אנחנו חיים בעולם של דאטה. היכולת שלנו למדוד תוצאות בצורה מדוייקת רק משתכללת, חברות מחזיקות במאגרי נתונים ענקיים על המשתמשים שלהם, נתונים סיכומיים ותחזיות מוגשות למקבלי ההחלטות בלחיצת כפתור, והמון מדענים מנסים לחזות על סמך המידע של היום – איך יראה המחר.
כיום בכל תפקיד, טכנולוגי יותר או פחות, מג'וניור ועד התפקידים הבכירים, צריכים העובדים לשלוט במידע הארגוני. מיומנויות של ניתוח וחשיבה ביקורתית על בסיס נתונים כבר הפכו לנדרשות ביותר בשוק התעסוקה.
בפרק אירחתי את עדיה טל, דאטה אנליסטית ב-retrain.ai, שבנתה את הדרך שלה בעצמה עם הרבה נחישות ומוטיבציה, ועל הדרך הקימה וייסדה את קהילות "המיטאפיסטיות" ו"דאטה קווינס". שאלתי אותה איך מתבטאת המיומנות של שליטה בדאטה? מה ההבדל בין תפקידי הדאטה השונים בארגון? ואיך לפתח את המיומנות הזו?
למה דאטה זו המילה הכי חמה עכשיו?
אנשים רק עכשיו מבינים מה המשמעות של נתונים בעולם החדש.
רוב התפקידים בעולם ההייטק הם לא טכנולוגיים. האנשים הטכנולוגיים מעטים, ודווקא האנשים הלא טכנולוגיים בארגונים צריכים לדעת איך לשאול את השאלות הנכונות, לנתח דאטה ולהפעיל את אנשי הדאטה בארגון כדי להניב תוצאות עסקיות.
לא סתם מיומנויות ניתוח דאטה הן בראש המיומנויות בכמה צורות: שליטה בדאטה, חשיבה ביקורתית ופתרון בעיות. הבסיס לקבלת החלטות טובה יותר הוא דאטה. היום הכל מדיד, זה לא משנה אם אני אנליסט, מנהל מוצר, איש חווית משתמש, אנחנו חייבים להבין מי המשתמשים שלנו ואיך הנתונים והKPIs תומכים ברעיון שלנו.
איך מתבטאת המיומנות של שליטה בדאטה?
רוב הפעמים הקושי הגדול הוא דווקא בהתחלה. אנחנו צריכים לשאול את עצמנו איזה דאטה אנחנו רוצים לאסוף? מה אנחנו רוצים לדעת? איזה מידע אנחנו צריכים על המשתמשים? לאחר מכן יש דרכים שונות לטפל בנתונים גולמיים (DataSet), למשל לבצע פעולות סיכומיות (אגרגציה) וע"פ שורות סיכומיות וסידור נכון של המידע ברשותנו, אנחנו יכולים להסיק מסקנות.
אפשר להתחיל בחיים הפרטיים שלנו, אנחנו מנהלים את החיים שלנו ומקבלים החלטות על בסיס נתונים: איזה מקצוע עדיף? איזה תואר נרצה ללמוד? ההשוואות שאנחנו עושים (למשל של שכר, של כדאיות ללמוד באוניברסיטה כזו או אחרת) נעשות ע"ב נתונים גולמיים (למשל עצות של חברים, מידע מהאינטרנט). זה עובד בדיוק באותה צורה בעסקים.
כשאנחנו ניגשים לדאטה אנחנו רוצים להוציא Insight, תובנה. כדי לעשות זאת אנחנו צריכים להתרכז בפער מהותי שיש לנו כרגע (לדוגמה נטישה של לקוחות בחודש מסוים), לשאול את השאלות שמעניינות אותנו ולהעלות השערות (אולי עלתה אפליקצייה מתחרה? אולי קרתה תקלה טכנית?). לאחר מכן, אנחנו צריכים להבין אילו מן ההשערות שלנו עלולות להיתמך ע"י דאטה שקיים ברשותנו (שאותו כבר אספנו מראש, כחלק מההבנה של איזה דאטה אנחנו צריכים), לתשאל אותו (לנסח שאילתות טכניות) ולקבל כיוון לתשובה. כל תשובה כזו ע"ב דאטה היא תובנה, וזהו תהליך מחזורי שנמשך עד שיש לנו מספיק תובנות שמסבירות את הפער שאיתו התחלנו.
מה ההבדל בין תפקידי הדאטה השונים בארגון?
