דאטה אנליסט / Data-Analyst הוא אחד מהמקצועות הכי חמים היום – ולא בכדי.

 

 

אנחנו חיים בעולם של נתונים – כל מקום פחות או יותר שניגע בו יהיה מוצף בדאטה.

 

מספיק לשאול מהו הדבר הכי קרוב אלינו בשביל להבין שזה לא המשפחה, הכלב או החתול, אלא דווקא הטלפון הנייד…

 

הטלפון הזה כל הזמן אוסף דאטה: איפה אנחנו גולשים, מה אנחנו קונים, לאן אנחנו נוסעים, וכנראה שזה הולך אפילו להתעצם עם המגמה של ה-Wearables – שעונים חכמים ואחרים.

 

הכל אוסף דאטה בכמויות אדירות, וזו המציאות שבה אנחנו חיים כל יום, וכל היום.

 

עם כל הנתונים האלה שנאספים – מתעצם הצורך לעשות איתם משהו – להשתמש בהם בשביל לשפר את הערך שחברות מציעות ללקוחות שלהן, ובכלל להבין מיהם בדיוק הלקוחות האלה.

 

וזה בדיוק התפקיד של דאטה אנליסט (או אנליסט נתונים).

 

המקצוע חווה בעשור האחרון צמיחה חסרת תקדים, והפך לאחד המקצועות המובילים בשוק.

עד כמה המקצוע נמצא בצמיחה ניתן להבין דרך כמות החיפושים ב-Google Trends:

 

 

מטרת המאמר

 

במסגרת המאמר הזה נציג את המקצוע והתחום בצורה מקיפה, וניתן תשובות מפורטות לגבי 12 השאלות העיקריות שודאי קיימות אצלכם בנוגע לתחום והמקצוע.

 

חלק מהשאלות ימפו גם את מהות המקצוע, אבל גם ממה עליכם להיזהר לפני שאתם נכנסים לתחום.

 

חשוב לציין, שגם התשובות כאן הן רק החלק הראשון של הכניסה לתחום, שהוא כמעט אינסופי מבחינת תכולת החומר שיש בו.

 

לכן, בהחלט ייתכן שבמהלך הקריאה יעלו אצלכם שאלות נוספות או שדברים יהיו לא ברורים לחלוטין – וזה טבעי כי זה רק קצה הקרחון…

 

דאטה אנליסט - המטרה

 

המטרה במאמר היא לא 'לשפוך עליכם' את כל החומר בנושא,
אלא למקד ולזקק עבורכם את כל הדברים הכי חשובים בתחום הדאטה;

 

זאת על מנת לאפשר לכם 'נחיתה רכה' בגישושים הראשונים אם המקצוע דאטה אנליסט מתאים לכם ואיך להתקדם.

 

במהלך חלק מהשאלות, יופיעו לינקים לקבלת מידע נוסף באופן פרטני, ואתם בהחלט מוזמנים לבדוק את התכנים המעמיקים יותר.

 

ובמידה ועדיין יש לכם שאלה בוערת שלא נותנת לכם מנוח אך אינה מופיעה במאמר –
אתם יותר ממוזמנים לפנות באימייל עם שאלות ספציפיות.

 

והערה חשובה נוספת לפני שנתחיל:

 

ברור שחלקכם רוצים תשובות מאוד מהירות, וחלקכם רוצה דווקא רוצה הרבה מאוד פרטים.

 

אז בדיוק בשביל לתת מענה לכולם, המאמר יכלול גם תקציר ראשוני, וגם אפשרות לחשוף פרטים נוספים בכל שאלה/נושא.

 

מה שנקרא "ליהנות מכל העולמות"…

 


אז קדימה – מתחילים!

 

 

שאלה 1: מהו דאטה אנליסט ומה דאטה אנליסט הוא ממש לא?

 

דאטה אנליסט שולף נתונים לגבי הפעילות של החברה מתוך מאגרי הנתונים בחברה ומחוצה לה, מנתח אותם ומוציא מתוכם תובנות, המסייעות להבין איך לייעל או להגדיל את הפעילות העסקית.

 

דאטה אנליסט הוא "משתמש על", כלומר גורם המתווך בין הרמה העסקית של קבלת ההחלטות הניהוליות והתפעוליות, ובין הרמה הטכנולוגית של מערכות המידע והנתונים שהן שומרות ומתעדות.

