לאן אנחנו נוסעים ועוד.
וכנראה שזה הולך אפילו להתעצם עם המגמה של ה-Wearables – שעונים חכמים ואחרים.
הכל אוסף דאטה בכמויות אדירות, וזו המציאות שבה אנחנו חיים.
כל יום, וכל היום.
עם כל הנתונים האלה שנאספים – מתעצם הצורך לעשות איתם משהו:
להשתמש בהם בשביל לשפר את הערך שחברות מציעות ללקוחות שלהן, ובכלל להבין מיהם בדיוק הלקוחות האלה.
וזה בדיוק התפקיד של דאטה אנליסט (או אנליסט נתונים).
המקצוע חווה בעשור האחרון צמיחה חסרת תקדים, והפך לאחד המקצועות המובילים בשוק.
עד כמה המקצוע נמצא בצמיחה ניתן להבין דרך כמות החיפושים ב-Google Trends.
מטרת המאמר
במסגרת המאמר הזה נציג את המקצוע והתחום בצורה מקיפה.
זה כולל תשובות מפורטות לגבי 12 השאלות העיקריות שודאי קיימות אצלכם בנוגע לתחום והמקצוע.
חלק מהשאלות ימפו גם את מהות המקצוע;
וחלק אחר מהן ימפה ממה עליכם להיזהר לפני שאתם נכנסים לתחום.
חשוב לציין, שגם התשובות כאן הן רק החלק הראשון של הכניסה לתחום…
כי התחום האנליטי הוא כמעט אינסופי מבחינת תכולת החומר שיש בו.
לכן, בהחלט ייתכן שבמהלך הקריאה יעלו אצלכם שאלות נוספות או שדברים יהיו לא ברורים לחלוטין.
זה כמובן טבעי – אנחנו נוגעים רק בקצה הקרחון…
המטרה במאמר היא לא 'לשפוך עליכם' את כל החומר בנושא,
אלא למקד ולזקק עבורכם את כל הדברים הכי חשובים בתחום הדאטה;
זאת על מנת לאפשר לכם 'נחיתה רכה' בגישושים הראשונים אם המקצוע דאטה אנליסט מתאים לכם ואיך להתקדם.
במהלך חלק מהשאלות, יופיעו לינקים לקבלת מידע נוסף באופן פרטני.
אתם בהחלט מוזמנים לבדוק את התכנים המעמיקים יותר.
ובמידה ועדיין יש לכם שאלה בוערת שלא נותנת לכם מנוח אך אינה מופיעה במאמר…
אתם יותר ממוזמנים לפנות באימייל עם שאלות ספציפיות.
והערה חשובה אחרונה נוספת לפני שנתחיל:
ברור שחלקכם רוצים תשובות מאוד מהירות, וחלקכם רוצה דווקא רוצה הרבה מאוד פרטים.
אז בדיוק בשביל לתת מענה לכולם, המאמר יכלול גם תקציר ראשוני – לחובבי האמ.לק…
וגם אפשרות לחשוף פרטים נוספים בכל שאלה/נושא – למתעמקים.
מה שנקרא "ליהנות מכל העולמות"…
אז קדימה – מתחילים!
שאלה 1: מהו דאטה אנליסט ומה דאטה אנליסט הוא ממש לא?
דאטה אנליסט אחראי על התהליך הבא:
הוא שולף נתונים לגבי הפעילות של החברה מתוך מאגרי הנתונים בחברה ומחוצה לה.
לאחר מכן הוא מנתח אותם ומוציא מתוכם תובנות.
ולבסוף, הוא ממליץ על פעולות לייעול או לשיפור הפעילות העסקית.
דאטה אנליסט הוא "משתמש על".
הוא גורם המתווך בין הרמה העסקית של קבלת ההחלטות הניהוליות והתפעוליות;
ובין הרמה הטכנולוגית של מערכות המידע והנתונים שהן שומרות ומתעדות.
