Carriere swittch to data analist / engineer

[syphx]

Beste Tweakers,

Na het afronden van de opleiding commerciële economie (HBO) en een aantal jaren gewerkt te hebben als voorraadbeheerder/planner ben ik nog altijd zoekende naar een functie die echt bij mij past.

Hetgeen wat ik (nog) leuk vind aan mijn huidige functie is het omzetten van ruwe data naar bruikbare informatie en dit te visualiseren (in Excel).
Tijdens mijn herstel van een burnout heb ik een start gemaakt met het leren van SQL en Python wat ik heel leuk vond om te doen. Hier ben ik later mee gestopt toen ik weer aan het werk moest en in het begin niet de energie had om dit naast mijn baan te doen.

Nu ben ik aan het oriënteren en het werk als data analist/engineer lijkt mij zeer interessant.

Antwoorden op onderstaande vragen zouden mij enorm helpen bij mijn keuze en mogelijke vervolgstappen.

1. Hoe ziet een dag van een data analist/engineer eruit?
2. Welke vaardigheden moet een data analist bezitten?
3. Over welke kernkwaliteiten moet een data analist bezitten?
4. Hoe belangrijk is een achtergrond in de IT / certificaten om in aanmerking te komen voor een dergelijke functie?
5. Welke cursus(sen) zou ik moeten/kunnen volgen deze overstap te kunnen maken?
6. Het volgen van een volledige studie is qua tijd financiën gezien geen optie. Het leren van SQL deed ik destijds bij code academy maar daar leer je enkel skills maar ontvang je geen certificaat.
7. Wat is jullie ervaring met code academy en is dit de juiste partij om SQL, Python en R te leren?

Alvast bedankt!

[ikbengeenvis]

1. geen idee, ik ben er niet een.
2. Nauwkeurig kunnen werken (fouten achteraf ontdekken kost veel tijd en geld. Deze eigenschap is in alle facetten van de IT en techniek belangrijk)
3. Als engineer in een andere sector met redelijke it kennis: analytisch vermogen (problemen kunnen oplossingen, verwachte resultaat gebruiken om resultaat te controleren).
4. Essentieel. Ik denk dat je de benodigde competenties moeilijk kunt bewijzen t.o.v een werkgever zonder diploma/ervaring in de sector.
5. Een volledige opleiding is belangrijk omdat engineering/analyse meer inhoud dan leren hoe code werkt.
6. (in jouw geval 7). Prima om een begin mee te maken maar zoals vermeld bij 5 is engineering/analyse meer dan enkel programeren, ik zou dan ook langs gaan bij een open dag van een hbo ICT opleiding. Het huidige onderwijsstelsel is zeer nadelig voor omscholing en 2e studie, hopelijk veranderd een volgend kabinet dit.

[The Eagle]

Even vooraf: wat versta jij zelf onder een data analist? Ik heb het idee dat je daar naartoe neigt namelijk. Maar een analist is heel breed, die kijkt meestal vanuit business perspectief naar data (meest in core systemen) om te kijken waar fouten zitten, of KPI's gehaald worden, etc. Iets zegt me dat jij meer richting het analytics vlak aan de slag wilt (op basis van use cases waarde halen uit gecombineerde data van allerlei bronnen). Klopt dat?

1. Data engineer: afhankelijk van bedrijf. Bronnen ontsluiten, data wrangling, dataflows (pijplijnen) bouwen, runnen, support leveren, gefrustreerd raken doordat je data scientist / analytics collega alle data wil en data governance / privacy nog OK moet geven, achter zaken aan hollen, balen dat je geen root hebt. To name a few.

2 en 3 Analist zou ik zeggen vooral SQL en inhoudelijke kennis van bedrijfsprocessen. Analytics: gaat veel verder. Statistiek, modellen bouwen en testen, programmeren in python, R, Spark, Machine learning wellicht. Ligt er ook aan hoe men zaken binnen een bedrijf gescheiden heeft qua functies. Data scientist / analytics is in principe HBO of WO opgeleid.

4. Aantoonbare ervaring is belangrijker. Het is een pioneerswereld dus als je ervaring hebt met diverse tools helpt dat enorm.

5. Achtrgrond in de IT niet echt noodzakelijk, al helpt het wel. Ligt er aan waar et snijvlak bij je werkgever gelegd wordt. Data engineers moeten vaak ook met linux dingen doen. Iemand moet die bende ook installeren en onderhouden namelijk Er zijn certificeringen, maar die zijn redelijk beperkt. Check bij cloudera, die hebben een mooi overzicht van hoe het zou kunnen. Andere certificeringen zijn de Azure en AWS big data tracks.

