W jaki sposób absolwent matematyki (i nie tylko)

Transkrypt

W jaki sposób absolwent matematyki (i nie tylko)
ma wybra¢ prac¦?
Praca grupowa, quantup.pl
2015-04-15
Spis tre±ci
1 Wst¦p
3
2 Maciej Majewski
5
2.1
Na co zwracam szczególn¡ uwag¦ podczas rozmowy wst¦pnej?
. . . .
3 Tomasz Wyszy«ski
5
6
3.1
Planowanie kariery - zaczynamy prawdziwe »ycie!
3.2
Jak si¦ przygotowa¢ do startu?
3.3
Kilka praktycznych wskazówek. . .
. . . . . . . . . . .
6
. . . . . . . . . . . . . . . . . . . . .
9
. . . . . . . . . . . . . . . . . . . .
11
4 Bartªomiej Bartoszewicz
12
4.1
Wst¦p
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2
Od czego zacz¡¢?
4.3
Czy lubisz to, co robisz?
4.4
Na czym polega praca analityka?
4.5
Na koniec
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
12
13
13
. . . . . . . . . . . . . . . . . . . .
14
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
5 Rafaª Pisz
15
5.1
Co jest wa»ne?
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
5.2
Z do±wiadczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
6 Magdalena Berestecka
16
1
Materiaªy rmy QuantUp
quantup.pl, quantup.eu
c 2015, Artur Suchwaªko
7 Artur Suchwaªko
16
7.1
Co jest wa»ne?
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
7.2
Z do±wiadczenia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
8 Informacja zwrotna?
18
2
1 Wst¦p
Od paru lat absolwenci matematyki nie maj¡ problemu ze znalezieniem jakiejkolwiek
pracy. Ich zarobki s¡ jednak wci¡» ni»sze ni» zarobki absolwentów informatyki, ale
to si¦ zmienia. Ofert pracy dla analityków czy statystyków jest du»o. Znalezienie
naprawd¦ dobrej pracy jednak jest trudne. Chodzi o to, na co zwróci¢ uwag¦ i czym
si¦ kierowa¢ wybieraj¡c prac¦.
To kolejny wpis z serii:
•
•
•
•
najpierw o tym, jak studiowa¢ matematyk¦,
nast¦pnie o tym, jak pisa¢ prac¦ dyplomow¡ z matematyki,
pó¹niej, co absolwent matematyki powinien umie¢,
a teraz o tym, jak wybra¢ odpowiedni¡ prac¦.
Sk¡d pomysª? Niedawno rozmawiaªem z jedn¡ ze studentek matematyki o decyzji,
któr¡ miaªa podj¡¢. Chodziªo o zmian¦ pracy. Na podstawie tej rozmowy powstaªa
lista pyta«. Ona byªa za opublikowaniem, twierdz¡c, »e to si¦ bardzo przyda studentom. Ja byªem sceptyczny. Ale postanowiªem spróbowa¢. Pó¹niej powstaª kolejny
pomysª, ale o tym za chwil¦.
Od pewnego czasu pomagam rmom w znalezieniu pracowników na stanowiska
analityczne. Oceniam kandydatów, opisuj¦ ich umiej¦tno±ci i predyspozycje. Z drugiej strony, kandydaci na pracowników, absolwenci i studenci matematyki, pytaj¡
mnie o mo»liwo±ci ciekawej pracy w zawodzie. Widz¦ wi¦c rynek pracy dla statystyków z obu stron.
S¡ biura karier i wiele osób w HRach, które mog¡ doradzi¢ w wyborze ±cie»ki
kariery. Chciaªem napisa¢ jednak co± specjalnie dla absolwentów matematyki i pokrewnych kierunków.
Ten artykuª jest wyj¡tkowy. Kilkoro moich kole»anek i kolegów, kieruj¡cych zespoªami analitycznymi lub du»ymi zespoªami ludzi, tak»e rmami, zechciaªo podzieli¢
si¦ swoj¡ wiedz¡ i do±wiadczeniem. No i jest: wpis petarda :-)
Oto autorzy artykuªu. Wszyscy maj¡ wieloletnie do±wiadczenie zawodowe, pracuj¡ te» na stanowiskach kierowniczych:
• dr Maciej Majewski
Prezes Zarz¡du, Pentacomp S.A. Posiada blisko 40
lat do±wiadczenia zdobytego na kilku kontynentach. Zarz¡dzaª przedsi¦wzi¦ciami w takich dziedzinach jak: scalanie organizacji po przej¦ciach i poª¡czeniach, reorganizacja i transformacja du»ych instytucji. Przez wiele lat pracowaª
w rmach doradczych.
