Με τι ασχολείται ένας data analyst;

By Collegelink Team

Στις μέρες μας οι εταιρείες λαμβάνουν καθημερινά μεγάλες ποσότητες πληροφορίων, τις οποίες μπορούν να χρησιμοποιήσουν προκειμένου να βελτιστοποιήσουν τις στρατηγικές τους.

Ποιός όμως φροντίζει να συλλέξει και να αναλύσει αυτά τα δεδομένα με σκοπό την εξαγωγή συμπερασμάτων; Ένας high qualified επαγγελματίας: Ο Data Analyst. 

Πρακτικά, ένας data analyst, συλλέγει δεδομένα που αφορούν τους πελάτες, τα προϊόντα ή τις επιδόσεις μιας εταιρείας και εξάγει δείκτες βάσει των οποίων λαμβάνονται σημαντικές αποφάσεις. Οι πληροφορίες αυτές μπορούν να χρησιμοποιηθούν, προκειμένου να καθοριστούν – αναδιαμορφωθούν οι στρατηγικές που θα ακολουθήσει η επιχείρηση προκειμένου να βελτιώσει τα προϊόντα, τις υπηρεσίες και την απήχηση της στο κοινό.

Προοπτικές απασχόλησης σήμερα 

Ένας data analyst μπορεί να εργαστεί σε μια μεγάλη πληθώρα εταιρειών, όπως για παράδειγμα τράπεζες, ασφαλιστικές εταιρείες, digital agencies, ΜΚΟ αλλά και στη βιομηχανία υγείας και ακινήτων.  

Ποια προσόντα χρειάζεται να διαθέτεις 

Για αρκετές entry level θέσεις αρκεί να διαθέτεις ένα προπτυχιακό στα μαθηματικά, τη στατιστική ή τα οικονομικά.  Από εκεί και έπειτα εάν έχεις υψηλότερες απαιτήσεις τότε ένα Master στους κλάδους των Data Science ή Business Analytics σίγουρα θα εκτοξεύσει τις πιθανότητές σου να ξεχωρίσεις. 

Παράλληλα, υπάρχουν αρκετά αξιόλογα Academies τα οποία μπορούν να σε βοηθήσουν να κάνεις τα πρώτα σου βήματα στον κλάδο

Όσον αφορά τις τεχνικές δεξιότητες, απαραίτητο προσόν αποτελούν οι γνώσεις προγραμματισμού. Συγκεκριμένα, οι γλώσσες R, Python, C++, Java, MATLAB και PHP είναι από τις πιο δημοφιλείς εάν επιθυμείς να εργαστείς ως data analyst.

Σχετικά με τα soft skills, η μαθηματική σκέψη είναι αδιαμφισβήτητα απαραίτητο προσόν. Ως data analyst θα πρέπει να είσαι σε θέση να παρέχεις λύσεις σε κοινά επιχειρησιακά προβλήματα αλλά και να μπορείς να δημιουργείς με άνεση πίνακες και γραφήματα, προκειμένου να οπτικοποιείς τα δεδομένα σου. Ένα αρκετά χρήσιμο εργαλείο στην περίπτωση αυτή είναι και το Microsoft Excel. 

Επιγραμματικά έχουμε και λέμε:

Soft skills: 

  • Κριτική σκέψη
  • Οργανωτικές δεξιότητες
  • Ικανότητα επίλυσης προβλημάτων 
  • Ομαδικό πνεύμα
  • Επικοινωνιακές δεξιότητες/Public speaking
  • Προσοχή στη λεπτομέρεια

 

Hard Skills: 

  • SQL (Structured Query Language)
  • Datawarehouse
  • Microsoft Excel 
  • R ή Python-Statistical Programming
  • Data Visualization Tools (PowerBI/Tableau)
  • Στατιστική
  • Presentation Skills 

 

Ποια είναι η διαφορά μεταξύ data analysis και data science? 

Ένας data scientist, προσπαθεί να εντοπίσει και να επιλύσει μέσα στην ημέρα τα προβλήματα που αντιμετωπίζει μια εταιρεία μέσα από μια διεπιστημονική προσέγγιση που περιλαμβάνει δεξιότητες όπως τα μαθηματικά, τη στατιστική, τους υπολογιστές καθώς και την επιχειρησιακή έρευνα. 

