Сегодня расскажу, какими были мои первые действия на пути в аналитику данных и о составлении приблизительного плана обучения. В прошлом выпуске моей стенгазеты я разоткровенничался о причинах смены места работы и почему решил податься именно в информационные технологии.
Итак, ранее я прошел несколько тестов на профориентацию, узнал, что в IT работают не только одни программисты и сисадмины, а существует и такая, сразу заинтересовавшая меня специализация, как аналитик данных. По краткому описанию эта профессия очень похожа на то, чем я как специалист отдела снабжения занимаюсь и сейчас, то есть изучением имеющейся информации (например, о дефиците деталей, сроках поставки и т.п.) и выстраиванием дальнейшей работы на основе результатов анализа.
Естественно, сейчас я провожу анализ совсем другими средствами, поэтому первым делом решил спросить у тополя у Headhunter’а, какие требования работодатели указывают в вакансиях на эту должность. Продвинутый Excel, SQL, Python – ок, я хотя бы примерно представляю, что это такое. DataLens, Tableau, Power BI – так, а вот здесь нужно немного погуглить😐 Чтобы как-то зафиксировать в голове новую информацию, периодически выписываю ее на бумажку😅
Так как у подавляющего большинства вакансий в требованиях было указано знание SQL, я начал с бесплатного курса Яндекс.Практикума, чтобы хоть немного узнать о, судя по всему, главном инструменте data-аналитика. Ну и для разнообразия, чтобы не Яндексом единым, прошел похожий бесплатный курс от Нетологии. Курс Нетологии оказался более обширным и похожим на университетские лекции в видео-формате, хотя текстовый формат Практикума мне все-таки удобнее и привычнее. Тут уж на любителя.
Помимо прохождения бесплатных ознакомительно-рекламных курсов я начал периодически слушать подкасты на IT-тематику и почитывать Habr.com. Раньше почему-то думал, что Хабр это только «для своих», чисто технические статьи, но оказалось, что там довольно спокойно относятся к новичкам и есть, что почитать даже таким нулям, как я😄 Кстати, о подкастах. Особенно мне запомнился один выпуск, в котором спикеры озвучили объем баз данных, с которыми они работали на тот момент. Эти объемы измерялись в нескольких петабайтах. Если честно, в тот раз я погуглил, что такое петабайт, и ощутил мурашки на коже, когда узнал, что это около миллиона гигабайт😐 Мне кажется, я буду долго вспоминать этот момент, потому что тогда у меня в голове ясно и четко щелкнуло «Блин, я хочу с этим работать!» :)
В итоге, после изучения требований в вакансиях на Headhunter, чтения статей и комментариев на Хабре у меня сформировалась хоть и довольно простая, но первая редакция, не побоюсь этого слова, стека необходимых к изучению технологий:
1. Excel (Google Sheets) на продвинутом уровне с формулами, функциями, диаграммами и графиками. Навык пригодится не только в IT, но и на любой другой работе, да даже в повседневной жизни.
2. SQL – язык работы с базами данных. Так как базы данных – это один из основных инструментов аналитика, то и язык общения с ними знать нужно обязательно. Тем более, что объемы информации каждый год растут, базы данных разрастаются и знание SQL будет полезным плюсом при устройстве практически на любую технологичную должность.
3. Язык программирования Python, а конкретно те его аспекты, которые связаны с анализом данных и автоматизацией работы аналитика.
Какие-то временные рамки пока себе не ставлю, потому что не знаю, сколько времени занимает тот или иной этап. Возможно чуть позже, когда сформирую представление об объеме работы, буду ставить себе конкретные цели. Но, если честно, хотелось бы через полгода, увидев тренировочную задачу или пример вопроса из собеседований, понимать, хотя бы какими средствами и по какой логике ее можно решить.
P.S. В следующих статьях подробнее расскажу об увольнении с моей нынешней работы, о том, на какие шиши я планирую без нее жить и учиться😄, а также постепенно уже буду переходить от нашего с вами знакомства к конкретным шагам в обучении.