Wcze±niej pracuj¡c za granic¡ u producentów wyso-
kich technologii IT wspóªtworzyª rozwi¡zania bazodanowe oraz zastosowania
3
sztucznej inteligencji w zarz¡dzaniu. Pracowaª przede wszystkim w sektorach
bankowo±ci, ubezpiecze« oraz sprzeda»y detalicznej.
Obecnie kieruj¡c rm¡
specjalizuj¡c¡ si¦ w projektowaniu i wdro»eniu zªo»onych rozwi¡za« informatycznych w coraz wi¦kszym stopniu korzysta z technologii i metod zwi¡zanych
z dziedzin¡ Big Data. Cz¦sto podejmuje zadania jako niezale»ny ekspert zarz¡dzania. Jest wykªadowc¡ wspóªpracuj¡cym ze Szkoª¡ Gªówn¡ Handlow¡ i
Gda«sk¡ Akademi¡ Bankow¡.
• Tomasz Wyszy«ski
Director Data Analytics, Global Marketing, Schneider
Electric, Absolwent Mi¦dzynarodowych Stosunków Gospodarczych na Uniwersytecie Wrocªawskim, obecnie w trakcie studiów doktoranckich w SGH. Od
prawie 10 lat zwi¡zany ze ±wiatem analityki biznesowej w ró»nych obszarach
(strategia, marketing, sprzeda», zarz¡dzanie ªa«cuchem dostaw) w sektorach
konsultingu i handlu detalicznego. Obecnie pracuje w Schneider Electric, gdzie
wraz z zespoªem opracowuje i wdra»a data products pomagaj¡ce rmie budowa¢ przewag¦ konkurencyjn¡ na rynku.
Autor kilku publikacji naukowych z
zakresu marketingu i ekonomii.
• Bartªomiej Bartoszewicz
Kierownik Dziaªu Rozwoju Metod Zarz¡dzania
Ryzykiem, Departament Rozwoju Analiz, KRUK S.A. Razem z zespoªem opracowuje narz¦dzia do zarz¡dzania ryzykiem inwestycji w portfele wierzytelno±ci
oraz rozwija metodyki wyceny portfeli wierzytelno±ci dla wszystkich rynków,
na których obecna jest Grupa Kapitaªowa KRUK. Poprzednio analityk ryzyka
portfela kredytowego w Europejskim Funduszu Leasingowym, gdzie odpowiadaª si¦ m.in. za rozwój metodyki kalkulacji odpisów aktualizuj¡cych wycen¦
portfeli leasingowych i konstruowaª modele bud»etowania ryzyka kredytowego.
Wcze±niej zwi¡zany z Katedr¡ Ekonometrii na Wydziale Zarz¡dzania, Informatyki i Finansów w Uniwersytecie Ekonomicznym we Wrocªawiu. Doktor nauk
ekonomicznych.
• Rafaª Pisz Od 1999 specjalizuje si¦ w zarz¡dzaniu rmami IT oraz centrami
R&D. Dyrektor SoftGroup Polska Sp.
z o.o.; Dyrektor Zarz¡dzaj¡cy, CTO,
czªonek poszerzonego Zarz¡du, wspólnik AXIT, konsultant biznesowy w TIM
S.A. Dyrektor Zarz¡dzaj¡cy i wspólnik w DATAX Sp. z o.o.. Absolwent Instytutu Informatyki Uniwersytetu Wrocªawskiego oraz Wydziaªu Gospodarki
Narodowej Akademii Ekonomicznej we Wrocªawiu.
• Magdalena Berestecka
Absolwentka Marketingu i Zarz¡dzania na Poli-
technice Wrocªawskiej. Uko«czyªa tak»e IEDC w Bled School of Management
4
oraz studia podyplomowe z zakresu zarz¡dzania bankiem , zarz¡dzania ryzykiem oraz psychologii. Uczestniczka programów rozwojowych dla osób z potencjaªem w ramach Grupy Credit Agricole, z któr¡ zwi¡zana jest od 2003 roku.
