Analityk danych: umiejętności, ścieżka kariery i zarobki
Analityk danych przekształca dane firmowe w modele i decyzje: prognozuje popyt, ocenia ryzyko kredytowe, wykrywa oszustwa lub przewiduje awarie maszyn. W tej pracy ważniejsza jest znajomość języków Python i SQL oraz solidna wiedza statystyczna niż jakiekolwiek certyfikaty. Większość osób zaczyna karierę od analityki lub studiów technicznych, a ich zarobki zazwyczaj w ciągu kilku lat przewyższają średnią krajową.
Czym na co dzień zajmuje się analityk danych?
Praca zaczyna się od pytania biznesowego, a nie od modelu. Bank chce wiedzieć, którzy klienci odejdą w następnym kwartale, sieć handlowa chce zaplanować zapasy na promocję, a firma energetyczna potrzebuje prognozy popytu na jutro. Twoim pierwszym zadaniem jako analityka danych jest przekształcenie tego pytania w coś mierzalnego: co dokładnie prognozujesz, na podstawie jakich danych i skąd będziesz wiedzieć, że wynik jest wystarczająco dobry.
Potem przychodzi część, której nikt nie umieszcza na plakatach. Pobierasz dane z hurtowni za pomocą SQL, łączysz tabele, które nigdy nie były zaprojektowane do łączenia, uzupełniasz brakujące wartości i dowiadujesz się, dlaczego jeden oddział zgłasza sprzedaż dwukrotnie. W większości polskich firm takie przygotowania zajmują więcej czasu w tygodniu niż samo modelowanie.
Dopiero potem tworzy się funkcje, trenuje modele w scikit-learn, XGBoost lub LightGBM i weryfikuje je na danych, których model nigdy wcześniej nie widział. Ostatni etap to ten, który odróżnia doświadczonych specjalistów od początkujących: przekazanie modelu do środowiska produkcyjnego we współpracy z inżynierami, monitorowanie, czy jego jakość nie spada wraz ze zmianami w zachowaniu klientów, oraz wyjaśnianie wyników osobom, które nigdy nie przeczytają twojego kodu.
Jakiego analityka danych naprawdę szuka ogłoszenie o pracę?
W Polsce ten tytuł jest używany dość luźno. Dwa ogłoszenia o tym samym nagłówku mogą opisywać zupełnie różne stanowiska, a właściwa ich interpretacja pozwala zaoszczędzić tygodnie spędzone na aplikowaniu na stanowiska, które nie są dla Ciebie odpowiednie. W praktyce spotkasz trzy profile:
- Analityk danych pracuje blisko biznesu: testy A/B, segmentacja klientów, analiza cen, wnioskowanie statystyczne. Ogłoszenia wspominają o „przekazywaniu wyników interesariuszom” oraz o Power BI lub Tableau.
- Specjalista ds. danych w dziedzinie uczenia maszynowego tworzy modele wykorzystywane w środowisku produkcyjnym. Ogłoszenia zawierają wzmianki o „wdrażaniu i utrzymywaniu modeli”, a także o narzędziach takich jak Spark, Git, Linux, Docker oraz platformach chmurowych.
- Specjalista ds. przetwarzania języka naturalnego (NLP) i generatywnej sztucznej inteligencji zajmuje się tekstem, przetwarzaniem dokumentów oraz dużymi modelami językowymi, często w bankach, firmach ubezpieczeniowych i firmach programistycznych tworzących chatboty lub systemy wyszukiwania dokumentów.
Rola sąsiednich stanowisk jeszcze bardziej zaciera ten obraz. Analityk danych zazwyczaj odpowiada na pytania za pomocą języka SQL i pulpitów analitycznych, inżynier danych buduje potoki, które dostarczają dane do hurtowni, a inżynier ML skupia się na obsłudze i skalowaniu modeli. Oficjalna nazwa według KZiS (polskiej klasyfikacji zawodów) to „analityk baz danych (data scientist)”, a niektóre polskie ogłoszenia nadal używają sformułowania „analityk data scientist”, więc warto szukać wszystkich trzech sformułowań.
