Data analitikin iş hekayəsi

03 Sentyabr 1095

Sizi tanıyaq

Salam, adım Fərid Musayevdir. Sumqayıt şəhərində anadan olmuşam. Bakalavr təhsilimi Bilkent Universitetinin Molekulyar Biologiya və Genetika fakultəsi üzrə, magistr təhsilimi isə həmin universitetin təhsil fakultəsi üzrə tamamlamışam. Azərbaycana qayıtdıqdan sonra bir müddət Avropa Azərbaycan Məktəbində biologiya müəllimi olaraq çalışmışam. Hal-hazırda fəaliyyətimi Azərbaycan Respublikasının Təhsil İnstitutunda data analitik olaraq davam etdirirəm.

Data analitik kimdir və hansı öhdəlikləri var?

Data analitik informasiyaları (dataları) diqqətli bir şəkildə analiz edən və datadakı maraqlı nöqtələri tapıb digər insanlara da asan bir dildə çatdırmağa çalışan bir insandır deyə bilərik. Bundan əlavə data analitiklər əllərindəki informasiyalardan istifadə edərək biznes problemlərini aydınlaşdırır və müvafiq həll yolları təklif edirlər. Bir data analitikin əsas öhdəlikləri, datanın təmizlənməsi, müəyyən statistik testlər və ya öyrənmə modelləri əsasında analiz olunması, datanın əsas məqamlarının aydınlaşdırılması, və vizuallarla digər insanlara da çatdırılmasından ibarətdir. Müvafiq sahələrdə bu öhdəliklərdə bəzi fərqliliklər olsa da, əsasən bunlardan və biznes problemlərinin həll olunmasından ibarətdir deyə bilərik.

Sizi bu sahədə çalışmağa motivasiya edən əsas şey nədir?

Əlimdəki datalarla oynamağı, yeni faktlar aşkarlayıb bu faktları digər insanlara da izah etməyi çox sevirəm. Hər dəfə əlinizə fərqli datalar gəldikdə edəcəyiniz araşdırma tapacağınız məlumatlar da fərqli ola bilir. Bunu biraz da hər dəfə fərqli bir cinayətlə qarşılaşan bir xəfiyyənin işinə bənzətmək olar, bəlkə də. Necə ki, xəfiyyələr əllərindəki ipuclarından istifadə edərək cinayətkarı tapmağa çalışır, biz də əlimizdəki məlumatlardan və bacarıqlardan istifadə edərək datadakı əsas məqamları tapıb, işıqlandırmağa çalışırıq. Bundan əlavə bu sahədəki potensial karyera imkanları da, məni motivasiya edən əsas faktorlardan biridir. Sadəcə data analitik olaraq qalmamaq, xüsusilə süni intellekt və maşın öyrənməsi sahələrindəki yenilikləri müşahidə etdikcə insan data sahəsinin ucsuz-bucaqsız bir okean olduğunu anlayır və öyrənəcək hələ çox şeyi olduğunu görüb həvəslənməyə başlayır. Ən azından mənim üçün belədir deyə bilərəm.

Karyeranızın əvvəlində hansı bacarıqları inkişaf etdirdiniz?

Karyerama yeni başlayarkən xüsusilə universitet vaxtı öyrəndiyim proqramlardan istifadə edirdim. Əsasən də magistr vaxtı da öyrəndiyim və məşğul olduğum SPSS Statistics proqramı mənə ilk başlarda çox kömək olmuşdu. Lakin vaxt ilərlədikcə özümü bir data analitikin bilməli olduğu digər proqramlar üzrə də inkişaf etdirməyi bacardım. Xüsusilə R və Python kimi kodlaşdırma dillərini universitetdə öyrənməyə başlasam da, bildiklərimin üstünə yeni şeylər əlavə etməyə başladım. Bundan əlavə Exceli daha dərindən mənimsəməyə və ilk dəfə SQL öyrənməyə başladım. İlk başlarda vizuallarımı Excel və R da hazırlasam da, vaxt keçdikcə Power BI proqramını da öyrəndim. Bu proqramlarla yanaşı statistik və nəzəri biliklərimi də olduqca inkişaf etdirməyə vaxtım oldu. Vaxt keçdikcə və fərqli datalar gördükcə hansı testləri və modelləri istifadə edə biləcəyiniz barəsində bilikdən doğulan intuisiya da yaranmağa başlayır.