Od 2006 pracuje na stanowiskach kierowniczych. Rozpoczynaªa od stanowiska
analityka w Departamencie Ryzyka Kredytowego i Analiz a obecnie peªni funkcj¦ Dyrektora Ryzyka Kredytowego dla Klienta Indywidualnego oraz nadzoruje
prac¦ Centrum Akceptacji Kredytów oraz Centrum Kredytów Hipotecznych.
• Artur Suchwaªko
Prac¦ zawodow¡ zwi¡zan¡ z danymi i programowaniem
rozpocz¡ª w 1998 roku. Przez kilkana±cie lat byª statystykiem w Departamencie Ryzyka Kredytowego i Analiz Lukas Banku. W tym czasie zostaª doktorem matematyki i napisaª kilkana±cie prac naukowych.
Wykonaª wiele pro-
jeków analitycznych, w ró»nych dziedzinach oraz przeprowadziª przynajmniej
kilkadziesi¡t komercyjnych szkole« z analizy danych.
Od paru lat rozwija z
sukcesem swoj¡ rm¦ QuantUp zajmuj¡c¡ si¦ analiz¡ danych, modelowaniem
statystycznym i tworzeniem oprogramowania oraz szkoleniami z tych dziedzin.
Kilka lat temu zostaª dyrektorem naukowym (Chief Science Ocer) szwedzkiej
rmy bioinformatycznej MedicWave. Od roku 2012 jest dodatkowo Vice CEO
i wspóªwªa±cicielem tej rmy.
Wpis jest dªugi, wobec tego wygodniej mo»e Ci by¢ przeczyta¢ go w formacie pdf.
2 Maciej Majewski
2.1
Na co zwracam szczególn¡ uwag¦ podczas rozmowy wst¦pnej?
Przede wszystkim wiem z do±wiadczenia, »e pierwszych 30 sekund rozmowy decyduje
o dalszym jej przebiegu. Dlatego staram si¦ nie polega¢ na tym pierwszym wra»eniu.
Co nie znaczy, »e pierwsze wra»enie nie jest wa»ne. Ostatecznie moi klienci te» b¦d¡
wyrabia¢ sobie zdanie o mojej rmie na podstawie pierwszych 30 sekund kontaktu
z jej pracownikiem. Dlatego wa»ne s¡: umiej¦tno±¢ przedstawienia si¦ z u±miechem,
schludno±¢, kultura osobista. To s¡ czynniki, które nazwaªbym higienicznymi. Bez
nich nie ma dalszej rozmowy a jedynie ch¦¢ jej uprzejmego zako«czenia.
W kandydacie do pracy szukam przede wszystkich potencjaªu.
Nie gotowych
umiej¦tno±ci, które i tak zostan¡ gruntownie przetestowane w okresie próbnym. Dla
mnie wa»ne s¡ te umiej¦tno±ci, których nie ma w programie wi¦kszo±ci studiów.
5
Przede wszystkim ch¦¢ pracy w zespole. Ch¦¢ dzielenia si¦ wiedz¡. Gotowo±¢ udzielenia natychmiastowego wsparcia dla kole»anek i kolegów. Umiej¦tno±¢ aktywnego
sªuchania i reagowania na to co si¦ usªyszaªo.
Zwracam te» uwag¦ na cechy wa»ne w pracy projektowej. Idealny kandydat mo»e
mie¢ ju» pewne do±wiadczenia z pracy w projektach podczas praktyk lub na uczelni.
Cechy, których poszukuj¦ to elastyczno±¢ w przyjmowaniu ró»norodnych zada« oraz
wyczucie czasu. I ponownie gotowo±¢ do pracy w zespole.
Wa»n¡ cech¡, której potwierdzenia szukam w rozmowie jest ciekawo±¢ ±wiata.
Gotowo±¢ do zapoznania si¦ z zagadnieniami spoza informatyki i statystyki. Jednoznacznie te» okre±lam, »e w perspektywie kilku lat kandydat powinien sta¢ si¦ nie
tylko ekspertem w zakresie SQL, SAS lub R ale równie» ekspertem w bran»y, dla
której pracuje ten dziaª mojej rmy, do którego b¦dzie przyj¦ty.