Umiejętności i narzędzia data scientistów, których oczekują polscy pracodawcy
Wymagania w polskich ogłoszeniach o pracę są zaskakująco spójne. Python wraz ze stosem narzędzi do pracy z danymi jest niemal powszechny, SQL pojawia się w niemal każdej ofercie, a banki i duże firmy z branży e-commerce dodają narzędzia do przetwarzania danych na dużą skalę. Typowe ogłoszenie o pracę dla data scientist na średnim szczeblu wymaga:
- język Python wraz z bibliotekami NumPy, pandas, SciPy i Matplotlib, a także bibliotekami scikit-learn i gradient boosting,
- dobrą znajomość języka SQL, w tym funkcji okienkowych i optymalizacji zapytań w dużych tabelach,
- Spark lub ekosystem Hadoop do projektów związanych z dużymi zbiorami danych,
- znajomość Git oraz swobodna praca w systemie Linux,
- znajomość platformy chmurowej (Azure, AWS lub Google Cloud), często w połączeniu z Databricks,
- solidne podstawy z zakresu statystyki i teorii uczenia maszynowego,
- znajomość języka angielskiego na poziomie wystarczającym do czytania dokumentacji i pracy w międzynarodowych zespołach.
W ogłoszeniach o pracę na stanowiska średniego szczebla często oczekuje się około trzech lat doświadczenia zawodowego jako analityk danych lub na podobnym stanowisku, a wiele z nich kładzie nacisk raczej na czysty kod o jakości produkcyjnej niż na notatniki. „Przekładanie problemów biznesowych na rozwiązania analityczne” brzmi ogólnikowo, ale w tej pracy ma konkretne znaczenie: poinformowanie dyrektora ds. sprzedaży, że na pytanie „którzy klienci dokonają zakupu” nie da się odpowiedzieć na podstawie danych, którymi dysponuje, oraz zaproponowanie rozwiązania, które to umożliwi.
Jak zostać analitykiem danych?
Zawód ten nie jest regulowany. Nie ma egzaminu państwowego, licencji ani kierunku studiów, który kończy się uzyskaniem dyplomu, więc pracodawcy oceniają kandydatów na podstawie umiejętności i osiągnięć. Oznacza to również wiele dróg dostępu do zawodu:
- Studia z informatyki, matematyki stosowanej, ekonometrii, fizyki lub jednego z dedykowanych kierunków związanych z nauką o danych i analizą danych, prowadzonych przez uczelnie techniczne i ekonomiczne. Do większości z nich przy rekrutacji liczy się matura rozszerzona z matematyki.
- Studia podyplomowe z zakresu nauki o danych, popularne wśród ekonomistów, inżynierów i analityków zmieniających kierunek kariery.
- Bootcampy i kursy online, które najlepiej sprawdzają się jako uzupełnienie wykształcenia ilościowego, a nie jako jego zamiennik.
Najczęstsza rzeczywista ścieżka kariery jest pośrednia. Ludzie zaczynają jako młodsi analitycy danych, analitycy business intelligence lub analitycy ryzyka, zapoznają się z danymi firmy i stopniowo przejmują zadania związane z modelowaniem. Awans wewnątrz firmy jest często łatwiejszy niż zdobycie pierwszej pracy jako data scientist z zewnątrz, ponieważ pracodawca już ufa Twojej ocenie w kwestii swoich danych.
Jeśli tworzysz portfolio, wykorzystaj polskie dane publiczne zamiast nadużywanych zbiorów danych dotyczących Titanica czy Iris. Dane z GUS (Główny Urząd Statystyczny) dostępne w Lokalnym Banku Danych lub z portalu otwartych danych dane.gov.pl pozwalają zaprezentować projekt od początku do końca: pytanie badawcze, nieuporządkowane dane, model, rzetelną ocenę oraz krótki opis zrozumiały dla czytelnika nieposiadającego wiedzy technicznej.
Nauka o danych w bankowości, e-commerce i przemyśle: czym różnią się poszczególne sektory?
To sektor kształtuje charakter pracy w większym stopniu niż sam tytuł stanowiska. W bankowości modele mające wpływ na decyzje kredytowe lub kapitał podlegają zaleceniu W KNF (Komisji Nadzoru Finansowego) dotyczącemu zarządzania ryzykiem modelowym. W praktyce oznacza to dokumentację, niezależną walidację, kontrolę zmian oraz modele, które można wyjaśnić. Analityk danych w banku poświęca znaczną część czasu na interpretowalność, dlatego karty wyników i narzędzia do wyjaśniania, takie jak SHAP, pozostają tam powszechnie stosowane.
Dane osobowe wprowadzają wszędzie dodatkowy poziom złożoności. Zgodnie z RODO (polską nazwą RODO) pracuje się z danymi pseudonimizowanymi, uzasadnia się potrzebę stosowania danej zmiennej oraz konsultuje się z inspektorem ochrony danych w kwestiach związanych z profilowaniem. Ubezpieczyciele i operatorzy telekomunikacyjni działają w ramach podobnych ograniczeń, a modele dotyczące rezygnacji klientów i oszustw stanowią dla nich codzienne zadania.