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) דאטה אנליסט אינו מתכנת מצד אחד; את זה הוא עושה באמצעות דאטה וראיה לוגית-שיטתית. בנוסף, דאטה אנליסט לא אמור להיות רק ספק נתונים, או "טכנאי SQL"… הוא אמנם שולף נתונים ועובד ברמה טכנית, אבל הוא לא עושה את זה כמהות או מטרה; הוא עושה זאת בשביל לנתח את הנתונים ולהוציא מהם תובנות שאינן טריוויאליות. רוצים להבין יותר מה דאטה אנליסט עושה?
דאטה אנליסט אחראי על מספר משימות חשובות, הנה העיקריות שבהן:
חשוב להבין גם מה דאטה אנליסט הוא לא:
אבל גם לא גורם עסקי/תפעולי מצד שני.
הוא יושב בדיוק באמצע, ומתווך את השפה העסקית לאנשי הטכנולוגיה, ואת השפה הטכנולוגית לאנשי הביזנס.
לחצו כאן לגישה למדריך 'סודות הדאטה אנליסט'.
שאלה 2: היכן עובד דאטה אנליסט והיכן ממש לא צריך אותו?
אנליסטים ניתן למצוא במגוון רחב מאוד של חברות – בהן יש נתונים בהיקף גדול:
- החל מבנקים וחברות ביטוח – ביחידות השיווק, מערכות המידע, ניהול הסיכונים ועוד;
- דרך חברות טלקום בניתוח נתונים שיווקיים וביצועי התשתית;
- בחברות עסקיות כמו חברות תעופה או רשתות קמעונאיות – בשיפור המכירות או הלוגיסטיקה;
- במשרדים ממשלתיים או חברות סמי-ממשלתיות כמו חברת החשמל;
- וכמובן בחברות הייטק ובסטארטאפים בינוניים – בשיפור תהליכי השיווק ופיתוח המוצר.
עיקר הפעילות תהיה כאמור בעולמות השיווק, וייעול התהליכים.
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) ברוב המקרים, אנליסטים לא יעבדו בחברות שבהן אין כמעט דאטה (כי אין מה לנתח…). מצד שני, אנליסטים גם פחות יעברו בחברות של מערכות הנדסיות (רכב אוטונומי, טייס אוטומטי וכיו"ב). במערכות הנדסיות כאלו אמנם נצברים הרבה מאוד נתונים גולמיים; העניין הוא, שכללי משחק "הנדסיים" הם יותר טכניים מאשר אנליטיים – ועיקר הניתוח יבוצע בעזרת אלגוריתמיקה. וזה כבר יותר עולם התוכן של מפתחים/מהנדסים/אלגוריתמאים (ו-Data Scientists) – ופחות אנליסטים. עוד סוג מקומות שבהם אין צורך ב-Data-Analyst הם עסקים יחסית קטנים – שם התפעול נמצא במוקד. או עסקים שבהם לב העיסוק הוא יותר פיזי ופחות דיגיטלי או ממוכן. כי מצד אחד המורכבות יחסית נמוכה בהיבט המערכות או תהליכי העבודה הקיימים; ומצד שני אין מספיק משאבים לטובת ייעול/שיפור. לכן אין באמת הצדקה או מוטיבציה להחזיק אנליסטים. אגב, במקומות כאלה ייתכן ויהיה מקום למערכות דיווח סטנדרטיות (כמו BI). אבל לא לאיש מקצוע ייעודי שיישב ויחפש תובנות בנתונים. רוצים עוד קצת פירוט לגבי השאלה? מדוע?
לחצו כאן לגישה למדריך 'סודות הדאטה אנליסט'.
שאלה 3: אילו משימות דאטה אנליסט אמור לבצע ומה הוא לא אמור לבצע?
דאטה אנליסט מבצע מגוון משימות אנליטיות:
א. שליפת נתונים למנהלים/גורמים עסקיים.
ב. הקמת דשבורדים.
ג. ניתוח נתוני פעילות וזיהוי תובנות.
ד. פיתוח מודלים ותחזיות על בסיס נתונים
ה. אפיון דרישות למתכנתים
ועוד.
המהות של דאטה אנליסט היא ביצוע ניתוחי עומק בדאטה.
זה דורש זיקוק של הנתונים בשביל לזהות מגמות ותובנות חבויות.
זו משימה שאי אפשר להסיק פשוט מצפייה ראשונית ופשטנית בנתונים – אלא מניתוח עומק.