To στοιχείο που διακρίνει έναν Data Scientist από άλλες ειδικότητες, είναι η ικανότητά του να παραδώσει αλγορίθμους που υπόσχονται να επιλύσουν τα προβλήματα αυτά.

Αποκατάσταση και μισθός

H επιστήμη του data analysis είναι αρκετά σύγχρονη, με αποτέλεσμα να υπάρχει μεγάλη ζήτηση στην αγορά εργασίας αλλά και παράλληλα αυτό να δίνει στους επαγγελματίες του χώρου την ευκαιρία να θέσουν υψηλά στάνταρ όσον αφορά τις μισθολογικές απαιτήσεις. 

Σύμφωνα με το glassdoor.com, ο μέσος μισθός στην Αθήνα για έναν data analyst αφορά το ποσό των 1.200 ευρώ ανά μήνα. Και μη νομίζεις πως οι απολαβές μιας entry level θέσης απέχουν πολύ, αφού ως Junior μπορείς να ξεκινήσεις ακόμα και από 800-900 ευρώ/μήνα!

Το 72% των marketers θεωρεί τους data analyst, ζωτικής σημασίας για την επιτυχία μιας επιχείρησης στην σύγχρονη κοινωνία. Η επιστήμη αυτή, μπορεί να χρησιμοποιηθεί τόσο στο πεδίο της έρευνας πριν το λανσάρισμα ενός προϊόντος, ώστε να εξασφαλιστεί ένα ποσοστό επιτυχίας του εκ των προτέρων, βάσει των αναγκών της κοινωνίας, αλλά και εκ των υστέρων, προκειμένου να βελτιωθούν οι στρατηγικές προώθησης και πώλησης. Επιπλέον κλάδοι, όπως τα χρηματοοικονομικά και οι ασφάλειες χρειάζονται σε κάθε περίπτωση εξειδικευμένους data analysts. 

Προοπτικές απασχόλησης στο μελλον

To 2018 το Παγκόσμιο Οικονομικό Φόρουμ (World Economic Forum) δημοσίευσε ορισμένες προβλέψεις για την δυναμική της αγοράς μέχρι το 2022. Σύμφωνα με τη μελέτη, μέχρι τότε, το 85% των εταιρειών πρόκειται να έχει υιοθετήσει τεχνολογίες για big data και analytics. Ακόμα, το 96% αυτών σκοπεύει να έχει προσλάβει προσωπικό εξειδικευμένο στους παραπάνω κλάδους. 

Εταιρείες, όπως το LinkedIn, το Glassdoor, το US Bureau of Labor αλλά και το Robert Half, επιβεβαιώνουν τις παραπάνω προβλέψεις. 

Πώς να γίνεις Data Analyst

Προκειμένου να ακολουθήσεις μια καριέρα ως data analyst βασική προϋπόθεση είναι να αποκτήσεις ένα πτυχίο σε επιστήμες όπως τα Οικονομικά, τα Μαθηματικά, η Πληροφορική, η Επιστήμη των Υπολογιστών και τη Στατιστική. Τα καλά νέα είναι πως η μεγάλη ζήτηση στην αγορά εργασίας μπορεί να σου προσφέρει μια θέση αρκετά ευκολότερα συγκριτικά με άλλους κλάδους. Μπορείς να τη διεκδικήσεις ξεκινώντας ακόμα και από μια πρακτική άσκηση!

Φυσικά, καθώς το data analysis αναπτύσσεται παράλληλα με την τεχνολογία και την οικονομία, – συνεπώς μεταβάλλεται συνεχώς – κρίνεται ιδιαίτερης σημασίας η παρακολούθηση σεμιναρίων και η αφιέρωση προσωπικού χρόνου, προκειμένου να κρατάς επαφή με κάθε νέα εξέλιξη στον τομέα. 

Το σίγουρο είναι πως η Επιστήμη Δεδομένων αποτελεί το επάγγελμα του μέλλοντος και προσφέρει μοναδικές προοπτικές εργασίας τόσο στο εξωτερικό όσο και στην Ελλάδα. 

Και αυτός είναι ένας αρκετά καλός λόγος για να ξεκινήσεις από σήμερα κιόλας να επενδύεις στο Data Analysis!