Првата група на Академијата за Data Science напредува со високо темпо. Mодулите Advanced Excel, SQL, Data Warehouse и Business Intelligence се веќе зад нас и студентите покажаа изненадувачки перформанси на сите предизвици досега. Но, клучен фактор во формирање на искуството на Академијата игра нашиот тим на инструктори, составен од врвни стручњаци од повеќе домени на индустријата. Затоа пред да преминеме на решавање задачи во Статистика, го префрламе фокусот врз “даскалите“ и си направивме фин муабет со Благој Костовски (SQL, Data Warehouse) и Александар Бошевски (Business Intelligence) за досегашните впечатоци од Академијата и тоа што нè очекува понатаму.
Уписите на Академијата за Data Science се во тек! Поради огромен интерес, групата се полни побрзо од очекуваното. Aплицирај овде.
Само што завршивме со модулите за SQL/Data Warehouse и сега навлегуваме интензивно во Business Intelligence со Power BI. Благој, со оглед на понатамошниот распоред, колку е важно солидно да се совлада SQL на почетокот на Академијата?
Благој: Клучно за секој Data Scientist е детално познавање на податоците со кои што работи. SQL како јазик нуди можност за анализа на сетот на податоци, нивното значење, структура и меѓусебна поврзаност.
Со помош на SQL можеме лесно да обработуваме и форматираме податоци и лесно да ги идентификуваме податоците што ни недостигаат. А, понатаму преку филтрирање, агрегирање и сортирање добиваме детална слика за нивната дистрибуција и организација.
Релационите бази и складиштата на податоци се најчестиот извор на податоци што ги користиме во Data Science проектите, па поради тоа SQL претставува еден од основните јазици кои што треба да ги научи секој Data Scientist.
Александар: Со оглед на фактот што податоците се основа за било каква анализа, од витално значење е да можеме да ги анализираме и подоцна врз основа на таа анализа да носиме стратешки и информирани одлуки кои можат да ни помогнат подобро да работиме или пак да ни решат проблеми од реалниот свет. Процесот на прибирање, процесирање и анализа на податоци мора да се случи некаде, а најчесто податоците се складираат во релациона база, од таму е и неопходно да се совлада SQL како основа за процесирање и понатамошна анализа.
Благој, како си задоволен од учинокот на студентите на твоите модули?
Благој: Групата напредуваше над сите очекувања. Голем дел од студентите веќе имаа долгогодишно искуство во работа со бизнис апликации и во секојдневната работа често употребуваат Excel за обработка на податоците.
Иако SQL како јазик за нив беше нешто ново, студентите во релативно краток период ги совладаа основните принципи за работа со оваа технологија. Почнавме со изработка на нова база поврзана со банкарство, бизнис модел кој што за нив беше веќе познат. Понатау преку градењето на оваа база студентите ги научија принципите на креирање, обработка и анализа на податоците.
Покрај тоа работевме и со јавно достапни бази на податоци, каде што студентите можеа да го применат стекнатото знаење на посложен домејн и извлекоа релевантни информации врз кои би ги базирале идните бизнис одлуки. Вака подготвените податоци претставуваат добра основа за тоа што студентите ќе го работат на модулот по Power BI.
Александар: Можам да го споделам истото мислење со Благој затоа што групата исклучително брзо ја совладува материјата, иако сите овие работи се нови за нив. Претходните модули, Advanced Excel, SQL и Datawarehouse ги подготвија кандидатите за да навлезат во доменот на Business Intelligence каде што го изучуваме PowerBI – алатка што нуди извонредна можност за анализа, обработка и презентација на податоци.
Скоро сме на половина од модулот за PowerBI и можам да кажам дека учесниците веќе ги увидоа можностите за се тоа што можат да прават со податоците кои ги располагаат, и дел од нив почнаа да ги применуваат совладаните техники на нивни податочни сетови.
Александар, Business Intelligence е дефинитивно buzzword во моментов и учесниците на Академијата ќе поминат доста голем дел од наставата на овој модул. Зошто BI е толку популарен домен на Data Science?
Александар: Да, Business Intelligence е buzzword, а тоа се должи на фактот што компаниите сега можат многу полесно и подостапно да прават анализи на податоците што ги поседуваат за разлика од пред неколку години каде што беа потребни многу повеќе ресурси (време, парични средства, програмери) за да се случи тоа.
