Viac peňazí. Nové výzvy. Nezhody s aktuálnym šéfom. Túžba pracovať na väčších dátach. Alebo celosvetový mier. Ani jeden z nich nie je hlavným dôvodom pre zmenu práce dátového analytika. Čo ním teda skutočne je?
Nielen americké súťaže krásy, aj pracovné pohovory majú svoje „prajem si celosvetový mier“ repliky. Sú to vyjadrenia kandidátov o tom, prečo sa rozhodli zmeniť práce. Za svoju kariéru už som mal na pohovoroch viac ako 200 ľudí a tak nebola núdza ani o bizarnosti typu „otec vás pozdravuje, že Allianz je stále dobrá firma a dúfa, že ma prijmete do zamestnania“. Keďže však tento krát robím prvé pracovné pohovory v zahraničí, hovoril som si, že možno spoznám nové, lokálne “svetové miery“. Moje prekvapenie však bolo o to väčšie.
Osamelosť v menovateli
Keď sa to objavilo na prvom pohovore, hovoril som si, že je mi to ľúto. Keď však druhý a potom tretí aj štvrtý kandidát vyrukoval s tým istým dôvodom odchodu zo súčasnej práce, spozornel som. Začal som rozmýšľať, či som sa presekal do nejakého podivného šípového kráľovstva, kde všetkých postihol ten istý osud. Nech som to obracal z akéhokoľvek uhlu, stále mi to nešlo do hlavy. Tým spoločným menovateľom všetkých kandidátov z daného dňa totiž bola osamelosť. Nie partnerská ani kamarátska. Bola to pracovná, analytická osamelosť.
Ako sa príbeh vinie …
Vyštudovali ste technický smer, či aspoň IT odnož niektorého z ekonomických smerov. Zbožňujete rébusy a kvízy (mimochodom pozrite si ten náš), milovali ste Pytagoriádu a teší vás, keď objavíte nejakú novú súvislosť. Rozhliadnete sa preto po trhu práce, kde by ste mohli tieto svoje „vlohy“ konštruktívne použiť. Idete na niekoľko pohovorov a tam sa dozviete, že spoločnosť má vážne dátové dilemy a tak budú na vás kladené vysoké nároky. Potešíte sa. Presne to chcete, aby z vás niekto vyžmýkal pot a niečo nové ste sa naučili.
Spočiatku je to naozaj zábava, objavujte nové dáta, ktorým sa nikto pred vami (a po vás, ale to ešte neviete) nevenoval. Náročné analýzy sú v skutočnosti len prezlečenými, triviálnymi dátovými úlohami, často spadajúce do kategórie reportingu. Ale práca je zábavná. Váš šéf síce často nerozumie vašej práci a nevedel by vám vo výpočte nájsť chybu, ale je zväčša milý. Čas plynie, máte za sebou kvartál, rok dva … Bože ako to letí.
K druhý Vianociam si prajete od Ježiška nového šéfa, nový projekt alebo aspoň novú verziu software, s ktorým robíte. Nech sa aspoň niečo posunie vpred vo vašom živote. Skúsite zmeniť prácu: start-up, veľká korporácia, rodinná firma. Chvíľkové nadšenie … a potom jojo efekt frustrácie ako pri redukčnej diéte. V záchvate vnútorného boja sa prihlásite na odbornú konferenciu, veď načerpať inšpirácie sa dá aj od ostatných. Stretnete tam veľa dvojníkov, ktorým v očiach tiež postupne vyhasína iskra nadšenia.
