Analityk danych: narzędzia, umiejętności i jak rozpocząć karierę
Analityk danych (data analyst) przekształca dane firmowe w odpowiedzi: które produkty się sprzedają, dlaczego klienci odchodzą, gdzie rosną koszty. W Polsce praca ta opiera się głównie na SQL, Excelu i Power BI, a Python staje się coraz częściej dodatkowym narzędziem; jest to jedna z niewielu ról związanych z IT, do której można dostać się po studiach z zakresu ekonomii, finansów lub controllingu, a nie informatyki.
Czym właściwie zajmuje się analityk danych w typowym tygodniu?
Praca zazwyczaj zaczyna się od pytania zadane przez kogoś, kto nie jest analitykiem. Dyrektor ds. sprzedaży chce wiedzieć, dlaczego jeden region pozostaje w tyle, dział marketingu pyta, czy kampania przyciągnęła nowych klientów, a dział finansowy potrzebuje miesięcznego raportu dotyczącego marży w podziale na grupy produktów. Twoim pierwszym zadaniem jest przekształcenie tego pytania w coś mierzalnego: które tabele, jaki okres, jaka definicja „klienta” lub „sprzedaży”.
Właśnie w tym etapie definiowania kryje się większość prawdziwej pracy. Czy aktywnym klientem jest osoba, która się zalogowała, dokonała zakupu, czy też dokonała zakupu dwukrotnie? Czy zwroty odejmuje się od sprzedaży w dniu zamówienia, czy w dniu zwrotu? Dwóch analityków, którzy udzielą różnych odpowiedzi na te pytania, uzyska dwa różne wyniki dla tego samego wskaźnika KPI, a zarząd zapyta, który z nich jest prawdziwy.
Reszta tygodnia to realizacja zadań. Tworzysz zapytania SQL, oczyszczasz i łączysz dane, porównujesz je ze źródłem, któremu firma ufa, oraz tworzysz lub aktualizujesz pulpit analityczny. Dbasz o raporty, które odświeżają się automatycznie, korygujesz je w razie zmian w systemie źródłowym i przedstawiasz wyniki podczas krótkiego spotkania, na którym słuchacze interesują się decyzjami, a nie połączeniami danych. Analityk danych, który dokumentuje definicje i źródła danych, oszczędza zespołowi wiele godzin późniejszych dyskusji.
Analityk danych, analityk BI czy specjalista Power BI: czy to ta sama praca?
Te stanowiska pokrywają się, a polskie portale z ofertami pracy swobodnie je mieszają. Analityk BI lub programista BI poświęca więcej czasu na tworzenie modeli semantycznych, pisanie miar DAX i transformacji w Power Query oraz dbanie o szybkość działania raportów. Specjalista Power BI to analityk BI zdefiniowany przez narzędzie – tytuł popularny w firmach opartych na oprogramowaniu Microsoftu. Analityk raportowy w centrum usług wspólnych zajmuje się utrzymywaniem cyklicznych raportów dla klientów wewnętrznych w całej Europie.
Inne warianty zależą od działu. Analitycy produktowi w firmach e-commerce i technologicznych pracują z danymi zdarzeń, lejkami konwersji i testami A/B. Analitycy marketingowi skupiają się na kampaniach, atrybucji i analityce internetowej. Analitycy finansowi w zespołach kontroli finansowej są najbliżej programu Excel i systemu księgowego. Data scientist to inna rola: więcej statystyki, modeli predykcyjnych i języka Python, mniej raportowania.
W klasyfikacji zawodów KZiS nie ma osobnego wpisu dla analityka danych. Najbliższym kodem jest 252102 – analityk baz danych (data scientist), a zakres obowiązków określony w umowie mówi więcej niż sam kod.
Jakie narzędzia pojawiają się w polskich ogłoszeniach o pracę dla analityków danych?
Wystarczy przeczytać kilkadziesiąt ogłoszeń z Warszawy, Krakowa czy Wrocławia, by zauważyć, że powtarza się ten sam zestaw narzędzi:
- SQL: wymagany niemal wszędzie. Ogłoszenia wymieniają T-SQL, Oracle, BigQuery lub po prostu „bardzo dobrą znajomość języka SQL”, co oznacza połączenia, agregacje, podzapytania i funkcje okienkowe.