Сега кога BI решенијата станаа лесно достапни, компаниите се разбудија за потребата и важноста за анализа на податоците во нивното секојдневно работење и од таму произлегува се поголемата популарност.
Business Intelligence е неизоставен дел од доменот на Data Science бидејќи е основа за понатамошни напредни анализа, каде што спаѓаат машинско учење, вештачка интелигенција за откривање на одредени патерни, кои што се склоп на data science генерално.
Да се надоврзам на ова, 14 од 18 учесници во првата група на Академијата ни доаѓаат од финансискот сектор. Сигурно имаш големи очекувања од нив.
Александар: Да, најголемиот дел доаѓаат од финансиски сектор и искрено позитивно сум изненаден од нивниот пристап кон студиите. Сите студенти во групата поседуваат аналитички пристап, љубопитност за податоци, и посветеност за развој во ова поле. Очекувам стекнатото искуство од Академијата да го применат во секторите каде што моментално работат бидејќи во финансискиот сектор има огромен потенцијал за примена на Data Science, посебно кај нас бидејќи се уште сме на почеток во оваа област.
Широката примена, големата побарувачка и големите плати се само дел од низата придобивки што Data Science ги носи со себе. Но, дали ситуацијата кај нас е различна во споредба со САД и земјите од Западна Европа. Кој е вашиот став за Data Science сцената во Македонија?
Благој: Сметам дека во капацитет и способност воопшто не заостануваме зад поразвиените земји. Ако гледаме холистички, проблемот во Македонија е примената на Data Science и немањето на доволно проекти од оваа област. Оние компании што го фатија текот на трансформацијата веќе градат BI и Data Science тимови in-house и не се потпираат на експертизата на странски компании. Така, како што произведуваме квалитетен кадар во Data Science пропорционално ќе се зголемува и бројот на проекти и компании што ќе го инкорпорираат истиот.
Александар: Можеби како држава сме на почеток во оваа област, но потенцијалот за Data Science развој кај нас е огромен. Академијата за Data Science на Brainster, со соодветно структурирана програма која го опфаќа целиот спектар на работа, применета методологија на учење и работа на реални проекти, е сериозен чекор напред за целата заедница да биде во тек со современите трендови во областа.
Што е клучно за кариера во Data Science? Кои се основни предиспозиции според вас?
Благој: Приоритетно, аналитички начин на размислување, не е лошо и претходно искуство во работа со податоци, но особено би потенцирал желба за решавање проблеми и упорност. По соодветна и квалитетна обука, сметам дека е неопходна работа на реални проекти каде ќе може да се примени стекнатото знаење.
Александар: Покрај неопходните предиспозици како што се аналитичко размислување, солидно познавање на математика и статистика, клучно е кандидатите да сакаат да истражуваат бидејќи тоа е неизоставен дел од нивната секојдневна работа, и пред се да сакаат да работат во областа на data science и да уживаат во работата.
Што мислите дека ќе биде предизвик за студентите во текот на Академијата?
Благој: Времетраењето на Академијата и потребниот фокус во целиот период од 11 месеци. Програмата не ја креиравме за да биде лесна, туку за да биде ефективна. Опфативме се што сметаме дека треба да знае еден современ Data Scientist. Од тука, може да се каже и дека учењето на неколку различни области и потребата студентите да се адаптираат на материјалот, е дополнителен предизвик.
Александар: Се надоврзувам на сè што кажа Благој, само би потенцирал дека предизвиците на Академијата и интензитетот на програмата се предвидени со цел студентите да бидат подобро подготвени и адаптирани на работната динамика што е својствена за област како Data Science.
Koja e вашата порака за сите кандидати за следната Академија за Data Science и во генерала сите заинтересирани за кариера во оваа професија?
Благој: Целосна посветеност на учењето во идниот период и развивање мајндсет за доживотно учење затоа што работата во Data Science никогаш не е завршена. И секако, визија за тоа како ќе го применат стекнатото знаење после завршувањето на Академијата.
Александар: Мојата препорака за идните кандидати на Академијата и за сите заинтересирани за кариера е да се подготвени за константно учење и надоградување на вештините кои ги поседуваат и стекнување на нови. Да веруваат во себе, да се истрајни и максимално посветени. Со таков став, со сигурност ќе изградат успешна кариера во Data Science.
Резервирај го твоето место во следната група на Академијата за Data Science.