Na koniec staram si¦ dowiedzie¢ czym pasjonuje si¦ ta osoba.
Co jest dla niej
wa»ne w »yciu. Jakie ma plany osobiste na najbli»szych kilka lat.
Tak z pierwszych 30 sekund robi si¦ wielokrotno±¢ 30 minut. . .
3 Tomasz Wyszy«ski
Na pocz¡tku b¦dzie troch¦ sentymentalnie - kiedy Artur poprosiª mnie o par¦ zda« na
temat pierwszych kroków w karierze, u±wiadomiªem sobie, »e to ju» prawie 15 lat mija
od czasu kiedy zaczynaªem studia we Wrocªawiu! Jak wczoraj pami¦tam inauguracj¦
roku akademickiego w Auli Leopoldina i niesamowity klimat studenckiego »ycia we
Wrocªawiu.
Cofaj¡c si¦ do roku 2001, kiedy zaczynaªem studenck¡ przygod¦, stwierdzenie, i»
w 2015 b¦d¦ dowodziª zespoªem analityki biznesowej uznaªbym za nieporozumienie
(tudzie» efekt nadu»ywania w/w »ycia studenckiego :-) Rok 2001 to wielkie marzenie
o wzmocnieniu szeregów polskiej dyplomacji.
Poni»ej krótka opowie±¢ o tym jak i dlaczego tamto marzenie legªo w gruzach oraz
subiektywny przegl¡d najwa»niejszych do±wiadcze« w kontek±cie startu i planowania
kariery.
3.1
Planowanie kariery - zaczynamy prawdziwe »ycie!
Pierwsza i najwa»niejsza lekcja - to nie b¦dzie ªatwe.
Któr¡kolwiek drog¦ wybierzecie i jakkolwiek utalentowani jeste±cie, b¦dziecie musieli wªo»y¢ mnóstwo wysiªku, aby osi¡gn¡¢ sukces (jak równie» mie¢ odrobin¦ szcz¦±cia!). Bardzo cz¦sto nasze wyobra»enia o analityce biznesowej tworzymy na podstawie krótkiego clipu YouTube czy te» artykuªu w gazecie, wi¦c: Uwaga, zaczyna
6
si¦ prawdziwe »ycie! Ka»de wielkie analityczne dokonanie to niezwykle ekscytuj¡ca
rzecz - poparta gigantycznym nakªadem pracy.
To godziny sp¦dzane na pisaniu
kodu, testowaniu, poprawianiu sie i przekonywaniu wspóªpracowników do pewnych
pomysªów. To frustracja kiedy co± co nie ma prawa nie dziaªa¢ - nie dziaªa. Albo
zadziaªa ¹le (polecam wyst¡pienie Moniki Rogati podczas konferencji Strata gdzie
opowiada o bª¦dach jakie zdarzyªy si¦ zespoªowi Data Science LinkedIn uchodz¡cemu (sªusznie!) za FC Barcelona ±wiata analityków). Musicie by¢ na to mentalnie
gotowi.
Lekcja numer dwa: nie ma ideaªów.
Ka»da rma przychodzi ze swoimi zaletami i wadami. Ka»da. Kluczem jest roz-
poznanie co odpowiada nam najbardziej. Kilka przykªadów: W start upie - b¦dziecie
dziaªa¢ bardzo szybko bez tracenia czasu na procedury i biurokracje. Dla osób, które
lubi¡ dziaªa¢ szybko i zdecydowanie - idealne ±rodowisko. Ale. . . ryzyko jest gigantyczne. Ryzyko tego, ze start up po prostu nie wypali. Wiec je±li szukacie stabilno±ci
mo»e to nie by¢ Wasz najlepszy pomysª. Korporacja? Je»eli to Wasz wybór - musicie
zaakceptowa¢ »e s¡ to gigantyczne machiny, które bardzo cz¦sto nie s¡ w stanie dziaªa¢ tak jak start up. Ze wzgl¦du na swoj¡ skal¦ potrzebuj¡ standaryzacji i procedur.
