Data Analyst: Πώς θα ακολουθήσεις το επάγγελμα του μέλλοντος

April 5, 2021

Με την εξέλιξη της τεχνολογίας και της αύξησης των δεδομένων που έχουν οι επιχειρήσεις στα χέρια τους, έχει προκύψει η έντονη ανάγκη να μπορούν οι επιχειρήσεις εκτός από τη συλλογή των δεδομένων, να μπορούν να τα αναλύουν και να εξάγουν πληροφορίες οι οποίες θα βοηθήσουν στο στρατηγικό σχεδιασμό τους. Έτσι, στην αγορά εργασίας έχει εμφανιστεί τα τελευταία χρόνια η θέση του Data Analyst, ή αλλιώς, Αναλυτή Δεδομένων.

Τα καθήκοντα του Data Analyst είναι να επεξεργάζεται τα ποικίλα δεδομένα που αφορούν τους πελάτες, τα προϊόντα ή τις επιδόσεις μιας εταιρείες, για την εξαγωγή χρήσιμων δεικτών και συμπερασμάτων τα οποία θα συνεισφέρουν στη λήψη αποφάσεων. Έτσι, οι πληροφορίες που παρέχονται από τον data analyst επιτρέπουν στης εταιρείες να καθορίζουν τα προϊόντα που θα προσφέρουν στους πελάτες ανάλογα με τις ανάγκες τους, τη στρατηγική marketing που θα ακολουθήσουν ή τις βελτιώσεις που πρέπει να γίνουν στις διάφορες διαδικασίες παραγωγής.

Ποια είναι τα προσόντα ενός data analyst

O πιο συνηθισμένος τρόπος για να αποκτήσει κάποιος τα προσόντα και τις βασικές γνώσεις ενός data analyst απαιτεί συνήθως ακαδημαϊκά προσόντα και δεξιότητες. Ας δούμε όμως αναλυτικά.

Ακαδημαϊκά προσόντα

Αυτό που συνιστούν οι επαγγελματίες στην ανάλυση δεδομένων κυρίως στο εξωτερικό είναι η αποφοίτηση από ένα πρόγραμμα που περιέχει μαθήματα ανάλυσης δεδομένων, μαθηματικών και στατιστικής. Αυτό μπορεί να καταστήσει ευκολότερη την ανάληψη μιας junior θέσης πάνω στην ανάλυση δεδομένων. Ωστόσο, ακόμη και αν δεν υπάρχει εξειδίκευση πάνω στην ανάλυση δεδομένων, ένα πτυχίο στα μαθηματικά, τη στατιστική ή τα οικονομικά από ένα φημισμένο πανεπιστήμιο, μπορεί εύκολα να κάνει τα πράγματα πιο εύκολα.

Οι περισσότερες junior θέσεις εργασίας στο επάγγελμα του data analyst απαιτούν τουλάχιστον ένα πτυχίο επιπέδου ΑΕΙ ή ΤΕΙ. Οι πιο senior θέσεις εργασίας που εγγυώνται υψηλότερες αμοιβές μπορεί να απαιτούν απόκτηση μεταπτυχιακού ή διδακτορικού τίτλου. Η απόκτηση μεταπτυχιακού τίτλου στο Data Science ή στα Business Analytics εγγυάται ότι ο επαγγελματίας έχει λάβει παραστάσεις ικανές να τον τοποθετήσουν σε μια σημαντική και καλά αμοιβόμενη θέση σε μια επιχείρηση στη θέση του Data Analyst. Επομένως, για κάποιον που θέλει να ακολουθήσει μια καριέρα στο Data Analysis, προτείνεται η απόκτηση ενός Master, όπως αυτό που προσφέρει το Οικονομικό Πανεπιστήμιο Αθηνών με τίτλο Π.Μ.Σ στην Επιστήμη Δεδομένων.