- Excel: nadal oczekiwany na poziomie zaawansowanym, coraz częściej z wykorzystaniem Power Query i Power Pivot, a nie tylko formuł i tabel przestawnych.
- Power BI: dominujące narzędzie BI w polskich ogłoszeniach, wraz z DAX do miar i językiem M w Power Query. Tableau i Looker pojawiają się rzadziej, głównie w firmach międzynarodowych i technologicznych.
- Python: zazwyczaj „mile widziany” u juniorów, wraz z pandas i NumPy do przygotowywania danych i automatyzacji. R pojawia się w badaniach naukowych i branży farmaceutycznej.
- Platformy danych: Snowflake, Databricks i Microsoft Fabric pojawiają się w ogłoszeniach dla bardziej doświadczonych specjalistów, zazwyczaj jako źródła danych, z których się czerpie, a nie jako systemy, które się buduje.
- Angielski biznesowy: wymagany w większości stanowisk korporacyjnych, ponieważ interesariusze i dokumentacja mają charakter międzynarodowy.
Niektóre zespoły finansowe wymagają również znajomości IBCS, standardu służącego do projektowania raportów biznesowych i wykresów. Jest to wymaganie niszowe, ale pokazuje, jak bardzo polscy pracodawcy cenią sobie raporty, które kierownictwo może zrozumieć na pierwszy rzut oka.
Jak zostać analitykiem danych bez wykształcenia informatycznego?
Wielu analityków danych studiowało ekonomię, finanse, matematykę, ekonometrię, zarządzanie lub nauki społeczne. Najpewniejszą ścieżką jest awans wewnętrzny: pracujesz już w dziale wsparcia sprzedaży, controllingu, logistyki lub obsługi klienta, stajesz się osobą, która tworzy najlepsze raporty w Excelu, a firma przenosi cię na stanowisko związane z raportowaniem lub analityką. Twoja znajomość biznesu jest tak samo cenna jak znajomość języka SQL.
Osoby zmieniające karierę z zewnątrz zazwyczaj łączą kurs lub bootcamp z własnymi projektami. Portfolio oparte na publicznych danych polskich, na przykład z Banku Danych Lokalnych GUS lub zbiorów danych z dane.gov.pl, pokazuje, że potrafisz wyszukiwać, oczyszczać i interpretować rzeczywiste dane. Umieść projekty na GitHubie lub opublikuj je jako raporty Power BI i opisz, na jakie pytanie odpowiada każdy z nich.
Certyfikatem najczęściej wymienianym w polskich ogłoszeniach jest „Microsoft Certified: Power BI Data Analyst Associate”, który uzyskuje się po zdaniu egzaminu PL-300. Nie zastępuje on doświadczenia, ale pomaga CV przejść przez pierwszy etap selekcji w firmach korzystających ze stosu technologicznego Microsoftu. Opracuj swoje CV analityka danych w oparciu o wyniki: jaki raport stworzyłeś, kto z niego korzystał i jaką decyzję pomógł podjąć.
Gdzie pracują analitycy danych?
Największymi pracodawcami są centra usług wspólnych i centrów usług biznesowych w Krakowie, Wrocławiu, Warszawie, Łodzi, Poznaniu, Katowicach i Trójmieście, które zajmują się raportowaniem dla globalnych firm. Banki i ubezpieczyciele zatrudniają analityków do analizy ryzyka, sprzedaży i zachowań klientów. Firmy z branży e-commerce, handlu detalicznego i FMCG potrzebują ich do ustalania cen, promocji i zarządzania łańcuchem dostaw. Listę uzupełniają firmy telekomunikacyjne, energetyczne, firmy konsultingowe oraz sektor publiczny.
Praca zdalna i hybrydowa jest powszechna, co rozszerza możliwości zatrudnienia poza duże miasta. Minusem jest duża konkurencja: ogłoszenie o pracy dla młodszego analityka pracującego całkowicie zdalnie przyciąga kandydatów z całego kraju.
Ile zarabia analityk danych?