Handel elektroniczny i platformy handlowe rozwijają się jeszcze szybciej: systemy rekomendacji, rankingi wyszukiwania, dynamiczne ustalanie cen i ciągłe eksperymentowanie. Coraz większe znaczenie zyskuje również sektor produkcyjny. Konserwacja predykcyjna wykorzystuje dane z czujników pochodzących z systemów PLC i SCADA, dlatego analitycy danych współpracują tam ramię w ramię z osobami opisanymi w naszym przewodniku po zawodzie technika automatyki. Zespoły ds. bezpieczeństwa stosują wykrywanie anomalii w logach i ruchu sieciowym – jest to obszar, w którym nauka o danych łączy się z pracą specjalisty ds. cyberbezpieczeństwa.
Ile zarabia analityk danych?
Wynagrodzenie w tym zawodzie jest od początku wysokie w porównaniu z polskim rynkiem pracy. Początkujący specjaliści rzadko zarabiają kwotę zbliżoną do krajowej płacy minimalnej, a początkujący analityk danych w dużym mieście zazwyczaj zaczyna od wynagrodzenia na poziomie średniej krajowej. Po kilku latach doświadczenia i wdrożeniu modeli do produkcji zarobki znacznie przewyższają średnią krajową, a starsi specjaliści w bankowości i branży fintech należą do najlepiej opłacanych osób w polskiej branży IT.
Co wpływa na wysokość wynagrodzenia:
- Forma zatrudnienia. Wiele ofert ma charakter umów B2B, inne to umowy o pracę. Kwoty podane w ogłoszeniach nie są bezpośrednio porównywalne, więc przed podjęciem decyzji przelicz obie za pomocą kalkulatora wynagrodzeń dla umów B2B i umów o pracę.
- Sektor. Banki, firmy z branży fintech, ubezpieczyciele i międzynarodowe firmy produktowe płacą więcej niż instytucje publiczne i małe agencje.
- Lokalizacja i praca zdalna. Na czele znajdują się Warszawa, Kraków, Wrocław, Trójmiasto i Poznań, ale stanowiska zdalne dla zagranicznych klientów pozwalają osobom z mniejszych miast zarabiać na poziomie wielkomiejskim.
- Doświadczenie w produkcji. Osoba, która wdrażała i monitorowała modele, zarabia więcej niż ta, która tylko je tworzyła.
- Specjalizacja. Za pracę w obszarach NLP, dużych modeli językowych i MLOps płaci się więcej niż za klasyczne stanowiska związane głównie z raportowaniem.
Jak wygląda rekrutacja na stanowisko data scientist?
Większość polskich pracodawców przeprowadza trzy lub cztery etapy. Po krótkiej rozmowie kwalifikacyjnej zazwyczaj następuje test z języka SQL, na żywo lub online, a następnie zadanie do wykonania w domu: zbiór danych, pytanie biznesowe i kilka dni na dostarczenie notatnika oraz krótkiego podsumowania. Rozmowa techniczna sprawdza podstawy statystyki i uczenia maszynowego, takie jak nadmierne dopasowanie, wyciek danych, niezrównoważone klasy oraz sposób wyboru metryki oceny.
Ostatnim etapem jest często analiza biznesowa omawiana z przyszłym przełożonym. W tej fazie rekruter jest mniej zainteresowany samym algorytmem, a bardziej tym, czy zadajesz właściwe pytania dotyczące jakości danych oraz tego, w jaki sposób wynik zostanie wykorzystany. Przed złożeniem aplikacji dostosuj swoje CV na stanowisko w branży IT tak, aby w opisie każdego projektu znalazły się: problem, dane, metoda oraz mierzalny wynik.
Czy nauka o danych jest dla Ciebie odpowiednia?
Ta praca pasuje do osób, które dobrze radzą sobie z niejednoznacznością. Wymagania się zmieniają, dane okazują się błędne, a model, który wyglądał świetnie podczas testów, zawodzi w przypadku nowych klientów. Jeśli tego rodzaju zagadki Cię motywują i lubisz zarówno matematykę, jak i proste wyjaśnianie jej, prawdopodobnie spodoba ci się ta praca.
