:strip_icc():strip_exif()/u/46486/RayBan.jpg?f=community)
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.
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.
Al is het nieuws nog zo slecht, het wordt leuker als je het op zijn Brabants zegt :)