Skills

Οι ικανότητες ενός υποψηφίου μπορούν να κατηγοριοποιηθούν σε τρεις επιπλέον κατηγορίες:

• Technical Skills

Γλώσσες προγραμματισμού: Ένας data analyst συνήθως είναι expert σε τουλάχιστον μια γλώσσα προγραμματισμού. Ωστόσο, όσο πιο πολλές γλώσσες γνωρίζει τόσο καλύτερα μπορεί να προσαρμοστεί στις συνθήκες. Οι δημοφιλέστερες γλώσσες προγραμματισμού που μπορούν να χρησιμοποιηθούν για χειρισμό δεδομένων είναι οι εξής: R, Python, C++, Java, MATLAB, PHP και άλλες.

• Soft Skills

Διαχείριση δεδομένων και ανάλυση: Ένας data analyst πρέπει να είναι εξοικειωμένος με γλώσσες όπως R, HIVE, SQL και κάποιες που προαναφέραμε παραπάνω. Το να δημιουργεί queries για να εξάγει δεδομένα αποτελεί ένα πολύ σημαντικό στοιχείο της ανάλυσης δεδομένων. Μόλις ο data analyst αναλύσει τα δεδομένα, θα πρέπει να δημιουργήσει κάποιες ακριβείς αναφορές. Τέτοια εργαλεία που μπορούν να βοηθήσουν στη δημιουργία αναφορών είναι τα SAS, Oracle Visual Analyzer, Microsoft Power BI, Cognos, Tableau και άλλα.

Άριστες δεξιότητες επικοινωνίας και συνεργασίας: Η δουλειά ενός data analyst είναι να παρέχει λεπτομερείς και ακριβείς πληροφορίες σε αυτούς που κάνουν το decision making σε μια εταιρεία. Ως εκ τούτου, οι data analysts πρέπει να κατανοήσουν τις συγκεκριμένες απαιτήσεις αυτών των ανθρώπων και να έχουν μια βαθιά κατανόηση των δεδομένων που έχουν στα χέρια τους. Οι εξαιρετικές δεξιότητες επικοινωνίας είναι απαραίτητες για τη συνεργασία με τους διάφορους πελάτες, τα στελέχη, του πληροφορικάριους, προκειμένου να διασφαλιστεί ότι τα δεδομένα και τα insights που εξάγουν ευθυγραμμίζονται απόλυτα με τους επιχειρηματικούς στόχους. Τελικά, η ανάλυση που πραγματοποιείται από έναν data analyst έχει ως στόχο να τροποποιήσει ή να βελτιώσει ορισμένες επιχειρηματικές διαδικασίες.

• Practical Skills

Μαθηματικές ικανότητες: Απαιτείται η γνώση στατιστικής και ένα επίπεδο άνεσης με μαθηματικούς τύπους και φόρμουλες για την ανάλυση δεδομένων. Ως data analyst, θα πρέπει να έχεις καλή κατανόηση των μαθηματικών και να είσαι σε θέση επιλύεις κοινά επιχειρηματικά προβλήματα, όπως για παράδειγμα τον υπολογισμό σύνθετου ενδιαφέροντος, της απόσβεσης, των στατιστικών μέτρων (π.χ. mean, median, mode). Επίσης, πρέπει να γνωρίζεις πώς να χρησιμοποιείς πίνακες, γραφήματα και άλλα. Είναι σημαντικό να είσαι άνετος με την άλγεβρα και την οπτικοποίηση των δεδομένων.

Microsoft Excel: Η οργάνωση δεδομένων και ο υπολογισμός αριθμών είναι ένα από τα κύρια καθήκοντα των data analysts. Ως εκ τούτου, είναι σημαντικό να είσαι άνετος με τη χρήση Excel. Να σημειώσουμε επίσης ότι υπάρχουν πολλές δωρεάν πηγές στο web οι οποίες περιέχουν μαθήματα excel ξεκινώντας από entry level και φτάνοντας μέχρι expert level.

Ποιος είναι ο μισθός ενός data analyst

Προφανώς υπάρχουν πολλοί παράγοντες που επηρεάζουν τα μισθολογικά της θέσης του data analyst, όπως η προυπηρεσία, η εκπαίδευση, η ίδια η εταιρεία, οι ανάγκες σε γνώσεις και άλλα.

Ωστόσο, ας δούμε με βάση το Glassdoor πώς κυμαίνεται ο μέσος μισθός ενός data analyst με βάση πληροφορίες που αντλήσαμε από τον ιστότοπο του Glassdoor.com.

