Data Analyst vs Machine Learning Engineer: Excel, Scrum i nie tylko | Wywiad z Kasią Dyl cz. 2
#DataScience #DataScientist #MachineLearning
🟡 Chcesz więcej? kajodata.com/n...
Hype na data science trwa. Prawdopodobnie słusznie. Danych wokół nas przybywa, wielu z nas idzie w kierunku analizy danych i tak, więc być może warto byłoby sięgnąć najwyższej półki. Jak w każdym zawodzie - dobrze mieć wzór, jakąś prawdziwą osobę, która wie jak sprawy wyglądają.
Dlatego zdecydowałem się porozmawiać z Kasią Dyl, które pracuje jako Machine Learning Engineer, czyli częścią Data Science. Oto druga część naszej rozmowy.
Część pierwszą znajdziesz tu: • Pytam Machine Learning...
********************
🟢 Kasię można znaleźć w internetach między innymi tu:
🟡 blog: www.crappydata.pl
🟡 insta: / crappydata
🟡 fb: / crappydata
********************
Plan naszej rozmowy:
00:00 Intro
01:10 Excel, VBA i problemy z analizą danych
09:40 Z jakimi problemami zmaga się analityk?
25:50 Agile i SCRUM a praca analityka danych
38:12 Czy myślenie to także praca?
*******************
Jeżeli chcesz obejrzeć inne moje wywiady ze specjalistami od danych, to zapraszam na dedykowaną playlistę: • Wywiady
Mojego bloga znajdziesz zaś tu: kajodata.com/
Пікірлер: 38
Ja też mam tak mózg przeładowany danymi, właściwie bardzo często towarzyszy mi przekonanie, że można coś bardziej docisnąć. Nawet za każdym razem jestem w stanie to wskazać, przy tak dużej złożoności procesów (np 1/4 danych stanowią już przetworzone informacje z 5 różnych systemów i nie matchuje się to w 100%, ale nie ma czasu, żeby wyjaśnić każdy przypadek). Dlatego ustalamy jakaś logikę działania itd., wyrzucamy tylko ewidentne błędy, problemy, które wychodzą w trakcie (na przykładzie jakiejś małej próbki danych). Nie wydaje mi się, że jest to do pogodzenia w dużej organizacji, żeby czuć się w jakimś temacie tak 100% pewnym. Myślę, że duży wpływ ma osobowość, ja osobiście lubię moją pracę, bo mogę jakoś porządkować chaos w głowie, zazwyczaj jestem pewna swojego działania przy tych założeniach, a z drugiej strony moja kreatywność i ciągłe wątpliwości wzbudzają taką wewnętrzna niepewność ☺️😆(ale serio jestem bystra i wiem, że o konkrety chodzi światu xxi wieku, więc daję je zawsze, a brak esencji zostawiam na życie prywatne) Dzięki za rozmowę!
@kajodata
2 жыл бұрын
Cała przyjemność po naszej stronie :) "brak esencji zostawiam na życie prywatne" zabieram ze sobą :D
Fajny odcinek. To ja dodam, że czasami jak mam zadanie do rozwiązania, które długo mnie angażuje myślowo to czasami rozwiązanie przychodzi we śnie. Muszę tylko pamiętać aby po przebudzeniu szybko to spisać. :)
@kajodata
2 жыл бұрын
Nieźle! To we śnie jeszcze nie miałem 😃
super rozmowa, dzięki!
@kajodata
2 жыл бұрын
Do usług 🙂 pamiętaj by obejrzeć też część nr1!
Excel jest dla biznesu, a nie dla data scientistow. Natomiast VBA nie kończy się na Excelu, używa się go również do automatyzacji pracy z chociażby PDFami (Adobe), Outlookiem, SharePointem, Wordem, PowerPointem, Accessem (...)
@CrappyData
2 жыл бұрын
dokładnie, excel jest idealnym narzędziem dla biznesu, po prostu nie jest profesjonalnym narzędziem do analizy danych
@kajodata
2 жыл бұрын
Myślę, że kluczem jest skala (danych albo automatyzacji) o jakiej mówimy. Niestety, obecnie ilości danych jakimi obracamy i ich jakość (bądź jej brak), nie pozwala na tym by się na Excelu zatrzymać.
@krzysztof6333
2 жыл бұрын
@@kajodata Jak rozumieć termin "Skala Automatyzacji"? Mój punkt widzenia: VBA odpowiada za automatyzację gigantycznej ilości FTE (1 FTE to stanowisko 1 człowieka) w korporacjach i cały czas automatyzuje się kolejne procesy / kolejne FTE - to są gigantyczne oszczędności
@kajodata
2 жыл бұрын
@@krzysztof6333 Przez skalę automatyzacji rozumiem ilość systemów, które ze sobą współdziałają. Jeżeli całość jest w stanie być spięta w Office'owych appkach - pewnie VBA da radę. Natomiast przy pracy z bazami danych obsługiwanymi np. przez zespoły developerskie to nie jest jednak optymalne podejście, bo brakuje przejrzystości i testowalności na którą np. Python pozwoli.