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)

תהליך עבודה טיפוסי של דאטה אנליסטדאטה אנליסט אחראי על מספר משימות חשובות, הנה העיקריות שבהן:

  • למפות תהליכים מסוימים בחברה/ארגון – כאלה שנדרש לשפר.
  • לכמת את השלבים השונים בכל תהליך ולקבוע מדדים עבורם.
  • לנתח את נתוני הפעילות באותם התהליכים.
  • לזהות בהם תבניות, מגמות, בעיות והזדמנויות לשיפור.
  • להציף לרמה הניהולית את התובנות וההמלצות.
  • ולבסוף, לאחר שההמלצות התקבלו – למדוד שוב את הפעילות לאחר השינוי ולוודא שבאמת היה שיפור…

 

חשוב להבין גם מה דאטה אנליסט הוא לא:

 

דאטה אנליסט אינו מתכנת מצד אחד, אבל גם לא גורם עסקי/תפעולי מצד שני.

 

הוא יושב בדיוק באמצע, ומתווך את השפה העסקית לאנשי הטכנולוגיה, ואת השפה הטכנולוגית לאנשי הביזנס.

 

את זה הוא עושה באמצעות דאטה וראיה לוגית-שיטתית.

 

בנוסף, דאטה אנליסט אינו ספק נתונים, או "טכנאי SQL" – הוא אמנם שולף נתונים ועובד ברמה טכנית, אבל המטרה היא שיעשה את זה בשביל לנתח את הנתונים ולהוציא מהם תובנות שאינן טריוויאליות.

 

 

רוצים להבין יותר מה דאטה אנליסט עושה?

 

לחצו כאן לגישה למדריך 'סודות הדאטה אנליסט'.

שאלה 2: היכן עובד דאטה אנליסט והיכן ממש לא צריך אותו?

 

אנליסטים ניתן למצוא במגוון רחב מאוד של חברות – בהן יש נתונים בהיקף גדול:

  • החל מבנקים וחברות ביטוח – ביחידות השיווק, מערכות המידע, ניהול הסיכונים ועוד;
  • דרך חברות טלקום בניתוח נתונים שיווקיים וביצועי התשתית;
  • בחברות עסקיות כמו חברות תעופה או רשתות קמעונאיות – בשיפור המכירות או הלוגיסטיקה;
  • במשרדים ממשלתיים או חברות סמי-ממשלתיות כמו חברת החשמל;
  • וכמובן בחברות הייטק ובסטארטאפים בינוניים – בשיפור תהליכי השיווק ופיתוח המוצר.

 

עיקר הפעילות תהיה כאמור בעולמות השיווק, וייעול התהליכים.

 

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)

 

ברוב המקרים, אנליסטים לא יעבדו בחברות שבהן אין כמעט דאטה (כי אין מה לנתח…).

 

מצד שני – אנליסטים גם פחות יעברו בחברות שבהן יש הרבה מאוד נתונים גולמיים על מערכות הנדסיות (כמו רכב אוטונומי, טייס אוטומטי וכיו"ב).

במערכות הנדסיות כאלו עיקר הניתוח של הנתונים יבוצע בעזרת אלגוריתמיקה – פשוטה יותר או פחות – וזה יותר עולם התוכן של מפתחים/מהנדסים/אלגוריתמאים (ו-Data Scientists) – ופחות אנליסטים.

 

עוד סוג מקומות שבהם אין צורך ב-Data-Analyst הם עסקים יחסית קטנים, או עסקים שבהם לב העיסוק הוא יותר פיזי ופחות דיגיטלי או ממוכן.

מדוע? מאחר ובמקומות שבהם אין מערכות מידע משמעותיות, או תהליכים מורכבים מצד אחד, ומשאבים לטובת ייעול/שיפור מצד שני – אין באמת הצדקה או מוטיבציה להחזיק אנליסטים.

 

במקומות כאלה ייתכן ויהיה מקום למערכות דיווח סטנדרטיות (כמו BI), אבל לא לאיש מקצוע ייעודי שיישב ויחפש תובנות בנתונים.

 

 

רוצים עוד קצת פירוט לגבי השאלה?