Σύμφωνα με τα στατιστικά που διαθέτει το Glassdoor μέχρι και τον Απρίλιο 2021, ο μέσος μισθός ενός data analyst είναι περίπου στα 1500-1600 ευρώ μικτά το μήνα ενώ μπορεί να φτάσει και τα 1900-2000 ευρώ μικτά. Προφανώς οι αριθμοί αυτοί αποτελούν μια εκτίμηση βασισμένη σε δεδομένα που έχουν μοιραστεί επαγγελματίες στην πλατφόρμα του Glassdoor και δεν είμαστε σε θέση να γνωρίζουμε με ακρίβεια αν αυτοί οι μισθοί ανταποκρίνονται σε πιο mid to senior θέσεις.

Για την ίδια θέση στην Ιταλία, ο μέσος μισθός είναι αισθητά αυξημένος, ενώ στη Γερμανία και λόγω του αυξημένου κόστους ζωής, ο μισθός είναι σχεδόν ο διπλάσιος της Ιταλίας.

Πώς θα γίνεις ένας data analyst

Για να γίνεις ένας data analyst είναι καλό να αποκτήσεις πρώτα ένα πτυχίο το οποίο αποτελεί προϋπόθεση για τις περισσότερες entry-level θέσεις στο data analysis. Επιστήμες όπως τα Οικονομικά, τα Μαθηματικά, η Πληροφορική, η Επιστήμη Υπολογιστών και η Στατιστική είναι κάποιες ενδεικτικές.

Λαμβάνοντας υπόψη ότι δεν έχεις προηγούμενη εργασιακή εμπειρία ως data analyst, το πιο σημαντικό βήμα είναι να αποκτήσεις σχετική εργασιακή εμπειρία. Όπως και με την πλειονότητα των επαγγελμάτων, η εργασιακή εμπειρία είναι πολύτιμη για έναν data analyst. Ευτυχώς, λόγω της τεράστιας ζήτησης για data analysts, υπάρχουν πολλές ευκαιρίες στην Ελληνική αγορά σε επίπεδο πρακτικής άσκησης. Ως εκ τούτου, απόφοιτοι σχολών που θέλουν να ασκήσουν την πρακτική τους άσκηση στο data analytics ενδεχομένως να βρουν μια θέση σε μια εταιρεία χωρίς ιδιαίτερη δυσκολία.

Η ανάλυση δεδομένων ασχολείται με την κατανόηση των μεταβαλλόμενων τάσεων και τεχνολογιών, γεγονός που καθιστά απαραίτητο για έναν data analyst να δεσμευτεί με τη διά βίου μάθηση. Έτσι, η συμμετοχή σε συνέδρια, η παρακολούθηση σεμιναρίων, η απόκτηση κάποιο δεύτερου πτυχίου ή ενός μεταπτυχιακού και η αφιέρωση προσωπικού χρόνου για να μαθαίνει για τις αλλαγές στον τομέα του κρίνεται απαραίτητη.

Πώς θα γίνεις ένας data analyst χωρίς καθόλου εμπειρία

Εάν σκοπεύεις να κάνεις ένα pivot στην καριέρα σου ως data analyst αλλά δεν έχεις καθόλου εμπειρία στον κλάδο, μπορείς να ξεκινήσεις με ένα online πτυχίο παρακολουθώντας κάποια online courses που σε ξεκινούν από το μηδέν αλλά σε φτάνουν σε ένα αρκετά ικανοποιητικό επίπεδο. Τα courses αυτά μπορούν να βάλουν τι βάσεις γύρω από την ανάλυση δεδομένων και την στατιστική, επιτρέποντάς σου να δημιουργήσεις κάποια πρακτικά έργα και να αναπτύξεις τις δεξιότητές σου. Προχωρώντας, μπορείς να μπεις σε μια πρακτική άσκηση ή να ξεκινήσεις με κάποιες freelancing δουλειές για να αποκτήσεις εμπειρία και να την προσθέσεις στο βιογραφικό σου. Αυτό θα σε βοηθήσει αρκετά στην αναζήτηση της πρώτης σου δουλειάς.