Karyeranızda hansı daha dəyərli oldu: təhsiliniz və ya təcrübəniz?

Təhsilimdən göründüyü kimi biraz daha fərqli bir sahədən gəlirəm. Əvvəllər biologiya müəllimi kimi işləsəm də, bir müddətdir biologiya sahəsində fəaliyyətlərimi davam etdirmirəm. Lakin buna baxmayaraq universitet vaxtı öyrəndiyim dərslər, proqramlar və əldə etdiyim nəzəri biliklər mənim üçün xüsusilə ilk başlarda olduqca faydalı oldu. Əlbəttə, karyerama başladıqdan bu tərəfə özümü xeyli inkişaf etdirmişəm, lakin hələki bu nöqtəyə qədər mənim üçün təhsilimin daha dəyərli olduğunu düşünürəm. Gələcəkdə bu sahədə təcrübəm də artdıqca fikrimin dəyişə biləcəyini güman edirəm.

Data analitikin günlük işləri nədən ibarətdir və hansı alətlərdən istifadə edir?

Data analitikin gördüyü işlər ilk əvvəl SQL vasitəsilə databazadan məlumatları çəkməklə başlayır. Daha sonra müəyyən bir müddət datanın təmizlənməsi dediyimiz, təkrarlanan dəyərlərin aradan qaldırılması, boş dəyərlərin doldurulması və ya çıxarılması kimi proseslərlə davam edir. Bunun üçün Excel və ya R və Python kimi proqramlaşdırma dillərindən istifadə etmək mümkündür. Datamız təmizləndikdən sonra artıq maraqlı hissəsinə keçə bilərik. Müəyyən statistik testlərlə və ya maşın öyrənmə modelləriylə datanızda olan maraqlı faktları üzə çıxara və bu faktları komanda yoldaşlarınızla və ya digər şöbələrdən olan əməkdaşlarla da müzakirə edə bilərsiniz. Bu proseslər üçün xüsusilə R və Python kimi proqramlaşdırma dillərindən istifadə olunur. Bundan savayı, sonda əldə etdiyiniz məlumatların olduqca sadə bir dildə müdirlərə və ya digər məsul şəxslərə çatdırılması var. Bunun üçün ilk növbədə aydın vizuallar hazırlamaq lazımdır. Vizualları demək olar ki, yuxarıdakı bəhs etdiyim hər hansı bir proqramla hazırlaya bilərsiniz, lakin xüsusilə vizuallaşdırma üçün hazırlanmış Power BI və Tableau kimi proqramlar daha məsləhətlidir. Çünki həm bu proqramdakı fərqli qrafik imkanları çox olur, həm də seçilmiş rəng çalarları daha göz oxşayıcıdır. Əlbəttə, vizualları hazırladıqdan sonra ya bir prezentasiya, ya da hesabatla əlaqəli şəxslərə yönləndirməlisiniz. Bunun üçün də müvafiq olaraq Microsoft Power Point və ya Microsoft Word-dən istifadə edə bilərsiniz. Və, əlbəttə, məsul şəxslərlə görüşlər, müzakirələr və məlumatların onlara çatdırılması da bu peşənin öhdəliklərindən biridir.

Data analitik digər hansı sahənin şəxsləri ilə müştərək işləməlidir?

Xüsusilə ingilis dilində “stakeholders” dedikləri sizin datanızla maraqlanan şəxslərlə deyə bilərik. Çox vaxt fərqli bizneslərdə bu insanlar menecerlər, marketoloqlar və digər fərqli şəxslər ola bilirlər. Mən hal-hazırda təhsil sahəsində çalışdığım üçün əsasən şöbə əməkdaşlarım, qonşu şöbələrdən olan əməkdaşlar və müdürümlə müştərək işləməli oluram deyə bilərəm. Sahədən sahəyə görə də fərqlilik göstərə bilir bu sualın cavabı.