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) זה יהפוך אותו ל"ספק דוחות" – ויפספס את המטרה. לכן, להוציא דוח ולהציג אותו בצורת תרשים באקסל – זה לא המיקוד, למרות שזה קורה לא מעט… "הלחם והחמאה" של דאטה אנליסט הם לנתח נתונים של תופעות מעניינות; ולאחר מכן לחקור סיבות אפשריות לכל תופעה העולות מתוך הנתונים. במקרה הזה התשובה אינה רק כן/לא, כלומר ה"מה"… התשובה המדויקת תהיה גם "למה". כלומר, גם זיהוי גורמים אפשריים לקפיצה בהחזרות. (וכמובן מה אפשר לעשות בשביל לשפר את המצב הקיים). בנוסף, משימות של אוטומציה או ייעול ביצועים או מהירות של תהליכי נתונים – גם אינן משימות טבעיות של אנליסטים. זה כבר נכנס לעולם של פיתוח תוכנה – בדגש על BI ובסיסי נתונים. ולבסוף, דאטה אנליסט גם לא אמור להיות איש תפעול. לכן – הוא לא אמור לבצע משימות תפעוליות הנוגעות בלקוחות הקצה של החברה.
כפי שצויין קודם, דאטה אנליסט לא אמור לשבת כל היום ולשלוף דאטה ברמה טכנית.לדוג':
נניח שעלתה שאלה עסקית של האם ישנה קפיצה בכמות ההחזרות של מוצרים לאחר הרכישה.
(האם זה נבע מקפיצה גם בכמות המכירות, או שישנה בעיה מהותית בתהליך המכירה).דאטה אנליסט טוב נמדד לא רק בתשובה על "מה" שקורה, אלא בעיקר על ה"למה" זה קורה.
פירוט נוסף לגבי המשימות של דאטה אנליסט קיים במדריך 'סודות ה-Data-Analyst'.
שאלה 4: איך אסור שייראה היומיום של אנליסט נתונים?
רוב העבודה היומיומית של דאטה אנליסט היא טכנית – מול מחשב.
זה כולל בעיקר שליפת נתונים עם קוד SQL , או ניתוח נתונים עם אקסל.
העבודה כוללת גם לא מעט תקשורת עם אנשי התפעול והמנהלים בחברה;
זאת בשביל לאפיין דרישות עסקיות למידע.
ומצד שני, ישנה גם לא מעט תקשורת עם אנשי הפיתוח;
זאת בשביל לאפיין עבורם את הדרישה לתהליכי מידע אוטומטיים או איסוף נתונים חדשים.
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) כפי שראינו קודם, דאטה אנליסט הוא בעצם פונקציה לייעול תהליכים וזיהוי הזדמנויות. לכן, העבודה השוטפת לא כוללת תפעול, כלומר תקשורת עם לקוחות הקצה של החברה. עיקר העבודה היא מול גורמי המטה והתפעול בתוך החברה. משימות כאלו שייכות אמנם לסט המשימות של האנליסטים. העניין הוא ש"הצפה" במשימות כאלו היא מאוד מסוכנת; למה זה יכול לגרום? לחוסר יכולת להתפנות לפרויקטים אנליטיים משמעותיים – שאלה שיוכלו להקפיץ את ביצועי החברה. התופעה השניה היא חוסר ידע מקצועי איך לבצע ניתוחי עומק. התופעה הזו גורמת להרבה אנליסטים להיתקע בניתוחים פשוטים באקסל, ואפילו להפוך להיות ל"יצרני מצגות". שוב – במקום להיות מסוגלים ליזום פרויקטים אנליטיים מורכבים דוגמת תחזיות, סגמנטציה של לקוחות וכיו"ב. ההבנה הזו, של מה לגיטימי ומה לא לגיטימי באופי העבודה וסוג המשימות שבהן נתקל דאטה אנליסט טיפוסי היא קריטית. לכן, חשוב מאוד ללמוד כיצד לזהות את איכות התפקיד בראיונות כמה שיותר מוקדם. זאת על מנת שהתפקיד יאפשר לכם להתפתח בצורה מהירה – מבלי להיתקע. בנוסף, קיימות שתי תופעות חמורות של אנליסטים ששוקעים ונתקעים בעבודה אפורה וסיזיפית.