A je»eli korporacja, to polska czy mi¦dzynarodowa? Je»eli mi¦dzynarodowa i chcecie
rozwija¢ si¦ w niej dªugoterminowo - pami¦tajcie, ze w pewnym momencie musicie
by¢ gotowi na kilkuletni wyjazd i objecie odpowiedzialno±ci w innej geograi.
To
fascynuj¡ca perspektywa pozwalaj¡ca na wielki rozwoj zawodowy i osobisty - ale z
do±wiadczenia wiem, »e nie ka»dy jest na to gotowy. Bez tego jednak - w pewnym
momencie dojdziecie do sutu - i b¦dziecie musieli zapomnie¢ o dalszych awansach.
Firma, która ma dojrzaªy zespóª analityczny czy rma, która chce siln¡ analityk¦
dopiero zbudowa¢? Wybór numer jeden - nauczymy si¦ jak wygl¡da dojrzaªa funkcja
analityczna, ale b¦dziemy mieli du»o mniej przestrzeni na innowacje. Wybór numer
dwa - b¦dziemy ksztaªtowa¢ ±wiat wªasnymi r¦kami, co jest niezwykle fascynuj¡ce ale ryzyka bª¦dów s¡ bardzo du»e. Które ±rodowisko bardziej nam pasuje?
Te dwa punkty s¡ niesamowicie wa»ne: wiele osób do±wiadcza kryzysu okoªo roku
po rozpocz¦ciu pracy. To normalne. W ko«cu na studiach i w gazetach sªyszeli±my
takie du»e rzeczy, a tymczasem rzeczywisto±¢ jest tak inna.
Moja rekomendacja:
cierpliwo±¢. Zróbcie sobie przerw¦, uczciwie porozmawiajcie ze znajomymi, rodzina,
wyjedzcie na kilkana±cie dni. . .
Wreszcie - ROZMAWIAJCIE. To jest rzecz, której
bardzo brakuje osobom wchodz¡cym na rynek pracy. Porozmawiajmy. Podzielmy si¦
swoimi przemy±leniami. Spróbujmy wprowadza¢ maªe ulepszenia, stopniowo, w kontek±cie istniej¡cych ogranicze«. Za kilka miesi¦cy, id¡c t¡ drog¡, sprawy naprawd¦
mog¦ si¦ bardzo zmieni¢.
Du»o lepiej jest spróbowa¢ tej metody - nawet za cen¦
nara»enia si¦ na niepowodzenie, ani»eli po prostu podj¡¢ z miejsca radykaln¡ i nie-
7
odwracaln¡ decyzj¡ pod tytuªem zrobi¦ im na zªo±¢, rzuc¦ papierem i b¦d¡ musieli
radzi¢ sobie beze mnie.
Owszem, czasem nie ma wyj±cia. Czasem tramy na ±rodowiska, gdzie zachwiane
s¡ tak podstawowe zasady relacji mi¦dzyludzkich, co nie pozostawia nam wiele wyboru. Obserwuj¡c to z do±wiadczenia mog¦ powiedzie¢ jedno - takie sytuacje s¡ w
zdecydowanej mniejszo±ci. To kluczowy moment dla wielu z Was. Pami¦tajcie, »e
to z tych, którzy s¡ w stanie stawia¢ czoªa trudnym chwilom, wyªoni¡ si¦ przyszli
liderzy dowodz¡cy przedsi¦biorstwami.
Punkt numer trzy - wªa±ciwy szef jest o niebo wa»niejszy ni» wªa±ciwa
rma.
Nie ulegajcie nazwom marek. Podejmowanie decyzji, bo jaka± rma jest w czubie
jakiego± rankingu - to hazard. Kluczowa jest Wasza relacja z przyszªym managerem.
Po±wie¢cie du»o wi¦cej czasu na analiz¦ bezpo±redniego przeªo»onego ni» na analiz¦
rmy.
Lekcja numer cztery: Nie starajcie si¦ budowa¢ wyczerpuj¡cego planu
kariery na najbli»sze 40 lat.
To droga donik¡d.
Rynek zmienia si¦ zbyt szybko plus do tego ka»dy z nas
odkrywaª b¦dzie w sobie pokªady nowej energii, nowych zainteresowa« itp.
