{"id":98221,"date":"2020-10-25T02:42:25","date_gmt":"2020-10-25T00:42:25","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/kak-stat-uspeshnym-data-sajentistom-i-analitikom-dannyh"},"modified":"2020-11-18T00:58:46","modified_gmt":"2020-11-17T22:58:46","slug":"kak-stat-uspeshnym-data-sajentistom-i-analitikom-dannyh","status":"publish","type":"post","link":"https:\/\/prohoster.info\/cs\/blog\/administrirovanie\/kak-stat-uspeshnym-data-sajentistom-i-analitikom-dannyh","title":{"rendered":"Jak se st\u00e1t \u00fasp\u011b\u0161n\u00fdm datov\u00fdm v\u011bdcem a analytikem dat","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Jak<\/a><\/noindex>
\nExistuje mnoho \u010dl\u00e1nk\u016f o dovednostech, kter\u00e9 jsou pot\u0159ebn\u00e9 k tomu, abyste se stali dobr\u00fdm datov\u00fdm v\u011bdcem nebo analytikem dat, ale jen v n\u011bkolika \u010dl\u00e1nc\u00edch se p\u00ed\u0161e o dovednostech pot\u0159ebn\u00fdch k \u00fasp\u011bchu \u2014 a\u0165 u\u017e jde o v\u00fdjime\u010dn\u00e9 hodnocen\u00ed pr\u00e1ce, pochvalu od veden\u00ed, pov\u00fd\u0161en\u00ed nebo v\u0161echno v\u00fd\u0161e zm\u00edn\u011bn\u00e9. Dnes v\u00e1m p\u0159edstav\u00edme materi\u00e1l, jeho\u017e autorka by se r\u00e1da pod\u011blila o sv\u00e9 osobn\u00ed zku\u0161enosti z pr\u00e1ce datov\u00e9ho v\u011bdce a analytika dat a tak\u00e9 o tom, co se nau\u010dila pro dosa\u017een\u00ed \u00fasp\u011bchu.
\n<\/a><\/noindex><\/p>\n

M\u011bla jsem \u0161t\u011bst\u00ed: nab\u00eddli mi pozici datov\u00e9ho v\u011bdce, kdy\u017e jsem nem\u011bla \u017e\u00e1dn\u00e9 zku\u0161enosti v oblasti datov\u00e9 v\u011bdy. Jak jsem tuto v\u00fdzvu zvl\u00e1dla, to je jin\u00fd p\u0159\u00edb\u011bh, a chci \u0159\u00edct, \u017ee jsem m\u011bla pouze mlhavou p\u0159edstavu o tom, co datov\u00fd v\u011bdec d\u011bl\u00e1, ne\u017e jsem tuto pr\u00e1ci p\u0159ijala. <\/p>\n

Byla jsem najata k pr\u00e1ci na vytv\u00e1\u0159en\u00ed datov\u00fdch potrub\u00ed d\u00edky sv\u00e9 p\u0159edchoz\u00ed pr\u00e1ci jako in\u017een\u00fdr zpracov\u00e1n\u00ed dat, kde jsem navrhla datov\u00fd sklad pro prediktivn\u00ed anal\u00fdzu, kter\u00fd vyu\u017e\u00edval t\u00fdm datov\u00fdch v\u011bdc\u016f. <\/p>\n

M\u016fj prvn\u00ed rok pr\u00e1ce jako datov\u00e9ho v\u011bdce zahrnoval vytv\u00e1\u0159en\u00ed datov\u00fdch potrub\u00ed pro \u0161kolen\u00ed model\u016f strojov\u00e9ho u\u010den\u00ed a jejich uveden\u00ed do v\u00fdroby. Dr\u017eela jsem se ve st\u00ednu a nez\u00fa\u010dastnila jsem se mnoha sch\u016fzek se zainteresovan\u00fdmi stranami v marketingu, kte\u0159\u00ed byli koncov\u00fdmi u\u017eivateli model\u016f. <\/p>\n