גם בתוך תחומי הדאטה יש בלבול אדיר בין התפקידים השונים, עד כדי כך שלפעמים חברות שונות לא יודעות אילו אנשי דאטה הם צריכים לגייס. התפקידים נעים על הקשת הרחבה בין מחקר, טכניות ועסקי.
להרחבה נוספת על מה שכתוב כאן, אפשר לעיין כאן, והתרשים שעליו דיברנו בפרק נמצא כאן
Data Analyst נוגע בכולם: גם טכני (ז"א צריך לדעת להשתמש באמצעים טכניים לניתוח דאטה שכוללים גם תכנות), גם בעל חוש עסקי (מבין את האסטרטגיה העסקית של החברה ומשתמש בה כדי לנתח את הדאטה ולהעלות שאלות עסקיות), אבל התחום המחקרי לא חזק מאוד אצלו. הוא מתעסק בכאן ועכשיו, ולא במחקר של משהו עתידי.
Data Scientist לא מחובר ליומיום של העולם העסקי ולשאלות היומיומיות של החברה. הוא אישיות מאוד טכנית אבל גם מאוד מחקרית, הוא חושב כמה צעדים קדימה ובונה על המידע של היום מודלים סטטיסטיים שמנסים לחזות את העולם של מחר, תוך כדי שימוש בבינה מלאכותית. הוא מתעסק ב- "מה יקרה אם".
Data Engineer דומה מאוד לאנליסט מבחינת כישורים, אבל יותר מהנדס את אופן זרימת המידע. הוא "מכין את המידע" לאנליסט, בונה את מאחורי הקלעים בעזרת כלים טכניים. התהליך המרכזי שהוא עושה הוא ETL (Extract, Transfer, Load- תהליך של שליפת נתונים, ביצוע פעולה על המידע, וטעינה מחדש).
איך לפתח מיומנות של שליטה בדאטה?
חלק מההמלצות של עדיה לא מתמקדות בצורה ישירה בדאטה, אלא באופן כללי איך להגמיש את החשיבה שלנו ולפתח אותה.
ראשית עדיה ממליצה בחום רב ללמוד נושאים חדשים שלא קשורים באופן ישיר למקצוע שלכם. קורסארה, יודמי ויוטיוב הם חברים טובים בהקשר הזה. כל נושא חדש יאתגר אותנו מחשבתית ויחשוף אותנו לתחומים חדשים. גם בהקשר הדאטה, יש מגוון רחב של קורסים למתחילים שכדאי לעשות.
בנוסף, עדיה הזכירה מספר דרכים לפתח את החשיבה האסטרטגית שלנו, החל ממשחקים אסטרטגיים של שחמט, פוקר וקאטן. הם גורמים לנו לקבל החלטות בסביבה "לא בטוחה", לפתח חשיבה ביקורתית. עדיה שמה לב אחרי שהיא שיחקה שחמט איך החשיבה הביקורתית שלה מתפתחת. היא התחילה לעבוד בצורה יעילה יותר, נמנעה מטעויות.
אל תפחדו ממספרים ומאקסל, אקסל או אחד החברים הכי טובים שלכם ואחד הכלים הבסיסיים ביותר לעבודה עם דאטה. שלל של קורסים למתחילים ומתקדמים יתנו לכם רקע נהדר, ואז תוכלו להתקדם ולהוריד Datasets שלמים מהרשת ולהתאמן בשאילת שאלות על בסיסם.
הטיפ האחרון הוא פשוט להיות ביקורתי יותר כדרך חיים: כשאתם קוראים תוכן חדש נסו לחשוב האם הוא נכון, האם הוא הגיוני, האם הוא ישים בארגון אצלכם. זכרו שלא תמיד מה שאתם קוראים או רואים זו אמת לאמיתה, ונסו למצוא את האינטרס שעומד מאחורי התוכן. אפשר לקחת את זה גם לתחום הפוליטי (לגבש דעה פוליטית), לתחום הפיננסי (לנהל את התקציב שלכם). אם נעשה את זה, יהיה לנו פחות קשה להיכנס לתחומי הדאטה 
לינקים להעמקה נוספת
קבלת החלטות עם נועה גנות
ההמלצות של עדיה לקורסים למתחילים בתחומי דאטה
קהילת דאטה קווינס (לא רק לנשים)
קהילת המיטאפיסטיות (גם זו לא רק לנשים)
🫂לקבוצת הוואטספ השקטה שלי
צרו איתי קשר
music by https://scottholmesmusic.com