6. Dat punt mistte je. Zie 3; kunnen tellen helpt enorm

7. Code academy is exact dat: leert je coderen. Voor SQL, Python en R prima. Check ook eens bij Udemy, kun je hele tracks voor weinig volgen (vaak tientjeswerk).

Qua rolverdeling geeft dit het wel redelijk weer (ter indicatie, is bij iedere bedrijf anders):


Die business stakeholder kan diverse business rollen zijn trouwens, das niet in beton gegoten.

[D. Ninjai]

* D. Ninjai zwaait, data analist hier

1. Hoe ziet een dag van een data analist/engineer eruit?
For the record, ik werk bij de (semi)overheid. Afhankelijk van de opdracht kan ik een halve dag bezig zijn met SQL om gegevens op te halen en als ik complexere queries moet bouwen dan gebruik ik Informatica PowerCenter waardoor het weer eenvoudig wordt. Vooraf heb ik de opdracht wel helder maar tijdens het querien bel ik vaak of zit ik even met de proceseigenaar hoe ik bepaalde gegevens moet interpreteren zodat ik geen fouten ga maken tijdens mijn analyses.

En dan laad ik de data in Excel als het niet meer dan een miljoen rijen zijn en anders in R (Python wil net zo goed). En dan lekker grasduinen; statistieken verzamelen, patronen vinden en verbanden proberen ontdekken. Visualiseren kan in beide programma's voor presentaties en rapportages. Mijn tip betreft visualisaties is het boek 'Show me the numbers' van Stephen Few. Ik maak ook dashboards en dat doe ik met Power BI. Power BI Desktop kun je gratis downloaden om te oefenen.

En dag kan ook bestaan uit overleggen om te kijken waar data analyse kan helpen bij een proces of ik presenteer mijn bevindingen aan een groep, klets met ICT om gegevens geautomatiseerd naar dashboards te krijgen. Het is vrij divers.

2. Welke vaardigheden moet een data analist bezitten?
SQL is belangrijk want je wilt de gegevens zelf ophalen en proceskennis opdoen. En als je je analyses wilt delen dan moet je het verhaal ook goed kunnen overbrengen, zeker als het tegenover het managementteam (MT) moet die in actie moet komen. Excel moet ook geen geheimen voor je hebben en als je je ding kunt doen in R of Python dan ben je er al wat mij betreft.

3. Over welke kernkwaliteiten moet een data analist bezitten?
Nieuwsgierig zijn en het gewoon leuk vinden zodat het voelt als een hobby.

4. Hoe belangrijk is een achtergrond in de IT / certificaten om in aanmerking te komen voor een dergelijke functie?
Eens met The Eagle. Ik heb zelf geen certificaten en heb een achtergrond in Informatiemanagement. Ik vind de opdrachten die je hebt gedaan en de vaardigheden die je hebt ingezet belangrijker dan papieren.

5. Welke cursus(sen) zou ik moeten/kunnen volgen deze overstap te kunnen maken?
Ik heb SQL en R geleerd via DataCamp. Rapportages in Excel via YouTube en door het dagelijks te doen.

6. Het volgen van een volledige studie is qua tijd financiën gezien geen optie. Het leren van SQL deed ik destijds bij code academy maar daar leer je enkel skills maar ontvang je geen certificaat.
Wat is jullie ervaring met code academy en is dit de juiste partij om SQL, Python en R te leren?
In mijn geval heb ik via DataCamp een goede basis gekregen. Maar ik heb de mazzel dat ik daarna ook een bult aan opdrachten kreeg om het toe te passen en bij te houden. Dat laatste is wel belangrijk maar ik ontkom er ook niet aan om te googlen als iets niet wil. Zolang je maar weet dat het bestaat en kan.

[syphx]

The Eagle schreef op woensdag 12 juni 2019 @ 21:27:
Even vooraf: wat versta jij zelf onder een data analist? Ik heb het idee dat je daar naartoe neigt namelijk. Maar een analist is heel breed, die kijkt meestal vanuit business perspectief naar data (meest in core systemen) om te kijken waar fouten zitten, of KPI's gehaald worden, etc. Iets zegt me dat jij meer richting het analytics vlak aan de slag wilt (op basis van use cases waarde halen uit gecombineerde data van allerlei bronnen). Klopt dat?

