Data analyst – ścieżka kariery

{{whyLabel}}: Branża danych jest szeroka; musisz wiedzieć, czy celujesz w analitykę biznesową (BI), produktową czy finansową.

{{howLabel}}:

• Przeczytaj o różnicach między Data Analyst, Business Analyst i Data Scientist.
• Wybierz jedną domenę (np. E-commerce lub Finanse), która Cię interesuje.
• Sprawdź raporty płacowe (np. No Fluff Jobs) dla wybranej roli.

{{doneWhenLabel}}: Masz wybraną jedną konkretną ścieżkę specjalizacji.

{{whyLabel}}: Bez zrozumienia rozkładów i miar tendencji centralnej nie zinterpretujesz poprawnie żadnego zbioru danych.

{{howLabel}}:

• Naucz się obliczać średnią, medianę, modę oraz odchylenie standardowe.
• Zrozum pojęcie rozkładu normalnego i wartości odstających (outliers).
• Wykorzystaj darmowe zasoby Khan Academy (dział Statistics).

{{doneWhenLabel}}: Potrafisz wyjaśnić różnicę między średnią a medianą na przykładzie zarobków.

{{whyLabel}}: To klucz do wyciągania wniosków, które nie są dziełem przypadku (istotność statystyczna).

{{howLabel}}:

• Zrozum pojęcie p-value oraz błędu I i II rodzaju.
• Naucz się podstawowych testów: t-test oraz Chi-kwadrat.
• Przeczytaj artykuły o testach A/B w biznesie.

{{doneWhenLabel}}: Rozumiesz, kiedy wynik analizy jest statystycznie istotny.

{{whyLabel}}: Analityk, który nie potrafi sprzedać swoich wniosków, jest bezużyteczny dla biznesu.

{{howLabel}}:

• Skup się na rozdziałach o usuwaniu zbędnych elementów z wykresów (clutter).
• Naucz się kierować wzrokiem odbiorcy za pomocą kontrastu.
• Zastosuj zasadę 'pre-attentive attributes'.

{{doneWhenLabel}}: Przeczytana książka i wynotowane 5 zasad tworzenia czytelnych wykresów.

{{whyLabel}}: Excel to wciąż najpopularniejsze narzędzie do szybkiej ad-hoc analizy w firmach.

{{howLabel}}:

• Opanuj funkcje wyszukiwania: XLOOKUP (następca VLOOKUP).
• Naucz się tworzyć tabele przestawne (Pivot Tables) i fragmentatory.
• Poznaj Power Query do automatyzacji czyszczenia danych.

{{doneWhenLabel}}: Potrafisz połączyć dwa pliki CSV i stworzyć z nich raport przestawny w 10 minut.

{{whyLabel}}: SQL to absolutny fundament (wymagany w 90% ofert). PostgreSQL to standard rynkowy.

{{howLabel}}:

• Pobierz i zainstaluj PostgreSQL Server.
• Zainstaluj DBeaver (darmowy, uniwersalny klient SQL).
• Załaduj przykładową bazę danych (np. 'DVD Rental' lub 'Northwind').

{{doneWhenLabel}}: Masz działające połączenie z lokalną bazą danych.

{{whyLabel}}: Musisz umieć samodzielnie wyciągać dane z baz bez pomocy programistów.

{{howLabel}}:

• Ćwicz klauzule: SELECT, FROM, WHERE, GROUP BY, HAVING.
• Opanuj łączenie tabel: INNER JOIN, LEFT JOIN.
• Korzystaj z platformy SQLZoo lub Mode Analytics do darmowych ćwiczeń.

{{doneWhenLabel}}: Piszesz zapytania łączące 3 tabele z agregacją danych.

{{whyLabel}}: To te umiejętności odróżniają juniora od samodzielnego analityka w 2025 roku.

{{howLabel}}:

• Naucz się pisać czytelny kod za pomocą CTE (WITH clause).
• Opanuj funkcje okna: RANK(), ROW_NUMBER(), SUM() OVER().
• Zrozum różnicę między podzapytaniem a CTE.

{{doneWhenLabel}}: Potrafisz obliczyć średnią kroczącą sprzedaży za pomocą SQL.

{{whyLabel}}: Python pozwala na zaawansowaną statystykę i automatyzację, której nie zrobi Excel.

{{howLabel}}:

• Zainstaluj dystrybucję Anaconda lub samo środowisko VS Code z rozszerzeniem Python.
• Uruchom pierwszy Jupyter Notebook.
• Zainstaluj biblioteki: pandas, numpy, matplotlib, seaborn.

{{doneWhenLabel}}: Wyświetlasz 'Hello World' w komórce Jupyter Notebook.

{{whyLabel}}: Pandas to 'Excel na sterydach' i standard w pracy z danymi w Pythonie.