Nie jest to odpowiednia praca, jeśli oczekujesz jasno zdefiniowanych zadań z jedną poprawną odpowiedzią lub jeśli nie lubisz długotrwałego czyszczenia danych, które stanowi znaczną część tej pracy. Osoby, które wolą tworzyć oprogramowanie dla samej przyjemności, często czują się lepiej jako inżynierowie uczenia maszynowego lub programiści backendowi, podczas gdy ci, którzy bardziej cenią stronę biznesową niż modele, mogą bardziej polubić role analityków lub specjalistów ds. produktów.
Czy sztuczna inteligencja zastąpi analityków danych?
Generatywna sztuczna inteligencja już teraz pisze znaczną część rutynowego kodu: skrypty do czyszczenia danych, wykresy, modele bazowe. Narzędzia AutoML potrafią wytrenować sensowny model bez większego dostrajania. To ogranicza zadania przeznaczone dla najmłodszych stażem pracowników, zajmujących się wyłącznie tworzeniem notatników, a polscy pracodawcy coraz częściej oczekują, że nawet początkujący pracownicy będą rozumieli procesy wdrażania i oceny.
Jednocześnie najtrudniejsze do zautomatyzowania są te elementy, które mają największe znaczenie: sformułowanie problemu, ocena jakości danych, wybór odpowiedniego wskaźnika oraz wzięcie odpowiedzialności za wpływ modelu na klientów. Projekty oparte na dużych modelach językowych generują nowe zadania związane z oceną i monitorowaniem. Unijna ustawa o sztucznej inteligencji nakłada również obowiązki w zakresie dokumentacji i nadzoru ludzkiego na systemy sklasyfikowane jako wysokiego ryzyka, do których zaliczają się niektóre oceny zdolności kredytowej, więc popyt na osoby potrafiące tworzyć modele podlegające rozliczalności prawdopodobnie wzrośnie, a nie spadnie.
Często zadawane pytania
Czy potrzebne jest wykształcenie wyższe, aby zostać analitykiem danych?
Żadne prawo tego nie wymaga, ale większość ogłoszeń o pracę zakłada dyplom z dziedziny ilościowej, takiej jak informatyka, matematyka, ekonometria czy fizyka. Bez dyplomu trzeba zamiast tego przedstawić mocne dowody: portfolio zrealizowanych projektów, doświadczenie zawodowe jako analityk lub programista oraz umiejętność zdania rozmowy kwalifikacyjnej z zakresu statystyki i uczenia maszynowego.
Jaka jest różnica między analitykiem danych a naukowcem zajmującym się danymi?
Analityk danych zajmuje się głównie opisywaniem tego, co się wydarzyło, korzystając z języka SQL, arkuszy kalkulacyjnych i pulpitów analitycznych. Naukowiec zajmujący się danymi tworzy modele służące do prognozowania lub optymalizacji, takie jak prognozy odejść klientów czy wskaźniki ryzyka oszustw, i często bierze udział w ich wdrażaniu. Granica między tymi rolami jest płynna, a wielu naukowców zajmujących się danymi rozpoczyna karierę jako analitycy.
Który język jest lepszy dla naukowca zajmującego się danymi: Python czy R?
Python. Pojawia się w niemal każdym ogłoszeniu o pracę dla analityka danych, podczas gdy język R spotyka się głównie w sektorze badawczym, farmaceutycznym oraz w niektórych zespołach analitycznych. Znajomość języka Python wraz z bibliotekami pandas i scikit-learn, a także solidna znajomość języka SQL, wystarczają do spełnienia wymagań zdecydowanej większości ofert. Język R stanowi przydatny atut, jeśli zamierzasz zająć się biostatystyką lub pracą naukową.
Czy analityk danych może pracować zdalnie z Polski?
Tak, praca zdalna i hybrydowa są powszechne, zwłaszcza w firmach programistycznych i przy obsłudze klientów zagranicznych. Banki i instytucje publiczne częściej oczekują regularnych wizyt w biurze ze względu na przepisy dotyczące bezpieczeństwa danych. Stanowiska w pełni zdalne przyciągają wielu kandydatów, więc doświadczenie w pracy z modelami produkcyjnymi oraz dobra znajomość języka angielskiego dają wyraźną przewagę.
Ile czasu zajmuje zostanie analitykiem danych?
W przypadku osób z wykształceniem technicznym należy liczyć się z czasem trwania studiów plus jeden lub dwa lata pracy na stanowisku analityka lub juniora. Osoby zmieniające karierę, posiadające doświadczenie w dziedzinach ilościowych, zazwyczaj potrzebują roku lub dwóch intensywnej nauki i pracy projektowej przed objęciem pierwszej roli związanej z danymi, a przejście na pełne stanowisko analityka danych często następuje później w ramach tej samej firmy.