Ve druh\u00e9m roce m\u00e9 pr\u00e1ce ve firm\u011b ode\u0161el mana\u017eer zpracov\u00e1n\u00ed a anal\u00fdzy dat, kter\u00fd byl odpov\u011bdn\u00fd za marketing. Od t\u00e9 doby jsem se stala hlavn\u00edm akt\u00e9rem a aktivn\u011bji jsem se pod\u00edlela na v\u00fdvoji model\u016f a projedn\u00e1v\u00e1n\u00ed \u010dasov\u00e9ho r\u00e1mce realizace projekt\u016f.<\/p>\n

S rostouc\u00edm kontaktem se zainteresovan\u00fdmi stranami jsem si uv\u011bdomila, \u017ee Data Science je neur\u010dit\u00fd pojem, o kter\u00e9m lid\u00e9 sly\u0161eli, ale ne zcela jej ch\u00e1pou, zejm\u00e9na to plat\u00ed pro vy\u0161\u0161\u00ed veden\u00ed.<\/p><\/blockquote>\n

\nVytvo\u0159ila jsem v\u00edce ne\u017e sto model\u016f, ale pouze jedna t\u0159etina z nich byla vyu\u017eita, proto\u017ee jsem nev\u011bd\u011bla, jak uk\u00e1zat jejich hodnotu, p\u0159esto\u017ee byly modely poprv\u00e9 po\u017eadov\u00e1ny marketingem. <\/p>\n

Jeden z \u010dlen\u016f m\u00e9ho t\u00fdmu str\u00e1vil m\u011bs\u00edce v\u00fdvojem modelu, kter\u00fd, jak si myslelo vy\u0161\u0161\u00ed veden\u00ed, m\u011bl demonstrovat hodnotu t\u00fdmu datov\u00fdch v\u011bdc\u016f. My\u0161lenka spo\u010d\u00edvala v tom, \u017ee tento model roz\u0161\u00ed\u0159\u00edme nap\u0159\u00ed\u010d celou organizac\u00ed po jeho dokon\u010den\u00ed a podn\u00edt\u00edme marketingov\u00e9 t\u00fdmy k jeho vyu\u017eit\u00ed.<\/p>\n

To se v\u0161ak uk\u00e1zalo jako naprost\u00fd propad\u00e1k, proto\u017ee nikdo nech\u00e1pal, co model strojov\u00e9ho u\u010den\u00ed vlastn\u011b je, a nedok\u00e1zal pochopit hodnotu jeho aplikace. Nakonec m\u011bs\u00edce vy\u0161lo nazmar, na n\u011bco, co nikdo necht\u011bl.<\/p><\/blockquote>\n

\nZ takov\u00fdchto situac\u00ed jsem si vzala ur\u010dit\u00e1 ponau\u010den\u00ed, kter\u00e1 uvedu n\u00ed\u017ee.<\/p>\n

Ponau\u010den\u00ed, kter\u00e1 jsem z\u00edskala, abych se stala \u00fasp\u011b\u0161n\u00fdm datov\u00fdm v\u011bdcem<\/h2>\n