Ale zbudujcie sobie kilka alternatywnych scenariuszy na do±¢ wysokim poziomie
ogólno±ci i z zakresem czasowym na okoªo 3 do max 5 lat. To pomo»e Wam zbudowa¢ struktur¦, w ramach której mo»ecie ewoluowa¢, jak równie» da Wam pewne
bezpiecze«stwo poniewa» na ka»dy z tych wariantów musicie by¢ przygotowani
(chocia»by przez znajomo±¢ literatury itp.). I co najwa»niejsze w tym w¡tku dokonujcie cyklicznego (ja osobi±cie robi¦ to co okoªo 6 miesi¦cy) przegl¡du Waszego
planu w ±wietle nowo±ci pojawiaj¡cych si¦ na rynku i wªasnych przemy±le«.
I last but not least (podobno mam straszliw¡ sªabo±¢ do tego powiedzenia :-) nie róbcie nic na siª¦.
Moje marzenie z pocz¡tku studiów zosta¢ dyplomat¡ bardzo szybko legªo w
gruzach. Ale odbyªo si¦ to w momencie, kiedy sam byªem w stanie trze¹wo oceni¢
swoje wczesne zamysªy vs rzeczywisto±¢. Zbyt formalne procedury, zbyt maªo dziaªania, cz¦sto niebezpo±rednie efekty. Bardzo maªo pracy analitycznej i procesowej. . .
Nie, to nie byª mój ±wiat.
Taki wybór nie jest ªatwy: czy po kilku latach porzuci¢ swój pomysª? Ale patrz¡c
z perspektywy czasu jedyna odpowiedz brzmi TAK. Je»eli naprawd¦ doszedªe± do
wniosku, »e dyplomacja nie jest dla Ciebie, to postaraj si¦ bardziej zrozumie¢, w
czym naprawd¦ mo»esz si¦ sprawdzi¢. Rozpocznij co± nowego.
Podobnie jest ze ±wiatem analityki biznesowej.
Je»eli eksperymenty, o których
b¦dzie mowa poni»ej, w ogóle nie sprawi¡ Wam satysfakcji, to mimo »e jeste±cie
8
studentami matematyki/statystyki powa»nie zastanówcie si¦ nad swoj¡ ±cie»k¡ kariery.
3.2
Jak si¦ przygotowa¢ do startu?
Kilka praktycznych wskazówek jak przygotowa¢ sie do pierwszych kroków w karierze:
1. Przemysª rekrutacyjny
Uwa»am, »e jednym z najlepszych sposobów na poznanie ró»norodno±ci rynku,
jest sta» w jednej z rm rekrutacyjnych. Dzi¦ki temu b¦dziecie mogli spotyka¢ przedstawicieli wielu bran» i zawodów, a na co dzie« opiekowa¢ b¦d¡ si¦ Wami konsultanci
ds. rekrutacji trudno o lepszych ekspertów od rynku pracy. Takie do±wiadczenie
ma niezwykª¡ moc bardzo cz¦sto zdejmuje ró»owe okulary, przez które patrzymy
na niektóre rmy, a otwiera zupeªnie nowe perspektywy.
A kto wie, mo»e niektórym z Was spodoba si¦ to tak bardzo, »e ju» w przemy±le
rekrutacyjnym zostan¡? Napisanie kawaªka kodu, który pomo»e podejmowa¢ lepsze
decyzje w karierze -i to chyba brzmi jak next big thing?
Je»eli z jakiego± powodu praca w agencji rekrutacyjnej to mission impossible zach¦cam do gª¦bokiego studiowania ogªosze« rekrutacyjnych i proli ludzi zwi¡zanych z analityk¡ (nawet w formie text miningu!). Jakie sa kluczowe kompetencje na
danym rynku, jakie obowi¡zki?
Czy ci, których podziwiacie najbardziej maj¡ co±
wspólnego? Jak zaczynali?
2. Wspóªpraca ze starszymi kolegami i kole»ankami
Niestety ci¡gle sªabo rozwini¦ty jest u nas system wspóªpracy absolwenci uczel-
nie. I jak to zwykle bywa, trzeba wzi¡¢ sprawy w swoje r¦ce. Szukajcie wiec przez
LinkedIn, GoldenLine czy tez inne serwisy ludzi / rm, o których mówicie chciaªbym
mie¢ podobn¡ karier¦. Pro±cie o pomoc wykªadowców i uczelnie w organizowaniu
spotka« z nimi.
