Biznes Analitikası - Hara gedək?
İki yol ayrıldı sarı meşədən,
Təəssüf, ikisini də gedə bilmərəm.
Mən bir səyyah idim, durub dayandım
Bacardığım qədər aşağı baxdım.
Yolun kolluqlara getdiyi yerə.
Robert Frostun "Gedilməyən Yol" şeiri həyatımda karyeramla bağlı ani qərar verdiyim anda qarşıma çıxmışdı. Mənim də önümdə iki yol var idi o zaman. Və ikisini birdən gedə bilməzdim. Bir çox hallarda isə qarşımızda ikidən daha artıq yol olur. Birini seçəndə, digərlərini itiririk. O digərlərinin gətirəcəyi potensial bir fayda var idi. Ona iqtisadi dildə deyilir alternativ dəyər və ya itirilmiş dəyər. İqtisadiyyat bir kənara dursun həyatda çox vaxt seçimlər haqqında fikirləşərkən bizi onun adından çox mahiyyəti maraqlandırır. Biz də şeirdəki səyyahtək bir meşədə oturub fikirləşirik. Günümüzdə xüsusən peşə seçimində bu cür qərarsızlıqlar yaranır. Nəzərə alsaq ki, bir çox səbəblərdən dolayı təhsil aldığımız və arzuladığımız sahə fərqli ola bilir, bu heç də təəccüblü deyil. Bəzilərimiz ali təhsil seçimində qərar vermə prosesində başqalarının fikirlərini ön plana çəkib, təhsil aldığımız müddətdə ixtisasımızla maraqlarımızın uyuşmadığının fərqinə varırıq və ixtisasımızı dəyişmək qərarına gəlirik. Bu zaman da yeni öyrənməyə hazırlaşdığımız mövzuların çətinliyi, hər şeyə sıfırdan başlamaq qorxusu, ətrafdakı insanların fikirləri bizi sıxa bilir və oturub atdığımız addımın doğruluğunu sorğulayırıq. Bəhs etdiyim bütün bu prosesləri çox yaxşı bilirəm və başa düşürəm, çünki bütün bunları birəbir yaşamışam.
İlk öncə onu demək istərdim ki, hansı yolu seçiriksə, seçək, hər zaman digər yollar seçilməmiş qalacaq. Və ən pis qərar belə qərarsızlıqdan yaxşıdır. Odur ki, yaxşı götür-qoy edib bir qərar vermək, nə qədər çətin olsa da o qərarın ardınca getmək lazımdır. Karyera ilə bağlı atılmalı olan ilk addım qərar verməkdir. İkinci addım isə seçdiyimiz yolda inamla addımlamaq.
Datadan çox "data" var...
İndi isə gələk məhz data yönümlü peşələr üzrə karyeraya. Data günümüzdə ən çox sərf olunan sözlərdən biridir. Və təəssüf ki, bəzən data özü adı qədər istifadə olunmur. Buna görə də, data yönümlü peşələrlə bağlı illüziya yaranır. Hamı datadan istifadəni bilməlidir, lakin hamı data analitik və ya scientist olmalı deyil. Datanın dövrümüzün yeni trendi olması digər peşələrin tamamilə sıradan çıxması demək deyil, əksinə həmin peşələrin inkişaf etməsi deməkdir. Beləliklə, bizim müxtəlif sahələr üzrə daha güclü mütəxəssislərə ehtiyacımız var. Məsələn, əgər bir həkim tibbdə nəzəri və praktiki cəhətdən güclü deyilsə, data ona heç bir fayda verməməklə yanaşı, zərər verəcək. İkinci bir problem isə Data Scientist sözünün çox ümumiləşməsidir. Günümüzdə data ilə uzaqdan-yaxından əlaqəsi olan hər kəsə yanlışlıqla Data Scientist deyilə bilir. Bununla yanaşı, bu cür peşələrlə bağlı əslində ehtiyac duyulmayan tələblər qoyula da bilir.
Hərtərəfli bir Data Scientist təkbuynuzlu at kimidir...
Yəni hələki insanlıq belə bir nümunə ilə qarşılaşmayıb (necə deyərlər, Null hipotezi inkar etmək üçün əlimizdə yetərincə dəlil yoxdur). Data Science bir komanda işidir və işin hər hissəsini müxtəlif şəxslər görür. Yeri gəlir komandadan kimsə digərini əvəz edir, ancaq yenə də hər kəs öz işinin ustası olur, başqasının işində isə köməkçi qismində rol alır. Unutmadan, bunu da qeyd edim ki, data yönümlü peşələrdə öz istiqamətinizi zamanla formalaşdıra və dəyişə bilərsiniz.
- Bacarmaram.
Yuxarıda izah etdiyimiz problemlərdən dolayı Data Science yolunda yeni addım atan insanlarda fikir qarışıqlığı yaranır.
