Gazdasági végzettséggel hogy lehetne data analyst irányba elindulni?

Pár hónapos tanfolyamok nem sokat érnek.

Legtöbben matekkal és SQL el vannak hadilábon amit nem is tanítanak a gyorstalpalón.

Megnevezések lényegtelenek mert HR mindig rossz címkét tesz az álláshirdetésekre.

Helyedben matlab irányba indulnék.

Ha grafikonokat szeretnél mutogatni életed végéig tökéletes.

Ha érdemi munkát szeretnél végezni ahhoz python fog kelleni.

“Egyetemen van egy tárgyunk, ahol R-ben csinálunk regresszióelemzést, idősorelemzést, klaszterezést, faktorelemzést stb.. Ezek mennyire hasznosak?”

Ezek ultra hasznosak. Konkrétan mi a mesterszakod egyébként? Az se mindegy.

Kezdetnek azt javaslom, hogy olvasd el Andriy Burkov The Hundred-page Machine Learning Book c. könyvecskéjét. Ez nagyjából felvázolja, mit is kellene tudnod. Utána talán a legjobb folytatás, ha befizeted magad Andrew Ng Machine Learning kurzusára a Courserán és végigtolod.

Az R-t alig használják valahol, a MATLAB-ot sehol. Felejtős mindkettő. A Power BI-ba érdemes egy nagyon-nagyon kicsi időt (konkréta pár napot) fektetni, hogy legalább láss ilyet is, de egyébként az ipar Pythonban dolgozik. Ezt a legjobban a Udemyről tudod megtanulni, és itt kiemelten ajánlom Jose Portilla kurzusait, konkrétan az összeset. (Tudod a Udemy úgy működik, hogy pár naponta le van értékelve 4000 forintra majdnem az összes kurzus.) Kezdetnek a Python for Machine Learning 2022 kurzust told végig Jose Portillától.

Statisztikából is kellene valamit erősíteni. Kezdhetnéd talán ezzel itt, két szupersztár szerzőtől: [link]

Még viszonylag friss a kérdés, szakmabeliként írok.

Az SPSS a legegyszerűbb ökonometriai szoftver ezek közül, főleg üzleti képzéseken használták oktatásra. Közgazdasági kutatásban sokkal nagyobbat ment pl a STATA vagy az eViews. A Matlabnak főleg műszaki alkalmazásai vannak, az egyik előző hozzászólóval ellentétben én egyáltalán nem ajánlom. Ezek az akadémiára, demonstrációra, matematika házik megírására, kis elemzésekre jók, de amúgy elég specializáltak és az iparban kevésbé használják, főleg manapság. A SAS a leginkább high-performance ezek közül, drága is, és élesben még bankoknál illetve biztosítóknál biztosan találkozhatsz vele. Mindegyiknek van egyébként egy saját script nyelve, de egy general purpose programming language-hez képest kevés. Szóval én az SPSS, STATA, eViews, SAS, Matlab, Wolfram Mathematica területet abszolút kerülném a helyedben.

Ami Data Analyst vagy bármilyen elemző pozícióban jól fog jönni, főleg üzleti-gazdasági területen, az a Power BI és az Excel, illetve a VBA amivel programozni tudod őket. Közgazdászként eleve illik Excel mágusnak lenned, mert sokszor az a leghasznosabb tudás ahogy kijössz az egyetemről és hasznosítani kéne az elméletet a gyakorlatban. Kicsi az esélye, hogy rögtön out of gradschool data scientistként fogsz kezdeni, de egy data science pozícióban már nem fogod használni az Excelt (jó esetben). Eleve az Excel (és egyébként a fent említett többi tool is, a SAS-t leszámítva) alkalmatlan arra, hogy big data mennyiséget töltsön be és elemezni tudjon. Olyan esetekkel viszont később is találkozhatsz, hogy excel fájlból kell betöltened adatot adatbázisba, vagy kiexportálnod az adatbázisból excel fájlba. Ilyenkor sokszor a karakterkódolás, az oszlopok vagy bármi félrecsúszhat, itt jön be az SQL, amivel ezeket kezelni kell.

Tehát ami viszont örökké fog kelleni, és mindennek az alapja, az a PL/SQL és az adatbázisok megfelelő ismerete. Ha nincs adatod, ha nem tudod előállítani az adatot, ha nem tudod rendezni, megtisztítani, táblákat összejoinolni stb, akkor nincs semmi. Viszont hacsak nem data engineer akarsz lenni aki kifejezetten erre specializálódik rá, akkor egyébként magát az SQL nyelvet nagyon könnyű tanulni, de alaposan kell ismerni. A modelled csak annyira jó tudod, amennyire az adatod is. Garbage in, garbage out.

