אם התחום מושך אותך, אבל עדיין יש לך התלבטויות כמו:
"האם כדאי לי בכלל להתחיל"?
"איך אצבור נסיון שמעסיקים מחפשים"?
ועוד…

אז כנראה שעדיין מוקדם מדי לדבר על הכשרה
(ובטח שמוקדם לחפש קורס אנליסט נתונים…

במקרה הזה – מומלץ לשקול ברצינות:

פגישת מיקוד והכוונה לקריירה בתחום ניתוח הנתונים.

מטרת הפגישה הזו היא קודם כל לעשות לך סדר בבלגאן. 
ומיד לאחר מכן לבנות לך תכנית מותאמת אישית לקריירה בתחום.

בפגישה נשב ונמפה בדיוק:
מה מושך אותך בתחום;
איזו נישה הכי מדויקת עבורך;
מה נדרש לעשות על מנת להפוך אותך ל-Data Analyst.

וכמובן – שבמידה והתחום פחות מתאים עבורך – נזהה זאת מהר מאוד.
ובמקרה הזה נוכל לחסוך לך חודשים אם לא שנים של התבחבשות…

לפרטים נוספים – מומלץ לבקר בדף פגישת המיקוד וההכוונה.

יש כאן תשובה קצרה, ותשובה ארוכה.

התשובה הקצרה:

ראיון עבודה מקצועי ב-SQL לוקח ברוב המקרים כ-1-1.5 שעות.
הוא כולל לרוב 1-2 תרגילים ב-SQL.

עכשיו בואו נכפיל את זה ב-100 התרגילים בתכנית ונקבל את המשך האמיתי של התכנית.

אז במקום 50-100 שעות של שיעורים תיאורטיים…
אתם מקבלים עשרות שעות של ניסיון מעשי ממוקד – איך לעבור את ראיון העבודה.

ולתשובה הארוכה:

באיזה אחוז מהחומר שלמדתם באוניברסיטה יצא לכם להשתמש?
כנראה שב-10% במקרה הטוב…

אז באוניברסיטה זה מתקבל על הדעת, כי היא אמורה לתת בסיס ידע סטנדרטי.

אך במקרה של דאטה אנליסט – מדובר במקצוע מאוד יישומי.
ידע תיאורטי יכול מאוד לעזור (ובמקרים מסוימים הוא אכן נדרש);
אבל מה שבאמת חשוב הוא הידע המעשי של תרגול השיטות האנליטיות.

ואת היכולת האנליטית המעשית הזו קורס  אנליסט נתונים טיפוסי  – לא באמת מוכוון לתת!
(מקיף ככל שיהיה)

לראייתי, המטרה הרלוונטית היחידה של קורס דאטה אנליסט כלשהו צריכה להיות ידע קריטי.
ורק הידע הזה בשביל לקצר את תהליך הקבלה לעבודה.
משם הלימוד שלך יהיה עצמי – תוך כדי תפקיד.

אם שמעת על כלל 20:80, אז תכנית 'המטאור' היא בדיוק זה:
רק הליבה של המקצוע – בלי תוספות מיותרות.

המיקוד בתכנית הוא לאפשר לך כמה שיותר מהר לצבור ידע וביטחון עצמי בידע.
מדוע?
כי אלה מרכיבים קריטיים על מנת לעבור את הסינון הראשוני של חברות.
ולאחר מכן לעבור את ראיון העבודה המקצועי.

משם בטוח שתוכל/י להמשיך בכוחות עצמך.

ובשביל זה ממש לא נדרש קורס דאטה אנליסט של 150-200 שעות.

אז לא רק שהתכנית לא קצרה מדי – כנראה שקורסים אחרים ארוכים מדי…

חלקם הגדול כולל הרבה מאוד תכנים שאמנם נחמד לדעת (Nice To Know)…
אבל שאינם ממש קריטיים כבר בתחילת הדרך שלך כ-Data Analyst – אם בכלל.

התכנים הללו לא בהכרח יעזרו לך להתקבל לעבודה.
ובטח שלא יקצרו לך את הזמן עד שתתחיל/י להתראיין.

יתרה מכך – הם אפילו יכולים להסיט אותך מהמיקוד הנכון של דאטה אנליסט:
לנתח תהליכים וללמוד איך לשפר אותם מתוך הנתונים.

לסיכום:

כל קורס דאטה אנליסט הוא טוב…

אבל לכל אדם צרכים שונים ונטייה שונה.

לכן, חשוב להכיר את הנתון הזה ולבחור את התכנית הכי מתאימה עבורך:
זו שתקדם אותך למטרה בצורה הכי מהירה ויעילה – ותסכן לך כמה שפחות זמן וכסף.

אחת המגמות העוצמתיות ביותר של העשור האחרון היא "התפוצצות המידע".

