הסבה לניתוח נתונים - Data Analytics¶
מתוך כל המסלולים הלא-תכנותיים בהייטק, ניתוח נתונים הוא כנראה זה עם הכי הרבה בלבול סביבו - כי הוא נמצא בדיוק על הגבול בין "לא צריך לתכנת" ל"חייבים לדעת קוד". אני רוצה לפרק את זה בצורה מדויקת, כי הבלבול הזה גורם לאנשים או להימנע מהמסלול בטעות, מתוך פחד, או להיכנס אליו בלי הכנה ולהיתקע.
מה זה בעצם data analyst¶
אנליסט נתונים - data analyst - אוסף, מנקה ומנתח מידע כדי לענות על שאלות עסקיות. איך התנהגו המשתמשים החדש שלנו החודש? האם השינוי שעשינו במוצר שיפר את שיעור ההמרה? איפה אנחנו מאבדים לקוחות בתהליך? אלו סוגי השאלות שהתפקיד הזה עונה עליהן, לרוב דרך שאילתות על מסדי נתונים, בניית דוחות וויזואליזציות שמעבירים את המסקנות למקבלי החלטות בארגון.
חשוב להבחין בין זה לבין data scientist, שזה תפקיד אחר לגמרי - דורש בסיס מתמטי וסטטיסטי כבד, לרוב תואר רלוונטי, ועוסק בבניית מודלים חיזויים, לא רק בדיווח על מה שכבר קרה. אם אתם באים בלי רקע כמותי אקדמי חזק, data analyst הוא כניסה הרבה יותר ריאלית מ-data science, וכדאי לא לערבב בין השניים כשבודקים מה מתאים לכם.
למה זה בכל זאת מסלול נגיש להסבה¶
בניגוד לפיתוח תוכנה, שדורש הבנה עמוקה של איך בונים מערכת שלמה, ניתוח נתונים דורש מיומנות ממוקדת יותר - בעיקר SQL, שהיא שפת שאילתות למסדי נתונים, וכלי ויזואליזציה כמו Tableau או Power BI. את זה אפשר ללמוד בזמן קצר יחסית בהשוואה לתואר במדעי המחשב או לקורס פיתוח מלא.
זו גם הסיבה שהמסלול הזה פתוח לאנשים עם רקע מגוון - כלכלנים, אנשי שיווק, אפילו אנשי חינוך שהתרגלו לעבוד עם נתונים בתפקידם הקודם, כולם מוצאים בו נקודת כניסה טבעית יחסית.
אבל SQL לבד לא תמיד מספיק¶
כאן אני רוצה לתקן ציפייה נפוצה. ברוב תפקידי ה-data analyst הרציניים היום, לא מספיק לדעת SQL בלבד. פייתון הפך לכלי כמעט סטנדרטי בעולם הנתונים, בעיקר דרך ספריות כמו pandas לעיבוד נתונים. אנליסט שיודע גם לכתוב סקריפט פייתון פשוט שמנקה ומעבד קובץ נתונים גדול, ולא רק לכתוב שאילתת SQL, נתפס כמועמד הרבה יותר חזק ומתקדם מהר יותר בקריירה.
זה לא אומר שאתם צריכים להיות מפתחים. זה אומר שבסיס תכנותי, גם ברמה לא מתקדמת, הוא כבר לא "יתרון נחמד" בתחום הזה אלא כמעט דרישת סף שקטה שרוב המעסיקים מצפים לה גם אם היא לא כתובה במודעת הדרושים.
מי מתאים למסלול הזה¶
אנשים שנהנים לחפש דפוסים בתוך כמות גדולה של מידע, שיש להם סבלנות לנתונים "מלוכלכים" שדורשים ניקוי לפני שאפשר להסיק מהם משהו, ושמסתדרים טוב עם הצגת מסקנות בצורה ברורה לאנשים שאינם טכניים - זו התכונה שלרוב מפרידה בין אנליסט טוב לאנליסט מצוין. אם אתם נהנים מגיליונות אקסל מורכבים יותר מרוב האנשים סביבכם, יש כאן כנראה סימן חיובי.
איך להתחיל בפועל¶
הדרך הכי הגיונית היא ללמוד SQL בסיסי קודם, כי הוא הכלי היומיומי ביותר בתפקיד, ובמקביל להתחיל לבנות בסיס בפייתון כדי לא להיתקע כשהתפקיד ידרוש מכם יותר מדוח קבוע. קורס התכנות הבסיסי בפייתון הוא בדיוק הבסיס הזה - הוא לא ילמד אתכם SQL או ניתוח נתונים ישירות, אבל הוא ייתן לכם את החשיבה הלוגית ואת השפה שעליהן כל השאר נבנה.
ואם אתם באמצע ההסבה לתחום הנתונים ורוצים לשמוע איך זה הולך למי שכבר שם, יש לנו קהילה בדיסקורד ששמחה לעזור.