Millaisia töitä data-analysoija tekee?

1. Yleisellä tasolla tämä on usein jutun juju. Kuitenkin on heti sanottava, että vaikka tuo kuulostaa helpolta niin matkan varrella on yleensä hyvin paljon vastoinkäymisiä. :)

2. Kyllä. Data-analyysissa yritetään aina optimoida jonkin algoritmin toiminta. Tämä voi kestää päiviä tai viikkoja, ja isojen tuotannollisten ratkaisujen kohdalla voidaan puhua useista kuukausistakin. Kun dataa on paljon, ongelma on kompleksinen, säädettäviä parametreja on useita ja halutaan paras mahdollinen lopputulos, niin on varattava riittävästi aikaa.

3. Itselleni ei ole koskaan tullu vastaan tällaista ongelmaa, joten en sanoisi tätä kovin yleiseksi oman kokemukseni pohjalta.

4. Data-analyytikot toteuttavat ratkaisuja, joilla saadaan vähennettyä manuaalisen työn määrää, mutta valitettavasti data-analyytikot joutuvat itse tekemään todella paljon manuaalista työtä. :) Datan hakeminen eri järjestelmistä on vain harvoin helppoa. Lisäksi esikäsittelyssä kestää helposti kauan, koska lähes jokaisessa datassa on jokin erityispiirteensä joka pitää ottaa huomioon. Eikä sellaista dataa ole myöskään helppoa löytää, jossa olisi kaikki kunnossa. Yleensä löytyy runsaasti puuttuvia arvoja, täysin virheellisiä arvoja ja kenties pitkiä ajanjaksoja, joilta kerätty data on jätettävä kokonaan analyysin ulkopuolelle. Eikä näitä huomata aina heti, vaan vasta siinä vaiheessa kun ollaan jo edetty analyyseissa hyvin pitkälle. Silloin saatetaan joutua tekemään iso osa työstä uudestaan.

5. Tällaista ei ole myöskään tullut koskaan itselleni vastaan.

Data-analyytikoilta tosiaan vaaditaan paljon, mutta tärkeintä on kuitenkin mielenkiinto ja halu oppia. Tämä on haastavaa työtä, jossa edetään vain tekemällä riittävän pitkään ja määrätietoisesti hommia, eikä tämä sovi kovin kärsimättömälle ihmiselle. Pythonin ja Kerasin opettelemisella pääsee hyvin alkuun data-analyytikon urapolulla, mutta lähes kaikki taidot opitaan vasta oikeissa asiakasprojekteissa kun pääsee tekemään jotain sellaista, mitä kukaan ei ole koskaan ennen tehnyt (tai missä kukaan ei ole koskaan ennen onnistunut). Eli kaikkea ei pidä osata heti, vaan pitää olla aina valmis opettelemaan uutta. Vain todella kokenut data-analyytikko pystyy tunnistamaan kaikki mahdolliset ongelmat jo ennen projektin alkamista ja toteuttamaan edistyksellisen ratkaisun ilman, että aikataulut paukkuvat. Heitä voi kutsua yksisarvisiksi.