המגמה הזו מתבטאת בעולם ניתוח הנתונים בשני היבטים מרכזיים:

ההיבט הראשון הרבה מאוד ידע שמונגש לכל דורש – דרך Youtube למשל.

וההיבט השני, הוא הרבה מאוד כלים טכנולוגיים שמאפשים יכולות דמיוניות במונחים של פעם.

כלים כמו SQL, Tableau, Python, בסיסי נתונים וכלי BI חדשים שיוצאים לאור בקצב אדיר.

המציאות הזו יוצרת מצב, שבו העולם של הלימוד שהיה פעם – של ללכת לקורס פיזי – הופך לפחות רלוונטי.

מדוע?

כי אין שום סיכוי שהקצב של הקורסים הפיזיים ידביק את הקצב של הכלים החדשים שמומצאים חדשות לבקרים. 
זה פשוט לא עובד יותר!

דאטה אנליסט חייב היום ללמוד איך ללמוד לבד!

וזו אחת הסיבות העיקריות שהתכנית היא דיגיטלית –

בשביל לעזור לכם לתרגל ולפתח את היכולת ללמוד כלים חדשים בעצמכם.

ועדיין – שלא כמו בקורסים דיגיטליים אחרים,
בתכנית המטאור יש לכם עדיין כתובת:

ליווי של דאטה אנליסט מומחה.

כמו בכל דבר בחיים – אין ודאות של 100% לעבור את הראיון – גם אחרי התכנית.

אגב, אם היתה כזו ודאות – המחיר של התכנית היה הרבה יותר גבוה…

דאטה אנליסט הוא מקצוע מאוד מגוון, עם הרבה מאוד נישות, סקטורים וסגנונות.
לכן, בכל חברה הריאיון הוא אחר.

יתרה מכך, לעיתים קרובות גם באותה החברה בדיוק יכול להיות שיהיו מספר מראיינים.
כל אחד מהם עשוי לשאול אתכם שאלות שונות לחלוטין…
אחד יחפש ידע מאוד טכני ב-SQL;
השני יבדוק לוגיקה;
והשלישי בכלל ישאל אתכם שאלות היגיון…

ומאחר ואף אחד לא יודע בדיוק באילו שאלות תיתקלו באיזה ראיון…

הדבר הכי טוב שאפשר ללמד הוא:
לפתח את היכולת להבין מה רוצים מכם;
איך לגשת לשאלות בהיבט הפתון;
ואיך לתת מענה לדגשים שונים של מראיינים שונים.

לסיכום:

אי אפשר להבטיח 100% הצלחה במעבר של ריאיונות עבודה.

אבל בהחלט אפשר להבטיח את הדבר הבא:

אם תקפידו על התכנית – 
היא תשפר בצורה משמעותית את סיכויי ההצלחה שלכם בריאיונות העבודה;
פשוט, כי תלמדו להבין מה רוצים מכם – ואיך לגשת לתרגילים כמו מומחים.

החומר המועבר בקורס אינו מורכב יתר על המידה…
ועדיין, הוא מצריך הבנה טכנית וחשיבה לא מועטה.

במידה והיבט מסוים בקורס לא היה ברור.
או שעדיין קיימת אי בהירות לגבי איך לפתור תרגילים מסוימים –
קיימות בפניך מספר מסגרות להתייעץ עם מומחה:

• באימייל – ללא הגבלה (כמובן – במידת הסביר).
• בעת שליחת התרגיל השבועי המסכם – כהערות לתרגילים.
• בשיחת הסטטוס הטלפונית השבועית (שיחה של עד 15 דקות).

כמובן, שכלל התכנים בתכנית פתוחים לצפייה –
כך שניתן יהיה לעבור על החומרים שוב ולהבין אותם
(התכנים פתוחים לצפיה למשך 12 חודשים ממועד הרישום לתכנית).

תרגול הוא קריטי על מנת לפתח את הניסיון הנדרש לקבלה לעבודה וגם לאחר מכן.

לכן, תרגילים הם חלק בלתי נפרד מהתכנית.

קיימות שתי מסגרות לתרגילים: תרגילים בשיעורים עצמם, ותרגול מסיבי ייעודי.

התכנית כוללת מעל ל-100 תרגילים אותם ניתן לפתור עצמאית – והם אפילו חלק מהסילבוס.

פתרון התרגילים המסיבי הוא בדיוק מה שעושה את ההבדל;
ההבדל בין אנליסט שלומד כלים טכניים, אבל לא יודע מה לעשות איתם ב'רגע האמת'…
ובין אנליסט שיודע בדיוק מה שואלים אותו, ממה להיזהר ואיך לתת תשובה מדויקת ומהירה.