Osamelosť dátových analytikov
S drobnými obmenami, takto nejak vyzerali všetky štyri príbehy. Ani jedného z kandidátov nenapadlo sa pýtať na plat, či firemné benefity. Ani jeden z nich neriešil kariérne možnosti. Jediné čo ich zaujímalo je ČO a POD KOHO vedením budem robiť? „V aktuálnej práci som jediný, kto robí data science. Nik iný tam tomu nerozumie, nemám sa s kým poradiť. Viem iba to, čo som si sám vygooglil po stackoverflow.com a podobných fórach. Cítim sa osamelo.“
Je to naozaj zaujímavé, ale keď sa nad tým zamýšľam, nachádzam vo svojom okolí veľa podobných prípadov. Povolanie analytikov totiž prechádza takou zvláštnou vlnou. Po ľuďoch analyzujúcich dáta je obrovský dopyt. Keďže však Data science je veľmi mladá odnož analytiky, ešte nedorástlo mnoho manažérov, ktorí sami vyššiu dátovú analytiku robili. Analytické pozície tak často spadajú pod manažérov, ktorý tejto oblasti nerozumejú. Mladí, začínajúci analytici sú tak odsúdení na cestu bonsaja: Nikto neočakáva, že by si mal niekam vyrásť, občas Ťa polejú, ale ináč si len karikatúra skutočného stromu. O úskaliach vzdelávania v analytike sme už písali v blogu Dobre, nejak začnete … A čo potom? , avšak spolu s týmito príbehmi sa mi tento obraz opäť vrátil intenzívnejšie.
3 krát ten istý refrén
Okrem toho, že zjavne nejde o ojedinelé prípady analytickej osamelosti, ešte smutnejšie je, že osamelosť analytikov je vlastne mrzká súhra troch faktorov. Tým prvým je, že data scientistov je stále veľmi málo. A teda len veľmi zriedkavo sa zíde v tej istej firme viac ľudí s týmto popisom práce. Controlling, reporting, dátový správca, to všetko sú aspoň „párové“ pozície. Sofistikovanejšia analytika je však zväčša osamelá. Dôsledkom tohto prvého faktoru je, že Data scientisti nezažívajú teamovú spolupatričnosť, nemajú s kým konzultovať svoje domnienky či neistotu.
Druhým faktorom osamelosti sa stala absencia manažérskeho vedenia. Sofistikovanejší analytici často spadajú do teamov, ktoré s dátami robia len okrajovo. Prípadne s dátami pracujú, ale robia len reporting nad štruktúrovanými databázami. Tento faktor teda spôsobuje, že Data scientisti nedostávajú feedback na svoju prácu, musia sa učiť len na vlastných chybách (ktoré si navyše ešte aj sami po sebe musia nájsť). Niektorí sa trápia samo-vzdelávaním, ale málokto má sebadisciplínu vydržať v tom roky. Väčšina hodí uterák do ringu skôr či neskôr.
K vyššie menovaným sa pridáva aj osamelosť voči externému know-how. Bez urážky, ale ak chcete zažiť takú konferenciu, na ktorej vám niečo dá naozaj každá prednáška, zrejme si ju sami budete musieť zorganizovať. Nežartujem, verte mi, viem o čom hovorím. Táto osamelosť bola podnetom k zúfalým snahám dať dokopy aspoň nejakú komunikáciu v Data science oblasti. Vznikli tak Meet-upy, ktoré sú v mnohých krajinách jedinou náhradou za absentujúce expertné konferencie.
Ako z kruhu von ?
Hoci tomu rozprava doposiaľ nenasvedčuje, príbehy štyroch „osamelých“ sú vlastne happy endy. Aj keďpredstavujú smutnú sondu do duše súčasného dátového analytika, sú zároveň ukážkou toho, ako von z trojitého zovretia osamelosti. Na základe ich rozprávania a vlastných skúseností s touto osamelosťou, odporúčam nasledovné 3 kroky ako von z tejto osamelosti:
Krok 1: Samodiagnostika. Skutočné úspešná bude zmena, iba, keď si všetci zúčastnení od začiatku priznajú, že táto zmena je nevyhnutná a neodvrátiteľná. Položte si preto tri nasledovné otázky: 1] Mám šéfa, ktorý rozumie mojej oblasti tak, že by ma vedel v mojej neprítomnosti krízovo zastúpiť ? 2] Je v našej firme ešte niekto iný, koho by som sa vedel(a) spýtať, či postupujem správne, keď sám(a) neviem ako na to? 3] Mal(a) som za posledného polroka šancu na vlastnej koži vyskúšať aspoň 2 nové postupy analýzy dát, ktoré som nikdy pred tým nerobil(a) ? Ak aspoň na jednu z otázok je odpoveď „Nie“, mali by ste rozmýšľať nad svojou budúcnosťou.
