By Natasha Selvaraj, Data scientist

Foto door Caleidico on Unsplash

Data-analisten behoren tot de meest gewilde professionals ter wereld. Dit zijn mensen die bedrijven helpen om weloverwogen zakelijke beslissingen te nemen met behulp van data.

Er is momenteel veel hype rondom data science.

Data science heeft echter een zeer hoge toegangsdrempel. Het is een zeer competitief veld waar iedereen met verschillende onderwijsachtergronden naar op zoek is.

Het is een stuk makkelijker om een ​​baan te vinden in data-analyse dan in datawetenschap.

 
Voor de meeste datawetenschapsfuncties moet je een postdoctoraal diploma in een kwantitatief vakgebied hebben. De meeste data-analisten die ik ken, hebben echter een volledig ongerelateerde achtergrond en hebben geen technische diploma's.

Data-analytische vaardigheden kunnen eenvoudig worden opgedaan door online cursussen te volgen en bootcamps te doen. De leercurve is niet zo steil als die in datawetenschap, en het kan in een kortere tijd worden geleerd.

Zelfs als je geen eerdere programmeer- of technische ervaring hebt, kun je binnen een paar maanden de vaardigheden opdoen die nodig zijn om data-analist te worden.

Met behulp van deze middelen heb ik in slechts zes maanden een stage in data-analyse veiliggesteld.

 
Na een stage van 3 maanden kreeg ik een aanbod om bij het bedrijf te komen werken als data-analist.

In dit artikel beschrijf ik de stappen die ik heb genomen om data-analyse te leren. Het kostte veel vallen en opstaan ​​om deze bronnen te vinden en een routekaart voor mezelf te maken.

Als u deze stappen volgt, kunt u binnen een paar maanden de vaardigheden leren die nodig zijn om een ​​baan voor gegevensanalyse op instapniveau te krijgen. Je kunt het zelfs sneller doen dan zes maanden, afhankelijk van de hoeveelheid tijd die je elke dag besteedt aan studeren.

Stap 1: Leer Python

Foto door Christoffel Gower on Unsplash

Om op het gebied van analytics te komen, moet je eerst een programmeertaal leren. Python en R zijn de twee meest gebruikte talen in dit domein.

Als je net begint, raad ik je ten zeerste aan om Python te leren. Het is een stuk gebruiksvriendelijker dan R en het is makkelijker op te pikken. Python heeft ook een breed scala aan bibliotheken die taken zoals het voorverwerken van gegevens een stuk eenvoudiger maken.

Python wordt ook op grotere schaal gebruikt dan R. Als je in de toekomst een vakgebied als webontwikkeling of machine learning zou gaan leren, hoef je geen nieuwe taal te leren.

Online cursus

 
a) 2020 Compleet Python Bootcamp: van nul tot held in Pythop:

Volg deze cursus als je een complete beginner bent zonder enige programmeerervaring. Deze cursus leidt je door de basis van de Python-syntaxis en je leert over variabelen, voorwaardelijke instructies en loops. Deze cursus wordt gegeven door Jose Portilla, een van de beste instructeurs op Udemy.

b) Python leren voor gegevensanalyse en visualisatie:

Zodra u de basisprincipes en syntaxis van Python begrijpt, kunt u beginnen te leren hoe u er gegevens mee kunt analyseren. Deze cursus leidt je door bibliotheken die specifiek zijn voor data-analyse, zoals Numpy, Matplotlib, Pandas en Seaborn.

Na het volgen van deze twee cursussen heb je een basiskennis van Python en het gebruik ervan op het gebied van analytics. Dan stel ik voor om verder te gaan om wat te oefenen met de taal.

Coderingsuitdagingssites

 
Bezoek coderingsuitdagingssites zoals HackerRank en LeetCode om praktijkervaring op te doen. Ik raad HackerRank ten zeerste aan. Ze hebben coderingsuitdagingen met verschillende moeilijkheidsgraden. Begin met de gemakkelijkste en werk dan omhoog.

Wanneer je met analytics aan de slag gaat, krijg je dagelijks te maken met programmeerproblemen. Sites zoals HackerRank zullen u helpen uw probleemoplossende vaardigheden te verbeteren.

Besteed dagelijks ongeveer 4-5 uur aan het oplossen van Python HackerRank-problemen. Doe dit ongeveer een maand en je programmeervaardigheden in Python zullen goed genoeg zijn om een ​​baan te krijgen.

Stap 2: Leer SQL

Foto door David Pupaza on Unsplash

SQL-vaardigheden zijn nodig om een ​​baan in analytics te krijgen. Uw dagelijkse taak bestaat meestal uit het opvragen van grote hoeveelheden gegevens uit een database en het manipuleren van de gegevens volgens de zakelijke vereisten.

Veel bedrijven integreren SQL met andere frameworks en verwachten dat je weet hoe je gegevens kunt opvragen met behulp van deze frameworks.

