Napjaink egyik legdinamikusabban fejlődő területe az adatelemzés tudománya, ami a megfelelő szűrési feltételek beállításától magába foglalja az átfogó összefüggések megállapítását és az adatvizualizációs technológiákat is. Ahhoz, hogy igazán elmélyülhessünk benne, ugyan nincs szükség mélyreható fejlesztői ismeretekre, de oda-vissza sokat segíthet munkánkban bizonyos programozási nyelvek és adatbázisok ismerete. De ki tudhatná jobban mindezt, mint a terület egyik hazai szakértője?
Jobbágy Szabolcs számítógépes időhatékonysági trénert, MS Excel, VBA és Power BI szakértőt kérdeztük karrierútjáról, a Data Analyst skillsetjéről, az adatvizualizáció napjainkban betöltött szerepéről és sok másról is. Olvass tovább, és tudj meg róla többet, hogyan léphetsz te is a nyomdokaiba!
Hogyan indult el szakértői karrierútján?
„Közgazdászként végeztem Budapesten, majd több multicégnél dolgoztam HR illetve Training & Development területen, a pénzügyi/kontrolling területeket is támogatva. Rengeteg táblázatot, kimutatást, riportot kellett készítenem, elemeznem, diagramokkal kellett vizualizálnom az adatokat.
Mivel gyerekkorom óta szerettem számítógépen programozni (még a Commodore számítógépeken indultam 😊) a munka „való világába” érkezve rendszeresen gyűjtöttem a megoldásokat. Amikor sikerült megoldanom egy problémát Excelben vagy más Office programokban, vagy sikerült valamit gyorsabban megoldani, mint ahogy „tanították”, bemásoltam a megoldásokat egy fájlba, képernyőfotókkal együtt, így folyamatosan bővült az „anyag”. Pár év múlva már számítógépes időhatékonyság oktatásokat tartottam a kollégáimnak, majd rájöttem, hogy ez más cégek munkatársainak is hasznos lenne.”
A nagyvállalati tapasztalat ezen a területen kimondottan hasznos lehet, még ha később saját utakon folytatnánk tovább. Nemcsak azért, mert a nagyobb cégek óriási felhalmozott adatmennyiséggel rendelkeznek, hanem mert működésük fenntartásában elengedhetetlen a folyamatos innováció is.
„A multicégeknél tanult Six Sigma, Lean és egyéb technikákat is beépítettem az oktatásaimba, melyek arra fókuszálnak, hogy gyorsbillentyűkkel, képletekkel, validálással, makrókkal stb. hogyan lehet a legtöbb időt nyerni a napi munkában, ill. a legtöbb manuális feladatot automatizálni.
Először a főállásom mellett kezdtem el a tréneri vállalkozásomat, majd néhány év után már főállás nélkül, csak a tréningek tartásával foglalkoztam, ill. Visual Basic makró programozási, adatbázis-fejlesztési (Access, SQL), adatelemzési (Power BI stb.) projekteket csináltam az ügyfeleimnek. A későbbiekben folyamatosan tovább képeztem magam, újabb technológiákat megtanulva, bővítve ismereteimet.”
Hogy néz ki a Data Analyst skillsetje? Milyen technológiákat használ mindennapjai során?
- MS Excel, Access (adatbázis-kezelés) és egyéb MS Office programok
- Visual Basic (VBA) makró programozás – Excel, Word, Outlook, PowerPoint automatizálására
- Adatelemzés:
- PowerPivot (kimutatások, kalkulációk, elemzések),
- Power Query (adattisztítás, adatok átalakítása),
- Power BI (adatvizualizáció, dashboard-ok látványos diagramokkal),
- SQL adatbázisok: MS SQL, MySQL (adatok hatékony tárolása adattáblákban, és azok összekapcsolása, adat-lekérdezések SQL nyelven)
- Python – Pandas (adatelemzés, adattisztítás/adatátalakítás stb. – több tízmillió soros adattáblák esetén is gyors megoldás),
- Webalkalmazások fejlesztése – frontend: HTML, CSS, JavaScript + React library,
backend: Node.js + Express
Ha érdekel a Data Analyst szakma, az induláshoz szükséges skillsetet megszerezheted 12 hetes átfogó képzésünkön, amelyet Jobbágy Szabolcs mellett Farkas Máté, a Microsoft Data Platform tanácsadója és hivatalos trénere vezetnek. A tanulás online formában, így a saját időbeosztásod szerint zajlik majd, a szakmai fejlődésedet azonban izgalmas gyakorlati feladatok és rendszeres élő oktatói konzultációs alkalmak is segítik. Így felmerülő kérdéseidet szabadon felteheted szakértőinknek, semmi nem marad megválaszolatlanul! Erről itt tudhatsz meg többet.