 

לחצו כאן לגישה למדריך 'סודות הדאטה אנליסט'.

 

שאלה 3: אילו משימות דאטה אנליסט אמור לבצע ומה הוא לא אמור לבצע?

 

דאטה אנליסט מבצע מגוון משימות אנליטיות, הכוללות בין השאר שליפת נתונים למנהלים/גורמים עסקיים, הקמת דשבורדים, ניתוח נתוני פעילות וזיהוי תובנות, פיתוח מודלים ותחזיות על בסיס נתונים, אפיון דרישות למתכנתים ועוד.

 

המהות של דאטה אנליסט היא לעשות ניתוחי עומק בדאטה, ולזקק את הנתונים בשביל לזהות מגמות ותובנות חבויות, שאי אפשר להסיק אותם מצפייה ראשונית ופשטנית בנתונים.

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)


כפי שצויין קודם, דאטה אנליסט לא אמור לשבת כל היום ולשלוף דאטה ברמה טכנית בשביל להפוך ל"ספק דוחות" – זה מפספס את המטרה.

 

לכן, להוציא דוח ולהציג אותו בצורת תרשים באקסל – זה לא המיקוד, למרות שזה קורה לא מעט…

 

"הלחם והחמאה" של דאטה אנליסט הם לנתח נתונים של תופעות מעניינות ולחקור סיבות אפשריות לתופעה העולות מתוך הנתונים.

 

לדוג': כאשר עולה השאלה האם ישנה קפיצה בכמות ההחזרות של מוצרים לאחר הרכישה, התשובה אינה רק כן/לא, כלומר ה"מה".

 

התשובה המדויקת תהיה גם "למה", כלומר גם זיהוי גורמים אפשריים לקפיצה בהחזרות (האם זה נבע מקפיצה גם בכמות המכירות, או שישנה בעיה מהותית בתהליך המכירה).

 

דאטה אנליסט טוב נמדד לא רק בתשובה על "מה" שקורה, אלא בעיקר על ה"למה" זה קורה.

(וכמובן מה אפשר לעשות בשביל לשפר את המצב הקיים).

 

בנוסף, משימות של אוטומציה או ייעול ביצועים או מהירות של תהליכי נתונים – גם אינן משימות טבעיות של אנליסטים. זה כבר נכנס לעולם של פיתוח תוכנה – בדגש על BI ובסיסי נתונים.

 

ולבסוף, דאטה אנליסט גם לא אמור להיות איש תפעול.

 

לכן – הוא לא אמור לבצע משימות תפעוליות הנוגעות בלקוחות הקצה של החברה.

 

פירוט נוסף לגבי המשימות של דאטה אנליסט קיים במדריך 'סודות ה-Data-Analyst'.

שאלה 4: איך אסור שייראה היומיום של אנליסט נתונים?

 

רוב העבודה היומיומית של דאטה אנליסט היא טכנית – מול מחשב, בשליפת נתונים עם קוד SQL , או בניתוח נתונים עם אקסל.

 

העבודה כוללת גם לא מעט תקשורת עם אנשי התפעול והמנהלים בחברה מצד אחד – בשביל לאפיין דרישות עסקיות למידע, ועם אנשי הפיתוח מצד שני – בשביל לאפיין עבורם את הדרישה לתהליכי מידע אוטומטיים או איסוף נתונים חדשים.

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)

 

מאחר ודאטה אנליסט הוא בעצם פונקציה לייעול תהליכים וזיהוי הזדמנויות, העבודה השוטפת לא כוללת תפעול, כלומר תקשורת עם לקוחות הקצה של החברה – אלא בעיקר עבודה עם גורמי מטה ותפעול בתוך החברה.

 

בנוסף, קיימות שתי תופעות חמורות של אנליסטים ששוקעים ונתקעים בעבודה אפורה וסיזיפית,  שלא מפתחת אותם – לא ברמה המקצועית ולא ברמה הכספית.

 


למה אסור להפוך בתור דאטה אנליסט : מכונאי SQLמקרה ראשון הוא "הצפה" במשימות תפעוליות כמו הפקת דוחות כאלה ואחרים – מה שמכונה בעגה המקצועית

"טכנאות/מכונאות נתונים"  או "טכנאות SQL".