זה כמובן מגדיל בצורה דרמטית את הסיכוי לעבור ראיון עבודה לתפקיד דאטה אנליסט.

מטרת התכנית היא לתת לך את הדחיפה הראשונית הנדרשת לצורך חיפוש העבודה.

במקרים רבים, מדובר בתהליך למידה – והוא כמובן אינדיבידואלי.
לכן – אין מנגנון מובנה של חיפוש עבודה.

המהות של תכנית 'המטאור' היא לא לתת לך דגים, אלא ללמד אותך איך לדוג!

היכולת הקריטית הנדרשת היא לא רק קישור למעסיקים…

מה שבאמת קריטי הוא:
להבין איך לכתוב קורות חיים מנצחים;
וכיצד לגשת לשאלות כמעט בכל סוג של ראיון לתפקיד דאטה אנליסט.

מעבר לכך, מטבע הדברים, במהלך השנים בתחום פותחו קשרים מול התעשייה.

וכמובן שכבר היו מועמדים שהתקבלו לעבודה לאחר המלצה או קישור שלנו.

לכן, במידה ונשמע על משרות רלוונטיות שנוכל לקשר אותך אליהן – ודאי שנעשה זאת.

שאלה מצוינת וחשובה.

מאחר ובכל השוק ה-Buzzword השולט הוא Data Scientist –
ישנם כלים שהפכו לשאיפה משמעותית אצל מעסיקים ומועמדים.

R היא שפת קוד פתוח לניתוח סטטיסטי של נתונים.

Python היא שפת תכנות, המאפשרת גם לנתח נתונים.
לאור זאת היא הופכת למבוקשת בשנים האחרונות – ובצדק רב.

אבל למרות הבאז האדיר סביבן –
גם R וגם Python הן הרבה פחות רלוונטיות בשלב המיידי.

מדוע?

כי מצד אחד – הסבירות שישאלו אותך שאלות בראיון העבודה על השפות הללו הוא אפסי.

לרוב – יתמקדו באקסל או ב-SQL.

ומצד שני – השפות האלה הרבה יותר מורכבות ללימוד ולשליטה ברמה גבוהה.

לכן, מאוד לא סביר ללמוד ולתרגל אותן ברמה כזו שיסייעו לך להתקבל לעבודה.

ברוב המקרים – נדרש ניסיון של לפחות 6 חודשים בשביל "להיות בעניינים".
הכוונה היא להרגיש מספיק בטוחים בשביל להוסיף את הכלי לקורות החיים – ולהתראיין בו.

ויותר מזה – מה שחשוב באמת הוא לא הידע הטכני בכלי…
מה שקריטי הוא ההבנה המתודולוגית מהם השלבים הטכניים המדויקים הנדרשים בכל רגע.

ללמוד את זה לוקח לא מעט זמן.

אז בשורה התחתונה –

העדיפות היא קודם כל ללמוד טוב את הבסיס, הליבה – שהם אקסל ו-SQL ;
להתקבל לעבודה כדאטה אנליסט;
ורק אז ללמוד R ו/או Python.

בשנים האחרונות יצא לי להיתקל בדי הרבה מקרים של אנשים שלמדו Python מבלי לשלוט קודם ב-SQL.

הרבה מהם הזניחו את SQL שעדיין מככבת בראיונות עבודה – ולכן גם נכשלו בהם.

לא חבל?…

אגב, קיימת תכנית ליצור במועדון הנתונים גם קורס Data Scientist  – המיועד למי שכבר התקבל/ה לעבודה כאנליסט, ורוצה לשדרג את ארגז הכלים האנליטי.

בקורס הזה יהיו גם R ו-Python.

קודם כל – ישנו תהליך מיון לתכנית, ובמסגרתו אחד השלבים הראשונים הוא ראיון טלפוני.
המטרה שלו היא לוודא קודם כל שיש עמידה בתנאי הסף לתכנית.

במידה ואין התאמה לתכנית –
חשוב לעיתים גם לומר את הדברים בצורה ברורה כולל סיבה ברורה לכך.
זה יוכל לחסוך לך לא מעט זמן וכסף…

אבל ברור שלא תמיד אפשר לפגוע בול – בשני הצדדים…

לכן, קיימת אחריות מלאה להשתתפות בתכנית.

במידה ויהיה לך ברור עד לסוף השבוע השני ממועד הרישום שהתכנית אינה מתאימה לך;

ובמידה והגשת את שני התרגילים של שני השבועות הראשונים –

אפשר לפנות ולבקש להפסיק השתתפות.

במקרה הזה נחזיר לך את כספך – בניכוי עלויות פגישות וייעוץ.
(כולל את פגישת ההכוונה ופגישות אחרות שבוצעו; ובנוסף שיפור קורות החיים ועמלות סליקה).