\n1. Nastavte se na \u00fasp\u011bch v\u00fdb\u011brem spr\u00e1vn\u00e9 spole\u010dnosti.<\/b>
\nB\u011bhem pohovoru se zeptejte na kulturu dat a na to, kolik model\u016f strojov\u00e9ho u\u010den\u00ed se pou\u017e\u00edv\u00e1 p\u0159i rozhodov\u00e1n\u00ed. Po\u017e\u00e1dejte o p\u0159\u00edklady. Zjist\u011bte, zda je datov\u00e1 infrastruktura nastavena pro za\u010d\u00e1tek modelov\u00e1n\u00ed. Pokud str\u00e1v\u00edte 90 % sv\u00e9ho \u010dasu pokusy o z\u00edsk\u00e1n\u00ed a vy\u010di\u0161t\u011bn\u00ed surov\u00fdch dat, nebude v\u00e1m t\u00e9m\u011b\u0159 zb\u00fdvat \u010das na vytv\u00e1\u0159en\u00ed jak\u00fdchkoli model\u016f, abyste prok\u00e1zali svou hodnotu jako datov\u00fd v\u011bdec. Bu\u010fte opatrn\u00ed, pokud v\u00e1s jako datov\u00e9ho v\u011bdce naj\u00edmaj\u00ed poprv\u00e9. M\u016f\u017ee to b\u00fdt jak dobr\u00e9, tak \u0161patn\u00e9, v z\u00e1vislosti na kultu\u0159e dat. M\u016f\u017eete se setkat s velk\u00fdm odporem p\u0159i zav\u00e1d\u011bn\u00ed modelu, pokud vy\u0161\u0161\u00ed veden\u00ed naj\u00edm\u00e1 specialistu na data science jen proto, aby spole\u010dnost vypadala, \u017ee pou\u017e\u00edv\u00e1 data science pro lep\u0161\u00ed rozhodov\u00e1n\u00ed<\/i>, ale nem\u00e1 pon\u011bt\u00ed, co to vlastn\u011b znamen\u00e1. Nav\u00edc, pokud najdete spole\u010dnost, kter\u00e1 je \u0159\u00edzen\u00e1 daty, pak s n\u00ed porostete.<\/p>\n

2. Zn\u00e1te data a kl\u00ed\u010dov\u00e9 ukazatele v\u00fdkonnosti (KPI).<\/b>
\nNa za\u010d\u00e1tku jsem zm\u00ednila, \u017ee jako in\u017een\u00fdr v oblasti zpracov\u00e1n\u00ed dat jsem vytvo\u0159ila datov\u00fd sklad pro t\u00fdm datov\u00fdch v\u011bdc\u016f. Kdy\u017e jsem se stala datov\u00fdm v\u011bdcem, byla jsem schopna naj\u00edt nov\u00e9 p\u0159\u00edle\u017eitosti, kter\u00e9 zv\u00fd\u0161ily p\u0159esnost model\u016f, proto\u017ee jsem intenzivn\u011b pracovala se surov\u00fdmi daty na p\u0159edchoz\u00ed pozici. <\/p>\n

Prezentov\u00e1n\u00edm v\u00fdsledk\u016f jedn\u00e9 z na\u0161ich kampan\u00ed jsem mohla uk\u00e1zat modely, kter\u00e9 generovaly vy\u0161\u0161\u00ed m\u00edry konverze (v procentech), po \u010dem\u017e byla zm\u011b\u0159ena jedna z kampan\u00ed KPI. To demonstrovalo hodnotu modelu pro efektivitu podnik\u00e1n\u00ed, s n\u00ed\u017e m\u016f\u017ee b\u00fdt spojena i marketing.<\/p>\n

3. Zajist\u011bte p\u0159ijet\u00ed modelu t\u00edm, \u017ee uk\u00e1\u017eete jeho hodnotu zainteresovan\u00fdm stran\u00e1m.<\/b>
\nNikdy neusp\u011bjete jako odborn\u00edk na Data Science, pokud zainteresovan\u00e9 strany nikdy nebudou pou\u017e\u00edvat va\u0161e modely k rozhodov\u00e1n\u00ed. Jedn\u00edm ze zp\u016fsob\u016f, jak zajistit p\u0159ijet\u00ed modelu, je naj\u00edt bolestivou oblast podnik\u00e1n\u00ed a uk\u00e1zat, jak m\u016f\u017ee model pomoci. <\/p>\n