עבודה כזו לא מפתחת אותם – לא ברמה המקצועית ולא ברמה הכספית.
תופעה ראשונה היא "הצפה" במשימות תפעוליות כמו הפקת דוחות כאלה ואחרים.
בעגה המקצועית זה מכונה: "טכנאות/מכונאות נתונים" או "טכנאות SQL".מבלי להישמע דרמטיים מדי – היא יכולה לבנות או להרוס קריירות;
שאלה 5: מהם התחומים העיקריים בעולם ניתוח הנתונים ומה לא קשור למקצוע דאטה אנליסט?
ישנם לא מעט סוגים של נישות בתחום הדאטה.
העיקריים שבהם הם:
- דאטה אנליסט (Data Analyst);
(כולל Business Analyst). - מדען נתונים (Data Scientist);
- אנשי BI (Business Intelligence);
ההבדלים ביניהם נובעים בעיקר מהדגש/פוקוס:
אנשי BI הם יותר עם דגש טכנולוגי;
מדעני נתונים יותר מתמטיים;
ו-Data-Analysts יותר עסקיים-תהליכיים.
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) קריטי לשים לב להבדלים בין הנישות השונות. לכל נישה יש מיקוד מאוד ברור על הציר ביזנס-טכנולוגיה. וישנם הבדלים גם במימדים אחרים כמו רמה מתמטית ותהליכית-לוגית. הנה שתי דוגמאות בנושא: לכל נישה בתחום הדאטה ישנם הרבה ניואנסים: קריטי קודם כל להכיר את כל הנישות והתחומים המשיקים וההבדלים ביניהם. בלי לעשות את זה אתם כנראה הולכים "לגשש באפלה"… וזו הדרך הבטוחה לעשות טעויות קריטיות. כאלו שיקטינו את סיכויי הכניסה לתחום וימרחו את התהליך זמן רב. (דוג': ללמוד הרבה מעבר למה שצריך בתחילת הדרך, להתייחס רק ללימוד ולא לראיונות ועוד). פירוט נוסף לגבי הנישות האנליטיות קיים במדריך 'סודותיו של דאטה אנליסט',
סטטיסטיקאי אינו דאטה אנליסט;
זאת מאחר והוא עוסק בעיקר בשיטות סטטיסטיות (כמו מניעת הטיות בסקרים);
לעומתו, דאטה אנליסט עוסק בזיהוי תובנות ומגמות מתוך דאטה מורכב;
מנהל מוצר אינו אנליסט מוצר (Product Data-Analyst);
זאת מאחר ומנהל המוצר ניזון מהרבה מאוד שיקולים 'רכים', והאנליסט בעיקר מדאטה;
מאפיינים שונים, תכונות נדרשות שונות ודברים שונים שנדרש ללמוד;אז עוד לפני שרצים ללמוד ולהתראיין…
ולאחר מכן כמובן גם להבין מה מהם הכי מושך אתכם.
ולאחר מכן בצורה מפורטת מאוד במסטר-קלאס 'הרגל בדלת'.
שאלה 6: מהן היכולות שאינן נדרשות מ-Data-Analyst בתחילת הדרך (או בכלל)?
דאטה אנליסט טוב נדרש לשלב בין ידע טכני ובין ידע עסקי.
הדרישה היא מצד אחד לנתח נתונים בצורה מדויקת, ומצד שני להבין מה לעשות עם התובנות.
מדובר כמובן ביכולות טכניות.
אך בנוסף, נדרשות גם יכולות ייחודיות של חשיבה עסקית ולוגית.
זאת בשביל להבין איך להשתמש בתוצרים הטכניים על מנת לשפר את הביצועים העסקיים.