 

משימות כאלו שייכות אמנם לסט המשימות של האנליסטים, אבל מצב של "הצפה" במשימות כאלו היא מאוד מסוכנת;

למה זה יכול לגרום? לחוסר יכולת להתפנות לפרויקטים אנליטיים משמעותיים – אשר יוכלו להקפיץ את ביצועי החברה.

 

המקרה השני הוא חוסר ידע באיך לבצע ניתוחי עומק, מה שגורם לאנליסט להיתקע בניתוחים פשוטים באקסל, ואפילו להפוך להיות ל"יצרן מצגות", ולא להיות מסוגל ליזום פרויקטים אנליטיים מורכבים דוגמת תחזיות, סגמנטציה של לקוחות וכיו"ב.

 

ההבנה הזו, של מה לגיטימי ומה לא לגיטימי באופי העבודה וסוג המשימות שבהן נתקל דאטה אנליסט טיפוסי היא קריטית – היא יכולה לבנות או להרוס קריירות;

לכן, חשוב מאוד ללמוד כיצד לזהות מקומות עבודה בשאיפה כבר במהלך הראיון, על מנת שיאפשרו לכם להתפתח בצורה מהירה.

 

 

שאלה 5: מהם התחומים העיקריים בעולם ניתוח הנתונים ומה לא קשור למקצוע דאטה אנליסט?

 

ישנם לא מעט סוגים של נישות בתחום הדאטה, העיקריים שבהם הם דאטה אנליסט (Data-Analyst), מדען נתונים (Data Scientist), אנשי BI (Business Intelligence) ועוד.

 

ההבדלים ביניהם נובעים בעיקר מהדגש/פוקוס – אנשי BI הם יותר עם דגש טכנולוגי, מדען נתונים יותר מתמטי ו-Data-Analyst יותר עסקי-תהליכי.

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)

 

קריטי לשים לב להבדלים בין הנישות השונות, שכן לכל נישה יש מיקוד מאוד ברור על הציר ביזנס-טכנולוגיה, כמו גם במימדים אחרים כמו רמה מתמטית ותהליכית-לוגית.

 

הנה שתי דוגמאות בנושא:

  • סטטיסטיקאי הוא לא דאטה אנליסט, מאחר והוא עוסק בעיקר בשיטות סטטיסטיות (כמו מניעת הטיות בסקרים) – לעומת עיסוק בזיהוי תובנות ומגמות מתוך דאטה מורכב;

     

  • ומנהל מוצר (Product Manager) בחברת הייטק אינו אנליסט מוצר (Product Data-Analyst), כי מנהל המוצר ניזון מהרבה מאוד שיקולים 'רכים', והאנליסט בעיקר מדאטה;

 

לכל נישה בתחום הדאטה ישנם מאפיינים שונים, תכונות נדרשות שונות ודברים שונים שנדרש ללמוד;

אז לפני שרצים ללמוד ולהתראיין – קריטי להכיר את כל הנישות והתחומים המשיקים וההבדלים ביניהם, ולהבין מה מהם הכי מושך אתכם.

 

בלי לעשות את זה אתם כנראה הולכים "לגשש באפלה", וטעויות כמו ללמוד הרבה מעבר למה שצריך יכולות לבזבז הרבה מאוד זמן ואפילו להקטין את סיכויי הקבלה לעבודה.

 

פירוט נוסף לגבי הנישות האנליטיות קיים במדריך 'סודותיו של דאטה אנליסט',

 

ולאחר מכן בצורה מפורטת מאוד בסדנת ' הנתיב המהיר לקבלה לעבודה כ-Data-Analyst '.

 

 

שאלה 6: מהן היכולות שאינן נדרשות מ-Data-Analyst בתחילת הדרך (או בכלל)?

 

דאטה אנליסט טוב נדרש לשלב בין ידע טכני ובין ידע עסקי.

מה צריך ללמוד בשביל להפוך לאנליסט

 

הדרישה היא מצד אחד לנתח נתונים בצורה מדויקת, ומצד שני להבין מה לעשות עם התובנות.

 

מדובר גם ביכולות טכניות, אבל גם ביכולות ייחודיות של חשיבה עסקית ולוגית בשביל להבין איך להשתמש בתוצרים הטכניים על מנת לשפר את הביצועים העסקיים.