Dat klopt. Wat ik versta onder data analist is iemand die uit raw data, bruikbare data sets maakt, analyseert (mogelijk visualiseert) door statistische modellen te gebruiken en op basis van deze gegevens een advies uit kan brengen.

Voor het vak statistiek heb ik een 10 behaald (HBO) dus dat zal geen heel groot probleem worden al zal ik het nodige op moeten frissen.

The Eagle schreef op woensdag 12 juni 2019 @ 21:27:
4. Aantoonbare ervaring is belangrijker. Het is een pioneerswereld dus als je ervaring hebt met diverse tools helpt dat enorm.

5. Achtrgrond in de IT niet echt noodzakelijk, al helpt het wel. Ligt er aan waar et snijvlak bij je werkgever gelegd wordt. Data engineers moeten vaak ook met linux dingen doen. Iemand moet die bende ook installeren en onderhouden namelijk Er zijn certificeringen, maar die zijn redelijk beperkt. Check bij cloudera, die hebben een mooi overzicht van hoe het zou kunnen. Andere certificeringen zijn de Azure en AWS big data tracks.

Dat zou echt enorm schelen. Zoals ik al zei is een volledige studie doen geen optie maar kan natuurlijk wel een start maken met het leren van bepaalde skills/tools en certificaten behalen.

Ik ben zo'n persoon die het heel leuk vind om dingen te "bouwen". Als ik kijk naar wat een data engineer doet en wat jij beschrijft dan trekt mij dat misschien nog meer al verwacht ik daar toch wat meer IT kennis van nodig te hebben dan een analist. Dat lijkt de stap in eerste instantie wat moeilijker lijkt te maken.

Deze reacties geven in ieder geval voldoende hoop en stemmen mij positief.
Ik denk dat het goed is om gewoon een start te maken met het leren van een aantal skills en bekend te raken met een aantal tools.

Ik zal de overige sites ook eens bekijken voordat ik een pro-abbo af ga sluiten bij code academy.

Heb je verder misschien nog een advies of iets om mee te nemen waar ik naar ben vergeten te vragen?

Alvast ontzettend bedankt

[syphx]

D. Ninjai schreef op woensdag 12 juni 2019 @ 21:49:
* D. Ninjai zwaait, data analist hier

1. Hoe ziet een dag van een data analist/engineer eruit?
For the record, ik werk bij de (semi)overheid. Afhankelijk van de opdracht kan ik een halve dag bezig zijn met SQL om gegevens op te halen en als ik complexere queries moet bouwen dan gebruik ik Informatica PowerCenter waardoor het weer eenvoudig wordt. Vooraf heb ik de opdracht wel helder maar tijdens het querien bel ik vaak of zit ik even met de proceseigenaar hoe ik bepaalde gegevens moet interpreteren zodat ik geen fouten ga maken tijdens mijn analyses.

En dan laad ik de data in Excel als het niet meer dan een miljoen rijen zijn en anders in R (Python wil net zo goed). En dan lekker grasduinen; statistieken verzamelen, patronen vinden en verbanden proberen ontdekken. Visualiseren kan in beide programma's voor presentaties en rapportages. Mijn tip betreft visualisaties is het boek 'Show me the numbers' van Stephen Few. Ik maak ook dashboards en dat doe ik met Power BI. Power BI Desktop kun je gratis downloaden om te oefenen.

En dag kan ook bestaan uit overleggen om te kijken waar data analyse kan helpen bij een proces of ik presenteer mijn bevindingen aan een groep, klets met ICT om gegevens geautomatiseerd naar dashboards te krijgen. Het is vrij divers.

Dat komt redelijk overeen met wat ik in gedachten had. Het boek is tweedehands al voor een prima prijs te krijgen dus zal daar eens in duiken. Handige tip wat Power BI betreft. Ik heb er wel eens eerder van gehoor dmaar wist niet dat het gratis was.

Een echte Excel goeroe ben ik niet maar durf wel te zeggen dat ik er meer dan goed mee overweg kan. SQL wil ik leren en het overbrengen van informatie is met een beetje voorbereiding geen probleem.

Wat betreft nieuwsgierigheid zit het wel goed. Ik wil normaal gesproken van de hoed en de rand weten.
Het leren van SQL en Python in mijn vrije tijd is ook geen probleem want vind het zelfs leuk om te doen.

[Miks]

http://www.sql-ex.ru/ is een fantastische website om te oefenen, lijkt net werk. Kan behoorlijk complex worden ook.
Maar als data analyst is SQL vooral het ophalen van data.