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) דאטה אנליסט לא נדרש לתכנת בצורה "כבדה" – הוא לא מפתח. ברמת המהות, גם לא נדרש מדאטה אנליסט לשפר ביצועים של שליפות. אמנם קיימים מקרים של דאטה מסיבי וזה עוזר. אך מהות המקצוע היא לתת תשובה ממוקדת לשאלה עסקית – ופחות היעילות/מהירות. עבור רוב המשימות האנליטיות פחות משנה האם שליפת הנתונים תיקח דקה או רבע שעה. מה שכן קריטי הוא להבין מה מהותי ומה שולי: יכולת האפיון בשביל לתת פתרון לשאלה העסקית – היא המהותית. ביצועים או יעילות הריצה ברוב המקרים הם שוליים יותר. להכיר הרבה כלים בלי לדעת להשתמש בהם זה אחד הסיכונים הגדולים ביותר בקרב אנליסטים בתחילת הדרך. וגם אחד מהדברים שהכי מפילים מועמדים בראיונות עבודה. המחשה לצורת החשיבה קיימת במסטר-קלאס 'רגל בדלת – התמונה הגדולה לדאטה אנליסט'
(לעומת אנשי BI שהם ברובם מפתחים).
ולכן, חשוב לזכור שידע טכני וידע לוגי-אנליטי הם שני דברים נפרדים.
למה הכוונה בדיוק ב"ידע לוגי-אנליטי" או "חשיבה אנליטית"?
שאלה 7: עם אילו כלים דאטה אנליסט עובד – ואילו כלים יהרסו לו את הקריירה עוד לפני שבכלל התחיל אותה?…
ברמה הבסיסית הכלים החשובים הם כלי ליבה לניתוח ועיבוד דאטה.
בראש ובראשונה – אקסל ו-SQL ברמה גבוהה מאוד.
ומהי "רמה גבוהה מאוד"?
ישנם הרבה ניואנסים, אבל בגדול מדובר בפונקציות העיקריות של עיבוד נתונים.
נושאים טכניים מתקדמים המחייבים שימוש בקוד הם פחות רלוונטיים בתחילת הדרך.
חשוב לשים לב, שמדובר בתשובה מאוד גנרית, וכזו המתייחסת לתפקידי דאטה אנליסט בלבד.
בהתאם לנישות אנליטיות אחרות – ישנם דגשים אחרים.
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) כלים אחרים כמו Tableau , ושפות סקריפט כמו R או פייתון יכולים מאוד לסייע. ויחד עם זאת קריטי להבין מה נדרש ללמוד ובאיזה שלב. מה שממש לא נדרש דאטה אנליסט לדעת הוא לתכנת – ודאי שלא בתחילת הדרך. להיפך – זה יכול להסיט מאוד את המועמד/ת מהידע והכלים שכן נדרש להכיר כבר בהתחלה. וזה, אגב, נכון גם לצורך ראיונות העבודה וגם לצורך התפקיד לאחר מכן. לכן, חשוב להבין בדיוק אילו כלים נדרשים בכל שלב. ואילו כלים לא נדרש ללמוד בתחילת הדרך. עוד דבר שחייבים לשים אליו לב הוא דרישות של מעסיקים לכלים מסוימים. בחלק גדול מהמקרים קיימות דרישות לכלים סטנדרטיים. אבל – קיימות משרות הדורשות כלים ספציפיים ופחות נפוצים. ומאחר ויש הרבה מאוד כלים ייחודיים בתחום הדאטה… חשוב לזהות כלים ספציפיים כאלה ולא להיכנס ל"מערבולת" של לימוד כלים שלא יקדמו אתכם. ושוב, חשוב להדגיש, שהכלים הם רק חצי מהתמונה בארסנל של ה-Data-Analyst. רוצים לקבל טעימה מאיך נראות שאלות 'מהחיים' שעשויים לשאול אתכם בראיונות עבודה? בדקו את קובץ תרגילי ה-SQL לדוגמה של 'מועדון הנתונים'. המחשה מפורטת לשאלות ומשימות אנליטיות מועברת גם במסטר קלאס 'רגל בדלת – התמונה הגדולה לדאטה אנליסט'.
ומה עם כלים נוספים? לדוג' כלי ויזואליזציה?
חלק מהכלים לא מקדמים לעבר העבודה – אלא בעיקר שורפים זמן.
יש הרבה מאוד מועמדים שמבזבזים חודשים בלימוד סרק של כלים לא נחוצים.
ומדוע? רק בגלל שקראו במקום כלשהו שצריכים ללמוד אותם!