„Szerintem az Excel tapasztalat az alapja az egésznek, az adattáblák, kimutatások, diagramok logikájának megértése sokat segít a többi területen is. Illetve az időhatékonyság, mint a „misszióm”, küldetésem, hogy a hagyományos oktatásokon tanított megoldásoknál hogyan tudjuk gyorsabban megoldani a rendszeres feladatokat, egér helyett gyorsbillentyűkkel, manuális adatbevitel helyett képletekkel, sok lépésből álló feladatsorozatok helyett makrókkal, adatelemzés pedig az erre kitalált eszközökkel (Power BI, Python stb.).”
Szinte a csapból is az folyik, hogy a világot az adatok irányítják. Ezek határozzák meg, hogy mi jelenik meg az üzenőfalunkon, hogy kinek a posztjait és hirdetéseit látjuk, de a gazdasági szereplők döntéshozatalában is jelentős szerepet játszanak. A rendelkezésünkre álló adatokból felismerhetők veszélyre figyelmeztető minták, amik segítségével megjósolhatóak, megelőzhetőek, vagy legalábbis mérsékelhetőek olyan válsághelyzetek, amik egy cég esetében például csődhöz, vagy jelentős gazdasági recesszióhoz vezethetnek. Szabolcsot, aki már 20+ éve aktív résztvevője az adatelemzés területének fejlődésének, saját tapasztalatairól is kérdeztük ezzel kapcsolatban.
Mi a szerepe az adatvizualizációnak napjainkban? Hogyan járul hozzá a vállalkozások üzleti sikereihez?
„Sok vezető, illetve ügyfél a sima adat-táblázatokból nem látja, nem érti, hogy az a „szám-erdő” mit mutat. Nekik látványosabban, érthető módon kell megmutatni az adatokat, diagramok formájában és még jobb, ha több diagramból álló dashboardokat készítünk, amelyek több szempontból is megmutatják az adatokat. Ezek szűrőkkel, „szeletelő” (slicer) gombokkal szűrhetőek évre, negyedévre, hónapra, hétre, termékre, vevőre, munkatársra stb.
Sokkal gyorsabban meg lehet tehát hozni a döntéseket, és jobb döntéseket is tudnak hozni a dashboard-ok segítségével, ezen a „műszerfalon” folyamatosan követhetik a legfontosabb mutatószámokat, és azonnal változtathatnak, amikor rossz irányba fordulnak az adatok.”
Mi volt a legkülönlegesebb, vagy a legnagyobb sikert hozó projekt, amiben részt vett?
(Ha publikus)
„Nekem azok a legsikeresebb projektek, amikor az ügyfél munkatársai nemcsak megtanulják a tréningeimen a technikákat, hanem be is építik a napi munkába, felturbózzák a fájljaikat, elemzéseiket, és látom-hallom a visszajelzéseikből, hogy éveken keresztül alkalmazzák őket. Belevésődik a „DNS”-ükbe, a „vérükben van” a gondolkodásmód, szemlélet és a konkrét időhatékonysági, automatizálási technikák.
Vannak ügyfeleim, ahol már többszáz munkatárs részt vett a tréningemen és hozzájárulhattam így az egész céges „kultúra”, gondolkodásmód átalakulásához. Illetve sokszor a korábbi tréning résztvevőim céget váltanak, és a következő cégükhöz is „átviszik” a tanultakat, ott is beépítik, sőt oda is meghívnak, hogy új kollégáikat is képezzem ki.”
Mekkora volt a legnagyobb adatmennyiség, amivel dolgozott? Milyen adatbázist használt hozzá?
„Az 50millió+ soros adattáblák voltak eddig a legnagyobbak, ami még nem számít „Big Data”-nak, de azért nem egyszerű megküzdeni az elemzésével, adattisztításokkal, aggregálásokkal, több tábla összekapcsolásával stb., az Excel vagy Access pl. már nem elég erre, és a Visual Basic ill. a Power Query használatakor is túl hosszú volt a feladatok lefutási ideje.
Itt az adatok az ügyfél adatbázisából CSV fájlokban érkeztek, és a Python programnyelvvel, a Pandas library segítségével hatékonyan végre tudtam hajtani a feladatokat, optimalizálva a kódokat, hogy ne fussanak a programok túl sokáig.
