{}


Data Science – najbardziej gorący temat w IT

Jest już prawie 2020, od ponad 20 lat jako ludzie gromadzimy dane związane z naszymi zainteresowaniami, z tym, co nam się podoba, z tym, co kupujemy bądź sprzedajemy lub kogo lubimy w social mediach itp. Jest to ogromna ilość wiedzy o nas i o naszych zwyczajach. Czas zacząć robić z nich użytek

Coraz więcej słyszy się o analizie tych danych oraz ich wykorzystaniu. Języki programowania Python i R używane w analizie stale rosną na popularności. Data Science to jeden z najgorętszych tematów w ostatnim czasie, a rynek IT pęka w szwach od atrakcyjnych ofert pracy dla Data Scientist.

Ale od początku - tym artykułem postaram się odpowiedzieć na poniższe pytania:

  • Co to jest Data Science i o co w tym właściwie chodzi?

  • Kim tak naprawdę jest Data Scientist i jak wygląda jego praca?

  • Jak zacząć swój rozwój w kierunku Data Scientist ?

 

Data Science – czym właściwie jest?

W skrócie to po prostu nauka o umiejętnym wykorzystywaniu danych w różnych celach. Ludzie jeszcze nigdy w historii nie produkowali ani nie mieli dostępu do takiej ilości danych. Pojazdy, komórki, sprzęt w domu, sklepy internetowe, social media – wszystko produkuje informacje. Taka ilość danych pozwala skorzystać z ich zasobów w nowy sposób.

Dzięki ogromnej ilości informacji odpowiednio wyszkoleni analitycy są w stanie zrobić naprawdę dużo, a wiedzę można wykorzystać je do praktycznie wszystkiego: od prowadzenia badań społecznych na globalną skalę do zmiany kierunku rozwoju wielkiej korporacji.

 

Data Science – o co w tym chodzi?

Jeden z Data Scientist pracujących w Netflixie podczas swojego wykładu opowiadając o tym, o co chodzi w Data Science powiedział:

“Data science IS ABOUT using data to create as much impact as possible for company” 

(tłum. Data Science jest o wykorzystaniu danych to wywierania tak dużego wpływu na firmę, jak to tylko możliwe)

Aby uściślić, dzięki danym oraz odpowiednim analizom:

  • Marketer dowie się, czy osoba po drugiej stronie jest już zainteresowana produktem
  • Logistyk ułoży lepsze i szybsze trasy dla floty tirów
  • Bankier dokładniej oceni ryzyko inwestycji
  • Lekarz upewni się w diagnozach oraz działaniach
  • Właściciel restauracji będzie mieć mniejsze straty żywności
  • Inżynier zaprojektuje bardziej aerodynamiczną konstrukcję drona

Wszystko to może być zrobione dzięki specjalistom od Data Science - czyli Data Scientist, którzy przekuwają zawartą w danych wiedzę w specjalistyczne wspierające narzędzia dla dosłownie każdej branży

 

Kim jest Data Scientist ?

Gdyby chcieć doprecyzować kim dokładnie jest Data Scientist, to jego kompetencje można byłoby określić poniższymi punktami.

 

Problem Solver - “rozwiązywacz problemów”

Rekomendacje, wnioski, analizy, które tworzy DS na podstawie danych, powinny być dopasowane do aktualnego stanu biznesu oraz powinny diagnozować problem, opisywać go oraz sugerować jego rozwiązanie.

Strategist -doradca-strateg”

Firma, dla której pracujesz, będzie dawać Ci różne, trudne problemy i będzie oczekiwać, że Twoje analizy, wnioski pokierują całą firmą w dobrą stronę.

 

Jak wygląda praca Data Scientist ?

Wyobraź sobie, że stoisz przy stole w warsztacie, a na blacie leżą piły, obcęgi, młotki, miarki, kleje, a na samym środku stołu leży kilka bezkształtnych kawałków drzewa.