Bezpo±rednia wymiana do±wiadcze« to co± niesamowitego.
Nie-
mniej nie ograniczajcie si¦! Badajcie kariery innych, ale jeszcze bardziej u»ywajcie
tego badania jako inspiracji dla wªasnej kreatywno±ci, aby osi¡ga¢ zupeªnie nowe
horyzonty!
3. Testujcie!
Robi¡c wszelkiego rodzaju analizy stawiamy hipotezy i je testujemy. Bardzo cz¦-
sto element testów idzie jednak w odstawk¦, je»eli chodzi o nasze wªasne decyzje.
A to wªa±nie na samym pocz¡tku kariery jest moment do tego, »eby testowa¢ du»o,
tanio fail fast to succeed big jak mówi sªawne porzekadªo z Sillicon Valley. Big
Data to mój temat. Chc¦ si¦ w tym rozwija¢. Naprawd¦? Kup 3 stare komputerki,
postaw na nich Hadoop, napisz zabezpieczenia. Byªo przyjemnie? Bo je±li nie, to
chyba w Big Data nie b¦dziesz czuª si¦ szcz¦±liwy. To mo»e Data Science? ci¡gnij
9
dane z interesuj¡cego Ci¦ tematu (liczba dost¦pnych za darmo informacji jest gigantyczna!). Napisz model, który przewiduje kursy akcji, opó¹nienia lotów, pogod¦,
wyniki meczów. Przygotuj wnikliwa analiz¦ gry Leo Messiego. Podobaªo si¦?
A mo»e teraz spróbujemy nasz model sprzeda¢? Mo»e ustawimy si¦ przed punktem
bukmacherskim i spróbujemy przekona¢ graj¡cych, »e dzi¦ki nam zarobi¡ wi¦cej?
Albo opublikujemy jaka± maª¡ aplikacje na Android / IOS. Odlatujemy?
(Moja rekomendacja w zakresie wszelakiego testowania: uczestnictwo w konkursach analitycznych analizowanych przez rmy, Kaggle)
W uproszczeniu te trzy case'y przedstawiaj¡ trzy du»e dziedziny w ±wiecie analityki biznesowej:
•
Data Operations czyli budowanie caªej infrastruktury, która pomo»e nam
wydobywa¢ iprocesowa¢ dane
•
Core Modelling & Visualization rozwijanie modeli, analiz i wizualizacji, które
pomog¡ nam dokona¢ wielkich odkry¢ na podstawie danych
•
Monetization & Project Management je»eli mamy infrastruktur¦ i modele, to
pozostaje juz tylko ostatnie 50 metrów. Jak przekonamy naszych odbiorców do
u»ywania naszych produktów? Jak b¦dziemy zarz¡dza¢ oczekiwaniami naszych
klientów? Jak sprawimy, »eby projekty nie wymkn¦ªy nam si¦ spod kontroli?
Nie twierdz¦, »e jest to naukowy i wyczerpuj¡cy podziaª niezwykle szerokiego
obszaru analityki biznesowej to bardziej moje wªasne do±wiadczenie. Ale istot¡ tego
jest po prostu dokladna werykacja naszych oczekiwa« w stosunku do rzeczywisto±ci
pracy w danym obszarze.
4. Budowanie dobrych nawyków.
Tym co w dªugim okresie sprawia, »e utrzymujemy wysok¡ efektywno±¢ w pracy
jest energia. Tak, ka»dy z nas ma inny jej poziom. Ale wszyscy ja zu»ywamy i musimy odnawia¢. Zbudowanie dobrych nawyków, które pozwol¡ nam systematycznie
odnawia¢ energi¦ jest niezmiernie wa»ne. To szczegóªy jak dbanie o dobre »ywienie,
form¦ zyczn¡ (pami¦tajcie, »e po zako«czeniu studiów du»o trudniej b¦dzie znale¹¢ czas na sport!) i emocjonaln¡. To pozwoli nam bardzo dobrze funkcjonowa¢ i
ªagodnie przej±¢ przez okres kiedy pojawia si¦ godziny pracy, wyjazdy, projekty itp.