@krzysztof6333
2 жыл бұрын
@@kajodata W tym kontekście jak najbardziej się zgadzam
Spoko odcinek. W zasadzie zgadzam się z Wami jeżeli chodzi o "upiory" pracy analityka. Szczególnie z tym co powiedział Kajo nt. dodania jeszcze jednej kolumny. Co do kanału to więcej data science i więcej pythona proszeee :) Pozdrawiam.
@kajodata
2 жыл бұрын
Dzięki za feedback :)
Pod wpływem tego odcinka (wady Excela), nasunął się pomysł na nową serię odcinków, aby zamiast polecać konkretne narzędzia, to je po prostu opisywać, do czego służą, jakie są ich wady i zalety, do kogo są skierowane, z jakimi innymi programami warto używać itd :). Myślę, że to pomoże świeżakom (m.in. mnie) na zaplanowanie swojej nauki.
@kajodata
2 жыл бұрын
Bardzo fajny pomysł! Myślę, że będę realizował :)
Odnośnie sporu na końcu ja też wolę robić niż myśleć jak to można zrobić 😀. Na stand upy polecam słowo investigation brzmi lepiej i wskazuje, że wykonałeś pracę Edisona, a nie tylko myślałeś. Dziękuję za materiał. Widzę, że wszędzie podobnie.
@kajodata
2 жыл бұрын
INVESTIGATION 😀♥️
Wywiad bardzo fajny Czy udałoby się WAM "zaaranżować" taką przykładową sytuację z którymi zmagają się analitycy?? Chodzi mi o taki przykładowy case dla mnie jako laika- człowieka chcącego się przekwalifikować na analityka.
@CrappyData
2 жыл бұрын
dzięki! proszę napisz do mnie przez socjale lub maila podanego na blogu - postaram się znaleźć jakiś case pod Twoje obecne umiejętności
@kajodata
2 жыл бұрын
A ja ze swojej strony mogę po prostu polecić jeden z filmików: kzread.info/dash/bejne/Z3aXuMWnfNCWmrg.html
Kajo, robisz super robotę!
@kajodata
2 жыл бұрын
A dziękuję pięknie staram się :) choć tu większe brawa należą do Kasi, bo po prostu była super gościem odcinka :)
łapa w górę i oglądamy ;)
@kajodata
2 жыл бұрын
🔥🔥🔥🔥
miły odcinek B)
@kajodata
2 жыл бұрын
A dziękujemy, dziękujemy :)
@CrappyData
2 жыл бұрын
dzięki!
Wyszlo cos fajnego z tych gownianychdanych :)
@kajodata
Жыл бұрын
W sensie że nasza rozmowa? 😉
Excel jest prosty i biznes go rozumie, a 99% procent ludzi w firmie zaangażowanych w analitykę to excelowcy. Jeśli Pythonowiec odejdzie to wszyscy są w czarnej d... I mówię to jako analityk z doświadczeniem w wielu firmach topowych na świecie.
@kajodata
Жыл бұрын
Hmm... ale czy to bardziej świadczy o Excelu, o Pythonie, czy o zarządzaniu ludźmi / projektami?
@Stadnicki82
Жыл бұрын
@@kajodata nie wymagaj od biznesu aby rozkmiali Pythona. Każda organizacja oparta jest o prosty koncept biznesowy - prostota, zrozumiałość, szybkość, koszt. W dodatku 99% ludzi potrzebuje proste statystyki a nie głębokie analiza, takie zleca się na zewnątrz albo przygotowują to dedykowane teamy, które można spotkać głownie w dużych organizacjach, a nawet tam dąży się do prostoty. To, co da się zrobić w Excelu robi się w Excelu bo finalnie dataset i tak jest ledwo na max 100 k wierszy, a osoba decyzyjna potrzebuje tabeli przestawnej. Ja próbowałem w dużej znanej korpo wdrożyć w global marketingu etele na Pythonie, to się poskładali gdy odchodziłem. Bo nawet jak nowa osoba to weźmie, to nie rozumie danych czy skryprologii, a na dokumentację nigdy nie ma czasu. Nowa osoba i tak zrobi po swojemu. Poza tym raporty trzeba generować cyklicznie a nie czekać aż nowo zrekrutowany człowiek przywróci raporty do życia po kliku miesiącach, skoro potrzebne są teraz. I nie zgadzam się totalnie co rozmówczyni mówi, bo jej słowa wynikają z braku doświadczenia. Excel to właśnie prostota zrozumienia, na poziomie wizualnym widzimy co i jak się dzieje, komórka po komórce, w Pythonie mamy czysty kod i ograniczamy pole obsługi do jednej osoby w firmie. Są biblioteki łączące Pythona i Excela, a w niedalekiej przyszłości VBA ma zostać Pythonem bądź R-em zastąpione. Poza tym Excel wszystko potrafi, kiedyś budowałem w nim sieci neuronowe, nawet proste gry. Oczywiści nie pociągnie na większych zbiorach, ale przeliczenia są dokładnie takie same jak w Pythone, bo to czysta matma. Tak więc Excela na razie nic nie zastapi do prostych kalkulacji, a tego w firmie jest co niemiara