Ha csak max. pár százezer, pár millió soros tábláink vannak, azokra a Power Query is remek megoldás, és abban a legtöbb esetben nem is kell kódolni (sokan idegenkednek a kódolástól, nem mindenkinek való), és a Visual Basic makrók is remekül működnek, ahhoz már kell kódolni, de szerintem ez az egyik legegyszerűbb programnyelv, mindenkinek ezt ajánlom indulásként, ha szeretne beletanulni a programozásba.”
Milyen módszerrel / logika alapján szűri és tisztázza le a kapott nyers adatokat?
„A kód „helyesírása”, szintaktikája az adott szoftvertől, programnyelvtől függ, de a gondolkodásmód hasonló mindenhol, csak annyi adatot érdemes leszűrni, lekérdezni, amennyire szükségünk van, hogy ne legyen túl nagy az adathalmaz.
Nézzünk erre egy példát!
Ha több évnyi adatunk van pl. az SQL adatbázisban, de nekünk csak az utolsó félév kell, akkor csak annyit kérdezzünk le. Csak az elemzésünkhöz szükséges OSZLOPOKAT kérdezzük le, és csak a szükséges vevők, termékek, lokációk stb. SORAIRA szűrjünk. Egy több gigabyte méretű adatbázisból az adatelemzéshez sokszor csak annak töredéke szükséges, és a kalkulációk, adattisztítások, elemzések már sokkal gyorsabban lefutnak. Illetve, ha a szeletelő gombokkal változtatjuk a szűrést, akkor is gyorsabban frissülnek a diagramok, kimutatások.
Mit tart fontosnak egy-egy riport elkészítése során? Hogyan érdemes pl. prezentálni?
„A riportok, dashboard-ok elkészítésénél folyamatosan vonjuk be a vezetőt/ügyfelet, aki használni fogja és döntéseket fog hozni belőlük. Amikor az első, V1 verziót megcsináltuk, küldjük át neki, hogy próbálgassa, tesztelgesse, és a tapasztalatai alapján rögtön fog mondani több „apróságot”, hogy kényelmesebb, egyszerűbb legyen neki a rendszer.
Utána a V2 verzióba már ezeket be tudjuk tenni, és így mehetünk tovább, átküldve az újabb verziókat, és az ügyféltől visszakapva folyamatosan finomítva. Lehet, hogy csak a V10 vagy V15 verzió lesz a „végleges”, de végig oda-vissza megy az információ. Nincs annál rosszabb, mint ha sok-sok napos/hetes önálló munka után átküldöd neki a szerinted „kész” fájlt, és egy halom olyan változtatást kér, aminél alapjaiban meg kell változtatni egy csomó mindent a fájlban, adatbázisban, kódban.
A riportokat, dashboardokat úgy érdemes megalkotni, hogy a lehető legegyszerűbben használható legyen, és elsőre meg lehessen érteni, mi mit mutat, mi mire való.
A kimutatások, diagramok fölé tegyünk „beszédes” címet, legyen ott a mutatószám, az időtáv, a mértékegység. Alkalmazzunk feltételes formázást (pl. piros-sárga-zöld), hogy azonnal lássuk a jó, közepes és rossz értékeket. A szeletelőkkel lehessen szűrni minden fontos dimenzióra, termékre, vevőre, időtávra stb.
A kimutatásoknál, diagramoknál eleve figyeljünk arra, hogy a vezető/ügyfél milyen időtávot, periódusokat szeretne látni, pl. magas szintű vezetőnek hosszú távú (év, negyedév), operatív vezetőnek rövid távú (nap, hét), középvezetőnek pedig középtávú (hét, hónap) elemzésre lehet szüksége.”
Általában kikkel dolgozik együtt? (pl. fejlesztők, adatbázis adminisztrátorok, Data Scientist-ek stb.) Hogyan néz ki a közös munka?
„A tréningek során a céges ügyfelek képzésszervezőivel dolgozom együtt, illetve a résztvevők vezetőivel (milyen speciális igényeik vannak, mely témákban fejlődjenek a kollégáik), és persze a tréningek során a résztvevőkkel, szívesen megválaszolom az egyéb speciális kérdéseiket is, segítek, ha elakadtak valamiben.
Az automatizálási-fejlesztési projektekben pedig az adott riportok, fájlok, adatbázisok, web-alkalmazások kulcsfelhasználóival (kontrolling, mérnökség, logisztika, HR, adatelemzők stb.). Végig vesszük a pontos igényeiket, mely manuális folyamatokat automatizáljon a megoldás, mely mezőket hogyan validáljunk (legördülő listából választás, a számok milyen intervallumba eshetnek stb.), mely adatokat mely adatforrásokból importáljunk be. Milyen kimutatásokat, diagramokat szeretnének látni a végén, milyen szűrési lehetőségekkel (szeletelők) stb. És természetesen a cégek informatikus kollégáival is együttműködöm.