Po rozhovoru s na\u0161\u00edm prodejn\u00edm odd\u011blen\u00edm jsem pochopila, \u017ee dva z\u00e1stupci pracuj\u00ed na pln\u00fd \u00favazek, ru\u010dn\u011b proch\u00e1zej\u00ed miliony u\u017eivatel\u016f v datab\u00e1zi spole\u010dnosti, aby identifikovali u\u017eivatele s jednotliv\u00fdmi licencemi, kte\u0159\u00ed maj\u00ed nejv\u011bt\u0161\u00ed pravd\u011bpodobnost p\u0159echodu na t\u00fdmov\u00e9 licence. P\u0159i v\u00fdb\u011bru byly pou\u017eity ur\u010dit\u00e9 krit\u00e9ria, ale v\u00fdb\u011br trval hodn\u011b \u010dasu, proto\u017ee z\u00e1stupci proch\u00e1zeli jednoho u\u017eivatele za druh\u00fdm. S pomoc\u00ed modelu, kter\u00fd jsem vytvo\u0159ila, dok\u00e1zali z\u00e1stupci vyb\u00edrat u\u017eivatele s nejv\u011bt\u0161\u00ed pravd\u011bpodobnost\u00ed zakoupen\u00ed t\u00fdmov\u00e9 licence a t\u00edm zv\u00fd\u0161it pravd\u011bpodobnost konverze v krat\u0161\u00edm \u010dase. To vedlo k efektivn\u011bj\u0161\u00edmu vyu\u017eit\u00ed \u010dasu d\u00edky zv\u00fd\u0161en\u00ed m\u00edry konverze pro kl\u00ed\u010dov\u00e9 ukazatele v\u00fdkonnosti, kter\u00e9 mohou b\u00fdt relevantn\u00ed pro prodejn\u00ed odd\u011blen\u00ed.<\/p>\n

Uplynulo n\u011bkolik let a opakovan\u011b jsem vyv\u00edjela stejn\u00e9 modely a c\u00edtila jsem, \u017ee se u\u017e nic nov\u00e9ho nenau\u010d\u00edm. Rozhodla jsem se hledat jinou pozici a nakonec z\u00edskala m\u00edsto datov\u00e9ho analytika. Rozd\u00edl v povinnostech nemohl b\u00fdt v\u011bt\u0161\u00ed ve srovn\u00e1n\u00ed s dobou, kdy jsem byla datov\u00fdm v\u011bdcem, i p\u0159esto, \u017ee jsem op\u011bt podporovala marketing.<\/p>\n

Byl to poprv\u00e9, co jsem analyzovala A\/B experimenty a objevila v\u0161echny<\/i> Zp\u016fsoby, jak\u00fdmi m\u016f\u017ee experiment selhat. Jako datov\u00fd v\u011bdec jsem nikdy nepracovala na A\/B testov\u00e1n\u00ed, proto\u017ee to bylo vyhrazeno t\u00fdmu experiment\u00e1tor\u016f. Pracovala jsem na \u0161irok\u00e9 \u0161k\u00e1le analytick\u00fdch studi\u00ed, kter\u00e9 ovlivnil marketing \u2014 od zvy\u0161ov\u00e1n\u00ed konverzn\u00edho pom\u011bru pr\u00e9miov\u00fdch segment\u016f a\u017e po zapojen\u00ed u\u017eivatel\u016f a prevenci odlivu. Nau\u010dila jsem se r\u016fzn\u00e9 zp\u016fsoby, jak analyzovat data, a str\u00e1vila jsem hodn\u011b \u010dasu shroma\u017e\u010fov\u00e1n\u00edm v\u00fdsledk\u016f, jejich prezentov\u00e1n\u00edm zainteresovan\u00fdm stran\u00e1m a vrcholov\u00e9mu veden\u00ed. Jako datov\u00fd v\u011bdec jsem se v\u011bt\u0161inou soust\u0159edila na jeden typ modelu a z\u0159\u00eddka vystupovala na prezentac\u00edch. Oto\u010dme se o p\u00e1r let d\u00e1l a poj\u010fme k dovednostem, kter\u00e9 jsem se nau\u010dila, abych se stala \u00fasp\u011b\u0161nou analyti\u010dkou.<\/p>\n