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)

 

מדאטה אנליסט לא נדרש לתכנת בצורה "כבדה" – הוא לא מפתח (לעומת אנשי BI שהם ברובם מפתחים).

 

ברמת המהות, גם לא נדרש מדאטה אנליסט לשפר ביצועים של שליפות.

אמנם קיימים מקרים של דאטה מסיבי וזה עוזר, אך מהות המקצוע היא לתת תשובה ממוקדת לשאלה עסקית, ופחות משנה האם שליפת הנתונים תיקח דקה או רבע שעה.

 

חשוב להבין מה מהותי ומה שולי, וביצועים או יעילות הריצה ברוב המקרים הם שוליים יותר מאשר יכולת האפיון בשביל לתת פתרון לשאלה העסקית.

 

חשוב להיזהר מלימוד מסיבי של הרבה כלים טכניים – מבלי לשים לב ליכולות האנליטיות הנדרשות בתור דאטה אנליסט;

ידע טכני וידע לוגי-אנליטי הם שני דברים נפרדים.

 

להכיר הרבה כלים בלי לדעת להשתמש בהם זה אחד הסיכונים הגדולים ביותר בקרב אנליסטים בתחילת הדרך – ואחד מהדברים שהכי מפילים מועמדים בראיונות עבודה.

 

פירוט נוסף לגבי היכולות הנדרשות קיים במדריך 'סודותיו של דאטה אנליסט'.

 

שאלה 7: עם אילו כלים דאטה אנליסט עובד – ואילו כלים יהרסו לו את הקריירה עוד לפני שבכלל התחיל אותה?…

 

קיימים הבדלים בהתאם לנישה האנליטית, אך ברמה הבסיסית הכלים החשובים הם כלי ניתוח ועיבוד דאטה כמו אקסל ו-SQL ברמה גבוהה מאוד.

 

ומהי "רמה גבוהה מאוד"? ישנם הרבה ניואנסים, אבל בגדול מדובר בפונקציות העיקריות של עיבוד נתונים, ופחות בנושאים טכניים מתקדמים המחייבים שימוש בקוד.

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)

 

כלים אחרים כמו Tableau , ושפות סקריפט כמו R או פייתון יכולים מאוד לסייע, אך חשוב להבין מה נדרש ללמוד ובאיזה שלב.

 

מה שממש לא נדרש דאטה אנליסט לדעת הוא לתכנת – ודאי שלא בתחילת הדרך.
להיפך – זה יכול להסיט מאוד את האנליסט מהידע והכלים שכן נדרש להכיר כבר בהתחלה – בין אם לצורך ראיונות העבודה או לצורך התפקיד.

 

יש הרבה מאוד מועמדים שמבזבזים חודשים בלימוד כלים שלא יקדמו אותם לעבר העבודה – רק בגלל שקראו במקום כלשהו שצריכים ללמוד אותם!

 

לכן, חשוב להבין בדיוק אילו כלים נדרשים בכל שלב, ובעיקר – אילו כלים ממש לא נדרש ללמוד בתחילת הדרך.

 

עוד דבר שחייבים לשים אליו לב הוא דרישות של מעסיקים לכלים מסוימים.

 

בחלק גדול מהמקרים קיימות דרישות לכלים סטנדרטיים, אך קיימות משרות הדורשות כלים ספציפיים ופחות נפוצים.

 

ומאחר ויש הרבה מאוד כלים ייחודיים בתחום הדאטה, חשוב לזהות כלים ספציפיים כאלה ולא להיכנס ל"מערבולת" של לימוד כלים שלא יקדמו אתכם.

 

ושוב, חשוב להדגיש, שהכלים הם רק חצי מהתמונה בארסנל של ה-Data-Analyst.


החצי השני של התמונה – המהותי יותר – הוא צורת החשיבה הייחודית של דאטה אנליסט:

איך לגשת לבעיות עסקיות "מעורפלות", ולהפוך אותן לתוצר מוחשי.


ואת זה נדרש ללמוד במקביל לכלים הטכניים.

 

 

רוצים לקבל טעימה מאיך נראות שאלות 'מהחיים' שעשויים לשאול אתכם בראיונות עבודה?

 

בדקו את קובץ תרגילי ה-SQL לדוגמה של 'מועדון הנתונים'.