החצי השני של התמונה – והמהותי יותר – הוא צורת החשיבה הייחודית של דאטה אנליסט:איך לגשת לבעיות עסקיות "מעורפלות", ולהפוך אותן לתוצר מוחשי.
ואת זה נדרש ללמוד במקביל לכלים הטכניים.
שאלה 8: מהי רמת השכר בתחום ומדוע זה לא באמת אמור לעניין אתכם?
ישנה שונות מהותית בהתאם לנישה האנליטית, לסוג החברה ולותק, אבל בגדול:
הטווח הסביר מדבר על כ-10-16 א' ש"ח בתור שכר התחלתי.
ולאחר מספר שנים השכר מזנק באופן משמעותי – במיוחד בהייטק.
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) העניין הוא שבתחום הזה יש הרבה מאוד אנליסטים 'אפורים'… כאלה שמבצעים בעיקר שליפות של SQL ועובדים ברמה מאוד טכנית. סביר שייתקעו בתפקידים פחות מעניינים וברמות שכר יחסית סטנדרטיות. וכמובן שלאור חוסר אתגר וחוסר תגמול הם לא ממש יאהבו את העבודה שלהם… מי שיידע להתעלות מעבר למשימות הטכניות, ולהמשיך ללמוד כל העת כלים ושיטות חדשות ומתקדמות, וליזום פרויקטים המשלבים גם חשיבה עסקית ותהליכית – יוכל להתבלט; אנליסטים כאלה יידעו לשלב מגוון יכולות וכלים. ובאמצעותם ליצור תובנות חדשות ולדחוף כל הזמן רעיונות וכיוונים לשיפור לשכבת המנהלים. וכמובן גם "להכות" את רמות השכר בצורה דרמטית: בסדר גודל של פי 2-3 מהמשכורת ההתחלתית – לאחר מספר שנים. וקידום לרמה ניהולית כמובן גם בהחלט אפשרי. בשביל להגיע לרמה הזו, חייבים לפתח יכולות גם ברמה הטכנית וגם ברמה האנליטית. זה מה שיאפשר להקדים את יתר האנליסטים בשוק. וכמובן – יכולת למידה עצמית היא קריטית בתחום הזה. רוצים להבין יותר לגבי השכר של דאטה אנליסט? הנה לינק למאמר מקיף בנושא השכר של דאטה אנליסט. ומהצד השני…
אותם האנליסטים עם יכולת משולבת טכנית-עסקית – יכולים להפוך לנינג'ה של דאטה.
שאלה 9: איזה תואר נדרש על מנת להפוך ל-Data-Analyst ואיזה תואר יהיה פחות רלוונטי?
על מנת להפוך ל-Data-Analyst נדרש בלא מעט מקרים תואר כמותי.
התואר האידאלי הוא הנדסת תעשיה וניהול, כלכלה או סטטיסטיקה.
יחד עם זאת, במקרים מסוימים ניתן להפוך לאנליסטים גם מתחומים משיקים:
מנהל עסקים, לוגיסטיקה, מדעים מדויקים וכיו"ב.
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) תארים מתחומים 'רכים' יותר (הומניים) נוטים פחות לקבל תעדוף אצל מגייסים. זאת מאחר ותחום הדאטה נחשב לריאלי-טכנולוגי. ועדיין – ישנם לא מעט מקרים אחרים. גם לאחר לימוד של תואר הומני (ואפילו ללא תואר) אפשר להפוך ל-Data-Analyst – בתנאים מסוימים. לדוגמה – אם כבר יש ניסיון בעבודה עם דאטה ברמה זו או אחרת. ישנן אפילו משרות מסוימות, שבהן קיימת עדיפות לתארים הומניים. לדוג': תפקידים עם קירבה לצדדים רכים יותר בתהליכי קבלת החלטות של לקוחות. (נפוץ למדי באתרי אינטרנט/אפליקציות עם צורך בהבנת הפסיכולוגיה של המשתמשים). ככלל, אם דאטה אנליסט אמור לזהות בעיות דרך דאטה ולהציע רעיונות לפתרונות, ככה שבכל סיטואציה אפשר למצוא את היתרון היחסי, וזו גם קצת אמנות בהיבט הזה. אפשר לזהות את היתרון היחסי במספר צורות – וכמובן זה מאוד מומלץ. לסיכום: עדיין תוהים אם מה שלמדתם רלוונטי לתחום? מוזמנים לשאול באימייל: eyal@datappl.com.