SQL kan worden gebruikt in talen als Python, Scala en Hadoop. Dit verschilt per bedrijf waarmee u samenwerkt. Als u echter bekend bent met SQL voor gegevensmanipulatie, kunt u gemakkelijk andere geïntegreerde SQL-frameworks oppikken.

ik nam dit gratis cursus door Udacity om SQL te leren voor data-analyse. DataCamp heeft ook een populaire SQL voor gegevensanalyse track die u kunt uitproberen.

Stap 3: Gegevensanalyse en visualisatie

Foto door Clay Banken on Unsplash

Je moet weten hoe je data analyseert en er inzichten uit haalt. Weten hoe u gegevens codeert of opvraagt, is niet voldoende. Je moet in staat zijn om vragen te beantwoorden en problemen op te lossen met deze gegevens.

Om data-analyse in Python te leren, kun je: dit Udemy-cursus die ik hierboven noemde. Je kunt ook de loopbaantraject data analist bij Datacamp.

Nadat u inzichten uit gegevens hebt afgeleid, zou u in staat moeten zijn om: deze inzichten presenteren. Belanghebbenden moeten zakelijke beslissingen nemen op basis van de inzichten die u presenteert, dus u moet ervoor zorgen dat uw presentatie duidelijk en beknopt is.

Deze inzichten worden meestal gepresenteerd met behulp van datavisualisatietools. Visualisaties kunnen worden gemaakt met behulp van Excel, Python-bibliotheken of business intelligence-tools zoals Tableau.

Als je data-analist wilt worden, raad ik aan om Tableau te leren. Het is een van de meest gebruikte rapportagetools en is gewild bij de meeste werkgevers.

Deze De Udemy-cursus van Kirill Eremenko is een van de beste bronnen om Tableau te leren.

Stap 4: Data Storytelling en Presentatie

Foto door Darius Sankowski on Unsplash

Na het voltooien van de eerste drie stappen, heb je al alle benodigde vaardigheden om een ​​baan op instapniveau in data-analyse te krijgen.

Nu moet u deze vaardigheden presenteren aan een potentiële werkgever. Als je geen technische achtergrond hebt, moet je recruiters laten zien dat je over de nodige vaardigheden beschikt om analist te worden.

Om dit te doen, raad ik sterk aan om een ​​data-analyseportfolio op te bouwen. Bouw dashboards in Tableau, gebruik Python om Kaggle-datasets te analyseren en schrijf artikelen over je nieuw aangescherpte vaardigheden.

Je kunt een kijkje nemen op mijn portfoliosite hier.

Hier zijn enkele voorbeelden van projecten voor gegevensanalyse die u in uw portfolio kunt laten zien:

• Maak een Covid-19-dashboard voor de wereldkaart
• Schraap muziekgegevens van Spotify om de best presterende artiesten te identificeren
• Gebruik LinkedIn-gegevens om regio's met de best betaalde vacatures te identificeren

Door dit soort projecten op je cv te laten zien, val je op bij potentiële werkgevers.

Zorg ervoor dat je verhalen vertelt rond de projecten die je maakt. Documenteer elke stap die je hebt genomen om het project te maken en schrijf er een artikel over. U kunt zelfs uw eigen blog maken en deze artikelen publiceren.

Dit vergroot de kans dat uw artikel in handen komt van een andere persoon, wat betekent dat de kans groter is dat het door een potentiële werkgever wordt gezien.

Conclusie

 
Als u wilt doorbreken in de data-industrie, is data-analyse een goede plek om te beginnen. Het heeft een lagere toegangsdrempel in vergelijking met velden zoals machine learning.

Je zult het leuk vinden om op het gebied van analytics te werken als je van storytelling en het maken van presentaties houdt. Je dagelijkse werk omvat het uitleggen van technische concepten aan niet-technische mensen, en je zult moeten werken aan het verbeteren van je communicatieve vaardigheden.

Onthoud dat data-analyse een vakgebied is waar mensen hun hele leven mee bezig zijn om te leren. Zelfs de individuele vaardigheden die nodig zijn om analist te worden, kunnen een leven lang duren om te leren, dus het is onmogelijk om ze in slechts een paar maanden onder de knie te krijgen.

Dit artikel is alleen bedoeld voor mensen die een baan op instapniveau proberen te krijgen in data-analyse.

Ik ben erin geslaagd om in ongeveer 6 maanden een baan in de analyse te krijgen door de bovenstaande stappen te volgen. Zelfs als u geen eerdere data-ervaring hebt, besteedt u ongeveer 5-6 uur per dag, en u zult in staat zijn om hetzelfde te doen.

Onderwijs is het krachtigste wapen dat je kunt gebruiken om de wereld te veranderen
- Nelson Mandela

 
Bio: Natasha Selvaraj (LinkedIn) Ik volg momenteel een graad in informatica en ik studeer datawetenschap. Mijn interesse ligt op het gebied van machine learning en ik heb aan verschillende projecten in dit domein gewerkt. Ik vind het ook leuk om problemen op te lossen en te programmeren, wat ik dagelijks doe.

ORIGINELE. Met toestemming opnieuw gepost.

Zie ook:

• Top 10 datawetenschapsprojecten voor beginners
• Een gids over hoe u een datawetenschapper kunt worden (stapsgewijze aanpak)
• Datawetenschappers zijn over 10 jaar uitgestorven