 

המחשה מפורטת לשאלות ומשימות אנליטיות מועברת גם בסדנת 'הנתיב המהיר לקבלה לעבודה כ-Data-Analyst '.

 

 

שאלה 8: מהי רמת השכר בתחום ומדוע זה לא באמת אמור לעניין אתכם?

 

ישנה שונות מהותית בהתאם לנישה האנליטית, לסוג החברה ולותק, אך הטווח הסביר מדבר על כ-9-15 א' ש"ח בתור שכר התחלתי, ולאחר מספר שנים השכר מזנק באופן משמעותי – במיוחד בהייטק.

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)

 

העניין הוא שבתחום הזה יש הרבה מאוד אנליסטים 'אפורים', שמבצעים בעיקר שליפות של SQL ועובדים ברמה מאוד טכנית.
אנליסטים כאלה סביר שייתקעו בתפקידים פחות מעניינים וברמות שכר יחסית סטנדרטיות, והם לא ממש יאהבו את העבודה שלהם…

 

אבל מי מהם שיודע להתעלות מעבר למשימות הטכניות, ולהמשיך ללמוד כל העת כלים ושיטות חדשות ומתקדמות, וליזום פרויקטים המשלבים גם חשיבה עסקית ותהליכית – יוכל להתבלט;
אנליסטים כאלה יידעו לשלב מגוון יכולות וכלים, ובאמצעותם ליצור תובנות חדשות ולדחוף כל הזמן רעיונות וכיוונים לשיפור לשכבת המנהלים.

 

אותם האנליסטים עם יכולת משולבת טכנית-עסקית – יכולים להפוך לנינג'ה של דאטה, ו"להכות" את רמות השכר בצורה דרמטית.
כמה דרמטית? בסדר גודל של פי 2-3 מהמשכורת ההתחלתית – לאחר מספר שנים, וקידום לרמה ניהולית כמובן גם בהחלט אפשרי.

 

בשביל להגיע לרמה הזו, חייבים לפתח יכולות גם ברמה הטכנית וגם ברמה האנליטית – בשביל להקדים את יתר האנליסטים בשוק.
וכמובן – יכולת למידה עצמית היא קריטית בתחום הזה.

 

רוצים להבין יותר לגבי השכר של דאטה אנליסט?

הנה לינק למאמר מקיף בנושא השכר של דאטה אנליסט.

 

 

שאלה 9: איזה תואר נדרש על מנת להפוך ל-Data-Analyst ואיזה תואר יהיה פחות רלוונטי?

 

דרישות לימודים לצורך הפיכה לאנליסטיםעל מנת להפוך ל-Data-Analyst נדרש בלא מעט מקרים תואר כמותי – בדגש על הנדסת תעשיה וניהול, כלכלה או סטטיסטיקה.

 

יחד עם זאת, במקרים מסוימים ניתן להפוך לאנליסטים גם מתחומים משיקים כמו מנהל עסקים, לוגיסטיקה, מדעים מדויקים וכיו"ב.

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)

 

תארים מתחומים 'רכים' יותר (הומניים) נוטים פחות לקבל תעדוף אצל מגייסים, מאחר והתחום נחשב לריאלי.

 

ועדיין – ישנם לא מעט מקרים, שבהם גם לאחר לימוד של תואר הומני (ואפילו ללא תואר) אפשר להפוך ל-Data-Analyst (או נישה אחרת בתחום) – בתנאים מסוימים.

 

לדוגמה – אם כבר יש ניסיון בעבודה עם דאטה ברמה זו או אחרת.

 

ישנן אפילו משרות מסוימות, שבהן קיימת עדיפות לתארים הומניים – בעיקר לאור קירבה לצדדים רכים יותר בתהליכי קבלת החלטות של לקוחות (או משתמשים באתרי אינטרנט/אפליקציות).

 

ככלל, אם דאטה אנליסט אמור לזהות בעיות דרך דאטה ולהציע רעיונות לפתרונות, אז אפשר לחלק את התמונה באופן הבא:

  • למי שהגיע מהתחום הכמותי יהיה קל יותר לזהות את הבעיות.

     

  • למי שהגיע מהתחום ההומני יהיה קל יותר לחשוב על הפעולות האפשריות לשיפור המצב.