Ən çox ehtiyat edilən məqam isə "birdən sonra marağım azalar" və "birdən bacarmaram" qorxularıdır. Təbii ki, hər hansısa bir yolu seçəndə gedib çatdığımız mənzilin, ya da elə yolun özünün gözlədiyimiz kimi çıxmamaq ehtimalı var. Ona görə ilk öncə kiçik addım atıb, özümüzə səhv etməyə icazə verməliyik. Bunun üçün marağımızı cəlb edən istənilən mövzu haqqında bir həftə vaxt ayırıb dərin araşdırma edərək müxtəlif insanların subyektiv və obyektiv fikirlərini nəzərə almaq məsləhətdir.
Niyə Data Scientinst olmamalıyıq?
Hər araşdırma prosesində olduğu kimi burada da doğru sual formalaşdırmalı (məsələn data science nədir? nəyə görə lazımdır? necə başlamalı?), qərarımıza təsir edəcək amillər müəyyən etməli (əmək haqqı, iş saatları, aktiv vakansiyaların sayı, iş məmnuniyyəti) və yetərli miqdarda data toplamalıyıq. İnsanlardan fikirlərini soruşarkən də təsadüfilik (randomness) və təmsililik (representativeness) prinsiplərini qorumaq üçün onların fəaliyyət göstərdikləri sektorların, tutduqları vəzifələrin (kiçik mütəxəssis, mütəxəssis, aparıcı mütəxəssis, menecer, rəhbər), yaş aralıqlarının müxtəlif olmasına fikir verməliyik. Bu bizə ümumi mənzərə haqqında daha obyektiv məlumat alamağa kömək edəcək. Sosial mediada həm neqativ, həm də pozitiv rəyləri oxumaq və hətta "niyə data scientist olmamalıyam" başlıqlı bloqları araşdırmaq doğru təsəvvür formalaşdırmaq üçün yaxşı üsuldur. Əgər oxuduğunuz neqativ fikirlər və çətinliklər gözünüzü qorxutmursa, o zaman başlaya bilərsiniz. Real iş mühitində Data Science (həmçinin digər ixtisaslar) üzrə təcrübə qazanmaq üçün isə Forage.com səhifəsindən istifadə edə bilərisiniz. Bu cür xidmət göstərən bir çox səhifə var. Lakin bu səhifənin ən əsas xüsusiyyətləri vaxt və müddətin iştirakçının qrafikinə görə idarə oluna biləsi və ödənişsiz olmasıdır. Buna görə də tələbələr üçün əlverişlidir.
Nə vaxt işləməyə hazır olacağıq?
Bu cavabsız sualdır. Və demək olar ki, insan heç vaxt mükəmməlliyin zirvəsinə çatmır. Odur ki, təhsil və inkişaf planlarınıza öncəlik tanımaq yaxşı olar, ancaq çalışın özünüzü "mən bacarmıram", "çox vaxtım gedir", "yaşıdlarımdan geridəyəm" kimi sözlərlə yormayın. Sadəcə o an gördüyünüz işə köklənin. Siz hazır olanda iş sizi tapacaq. Sosial media və çevrənin təsirini də unutmayın. Stanford Universitetinin facebook üzərində məşhur bir araşdırması var və həmin araşdırma nəticəsinə əsasən hər bir insan bir digərindən maksimum 10 nəfər uzaqlıqdadır. Yəni özünüzü və bacarıqlarınızı yaxşı təqdim etdiyiniz təqdirdə bu sizin düşündüyünüzdən daha geniş təsirə malik olur. Odur ki, utanmayın, çəkinməyin, öyrəndiklərinizi paylaşın, həm sizə, həm başqalarına faydalı olsun.
Harada işləsəm daha yaxşı olar?
Bu sualına isə cavab çox genişdir və seçdiyiniz şirkətin əməkdaşlarından, idarəetmə metodundan, biznes fəaliyyətinin prinsipləri və başlıca strategiyalarından asılıdır. Azərbaycan Data Science üzrə təcrübə qazanmağın ən yaxşı yolu, mənə görə, bank, maliyyə, sığorta sahəsidir.
Ələxsus, ali təhsiliniz də maliyyə üzrədirsə, bu sektorda işləmək sizə maraqlı gələcək.
Banklarda adətən ilk öncə işə junior data analyst olaraq başlayırsınız. Bütün junior data analystlər eyni işi görmürlər, ancaq təqribən eyni bilik və bacarıqlara sahibdirlər. Sadəcə, hər kəs fərqli bir sahədə üstünlüyü qoruyur: bir analyst Pythonda güclüdürsə, digəri sqldə güclüdür. Modelləşdirmə üzrə güclü olan şəxslər Data Scientist, datanın toplanmasını, emalını, vizualizasiyanı yaxşı bilənlər Data Analyst, data scinecə layihələrini idarə edə bilənlər Business Analyst, Python proqramlaşdırma üzrə ixtisaslaşanlar Python Developer olur. Ortaq cəhətləri isə odur ki, hər biri layihənin mahiyyətini lazımınca başa düşür və ona görə hərəkət edir. Günü sonunda hər kəs bir-birinin işindən xəbərdardır.