{{howLabel}}:

• Naucz się wczytywać pliki (read_csv).
• Opanuj filtrowanie, grupowanie (groupby) i merge'owanie DataFrame'ów.
• Przerób darmowy kurs 'Kaggle Learn: Pandas'.

{{doneWhenLabel}}: Potrafisz wyczyścić zbiór danych z brakujących wartości (NaN) w Pythonie.

{{whyLabel}}: Narzędzia BI służą do tworzenia dashboardów, które monitoruje zarząd firmy.

{{howLabel}}:

• Pobierz darmową wersję Power BI Desktop ze strony Microsoft.
• Zaimportuj prosty plik Excel.
• Stwórz pierwszy wykres słupkowy i kołowy.

{{doneWhenLabel}}: Masz zainstalowane narzędzie i wyświetlasz w nim dane z Excela.

{{whyLabel}}: Musisz pracować na realnych, 'brudnych' danych, aby pokazać proces myślowy.

{{howLabel}}:

• Wejdź na kaggle.com i znajdź zbiór dotyczący np. sprzedaży e-commerce lub churnu klientów.
• Pobierz pliki CSV.
• Przeczytaj dokumentację kolumn (metadata).

{{doneWhenLabel}}: Masz wybrany i pobrany zbiór danych do pierwszego projektu.

{{whyLabel}}: 80% pracy analityka to czyszczenie danych. Pokaż, że to potrafisz.

{{howLabel}}:

• Usuń duplikaty i obsłuż brakujące dane.
• Znormalizuj formaty dat i tekstu.
• Udokumentuj każdy krok w pliku README na GitHubie.

{{doneWhenLabel}}: Masz czysty zbiór danych gotowy do analizy.

{{whyLabel}}: To Twój główny 'produkt' wizualny dla rekrutera.

{{howLabel}}:

• Wykorzystaj wyczyszczone dane.
• Dodaj filtry (daty, regiony, kategorie).
• Zastosuj zasady storytellingu (najważniejsze KPI na górze po lewej).

{{doneWhenLabel}}: Dashboard jest gotowy i opublikowany (np. jako PDF lub link do Power BI Service).

{{whyLabel}}: GitHub to Twoje techniczne CV. Rekruterzy sprawdzają tam jakość Twojego kodu.

{{howLabel}}:

• Stwórz nowe repozytorium.
• Dodaj pliki .sql lub .ipynb.
• Napisz profesjonalne README: Cel projektu, użyte narzędzia, wnioski biznesowe.

{{doneWhenLabel}}: Link do projektu jest publicznie dostępny.

{{whyLabel}}: Większość ofert w IT/Data przechodzi przez LinkedIn.

{{howLabel}}:

• Dodaj słowa kluczowe: SQL, Python, Power BI, Data Visualization.
• W sekcji 'Featured' dodaj link do swojego portfolio na GitHub.
• Ustaw status 'Open to work' (widoczny tylko dla rekruterów).

{{doneWhenLabel}}: Profil zawiera wszystkie kluczowe skille i link do projektów.

{{whyLabel}}: Relacje budują karierę szybciej niż same aplikacje.

{{howLabel}}:

• Znajdź 5 osób pracujących jako Data Analyst w firmach, które Cię interesują.
• Wyślij spersonalizowane zaproszenia (bez prośby o pracę, z pytaniem o ich ścieżkę).
• Dołącz do grup tematycznych (np. 'Data Science PL').

{{doneWhenLabel}}: Wysłano 5 spersonalizowanych wiadomości.

{{whyLabel}}: Musisz wiedzieć, czego brakuje w Twoim arsenale, by celnie aplikować.

{{howLabel}}:

• Przejrzyj 10 ogłoszeń na Junior Data Analyst.
• Wypisz powtarzające się wymagania, których jeszcze nie spełniasz.
• Zaplanuj naukę tych braków na kolejne 2 tygodnie.

{{doneWhenLabel}}: Masz listę 3 konkretnych tematów do nadrobienia.

{{whyLabel}}: Test SQL to standardowy etap rekrutacji. Musisz pisać kod pod presją czasu.

{{howLabel}}:

• Rozwiązuj zadania na LeetCode (sekcja Database) lub HackerRank.
• Powtórz różnice między WHERE a HAVING.
• Przećwicz pisanie zapytań na kartce (whiteboarding).

{{doneWhenLabel}}: Rozwiązujesz zadania 'Easy' i 'Medium' na LeetCode bez zaglądania do dokumentacji.

{{whyLabel}}: Masowe wysyłanie CV nie działa. Jakość wygrywa z ilością.

{{howLabel}}:

• Do każdej aplikacji dołącz krótki list motywacyjny (lub wiadomość na LinkedIn).
• Wskaż, jak Twoje projekty z portfolio rozwiązują problemy danej firmy.
• Śledź statusy aplikacji w prostym arkuszu Excel.

{{doneWhenLabel}}: Wysłano 5 dopracowanych aplikacji w bieżącym tygodniu.