To wyobrażenie nawiązuje do Twojej codziennej pracy. W tej pracy posiadasz pewien “warsztat” i “materiały” i są nimi:

Narzędzia

  • Biblioteki do analiz, które tną, grupują, mierzą lub prezentują dane
  • Języki programowania np Python albo R, czasem jest to np Excel
  • Logiczne myślenie oraz statystyki

 Materiały

  • Różnego typu dane z różnych źródeł i baz danych

Twoim zadaniem jest wyrzeźbić z kilku kawałków drewna 1 lub 2 małe, unikatowe wykałaczki. Są to sprecyzowane wnioski wynikające z analizy danych. Ostatnim etapem Twojej pracy jest przygotowanie “opakowania” dla tych 2 wykałaczek - czyli zaprezentowanie w prosty sposób Twoich wniosków.

 

A teraz opowiem, jak to wygląda na realnym przykładzie:

  • Pracujesz dla sieci pizzerii, która ma kilkanaście lokali
  • Problem, nad którym pracujesz - wg właściciela lokal, który analizujesz zarabia za mało
  • Bierzesz na warsztat ofertę tej pizzerii - ma 63 pozycje różnych pizz w 3 różnych rozmiarach - mała, średnia i duża
  • Bierzesz na warsztat bazę danych z jednego z lokali
  • Po analizie stwierdzasz, że 74% zysku tego lokalu generuje tylko 7 najpopularniejszych pizz i sprzedają się one tylko w rozmiarze średnia i duża
  • Tworzysz raport dla właściciela sieci pizzerii, którym jest napisane:
  • 11% oferty na pizze generuje 74% zysku w lokalu
  • Ograniczenie oferty na pizze tylko do tych 7 najpopularniejszych spowoduje znaczny spadek strat magazynowych o co najmniej 40% oraz będzie skutkować wzrostem zysku w tego lokalu
  • Lokal nie sprzedaje małych rozmiarów pizz, więc można usunąć je z oferty
  • W tym przypadku z wielkich kawałków drewna wyciągnąłeś 3 małe wykałaczki, a właściciel sieci restauracji już będzie wiedział co z nimi zrobić.

Proste? Tak, a Ty dodatkowo zasłużyłeś na dużą, darmową pizzę 🙂

 

Jak rozpocząć swój rozwój w kierunku Data Scientist?

Pewnie jest grupa ludzi, która uzna, że to za trudne, że rozwój w tym kierunku stawia przed nimi za duże wymagania i odpowiedzialność.

Ale jest inna grupa, której będzie pasować ten nowy zawód w branży IT. To ludzie, którzy:

  • Lubią liczby i matematykę, nie mają problemu z logicznym myśleniem
  • Chcą mieć możliwość do ciągłego rozwoju
  • Chcą mieć wpływ na firmę, w której pracują

Data science to dynamicznie rozwijająca się dziedzina programowania. Jeśli interesuje Cię taka praca, to warto się tym zainteresować i zainwestować swój czas w naukę w tym kierunku. Zapotrzebowanie na DS-ów stale rośnie, a wynagrodzenia są naprawdę wysokie. Możesz być częścią tej rewolucji w patrzeniu na dane.

Swój rozwój najlepiej rozpocząć pod okiem doświadczonego mentora, który już kilka lat robi analizy i który pokaże w efektywny sposób:

  • jak korzystać z narzędzi przy codziennej pracy
  • jak podchodzić do danych
  • jak szukać wartości w danych i jakie informacje są wartościowe
  • jak prezentować wnioski wynikające z analiz

 

Autor artykułu:

Przemysław Jóźwiakowski

Mentor kursu Frontend Developer

Najnowsze artykuły:

Zapisz się do newslettera

Podaj nam swój adres e-mail a będziemy informować Cię o naszych ofertach specjalnych, wydarzeniach przez nas organizowanych oraz przesyłać ciekawe poradniki na temat nauki programowania.