Biznes Analitikası üzrə karyera istiqaməti
Biznes analitikası sahəsindən danışanda hər dəfə qeyd edirik ki, maliyyə, idarəetmə və analitikanın kəsişməsidir. Yəni bu peşə təhsili maliyyə və ya idarəetmə üzrə olan və data analitikası ilə maraqlanan şəxslər üçün uyğundur və Data Science sahəsinə başlamaq üçün yaxşı bir seçimdir. Onu da deyim ki, biznes analitikası sadəcə Data Science komandalarında deyil, başqa sahələrdə də tələb oluna bilir. DS üzrə biznes analitik olduqda isə karyeramızı əsasən aşağıdakı istiqamətlərdə davam etdirmək imkanımız olur:
Data Analitik - SQL, Excel ilə əlaqəli cədvəllər qurmağı, Power BI və Tableau vasitəsilə vizuallaşdırmanı öyrənərək, və bununla yanaşı R və Python üzrə də datanın emalı, vizuallaşdırıması, analizi üzrə bacarıqlarımızı təkmilləşdirərək karyeramızı bu istiqamətə çevirə bilərik. Bu zaman biznes analitikasının bizə qatdığı yüksək araşdırma bacarığı, dünya görüşü, analiz qabiliyyəti bizi daha irəli götürəcək.
Data Scientist - ikisi arasında çox böyük fərq olsa da, idarə edilən layihələrin genişliyi və müxtəlifliyi biznes analitiklərə Data Science üzrə karyera qurmağa kömək edir. Lakin bununla paralel olaraq güclü riyaziyyat, statistika, sahə bilikləri və əsas olan proqramlaşdırma biliklərini öyrənmək və çox çalışmaq lazım gəlir. Bunun üçün Pythonda sadə funksiyaları, alqoritmin əsaslarını və riyaziyyatı öyrənməkdən başlayaraq daha mürəkkəb olan Maşın öyrənməsi ilə davam edə bilərsiniz. Komandada bununla bağlı dəstək ala biləcəyiniz yoldaşlarınız varsa (nəzərə alsaq ki biznes analitiklərin ünsiyyət bacarıqları güclü olur ; - ) ), onlardan yardım istəməkdən çəkinməyin. Mentor dəstəyi bütün çətin işlərdə insanın köməyinə çatır.
Scrum Master - əgər peşənizdə daha çox komanda idarəetməsi, layihələrin izlənilməsi, agile metodların tətbiqi ilə bağlı məqamlar xoşunuza gəlirsə, o zaman bərabər çalışdığınız Agile kouçunuzdan məsləhətlər alaraq Scrum və Agile biliklərini daha yaxşı qavraya və Scrum master ola bilərsiniz. Scrum master hazırda Azərbaycanda tələbatın artdığı, ancaq mütəxəssislərin kifayət qədər olmadığı sahələrdəndir. Əgər marağınız varsa, özünüzü inkişaf etdirib iş tapa bilərsiniz.
Project Manager - Biznes analitikin işinin bir parçasının layihə idarəetməsi və qiymətləndirilməsi olduğundan danışmışdıq. Bunu da deyək ki, biznes analitiklər şirkət daxilində layihə menecerləri ilə yaxından ünsiyyətdə olurlar. Bu da gələcəkdə karyeranı layihə idarəetməsi istiqamətində inkişaf etdirməyə imkan yaradır. Nəzərə alsaq ki, data analizi bacarıqlar artıq bütün peşələr üçün önəm daşıyır, onlar sizə artıq yük olmayacaq, əksinə maliyyə və idarəetmə bacarıqları ilə birləşdiyi zaman sizi tələb olunan kadra çevirə biləcək.
Şeirimizə gəldikdə isə, o belə sonlanır:
Dərin ah çəkərək söyləyəcəyəm
Neçə-neçə illər sonra bir yerdə
İki yol ayrıldı meşədə və mən -
Mən getdim daha az keçilmişindən
Bütün fərq də bundan yarandı elə. Davamı üçün...
Seçdiyiniz yol nə olursa, olsun onu sevin və gördüyünüz işin haqqını verin, özünüz üçün, ailəniz üçün, cəmiyyət üçün və Dünya üçün...
Əgər paylaşımı bəyndinizsə, Challengers' Deep Educational səhifəsinə abunə olaraq yeni bloqlardan xəbərdar ola bilərsiniz.
Data Science ilə bağlı digər bloqlara buradan keçid edin.
Comments