Początkujący analityk danych zazwyczaj zaczyna od wynagrodzenia na poziomie średniej krajowej, a w mniejszych firmach poza dużymi miastami czasami nieco poniżej tej średniej. Po kilku latach samodzielnej pracy, przy dobrej znajomości SQL i Power BI, wynagrodzenie wyraźnie wzrasta powyżej średniej krajowej. Starszy analitycy, programiści BI i kierownicy ds. analityki w międzynarodowych firmach zarabiają znacznie powyżej tej średniej, a niektórzy pracują na podstawie umów B2B.
Czynniki wpływające na wynagrodzenie analityka danych:
- Poziom zaawansowania umiejętności technicznych: zaawansowana znajomość DAX, modelowania danych i języka Python odróżnia osoby tworzące raporty od analityków projektujących rozwiązania.
- Branża: finanse, technologie i międzynarodowe centra usługowe oferują wyższe wynagrodzenia niż lokalny handel detaliczny czy sektor publiczny.
- Miasto i opcje pracy zdalnej: na czele znajdują się Warszawa i Kraków, ale stanowiska zdalne w firmach zagranicznych zmieniają ten obraz.
- Języki: znajomość niemieckiego, francuskiego lub języków skandynawskich oprócz angielskiego podnosi wartość ofert w centrach usługowych.
- Rodzaj umowy: oferty na podstawie umowy o pracę i B2B trudno porównać na pierwszy rzut oka, dlatego przed podjęciem decyzji oblicz kwoty netto za pomocą kalkulatora wynagrodzeń.
Jak wygląda rekrutacja na stanowisko analityka danych?
Spodziewaj się, że test techniczny odbędzie się na wczesnym etapie. Najczęściej jest to test z języka SQL: kilka zapytań dotyczących przykładowych tabel, przeprowadzanych na żywo z rekruterem lub w formie zadania do wykonania w domu, sprawdzających połączenia, grupowanie, filtrowanie oraz funkcje okienkowe. Wiele firm dodaje do tego ćwiczenie w programie Excel lub Power BI albo studium przypadku, w którym otrzymujesz zbiór danych i pytanie biznesowe, a następnie przedstawiasz swoje wnioski.
Zadania do wykonania w domu zasługują na większą uwagę, niż zazwyczaj poświęcają im kandydaci. Rekruterzy czytają kod, ale zwracają również uwagę na to, czy sprawdziłeś dane pod kątem duplikatów i brakujących wartości, czy przedstawiłeś swoje założenia oraz czy napisałeś krótkie podsumowanie, które menedżer mógłby przeczytać w dwie minuty. Uporządkowany notatnik lub przejrzysty plik Power BI z jednostronicowym podsumowaniem przewyższają imponujące pod względem technicznym rozwiązanie bez żadnego wyjaśnienia.
Rozmowa kwalifikacyjna sprawdza jeszcze dwie inne rzeczy. Po pierwsze, podstawy modelowania danych: czym jest schemat gwiaździsty, dlaczego relacje powinny przebiegać od tabel wymiarów do tabeli faktów, jak zbudować prawidłową tabelę dat. Po drugie, komunikację: jak wyjaśniłbyś zaskakujący wynik menedżerowi, któremu się on nie podoba. Przygotuj jedną historię o sytuacji, w której Twoja analiza wpłynęła na zmianę decyzji.
Czy sztuczna inteligencja zastąpi analityków danych?
Asystenci AI już teraz piszą kod SQL, proponują miary DAX i generują podsumowania pulpitów nawigacyjnych, a funkcje Copilota są wbudowane w narzędzia Microsoftu. Rutynowe zadania, takie jak tworzenie tego samego cotygodniowego raportu czy odpowiadanie na proste pytania typu „ile”, będą coraz bardziej zanikać. Najbardziej narażeni są młodsi pracownicy, których jedyną umiejętnością jest tworzenie wykresów na podstawie gotowych danych.
Sztuczna inteligencja nie radzi sobie jednak z rozpoznaniem, że system CRM podwójnie zlicza reaktywowanych klientów, że jeden magazyn zamyka miesiąc z dwudniowym opóźnieniem lub że dyrektor ds. sprzedaży potrzebuje odpowiedzi sformułowanej w odpowiedni sposób na spotkanie budżetowe. Analityk danych, który odpowiada za definicje, jakość danych i kontekst biznesowy, dzięki sztucznej inteligencji staje się bardziej produktywny, a nie zbędny.