אז אפשר לחלק את התמונה באופן הבא:
זה יכול מאוד לסייע למיצוב עצמי לקראת חיפושי העבודה.תואר אינו השיקול היחיד בבחירת מועמדים.
אבל הוא בהחלט מהווה גורם חשוב מאוד בהחלטה של מגייסים לזמן אתכם לראיונות.
שאלה 10: האם באמת חייבים לעשות קורס דאטה אנליסט בשביל להתקבל לעבודה?
אצל הרבה מועמדים קיימת תפיסה או קיבעון מאוד משמעותיים.
הקיבעון: בשביל להפוך להיות דאטה אנליסט נדרש ללמוד קורס דאטה אנליסט כזה או אחר.
המציאות עשויה להיות קצת שונה…
אז קודם כל – אין שום חובה ללמוד קורס כלשהו.
השאלה הקריטית כאן היא האם קורס כזה או אחר יעזור לנו בסיכויים לקבלה לעבודה.
וכאן כל מקרה לגופו – ייתכן שעבור מועמד א' קורס יוכל לעזור.
אבל עבור מועמד ב' – אפשר להתקדם ללא קורס;
כמובן כל עוד קיים הידע הנדרש בשביל להבין מה רוצים מכם בראיונות ואיך לגשת לשאלות.
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) העניין הוא כזה: כמעט כל הקורסים בשוק מתמקדים בעיקר בלימוד הרבה מאוד כלים טכניים – "ארגז כלים"; זה נכון גם לקורסים באינטרנט וגם לקורסים פיזיים. אבל במציאות – כמו שהבנו – לא את כל ארגז הכלים הזה צריכים מיד על ההתחלה. להיפך – לימוד תיאורטי של כלים טכניים יכול אפילו להסיט אתכם מהדבר הכי חשוב בתפקיד – צורת החשיבה. ולא בכדי – הרי איך אפשר להתכונן לראיון שבודק צורת חשיבה?… שלא לדבר על זה שבכל ראיון כנראה ישאלו אתכם משהו אחר לחלוטין… פיתוח צורת החשיבה של דאטה אנליסט היא כנראה הדבר היחיד שיסייע לכם להתמודד עם שאלות מהסוג הזה. ואותה צורת החשיבה זה לא משהו שלומדים עם הרבה מאוד כלים טכניים, אלא בצורות אחרות… מאחר וצורת החשיבה היא משהו יחסית מופשט (בואו נהיה כנים – הרי כנראה שלא ממש ברור כרגע בדיוק מה זה אומר, נכון?…) אז אחת הדרכים האפקטיביות להבין במה מדובר הוא לראות דוגמה בלייב. ובדיוק למי שמעוניין בדוגמאות כאלה – הן קיימות במסטר-קלאס 'רגל בדלת – התמונה הגדולה בדרך לדאטה אנליסט' .
ישנם הרבה מאוד אנשים שלקחו קורסים, ואז הגיעו לראיון וחטפו שוק מסגנון השאלות.
שאלה 11: איך אפשר לדעת אם התחום בכלל מתאים לי? מתי זה סתם בזבוז זמן בכלל להתחיל?
הרבה אנשים שבודקים את התחום ושוקלים להיכנס אליו מחפשים קודם כל לבחון האם הוא בכלל מתאים להם – מבחינת אישיות, תחומי עניין, יכולות וכיו"ב.
החדשות הטובות הן שישנן שיטות יחסית פשוטות להבין אם על הסף התחום בשבילכם או לא.
לדוג', אם אתם חוששים מההיבטים הטכניים של התחום, אפשר לנסות ללמוד לבד כלים טכניים כמו SQL ולהתחיל לנתח דאטה בבית.
אם אתם מתחברים לאתגר שבשליפה וניתוח של דאטה ומסוגלים לשבת שעות מול המחשב ולחפש את התובנה המעניינת – כנראה שהתחום מתאים לכם.