Dovednosti, kter\u00e9 jsem se nau\u010dila, abych se stala \u00fasp\u011b\u0161nou datovou analyti\u010dkou<\/h2>\n

\n1. Nau\u010dte se vypr\u00e1v\u011bt p\u0159\u00edb\u011bhy s daty<\/b>
\nNed\u00edvejte se na KPI jednotliv\u011b. Propojte je a pohle\u010fte na podnik jako na celek. To umo\u017e\u0148uje ur\u010dit vz\u00e1jemn\u011b se ovliv\u0148uj\u00edc\u00ed oblasti. Vrcholov\u00e9 veden\u00ed se na podnik d\u00edv\u00e1 skrze tento objektiv a \u010dlov\u011bka, kter\u00fd prokazuje tuto schopnost, si v\u0161imnou, kdy\u017e je \u010das rozhodnout o pov\u00fd\u0161en\u00ed.<\/p>\n

2. Poskytujte ak\u010dn\u00ed n\u00e1pady<\/b>
\nPoskytn\u011bte podnik\u00e1n\u00ed ak\u010dn\u00ed n\u00e1pad<\/i> k \u0159e\u0161en\u00ed probl\u00e9mu. Je\u0161t\u011b lep\u0161\u00ed je, pokud proaktivn\u011b navrhnete \u0159e\u0161en\u00ed, je\u0161t\u011b ne\u017e se uk\u00e1\u017ee, \u017ee se jedn\u00e1 o prioritn\u00ed probl\u00e9m. <\/p>\n

Nap\u0159\u00edklad, pokud byste \u0159ekli marketingu: \u201eV\u0161imla jsem si, \u017ee se v posledn\u00ed dob\u011b sni\u017euje po\u010det m\u011bs\u00ed\u010dn\u00edch n\u00e1v\u0161t\u011bvn\u00edk\u016f na webu\u201c<\/i>. To je trend, kter\u00fd mohli na sv\u00e9m dashboardu zaznamenat, a jako analytik jste nenab\u00eddli \u017e\u00e1dn\u00e9 cenn\u00e9 \u0159e\u0161en\u00ed, proto\u017ee jste pouze uvedli pozorov\u00e1n\u00ed. <\/p>\n

M\u00edsto toho prozkoumejte data, abyste zjistili p\u0159\u00ed\u010dinu a navrhli \u0159e\u0161en\u00ed. Nejlep\u0161\u00ed p\u0159\u00edklad pro marketing by byl: \u201eV\u0161imla jsem si, \u017ee se v posledn\u00ed dob\u011b sni\u017euje po\u010det n\u00e1v\u0161t\u011bvn\u00edk\u016f na\u0161eho webu. Zjistila jsem, \u017ee p\u0159\u00ed\u010dinou probl\u00e9mu je organick\u00e9 vyhled\u00e1v\u00e1n\u00ed a ned\u00e1vn\u00e9 zm\u011bny, kter\u00e9 vedly k poklesu na\u0161eho hodnocen\u00ed ve vyhled\u00e1v\u00e1n\u00ed Google\u201c<\/i>. Tento p\u0159\u00edstup ukazuje, \u017ee jste sledovali KPI spole\u010dnosti, zaznamenali zm\u011bnu, prozkoumali p\u0159\u00ed\u010dinu a navrhli \u0159e\u0161en\u00ed probl\u00e9mu.<\/p>\n