Milyen karrierlehetőségek állnak azok előtt, akik most elsajátítják a Data Analyst skilleket?
„Akár alkalmazottként, akár alvállalkozóként rengeteg helyen szükség van és lesz Data Analystekre, BI (Business Intelligence) szakértőkre, akik a múltbeli adatok elemzésével előrejelzéseket tesznek, segítenek tervezni a jövőre. Megállíthatnak például olyan trendeket, amelyek rengeteg veszteséget okoznak a cégeknek, beindíthatnak olyan pozitív változásokat, amelyekre eddig senki sem gondolt, csak mert nem látták a „lényeget” az adatok mögött.
Sokan csak felületesen nézik az adatokat, a mutatószámok értékeit, „a jéghegy csúcsát” látják és rossz következtetéseket vonnak le. Csak „tüneti” kezelésre jók a meghozott intézkedéseik. De akinek jók az elemzési képességei (analytical skills), az képes az adatok „mélyére” látni, a problémák igazi „gyökerét” megtalálni.
Aki a rendelkezésre álló szoftvereket jól használva képes ezt gyorsan, hatékonyan megtenni, majd érthető, látványos formában a vezetők, ügyfelek tudtára adni, az az ember „aranyat ér” a cégeknél, rengeteg időt és pénzt spórolva nekik.”
Ha beszélhetne 10 évvel ezelőtti önmagával, milyen szakmai tanácsot adna neki?
„Talán azt mondanám, hogy aktívabban, tudatosabban keressem a tovább fejlődési lehetőségeket, bővítsem ismereteimet, a meglévő munkák, megbízások mellett is. Bár így visszanézve a megtanult és alkalmazott technológiákra, tényleg nincs okom panaszkodni.”
Mit ajánl azoknak, akik most vágnak bele a tanulásba? Milyen módszerekkel érdemes tanulni?
„Minden héten x órát „tegyél félre” új dolgok megtanulására, önfejlesztésre, bármennyire is „sok a munka” meg „el vagy havazva”. Amikor nem a napi rutin feladatokat csinálod, hanem időt fektetsz be a jövőbe.
Nézz meg Youtube tutorial videókat, vegyél részt webináriumokon, olvass cikkeket, csatlakozz szakmai Facebook vagy más csoportokhoz. Kísérletezz, teszteld az új technikákat, fejleszd tovább a fájljaidat, riportjaidat, alkalmazásaidat, csinálj konkrét projekteket.
Ha nincs céges projekt, akkor gyakorolj magán jellegű hobbi-témákban, pl. filmek, zenék, csillagászat stb., amit amúgy is szeretsz, így még élvezetesebb lesz a tanulás. Csinálj pl. Power BI riportokat a kedvenc filmjeidről, zenéidről, vannak publikus adatbázisok a web-en, SQL adatbázisban tárolhatod az adatokat és a Power BI-ból SQL lekérdezéssel húzhatod be onnan az elemzéshez szükséges, előszűrt adatokat. Sokkal gyorsabban fejlődünk, ha projekt-alapon tanulunk.”
Egyszavasok:
- Név – Jobbágy Szabolcs
- Titulus – Számítógépes időhatékonyság szakértő, tréner
- Iroda vs Home Office, vagy hibrid? – 90%-ban Home Office-ban dolgozom, és ez remekül működik.
- Kávé vs Tea, vagy energiaital? – Kávé.
- Milyen gépen dolgozik? – Laptop + monitorok (és fontos, hogy ergonomikus irodai szék + állítható magasságú asztal, a monitorok szemmagasságban)
- Hány monitort használ? – Három, ami szükséges is, mert sokszor 5-6 ablakban kell párhuzamosan dolgozni.
Nézd meg 12 hetes átfogó Data Analyst képzésünk tematikáját és tedd meg az első lépést szakmai fejlődésed felé akár már ma!
Ha tetszett az interjú és szívesen tudnál meg többet a témáról, érdemes bekövetni Facebook oldalunkat, rendszeresen érkezünk ugyanis ingyenes webináriumokkal, valamint változatos szemináriumokkal, amelyekből sokat tanulhatsz. Youtube csatornánkon pedig visszanézheted korábbi szakértői beszélgetéseinket és fejlesztési projektekbe is belepillanthatsz.
