馃殌聽Te 4 kompetencje zapewni膮 Ci spokojn膮 przysz艂o艣膰 (18/2022)
Witaj w dzisiejszym newsletterze. Witaj po d艂u偶szej przerwie – w poprzednich dw贸ch tygodniach by艂o mi bardzo ci臋偶ko znale藕膰 cho膰by godzin臋, 偶eby na spokojnie przygotowa膰 tego maila.
Nie ma tego z艂ego…
Bo skoro nie by艂o wysy艂ki to uzbiera艂o si臋 du偶o ciekawego materia艂u, kt贸rym dzisiaj si臋 z Tob膮 podziel臋.
Zaczynajmy, ale najpierw…
PLAN NA DZISIAJ:
>> Cztery kompetencje przysz艂o艣ci w 艣wiecie danych
>>聽Darmowe zbiory danych do 膰wicze艅 wizualizacji
>> #vizoftheweek
>>聽Kt贸re zawody b臋d膮 na topie w przysz艂o艣ci
>> Mem tygodnia
>>聽Co s艂ycha膰 u mnie?
1. Cztery kompetencje przysz艂o艣ci w 艣wiecie danych
Ostatnio my艣la艂em sobie nad tym jakie umiej臋tno艣ci s膮 i b臋d膮 najwa偶niejsze w przysz艂o艣ci dla os贸b zajmuj膮cych si臋 danymi.
Oto moje TOP 4 z kr贸tkim uzasadnieniem:
NR 1 – Znajomo艣膰 narz臋dzi
Oczywi艣cie umiej臋tno艣ci mi臋kkie s膮 wa偶ne i przydatne, ale nie ma si臋 co oszukiwa膰, 偶e mo偶na zajmowa膰 si臋 danymi bez wiedzy technicznej.
No nie da si臋 馃檪
Jak dla mnie minimum, ale wystarczaj膮ce na wi臋kszo艣ci stanowisk zwi膮zanych z danymi to znajomo艣膰:
>> Excela
>> SQLa
>> Pythona
Dlaczego w艂a艣nie tak?
>> Excel:
- jest u偶ywany przez oko艂o 1 miliarda os贸b na ca艂ym 艣wiecie
- ma bardzo niski pr贸g wej艣cia, ale wielkie mo偶liwo艣ci
- ma艂o jest os贸b, kt贸re potrafi膮 w pe艂ni skorzysta膰 z potencja艂u Excela i VBA
- “ka偶da analiza, czy dashboard i tak na ko艅cu trafia do Excela”
>> SQL:
- umo偶liwia szybkie i efektywne wyszukiwanie informacji nawet w wielkich bazach danych
- ma polecenia podobne do j臋zyka naturalnego (SELECT, WHERE itd.)
- 艂atwy do nauki na podstawowym poziomie
- w parze z PL/SQL potrafi du偶o wi臋cej
>> Python:
- najpopularniejszy j臋zyk programowania ostatnich lat
- posiada biblioteki dedykowane konkretnym celom np. analiza i przetwarzanie danych lub wizualizacji
- stosunkowo聽艂atwy do nauki
- cz臋sto u偶ywany w 艣rodowisku Data Science
NR 2 – Storytelling
Opr贸cz tego, 偶e potrafimy uformowa膰 dane jak glin臋 wed艂ug w艂asnych potrzeb, powinni艣my tak偶e umie膰 rozmawia膰 o danych.
Dane w formie “tabelek” s膮 trudne do czytania oraz ci臋偶ko jest wyci膮ga膰 z nich wnioski.
Odpowiednia wizualizacja danych pozwala na przedstawienie ich w przyst臋pny spos贸b – pami臋taj, 偶e cz臋sto jeden obraz jest warty wi臋cej ni偶 1000 s艂贸w.
Wizualizacje mog膮 by膰 zebrane w dashboardy, czyli pulpity menad偶erskie – jeden rzut oka pozwala wtedy kadrze zarz膮dzaj膮cej na interpretacj臋 wynik贸w i danych. A coraz cz臋艣ciej dane s膮 艂adowane do system贸w BI w czasie rzeczywistym.
NR 3 – Znajdowanie odpowiedzi w sieci
W ostatnich latach zostali艣my wr臋cz zalani wiedz膮. Jest zbyt wiele materia艂贸w i zbyt wiele dzieje si臋, 偶eby ca艂膮 wiedz臋 mie膰 w g艂owie.
Co ciekawe nawet mocno wyspecjalizowani eksperci z w膮skich dziedzin nie wiedz膮 wszystkiego, ale… wiedz膮 jak, gdzie i czego szuka膰.
KIEDY艢: WIEDZIE膯 = zna膰 odpowied藕 na ka偶de pytanie
TERAZ: WIEDZIE膯聽 = wiedzie膰 gdzie i czego szuka膰
To fundamentalna zmiana.
Efektywne wyszukiwanie odpowiedzi za pomoc膮 Google lub for贸w tematycznych jak np. Stack Overflow to tak偶e umiej臋tno艣膰 i to coraz bardziej ceniona.
Wa偶ne, 偶eby gdy chcesz zada膰 jakie艣 pytanie najpierw sprawdzi膰, czy kto艣 wcze艣niej nie szuka艂聽czego艣 podobnego. W wi臋kszo艣ci przypadk贸w znajdziesz w ten spos贸b odpowied藕.
A tak wygl膮da to w rzeczywisto艣ci:
NR 4 – Lifelong learning
W starych czasach koniec studi贸w oznacza艂 koniec nauki.