Dokąd może zaprowadzić kariera analityka danych?
Typowa ścieżka kariery prowadzi od stanowiska młodszego analityka przez analityka i starszego analityka aż do kierownika ds. analityki lub BI. Osoby o profilu technicznym często przechodzą w stronę inżynierii analitycznej, tworząc czyste modele danych w narzędziach takich jak dbt, lub stają się inżynierami danych, którzy budują potoki danych, na których polegają analitycy. Ci, którzy lubią statystykę, przechodzą do dziedziny nauki o danych. Inni specjalizują się w konkretnej dziedzinie: analizie ryzyka, wycenie, łańcuchu dostaw lub analizie AML, co jest blisko pracy specjalisty ds. zgodności w bankach i firmach z branży fintech. Przejrzyj aktualne ogłoszenia dla analityków danych, aby sprawdzić, na który z tych profili jest popyt w Twojej okolicy.
Często zadawane pytania dotyczące analityków danych
Czy trzeba umieć programować, aby zostać analitykiem danych?
Potrzebna jest znajomość języka SQL, który jest raczej językiem zapytań niż pełnoprawnym językiem programowania, i jest on wymagany w niemal każdym ogłoszeniu o pracę. Znajomość języka Python jest zazwyczaj wymieniana jako dodatkowy atut dla osób na stanowiskach juniorskich, a na poziomie seniorskim staje się oczekiwaniem. Wielu analityków zaczyna od SQL, Excela i Power BI, a później dodaje Python, aby zautomatyzować powtarzalne zadania związane z przygotowywaniem danych.
Czy znajomość Power BI wystarczy, aby dostać pracę jako analityk danych?
Sama znajomość Power BI rzadko wystarcza. Pracodawcy, którzy wymieniają Power BI, prawie zawsze wymagają również znajomości języka SQL, ponieważ dane muszą zostać przygotowane, zanim trafią do raportu. Solidnym zestawem umiejętności na pierwszą pracę jest znajomość języka SQL, zaawansowanej obsługi programu Excel z wykorzystaniem Power Query, Power BI z DAX oraz umiejętność wyjaśnienia, co oznaczają dane liczbowe.
Jaka jest różnica między analitykiem danych a naukowcem zajmującym się danymi?
Analityk danych odpowiada na pytania biznesowe, korzystając z istniejących danych: raportów, pulpitów nawigacyjnych, analiz ad hoc i definicji wskaźników KPI. Naukowiec zajmujący się danymi tworzy modele statystyczne i oparte na uczeniu maszynowym, które służą do prognozowania lub klasyfikacji, np. prognoz dotyczących rezygnacji klientów lub popytu. Naukowcy zajmujący się danymi potrzebują głębszej wiedzy z zakresu statystyki i języka Python; analitycy muszą lepiej rozumieć kontekst biznesowy i posiadać umiejętności w zakresie raportowania.
Czy można pracować zdalnie jako analityk danych?
Tak. Praca hybrydowa jest standardem w wielu firmach, a stanowiska w pełni zdalne istnieją, zwłaszcza w międzynarodowych przedsiębiorstwach i centrach usługowych. Młodsi pracownicy czerpią korzyści z pracy w biurze, ponieważ nauka definicji biznesowych i źródeł danych przebiega szybciej w otoczeniu doświadczonych współpracowników. Ogłoszenia o pracy zdalnej dla juniorów przyciągają również więcej kandydatów, więc portfolio ma jeszcze większe znaczenie.
Który certyfikat jest najbardziej przydatny dla młodszego analityka danych?
W Polsce najczęściej wymienianym certyfikatem jest Microsoft Certified: Power BI Data Analyst Associate (egzamin PL-300), ponieważ wielu pracodawców korzysta ze stosu technologicznego Microsoftu. Najlepiej sprawdza się on w połączeniu z portfolio rzeczywistych projektów. W przypadku firm korzystających z innych platform podobną rolę odgrywają certyfikaty dostawców, takie jak Tableau czy narzędzia Google.
„,
„occupationalCategory”: „KZiS 252102 Analityk baz danych (data scientist), najbliższy wpis”
}