קוראים לזה גם "לדבר דאטאית"…
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) מצד שני, אם קשה לכם עם הכלים הטכניים, או שאתם מתקשים להתחבר לדברים ברמה הלוגית – כנראה שהתחום פחות מתאים לכם. אם אתם במצב שאתם לא באחד מהקצוות – צריכים להבין מעט יותר לעומק מה בדיוק מושך אתכם בתחום. ואגב, אם הסיבה היחידה שמושכת אתכם בתחום היא רמות השכר – אז כנראה שחבל לכם על הזמן והמאמץ – כי זה לא מקצוע שלומדים בלי ממש לאהוב אותו. המוקד המדויק של המשיכה לתחום הוא קריטי, כי הוא יכול להכווין אתכם לנישה אנליטית שונה בצורה מהותית ממה שחשבתם. לא מעט מועמדים מוצאים את עצמם לומדים קורס BI רק בשביל להגיע למסקנה שהם רוצים להיות אנליסטים, והבנה כזו אפשרית גם בשלב הרבה יותר מוקדם. זה יכול לחסוך לכם הרבה זמן, כסף ותסכול. רוצים לבדוק על הסף אם התחום מתאים לכם?
שאלה 12: אז מה בתכל'ס הסיכוי שלי להתקבל לעבודה בתחום?
שאלת מיליון הדולר…
הסיכוי למצוא עבודה תלוי מאוד ברקע – ניסיון קודם בתחום, תחום לימודים, היכרות עם כלים ועוד.
במידה ומגיעים עם רקע מתאים – ולומדים את הידע הנדרש – אפשר להתקבל יחסית בקלות (אפילו תוך מספר שבועות).
מצד שאני, ללא ניסיון בתחום וללא תואר רלוונטי (או בכלל) – תהליך חיפוש העבודה עשוי להיות מאתגר למדי.
זה כמובן עדיין אפשרי, אבל יהיה יותר ממושך וקשה.
(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…) רוב האנשים נמצאים באמצע הדרך: במצב הביניים הזה ישנן לא מעט פעולות שאפשר לעשות על מנת להגדיל את הסיכויים – במקרים מסוימים אפילו בצורה משמעותית. בנוסף, חשוב לציין כי ישנו גורם אחד, אשר יכול להגדיל בצורה משמעותית את הסיכויים, והוא המשיכה לתחום ויכולת ההתמדה בתהליך החיפוש. מדוע? כי ככה הצלחה עובדת בחיים – כשמחליטים לעשות צעד מסוים ומתמידים בו עד שמצליחים. לכן – גם אם אתם חושבים שאין לכם את הרקע האידאלי, אבל אתם ממש נמשכים לתחום – שווה לשקול לקפוץ למים ולנסות. רוצים להתעמק במה משפיע על הסיכויים שלכם לעסוק בתחום הדאטה?
או במצב שסיימו לימודים בתחום רלוונטי ועדיין אין להם ניסיון בתחום.
יופי, השתכנעתי ללכת על התחום, איך מתחילים את התהליך?
אז זה היה תיאור על המקצוע דאטה אנליסט – באמת על קצה הקרחון.
כן, למרות האורך של המאמר 🙂
יש עוד הרבה מאוד מה לדעת, וכמובן פעולות מאוד ספציפיות שיוכלו לקדם אתכם בתהליך ההפיכה לאנליסטים.
הצעד הראשון הוא פשוט:
לקבל מידע יותר מקיף על התחום – טיפים, המחשות, דיוקים.
בין אם בשביל להבין מעט יותר על תחום הדאטה,
להבין האם התחום מתאים לכם או מהו הצעד הראשון בתהליך ההסבה.
ואיך עושים את זה? איך מתחילים להפוך לאנליסטים?
פשוט – משתתפים במסטר-קלאס מוקלט מיוחד בנושא:
"רגל בדלת – התמונה הגדולה בדרך לדאטה אנליסט!"
בהצלחה בהמשך!
קורסים, הכשרות וייעוץ שאולי יעניינו אותך –
מהחנות האנליטית של 'מועדון הנתונים'!
מסטר קלאס 'הרגל בדלת' לדאטה אנליסט
סיסטם 'הפרופיל המנצח' לראיון עבודה
תכנית ההכשרה 'הסיירת האנליטית'