 

ככה שבכל סיטואציה אפשר למצוא את היתרון היחסי, וזו גם קצת אמנות בהיבט הזה.

 

אפשר לזהות את היתרון היחסי במספר צורות, ומומלץ מאוד לעשות תהליך כזה עבור כל מי שנמשך לתחום בשביל למצב את עצמכם לקראת חיפוש העבודה.

 

לסיכום: תואר אינו השיקול היחיד בבחירת מועמדים, אבל הוא בהחלט מהווה גורם חשוב מאוד בהחלטה של מגייסים לזמן אתכם לראיונות.

 

 

עדיין תוהים אם מה שלמדתם רלוונטי לתחום?

מוזמנים לשאול באימייל: eyal@datappl.com.

 

 

שאלה 10: האם באמת חייבים לעשות קורס דאטה אנליסט בשביל להתקבל לעבודה?

 

אצל הרבה אנשים קיימת התפיסה שלהפוך להיות דאטה אנליסט מחייב הרשמה לקורס דאטה אנליסט כזה או אחר.

 

המציאות עשויה להיות קצת שונה…

 

אין חובה ללמוד קורס כלשהו, אך כל מקרה לגופו – ייתכן שקורס מסוים יעזור לשפר סיכויים לקבלה לעבודה במקרה אחד, אך במקרה אחר אפשר להתקדם ללא קורס – כל עוד קיים הידע הנדרש בשביל להבין מה רוצים מכם בראיונות ואיך לגשת לשאלות.

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)

 

העניין הוא כזה:
כמעט כל הקורסים בשוק (אינטרנט או קורסים פיזיים) מתמקדים בעיקר בלימוד הרבה מאוד כלים טכניים – "ארגז כלים";

אבל במציאות – לא את כל ארגז הכלים הזה צריכים מיד על ההתחלה.

להיפך – לימוד תיאורטי של כלים טכניים יכול אפילו להסיט אתכם מהדבר הכי חשוב בתפקיד – צורת החשיבה.

 

ישנם הרבה מאוד אנשים שלקחו קורסים (גם באינטרנט וגם פיזיים), ואז הגיעו לראיון וחטפו שוק מסגנון השאלות.

 

שלא לדבר על זה שבכל ראיון כנראה ישאלו אתכם משהו אחר לחלוטין…

 

פיתוח צורת החשיבה של דאטה אנליסט היא כנראה הדבר היחיד שיסייע לכם להתמודד עם שאלות מהסוג הזה.

ואותה צורת החשיבה זה לא משהו שלומדים עם הרבה מאוד כלים טכניים, אלא בצורות אחרות…

 

מאחר וצורת החשיבה היא משהו יחסית מופשט, אחת הדרכים האפקטיביות להבין במה מדובר הוא לראות דוגמה בלייב.

למי שמעוניין בדוגמאות כאלה – הן קיימות בסדנת 'הנתיב המהיר לקבלה לעבודה כ-Data-Analyst '.

 

 

שאלה 11: איך אפשר לדעת אם התחום בכלל מתאים לי? מתי זה סתם בזבוז זמן בכלל להתחיל?

 

הרבה אנשים שבודקים את התחום ושוקלים להיכנס אליו מחפשים קודם כל לבחון האם הוא בכלל מתאים להם – מבחינת אישיות, תחומי עניין, יכולות וכיו"ב.

 

החדשות הטובות הן שישנן שיטות יחסית פשוטות להבין אם על הסף התחום בשבילכם או לא.

 

לדוג', אם אתם חוששים מההיבטים הטכניים של התחום, אפשר לנסות ללמוד לבד כלים טכניים כמו SQL ולהתחיל לנתח דאטה בבית.

 

אם אתם מתחברים לאתגר שבשליפה וניתוח של דאטה ומסוגלים לשבת שעות מול המחשב ולחפש את התובנה המעניינת – כנראה שהתחום מתאים לכם.


קוראים לזה גם "לדבר דאטאית"…

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)

 

מצד שני, אם קשה לכם עם הכלים הטכניים, או שאתם מתקשים להתחבר לדברים ברמה הלוגית – כנראה שהתחום פחות מתאים לכם.

