Ambasador Vendy

Osobně si myslím, že do analytiky může skočit kdokoliv (bez ohledu na předchozí vzdělání), pokud rád analyzuje a tahle problematika ho opravdu přitahuje. Pokud se už nyní věnuješ byznysové problematice, tím lépe. Analytická řešení mají sloužit lidem, přesněji manažerům/řídicím pracovníkům. Pokud člověk nepochopí jejich požadavky a záměry, nemůže vytvořit řešení, které jim bude pomáhat v rozhodování a které budou skutečně využívat. Proto je analytika tak úzce spjata s byznysem. To také napovídá, že klíčem úspěchu analytických projektů je nejen technická genialita řešení, ale také soft skills – umět komunikovat s klienty, prodat jim řešení, rozumět jejich potřebám. Náš guru analytiky David Slánský říká, že jen 10 % (času? úspěchu?) analytického řešení závisí na pokročilých analytických metodách (jako machine learning apod.), 30 % na „normálních“ analytických postupech (řekněme klasické BI) a až 60 % jsou právě soft skills a komunikace. Nicméně záleží jen na Tobě, jakou cestu si vybereš. Zajímá Tě technická část či využití statistiky? Pak se můžeš naplno ponořit do data science. Zajímá Tě spíš design či správná interpretace dat? Pak se zaměříš na vizualizace. Uplatnění najde, dle mého názoru, kdokoliv.

DAB je o komplexním pohledu na data a analytiku – to znamená včetně architektury, řízení, legislativy, zasazení do businessu, soft-skills. Z praktických aspektů lze jmenovat základní a pokročilou analytiku (machine learning, statistika, BI), trendy (např. textová a obrazová analytika, chatboti, cloud BI, robotika), ve kterých se učí a uplatní znalost programování (SQL, Python, R). Celý program pak doplňují volitelné předměty a stáž v datové firmě nebo účast na datovém projektu (viz sekce o stážích).

Přijímačky by měly být ve formě testu z teorie (klasická multiple choice s více variantami správně), menší část by se měla věnovat nějaké praktické aplikaci znalostí (představuji si to např. jako naprosto jednoduchý příkaz SQL nebo interpretaci dat v grafu). Co se týče přípravy, doporučuji opravdu rozumět principům Business Intelligence (BI), které můžete s přehledem nastudovat v knize kolektivu autorů Self Service Business Intelligence: Jak si vytvořit vlastní analytické, plánovací a reportingové aplikace (Grada 2018), a doplnit je znalostí trendů a rozvoje data a analytiky v souboru knih Davida Slánského Data a analytika pro 21. století. Nezapomeňte však také na „opáčko databází“, na kterých to celé stojí.

Věřím, že kromě pevných základů v BI je dobré mít představu o podnikové informatice (jakou úlohu v ní hraje BI a datová analytika, jak IS podporuje byznys procesy), o databázích a SQL (když se naučíš logiku jednoho jazyka, učení ostatních Ti půjde mnohem snáze). Pár „prázdných míst“, která je třeba vyplnit, můžete zaplňovat instinktivně i během studia, nicméně při dané intenzitě výuky a její modulové formě doporučuji mít před nástupem do ročníku základy v malíku.

Vzhledem k nabitému rozvrhu Data a analytika pro business (DAB) povinné stáže v rámci tohoto programu nahrazují vedlejší specializaci (realizují se místo ní, vedlejší specializaci například na jiné fakultě VŠE, jak je zvykem na jiných magisterských programech, si tudíž nelze v rámci DAB zapsat). Stáž lze nově absolvovat nejen v datové firmě, ale doložit také účastí na datovém projektu (např. pro neziskovou organizaci nebo v rámci školy). Zadání a rozsah projektu však bude muset být v souladu s programem (odsouhlasen odpovědnou osobou na škole). Klíčové je pro splnění „předmětu“ stáže naplnění rozsahu 550 h (stáží nebo projektů tak může být případně několik, které v součtu činí potřebný počet odpracovaných hodin). Jelikož se jedná o povinnou součást studia, nejsou stáže honorovány. Stáž i projekty jsou skvělým podkladem pro vypracování diplomové práce.

Škála profesí, na kterých se s datovým magistrem lze uplatnit, je široká a asi zcela nedohlédnu na veškeré možné pozice. Navíc v každé firmě tyto pojmy znamenají něco jiného. V mé společnosti Business Intelligence Consultant znamená, že vytváříme řešení od jeho začátku až po analytické výstupy (tzn. řešíme, jak dát zdrojová data dohromady, jak je ukládat apod., tak komunikaci s klientem, design a vizualizaci reportů či návrh celého řešení, což vyžaduje hodně znalostí a dovedností z různých oblastí). Naopak jinde může taková pozice datového analytika znamenat třeba jen „hrátky s daty v excelu“. Takže pro zjednodušení – záleží zejména na tom, jakým směrem se vydáš, jestli Tě zajímá víc technická stránka řešení a implementace nebo umění dané řešení navrhnout v kontextu všech možných dostupných technologií nebo chceš datové analytice rozumět, abys mohl řídit datové projekty nebo taková řešení prodávat. Uplatnitelnost je dle mého názoru obrovská. Stačí se podívat na pracovní portály, jaké pozice inzerují nejčastěji.