Peşəkar data analitik olmaq üçün nələrə diqqət edilməlidir?

İlk əvvəl qarşıya qoyulan problemi və ya ehtiyacı anlamaq lazımdır. Biz işləyəcəyimiz layihədə nələri araşdırırıq, nəyi öyrənməyə və ya həll etməyə çalışırıq fikrimcə bu ən vacib nöqtələrdən biridir. Daha sonra gəlir müəyyən qədər statistik və riyazi nəzəri biliklər. Çox dərin bir riyaziyyat biliyinizin olmasına ehtiyac yoxdur, lakin gördüyünüz işi anlamaq üçün müəyyən qədər statistika biliyiniz olmalıdır. Və ən sonda gəlir işlətdiyiniz alətlər. Xüsusilə Excel və SQL bilmək işinizə olduqca kömək edəcək. Bundan yanaşı R və ya Python kimi bir proqramlaşdırma dilini bilməyin də vacib olduğunu düşünürəm. Bununla yanaşı Power BI və ya Tableau kimi bir vizuallaşdırma proqramından da istifadə edə bilirsinizsə sizi hər yerdə axtarırlar deməkdir.

Data analitik olmanın ən yorucu tərəfi nələrdir?

Xüsusilə datadan əldə etdiyiniz məlumatları qarşı tərəfə çatdırmaq bəzən çətin və yorucu ola bilir. Məhz buna görə də vizuallarınızı və təqdimatlarınızı olduqca sadə və anlaşılan hazırlamalı olursunuz. Bundan əlavə qarşı tərəfdən gələn rəylər əsasında müəyyən düzəlişlər etməli olursunuz və bu rəylər çox olduğu halda bu da bir müddət sonra insanı yormağa başlayır. Son olaraq isə digər insanlar kimi data analitiklər də səhv edə bilir. Hansı ki, uyğun olmayan bir statistik testdən və ya modeldən istifadə etmiş və ya izlədiyiniz üsulun düzgün olmadığını anlaya bilməmiş ola bilirsiniz. Bu zaman etdiyiniz analizlərə yenidən başlamalı olsanız da, səhvinizdən yeni məlumatlar öyrənirsiniz və bu bir peşəkar kimi yetişmənizdə olduqca faydalı olur.

Bu sahədə çalışmaq istəyənlərə nədən başlamağı tövsiyə edərdiniz?

İlk başlarda Excel, SQL, kimi proqramları yaxşı bilməyi məsləhət görərəm. Bu proqramları nə qədər yaxşı bilsəniz analiz hissəsinə qədər olan işiniz bir qədər asanlaşır. Daha sonra isə mütləq və mütləq bir proqramlaşdırma dilini yaxşı öyrənməyinizi tövsiyə edərəm. R və Python data sahəsində əsas iki dil olsa da, Azərbaycan və xarici bazarda Python daha çox üstünlük təşkil edir. Odur ki, ikisindən birini öyrənmək istəyirsinizsə məsləhətim Python olardı. Bundan əlavə bir vizuallaşdırma aləti Power BI və ya Tableau bilməyiniz böyük üstünlükdür. Lakin ən vacib hissəsi isə nəzəri və stastika bilgiləridir. Hipotezlərin test edilməsi, fərqlərin statistik olaraq analiz olunması və xətti və loqistik reqressiya modellərinin öyrənilməsi olduqca faydalı olacaqdır. Son dediyim modellər məcbur olmasa da, bilməyiniz gələcək karyera baxımından sizi irəli aparacaqdır. Və ən son olaraq bunu da deyə bilərəm ki, işlədiyiniz sahəni də bilməlisiniz. Çünki işlədiyiniz sahədən asılı olaraq işlədiyiniz datalar da dəyişəcək və bəlkə də ən vacibi dataları başa düşmək olacaq sizin üçün. Bu dediklərim biraz çox görünsə də, bunları öyrəndiktən və öz üzərinizdə işləməyə davam etdikdən sonra data dünyasında əvəz olunmaz kadrlardan biri ola bilərsiniz.

Oxşar yazılar