Kijk ook op kaggle, daar kan je ook veel leren.

Het meest frustrerende van data analyst is de ronduit belabberde kwaliteit van data tegenwoordig. Data binnen 1 systeem gaat nog wel, maar zodra je nieuwe verbanden gaat leggen wordt het janken.

Qua kernkwaliteiten dient een data analyst in mijn ogen zeer kritisch te zijn. Er wordt vaak gevraagd om nice to have rapporten die er eigenlijk niet toe doen. Het stevig kunnen bevragen van de business is dan een USP.

[t_captain]

Met alle respect, in vind de vragen wat schools. Klinkt als zo’n opdracht waarbij studenten een arbeidsmarkt-interview mowten doen

De dag lijkt waarschijnlijk best op je huidige werkdag. Je gaat naar kantoor, doet wat slimme dingen met een computer en gaat naar huis.

Het verschil zit in de inhoud. Je zult nog steeds met getallen bezig zijn, maar dan met wat complexere tooling.

En: programmeren zal iets belangrijker worden in je werk. Niet dat een analist of data scientist ineens een software engineer is, maar je gaat wel wat meer coden. Dat je python leuk vindt, is een goed voorteken.

Tot slot: python en R is voor een beginner een beetje overkill. Afhankelijk van het bedrijf gebruik je meestal een van beide talen. Dan is het beter om je energie te focussen en één van beiden twee keer zo diepgaand te leren. Het is een specialistisch beroep en dan is “een beetje van alles” weten niet de beste arbeidsmarktpositie.

[retoohs]

Er zijn een aantal korte full-time opleidingen die je kan doen:
https://www.novi.nl/bootcamp-data-engineer -> 4 maanden full-time, HBO certificaat
https://it-omscholing.nl -> 5 maanden, Hva, HBO certificaat, je tekent bij een werkgever voor je start

Er zijn ook nog data bootcamps die je kan doen. Het papiertje zal dan minder waard zijn maar waarschijnlijk wel voldoende om aan de bak te komen.

Ik heb zelf wat zelfstudie gedaan in Java om zo makkelijker een werkgever te vinden voor de HvA opleiding. Bij dit programma heb je een werkgever nodig voordat je kan starten (richting Software Engineering in mijn geval). De zelfstudie was voor werkgevers al voldoende om me direct in dienst te willen nemen. Ik heb geen idee of het bij Data Analytics ook zo makkelijk gaat.

Als je de zelfstudie kant op gaat dan moet je goed opletten dat je je opgedane kennis en vaardigheden kan aantonen. Ik heb zelf een portfolio gemaakt op Github en dit laten zien aan werkgevers. Dit heeft veel meer waarde dan een online certificaat van Udemy bijvoorbeeld.

[YamahaR1]

syphx heb jij al een carriereswitch gemaakt naar data engineer/data analist? en hoe heb jij dat gedaan?

Ik wil ook binnen een jaar een carriereswitch maken richting data engineer.

Iemand bekend met de opleiding "HBO Big data analytics" bij NCOI een duur van 1 jaar? Zelf heb ik een HBO diploma Bedrijfseconomie en ben 34 jaar en enige ervaring (basis) met Python.

[indexample]

Heb zelf een master in een van de social sciences, en inmiddels werkzaam als freelance data engineer. Als je interesse en ambitie hebt hoef je echt geen opleiding te doen om succesvol te worden. Zeker in deze tijd waarin de markt erg krap is. Doe wat cursussen in data analyse / sql, vind een junior positie bij een detacheerder, wees leergierig, neem regie over je ontwikkelpad, switch een aantal keer van opdracht, en na enkele jaren ben je veel verder dan een opleiding van een aantal jaar.

[YamahaR1]

Thx indexample, welke opleiding/cursussen zou jij mij adviseren?

Ik dacht aan HBO Big data analytics omdat je toch overal de basis mee krijgt. Maar na contact te hebben met NCOI ben ik toch aan het twijfelen, omdat de opleiding meer voor managers is en leidinggevende.

Voor SQL moet ik toch eerst theorie kennis opdoen in data warehouse, voordat ik een cursus volg. Dus ik ben aan het kijken hoe men de stap hebben gemaakt naar Data Engineer/Data analist (SQL/DBA).

[The Eagle]

Voor SQL heb je helemaal geen theoretische kennis nodig. Relationele tabellen zijn net als excel sheets; rijen en kolommen. Pak gewoon een willekeurige online training en doe je ding. Binnen een week heb je het onder de knie. Gewoon een kwestie van doen