Krok 2: Nádych pred ponorom. Ak na základe diagnostiky dozrelo vo vás rozhodnutie, že sa budete musieť posunúť vpred, nežeňte sa na profesiu, či iné portály. Kým sa rozhodnete hodiť sa kolom krku novej príležitosti, pripravte sa na tento skok. Ak by ste sa hneď pustili do hľadania novej práce, s veľkou pravdepodobnosťou by ste v nich neuspeli. Zozbierajte preto trochu sebadisciplíny. Urobte si niekoľko online vzdelávacích kurzov, prelúskajte demo videá na YouTube z vašej oblasti. Hlavne však donúťte sa reálne si vyskúšať na „nečisto“ nové postupy. Skúste napríklad začať tu.
Krok 3: Hľadajte skutočného data manažéra v skutočnom data science teame. Naozaj a na dobro sa dá vymaniť z trojzovretia analytickej osamelosti, len keď ustanovíte rovnováhu vo všetkých troch vyššie menovaných oblastiach. Preto treba hľadať prácu, v ktorej budete súčasťou širšieho teamu, ktorý bude vedený človekom s vlastnými analytickými skúsenosťami a bude pracovať na dostatočnom množstve zaujímavých projektov. Nenechajte sa opantať oslnivými vyhliadkami len v jednom z troch kritérií. Práca v start-upoch zvyčajne vyzerá ako cool, ale nezriedka ju sprevádza neskúsený vlastník-manažér, ktorý mal „len“ skvelý nápad, alebo príliš úzke zameranie, či „nakolenizmus“. Hľadanie odporúčam začať buď zo smeru zaujímavého obsahu a verifikovať, kvalitu manažmentu týchto firiem. Alebo začať od kvalitného manažéra, ktorého poznáte a verifikovať, či jeho team pracuje na niečom, čo by vás posunulo ďalej. Pri hľadaní kvalitných manažérov sa nebojte vstúpiť aj po druhý krát do tej istej rieky. Veď ako sa hovorí v lietadle: „Poriadne sa rozhliadnite, lebo najbližší núdzový východ môže byť kľudne aj za vami.“
Na záver mi dovoľte dodať, že osamelosť analytika je zrejme cyklický jav, ktorý tu nebude večne. Ako sa postupne rozbehne Data science odvetvie, teamy budú rásť a postupne dozrie aj generácia manažérov, ktorí sa z dátových expertov posunú do manažérskych pozícii. V našich geografických šírkach však toto bude minimálne 5-7 rokov, teda obdobie ktoré sa nedá úplne „prečkať v kúte“. Preto ak ste sa našli v príznakoch vyššie uvedenej osamelosti, určite sa nechláchoľte, že to proste prejde. Jedným dychom však zároveň dodávam, že určite existujú skupiny aj ľudí, ktorým tento stav vyhovuje. Robiť si stále to svoje dookola, bezpečie stabilného a dobre plateného jobu, v ktorom môj šéf nevie dosť na to, aby sa mi „montoval“ do práce alebo ma vyhodil. To je pre niektorých nepochybne lákavá ponuka. Takže určite neburcujem k masovému sťahovaniu analytikov. Chcem však, aby ste zvážili, kam sa celé odvetvie posunie, kým vy zostanete tam, kde ste. A čo to bude znamenať pre vaše šance na lepšie zamestnanie potom, až vlna Data Science naplno dorazí aj do našich končín. Či už sa rozhodnete tak či onak, prajem vám, aby vás netrápila analytická osamelosť.
Publikované dňa 26. 10. 2017.
Späť na domovskú stránku