3. Sta\u0148te se d\u016fv\u011bryhodn\u00fdm poradcem<\/b>
\nMus\u00edte se st\u00e1t prvn\u00edm \u010dlov\u011bkem, na kter\u00e9ho se va\u0161i zainteresovan\u00ed strany obracej\u00ed s \u017e\u00e1dostmi o doporu\u010den\u00ed nebo dotazy k oblasti, kterou spravujete. Neexistuje \u017e\u00e1dn\u00e1 zkratka, proto\u017ee pro prok\u00e1z\u00e1n\u00ed t\u011bchto schopnost\u00ed je pot\u0159eba \u010das. Kl\u00ed\u010dem k tomu je d\u016fsledn\u00e9 poskytov\u00e1n\u00ed vysoce kvalitn\u00edch anal\u00fdz s minimem chyb. Jak\u00e1koli chyba v vypo\u010d\u00edt\u00e1n\u00ed v\u00e1s m\u016f\u017ee st\u00e1t body d\u016fv\u011bry, proto\u017ee p\u0159\u00ed\u0161t\u011b, kdy\u017e poskytnete anal\u00fdzu, se lid\u00e9 mohou pt\u00e1t: Pokud jste se minule m\u00fdlili, mohli byste se m\u00fdlit i tentokr\u00e1t?<\/i>. V\u017edy si svou pr\u00e1ci dvakr\u00e1t zkontrolujte. Tak\u00e9 nen\u00ed na \u0161kodu po\u017e\u00e1dat sv\u00e9ho mana\u017eera nebo kolegu, aby se na va\u0161e \u010d\u00edsla pod\u00edvali, ne\u017e je p\u0159edstav\u00edte, pokud m\u00e1te jak\u00e9koli pochybnosti o sv\u00e9 anal\u00fdze.<\/p>\n

4. Nau\u010dte se jasn\u011b p\u0159ed\u00e1vat slo\u017eit\u00e9 v\u00fdsledky<\/b>
\nOp\u011bt neexistuje \u017e\u00e1dn\u00e1 zkratka k tomu, jak se nau\u010dit efektivn\u00ed komunikaci. To vy\u017eaduje praxi a s \u010dasem se v tom stanete lep\u0161\u00edmi. Hlavn\u00ed je ur\u010dit kl\u00ed\u010dov\u00e9 body toho, co chcete ud\u011blat, a doporu\u010dit jak\u00e9koliv kroky, kter\u00e9 mohou zainteresovan\u00e9 strany podniknout na z\u00e1klad\u011b va\u0161\u00ed anal\u00fdzy, aby zlep\u0161ily podnik\u00e1n\u00ed. \u010c\u00edm v\u00fd\u0161e jste na kari\u00e9rn\u00edm \u017eeb\u0159\u00ed\u010dku v organizaci, t\u00edm d\u016fle\u017eit\u011bj\u0161\u00ed je um\u011bn\u00ed komunikace. P\u0159ed\u00e1v\u00e1n\u00ed slo\u017eit\u00fdch v\u00fdsledk\u016f je d\u016fle\u017eit\u00e1 dovednost, kterou je t\u0159eba prok\u00e1zat. Str\u00e1vil(a) jsem roky studiem tajemstv\u00ed \u00fasp\u011bchu jako datov\u00fd v\u011bdec a analytik dat. Lid\u00e9 definuj\u00ed \u00fasp\u011bch r\u016fzn\u011b. Z\u00edskat hodnocen\u00ed \u201e\u00fa\u017easn\u00fd\u201c a \u201ehv\u011bzdn\u00fd\u201c analytik \u2013 to je \u00fasp\u011bch v m\u00fdch o\u010d\u00edch. Nyn\u00ed, kdy\u017e zn\u00e1te tato tajemstv\u00ed, douf\u00e1m, \u017ee va\u0161e cesta rychleji povede k \u00fasp\u011bchu, jak\u00fdmkoli zp\u016fsobem jej definujete.<\/p>\n

Aby byla va\u0161e cesta k \u00fasp\u011bchu je\u0161t\u011b rychlej\u0161\u00ed, dr\u017ete promo k\u00f3d HABR<\/b>, d\u00edky kter\u00e9mu m\u016f\u017eete z\u00edskat dal\u0161\u00ed 10% slevu na cenu uvedenou na banneru.<\/p>\n

\"Jak<\/a><\/noindex><\/p>\n