 

אם אתם במצב שאתם לא באחד מהקצוות – צריכים להבין מעט יותר לעומק מה בדיוק מושך אתכם בתחום.

 

ואגב, אם הסיבה היחידה שמושכת אתכם בתחום היא רמות השכר – אז כנראה שחבל לכם על הזמן והמאמץ – כי זה לא מקצוע שלומדים בלי ממש לאהוב אותו.

 

המוקד המדויק של המשיכה לתחום הוא קריטי, כי הוא יכול להכווין אתכם לנישה אנליטית שונה בצורה מהותית ממה שחשבתם.

 

לא מעט מועמדים מוצאים את עצמם לומדים קורס BI רק בשביל להגיע למסקנה שהם רוצים להיות אנליסטים, והבנה כזו אפשרית גם בשלב הרבה יותר מוקדם.

 

זה יכול לחסוך לכם הרבה זמן, כסף ותסכול.

 

 

רוצים לבדוק על הסף אם התחום מתאים לכם?

בדקו את מדריך 'ללמוד SQL בשעה'.

 

 

שאלה 12: אז מה בתכל'ס הסיכוי שלי להתקבל לעבודה בתחום?

 

שאלת מיליון הדולר…

הסיכוי למצוא עבודה תלוי מאוד ברקע – ניסיון קודם בתחום, תחום לימודים, היכרות עם כלים ועוד.

 

במידה ומגיעים עם רקע מתאים – ולומדים את הידע הנדרש – אפשר להתקבל יחסית בקלות (אפילו תוך מספר שבועות).

 

מצד שאני, ללא ניסיון בתחום וללא תואר רלוונטי (או בכלל) – תהליך חיפוש העבודה עשוי להיות מאתגר למדי.

 

זה כמובן עדיין אפשרי, אבל יהיה יותר ממושך וקשה.

 

(רוצים לדעת עוד? לחצו כאן להמשך הקריאה…)

 

רוב האנשים נמצאים באמצע הדרך:

  • מצד אחד ישנה זיקה לתחום במה שעשיתם בעבר, ולו בנגיעות (קצת עבודה עם נתונים/אקסל);
  • ומצד שני יש תואר רלוונטי או מספיק קרוב בשביל שיהיה סיכוי סביר לתהליך הסבת המקצוע.
    או במצב שסיימו לימודים בתחום רלוונטי ועדיין אין להם ניסיון בתחום.

 

במצב הביניים הזה ישנן לא מעט פעולות שאפשר לעשות על מנת להגדיל את הסיכויים – במקרים מסוימים אפילו בצורה משמעותית.

 

בנוסף, חשוב לציין כי ישנו גורם אחד, אשר יכול להגדיל בצורה משמעותית את הסיכויים, והוא המשיכה לתחום ויכולת ההתמדה בתהליך החיפוש.

מדוע? כי ככה הצלחה עובדת בחיים – כשמחליטים לעשות צעד מסוים ומתמידים בו עד שמצליחים.

 

לכן – גם אם אתם חושבים שאין לכם את הרקע האידאלי, אבל אתם ממש נמשכים לתחום – שווה לשקול לקפוץ למים ולנסות.

 

 

רוצים להתעמק במה משפיע על הסיכויים שלכם לעסוק בתחום הדאטה?

הנה מאמר מפורט בנושא.

 

 

יופי, השתכנעתי ללכת על התחום, איך מתחילים את התהליך?

 

אז זה היה תיאור על המקצוע דאטה אנליסט – באמת על קצה הקרחון.

 

כן, למרות האורך של המאמר 🙂

 

יש עוד הרבה מאוד מה לדעת, וכמובן פעולות מאוד ספציפיות שיוכלו לקדם אתכם בתהליך ההפיכה לאנליסטים.

 

הצעד הראשון הוא פשוט:

לקבל מידע יותר מקיף על התחום – בין אם בשביל להבין מעט יותר על תחום הדאטה, להבין האם התחום מתאים לכם או מהו הצעד הראשון בתהליך ההסבה.

 

ואיך עושים את זה? איך מתחילים להפוך לאנליסטים?

מתחילים עם מדריך 5 השלבים למשרת דאטה אנליסט של 'מועדון הנתונים'.

 
 

 

 

בהצלחה בהמשך!

 

 

Share
השארת תגובה