Teraz koniec studi贸w to sygna艂, 偶eby 1) wzi膮膰 si臋 w ko艅cu do roboty i zacz膮膰 zarabia膰. 2) oraz rozpocz膮膰 dokszta艂canie.
Po co w艂a艣ciwie uczy膰 si臋 po studiach?
- dynamiczne czasy do du偶e i cz臋ste zmiany
- wiedza w niekt贸rych dziedzinach dezaktualizuje si臋 w ci膮gu kilku lat lub nawet roku
- tylko ci膮g艂e dokszta艂canie si臋 pozwala na bycie konkurencyjnym
- jest to konieczne gdy zmieniamy bran偶臋
- bonus: kszta艂cenie ustawiczne pozwala utrzymywa膰 umys艂 w dobrej formie do p贸藕nych lat.
2. Darmowe zbiory danych do 膰wicze艅 wizualizacji
Jak najlepiej uczy膰 si臋 o danych?
W praktyce.
Wi臋c robi膰, robi膰, bawi膰 si臋 i przetwarza膰 wed艂ug swoich potrzeb.
Je艣li nie masz mo偶liwo艣ci pobawienia si臋 danymi w pracy, to z pomoc膮 przychodzi Ci Tableau. Na swojej stronie zamie艣cili darmowe 藕r贸d艂a danych, na kt贸rych mo偶esz sobie spokojnie po膰wiczy膰 zar贸wno przetwarzanie, jak i wizualizacj臋.
A gdy sko艅czysz ju偶 swoj膮 prac臋 z danym zbiorem, efekt ko艅cowy mo偶esz wrzuci膰 do swojego portfolio.
== Free Public Data Sets for Analysis by Tableau聽==
3. #vizoftheweek czyli wykres tygodnia
Poni偶ej bardzo atrakcyjna wizualnie mapa ciep艂a (heatmap) prezentuj膮ca procentowy udzia艂 kobiet w parlamentach poszczeg贸lnych kraj贸w Europy.
Jak wida膰 w zestawieniu najlepiej wypadaja kraje skandywanwskie, ale co ciekawe nawet w otwieraj膮cej zestawienie Szwecji udzia艂 kobiet w艣r贸d pos艂贸w wynosi mniej ni偶 50%…
Wizualizacj臋 w pe艂nej rozdzielczo艣ci zobaczysz tutaj:
== Seats held by woman in national parlamients ==
4.聽Kt贸re zawody b臋d膮 na topie w przysz艂o艣ci?
Rynek pracy nieustannie zmienia si臋 odpowiadaj膮c na sytuacj臋 w gospodarce, preferencje konsument贸w czy potrzeby produkcyjne.
A na jakie zawody b臋dzie najwi臋kszy popyt w przysz艂o艣ci?
W艣r贸d top 20 najszybciej rozwijaj膮cych si臋 profesji nie brakuje tych zwi膮zanych z danymi.
Warto tutaj wspomnie膰 o:
- Statystykach – planowany wzrost zatrudnienia o oko艂o 35%, przy 艣rednim miesi臋cznym wynagrodzeniu w USA na poziomie 34 tys. PLN
- Analitykach cyberbezpiecze艅stwa – wzrost o 33%, wynagrodzenie na poziomie prawie 39 tys. PLN miesi臋cznie
- Data scientist – wzrost o ponad 31%, wynagrodzenie na poziomie 37 tys. PLN miesi臋cznie
- Aktuariuszach聽– wzrost o 25%,聽wynagrodzenie na poziomie 42 tys. PLN miesi臋cznie.
Pe艂en raport wraz z zawodami, kt贸re znikn膮 za kilka lat w poni偶szym linku.
== The Fastest Growing Jobs in the next Decade ==
A je艣li szukasz pomys艂u na prac臋 gdy jeste艣 mi艂o艣nikiem danych, to mo偶e zainspiruje Ci臋 poni偶szy artyku艂 na blogu:
== 17 pomys艂贸w na prac臋 marze艅 dla mi艂o艣nik贸w danych ==
5. Mem tygodnia
Na koniec nie mo偶e zabrakn膮膰 odrobiny humoru – a Ty jak nazywasz swoje “dzie艂a”?
6. Co s艂ycha膰 u mnie?聽
Blog
Pomimo ca艂ej masy pomys艂贸w na tematy (od r臋ki mog臋 poda膰 minimum 20-30 艣wietnych pomys艂贸w na wpisy) po prostu nie mam czasu na spisanie ich…
Oczywi艣cie pisanie bloga to dla mnie zaj臋cie hobbystyczne, ale zamierzam ca艂y czas zajmowa膰 si臋 nim, bo sprawia mi to du偶膮 frajd臋.
Nauka
U艂o偶y艂em sobie mini – plan nauki na najbli偶sze miesi膮ce. A numerem 1 jest doszlifowanie SQLa. Aktualnie ucz臋 si臋 bardziej zaawansowanych zagadnie艅 z kursu Chrisa Saxona na platformie Oracle DevGym – link tutaj.
Podcast?
S艂ucham ciekawego podcastu Przemka G贸rczyka – tym razem go艣ciem jest Mirek Burnejko – link tutaj.
Je艣li Ty te偶 masz fajny materia艂, kt贸rym chcesz si臋 podzieli膰 z nasz膮 spo艂eczno艣ci膮 – to napisz do mnie, umieszcz臋 go w kolejnym mailu!