Dátový analytik
Od štatistickej gramotnosti cez SQL, Python a BI nástroje až po experimenty a data storytelling, cesta k prvej analytickej pozícii.
Prihlás sa a sleduj, koľko z 38 úloh roadmapy máš hotových.
Pre študentov a juniorov, ktorí chcú z dát robiť závery, nie len tabuľky, a mieriť na pozíciu dátový alebo biznis analytik. Roadmapa ide od štatistickej gramotnosti a interpretácie cez nástroje (tabuľky, SQL, Python alebo R, BI) k experimentom a prezentovaniu výsledkov. Na konci dokážeš zodpovedať biznisovú otázku od surových dát po jasné odporúčanie a obhájiť každé číslo v ňom.
Kroky
Krok 1: Štatistická gramotnosť
Priemer, medián, rozptyl, podmienená pravdepodobnosť a p-hodnota sú slovník, ktorým analytik hovorí. Bez nich sa dá vyrobiť graf, ale nie záver, a práve závery sú to, za čo analytika platia. Hotovo je, keď pri každej súhrnnej hodnote vieš povedať, čo skrýva, a z popisu dát odhadneš, ktorá miera je zavádzajúca.
Témy na portáli
Zdroje
Krok 2: Interpretácia a vizualizácia dát
Percentá vs. percentuálne body, orezané osi, korelácia vs. kauzalita, väčšina chýb v rozhodovaní vzniká pri čítaní čísel, nie pri ich výpočte. Vizualizácia je zároveň najsilnejší nástroj analytika aj najľahší spôsob, ako zavádzať. Hotovo je, keď pre daný typ dát a otázku vyberieš vhodný graf, vieš ho obhájiť a na cudzom grafe odhalíš manipuláciu.
Témy na portáli
Zdroje
Krok 3: Tabuľky: Excel a Google Sheets
externé zdrojeTabuľkový procesor je stále najrozšírenejší analytický nástroj na svete a vo väčšine firiem prvé miesto, kde dáta pristanú. Kontingenčné tabuľky, vyhľadávacie funkcie a podmienené agregácie vyriešia prekvapivo veľa úloh bez kódu. Hotovo je, keď z neupravených dát spravíš kontingenčnú tabuľku, spojíš dve tabuľky cez XLOOKUP alebo VLOOKUP a vieš povedať, kedy už tabuľkový procesor nestačí.
Zdroje
Krok 4: SQL
SQL je jazyk, ktorým sa pýtaš databázy, a databáza je miesto, kde žijú firemné dáta. SELECT, JOIN, GROUP BY, poddotazy a okenné funkcie pokryjú väčšinu analytickej práce. Hotovo je, keď bez pomoci napíšeš dotaz, ktorý spojí tri tabuľky, zagreguje po mesiacoch a vypočíta podiel každej kategórie na celku.
Úlohy
Zdroje
Krok 5: Python s pandas alebo R
Keď dáta nesedia do tabuľky alebo analýzu treba zopakovať každý týždeň, prichádza skriptovanie. Python s pandas je dnes štandard, R s tidyverse je rovnocenná voľba najmä v akademickom a štatistickom prostredí, vyber si jeden a choď do hĺbky. Hotovo je, keď načítaš CSV, vyčistíš chýbajúce hodnoty, spravíš agregáciu po skupinách a výsledok vykreslíš, celé v jednom skripte.
Úlohy
Zdroje
Krok 6: BI nástroje: Power BI, Tableau, Looker
externé zdrojeDashboard je spôsob, ako analýzu odovzdať ľuďom, ktorí nebudú čítať tvoj kód. BI nástroje spájajú dátový model, vizualizácie a zdieľanie, a v mnohých inzerátoch na analytika je aspoň jeden z nich. Hotovo je, keď postavíš dashboard s tromi prepojenými vizualizáciami nad reálnymi dátami, s filtrom a jasnou odpoveďou na jednu biznisovú otázku.
Zdroje
Krok 7: Experimenty a A/B testy
Keď chceš vedieť, či nová verzia stránky alebo kampane naozaj funguje, potrebuješ kontrolovaný experiment, nie porovnanie „pred a po". Veľkosť vzorky, p-hodnota, interval spoľahlivosti a typické pasce (viacnásobné testovanie, predčasné ukončenie) rozhodujú o tom, či je výsledok reálny. Hotovo je, keď navrhneš A/B test vrátane potrebnej veľkosti vzorky a správne interpretuješ jeho výsledok.
Úlohy
Zdroje
Krok 8: Data storytelling a biznis kontext
Analýza, ktorú nikto nepochopí, nezmení žiadne rozhodnutie. Dobrá prezentácia začína otázkou, ktorú si niekto položil, pokračuje jedným hlavným zistením a končí odporúčaním, a rozumie metrikám biznisu, pre ktorý vzniká. Hotovo je, keď výsledok analýzy zhrnieš na jednu stranu pre manažéra, ktorý má päť minút, bez straty poctivosti voči dátam.
Úlohy
Zdroje
Krok 9: AI nástroje pre analytika
Jazykové modely dnes napíšu SQL dotaz, vysvetlia cudzí kód, navrhnú graf alebo zhrnú dáta, no rovnako ľahko vymyslia stĺpec, ktorý v tabuľke nie je. Analytik, ktorý rozumie limitom modelov, ich používa ako rýchleho juniora, nie ako autoritu. Hotovo je, keď s pomocou AI zrýchliš rutinnú analýzu a každý vygenerovaný výpočet vieš nezávisle overiť.
Témy na portáli
Zdroje