És akkor attól is függ, hogy milyen helyen és területen akarsz majd dolgozni, de alapvetően a Python és az R manapság a data science hétköznapi nyelve az iparban. Én ettől függetlenül a Pythonra szavazok. Az R szerintem ma az, vagy az kéne, hogy legyen, hogy ökonometriát tanítsanak vele az egyetemen, mert arra nagyon jó és kényelmes de bárkit megkérdezel aki szoftverfejlesztő és computer science háttérrel jött, az azt fogja mondani, hogy bármikor a Pythont tanulná inkább. Egyébként néhány nagyon specifikus és high-level ökonometriai módszertanon kívül azt hiszem semmit nem tud az R, amit nem lehetne Pythonban is megcsinálni, viszont a gyakorlati alkalmazásban, fejlesztői környezetben, machine learningben meg erősebb. Továbbá ne feledd, hogy a Python egy general purpose programming language, tehát nemcsak erre, hanem bármire használhatod. Az egyik legjobb skill.

Amit írtál, hogy tanulsz R-t és regresszióelemzést, clusteringet, classification problémákat csináltok az nagyon hasznos. Amit az előző ajánlott forrásokat, udemy kurzusokat, az mind ajánlatos. Rengeteg forrás van, keresgélj. PL Kaggle data science weboldal. Ha egyetemen a Wooldridge könyvből tanulod az ökonometriát akkor már egy nagyon jó úton vagy, többet fogsz tudni a témában, mint egy computer science alapképzésről kijött informatikus. Annyi előnyöd van, hogy emlékezz, a közgazdaságtan alapvetően ugyanolyan modellezési problémákról szól, mint bármilyen data science feladat. Idősoros forecasting, default ráta becslés, makro modellek, cross-section regressziók, panel data, sorolhatnám. Ha ezeket jól tudod, akkor onnan már csak rajtad múlik, hogy mennyire leszel tehetséges a programozási részében és mennyire akarsz elmélyülni a mögöttes matematikájában. Manapság egy divatos buzzword a machine learning, de ez az ökonometria amit megtanulsz, teljesen az alapja mindennek.

Érdemes lehet még a Linuxot, a parancssort és a git-et ismerni valamennyire. Illetve bármi egyéb technológia bejöhet a képbe, Spark, Google BigQuery, Teradata, cloud szolgáltatások, de ezekkel csak akkor érdemes foglalkoznod, ha már ott vagy.

Fontos, hogy a data analyst nem csinál ilyen jellegű modellezéseket, mint a data scientist (általában). Igazából a HR-esek sem tudják ezeknek a pozícióknak a fő lényegeit és különbségeit, ezért ezek ritkán vannak teljesen konzisztensen használva, de alapvetően egy data analyst pozícióban sok SQL-re számíts, és minimális ökonometriára. De egyébként úgy is tekinthetsz erre, hogy a data analyst az egy ugródeszka lehet egy későbbi data science pozícióba. Miután már van egy solid háttered és kívülről tudod az SQL-t akkor már csak azt kell demonstrálnod egy interjún, hogy a szükséges modellezési gondolkodásmódod is megvan és ezzel szintet ugorhatsz. A data scientist ritkán entry level meló, kell hozzá sok matek+programozás+domain knowledge. Ha ez az irány érdekel, akkor hosszútávon a data analystet unni fogod. Keress rá összehasonlításokra, de az lesz a közös bennük, hogy mindegyik úgy hasonlítja össze a business intelligence-t, a data analystet és a data scientistet, hogy mennyire rendezett az adathalmaz amivel dolgozniuk kell és mennyire kell modellezni, mennyi technikai tudást igényel a meló. A data scientist egy nagy rendezetlen adathalmazból fog modellt alkotni, ami majd megold egy üzleti problémát és lesz nagy hozzáadott értéke, mert feltár és megmagyaráz dolgokat amik az adatokban rejlenek és megmondja hogy X terméket Y vásárlói szegmensnek éri meg csak reklámozni, vagy Z típusú ügyfelek fognak becsődölni a következő 3 évben (most mondtam egy példát). Míg a BI az főleg már rendezett adatokból fog szép ábrákat és vizualizációkat készíteni, reportok és kimutatások formájában. Nincs ezzel sem gond csak más, van aki ezt szereti csinálni.

A business analyst amit említettél, megint tök más, mert ő nem csinál egyáltalán modellezést, ő a statisztikában egy nem járatos ember, viszont jobban hajlik az IT és technikai háttér felé míg érti az üzleti igényeket is. A feladata az üzlet és a fejlesztők között állni és tolmácsolni a fejlesztőgárdának azokat az üzleti igényeket amit akar a megrendelő vagy a menedzsment. Te fogod specifikálni azt, hogy ez hogyan legyen lefejlesztve, nem feltétlenül fogsz kódolni, statisztikázni pedig biztosan nem.

Egy lehetséges karrierút még az általam említett data engineer, data architect illetve bármilyen DBA, SQL developer és egyéb. Ha csak maga az adat és adatbázis érdekel, ebbe az irányba is el lehet menni. Egy közgazdásznak ritkán izgalmas terület ez.

Konklúzió: legyél jó Excelből, VBA-ből, tanulj SQL-t meg Pythont/R-t otthon és legyen egy szolid ökonometria tudásod és a közgazdász mester elég lesz arra, hogy bármelyik multi behívjon data analyst interjúra. Onnan el lehet indulni.