Inna kwestia dbaªo±¢ o szczegóªy. John Wooden, trener wszechczasów koszykówki NCAA (Akademicka liga w USA), zwykª zaczyna¢ pierwszy trening od pokazywania graczom jak prawidªowo wkªada si¦ skarpetki i wi¡»e buty. Tak, moi drodzy
jak si¦ prawidªowo wi¡»e buty. Wszystko po to, aby unikn¡¢ nara»enia si¦ na kontuzje i sytuacji, gdzie gracz nie odda rzutu bo potknie si¦ o wªasne sznurówki.
A
Wooden to czªowiek, który trenowaª jednych z najlepszych koszykarzy wszechczasów
(jak np. Kareem Abdul Jabbar czy Bill Russell).
10
U»ywaj¡c tej analogii: osoby wchodz¡ce na rynek pracy, bardzo cz¦sto chc¡ od
razu zaczyna¢ skomplikowane schematy taktyczne. Niestety, wielu z nas zapomina
o tym jak prawidªowo zawi¡za¢ but. To potem mo»e przeªo»y¢ si¦ na bardzo drastyczne konsekwencje. . . Tak wi¦c: zaczynajmy od podstaw i budujmy na solidnych
fundamentach.
5. Wreszcie musi Wam po prostu zale»e¢.
Niewa»ne, jakie dotychczas mieli±cie stopnie. Je»eli Wam naprawd¦ zale»y, i je±li
jeste±cie gotowi na ci¦»ka i systematyczn¡ prac¦ nie poddawajcie si¦ i próbujcie
realizowa¢ swoje marzenia, cokolwiek powiedz¡ inni.
3.3
Kilka praktycznych wskazówek. . .
1. Rozmowa rekrutacyjna.
Zaczynamy od szczegóªów: Jeste±my na czas, ubrani schludnie i nie »ujemy gumy
:-))) Wiem, ze brzmi to ±miesznie i jak oczywisto±¢. . . . ale zaskakuj¡co cz¦sto zdarzaj¡ si¦ zaniedbania w tym zakresie.
2. Rozmowa rekrutacyjna to Wasza szansa.
Przez rozmow¦ rma poznaje Was, ale to równie» szansa dla Was, aby pozna¢
rm¦. Rzadko kto j¡ wykorzystuje. Przygotujcie sobie kilka pyta« (3-5), na które koniecznie chcecie uzyska¢ odpowiedzi. Poni»ej kilka pyta«, które byªy bardzo pomocne
dla mnie:
•
Je»eli spojrzymy na najlepszych w Pana/Pani zespole co maj¡ wspólnego?
Co ich wyró»nia?
•
•
Co sprawia Panu/Pani najwi¦ksza przyjemno±¢ w pracy w rmie X?
Je»eli doª¡cz¦ do rmy, jakie b¦d¡ moje priorytety w pierwszych 3, 6, 12 miesi¡cach?
•
•
Jakie s¡ wska¹niki efektywno±ci przypisane do mojego stanowiska?
Wyobra¹my sobie koszmarny scenariusz - doª¡czam do Pa«stwa rmy, po 6
miesi¡cach musimy si¦ rozsta¢. Dlaczego mogªoby tak si¦ sta¢?
Co wi¦cej, ±miaªo deklarujcie, »e byliby±cie zainteresowani informacj¡ zwrotn¡
nawet w przypadku niepowodzenia. By¢ mo»e to pomo»e Wam wyeliminowa¢ bª¦dy
i nast¦pnym razem b¦dzie du»o lepiej
3. Oddzielnie chciaªbym podsun¡¢ kilka rzeczy, których powinni±cie
unika¢ za wszelk¡ cen¦
•
Nie pytajcie o oczywisto±ci. Ostatnio jeden kandydat zaskoczyª mnie pytaniem
- Schneider Electric ale co Wy wªa±ciwie robicie?
11
•
Nie zaczynamy od pyta« o to ile b¦dziemy zarabia¢, jak szybko mo»emy by¢
awansowani i czy mo»emy zmieni¢ zakres obowi¡zków trzeciego dnia pracy
•
•
Nie pytamy o plotki - Sªyszaªem od kolegi kolegi, »e Wy. . . Wreszcie , nie próbujmy udawa¢ kogo± kim nie jeste±my: je»eli nie znamy R,
to ok.
Niech tak b¦dzie.
Ale nie popeªniajmy bª¦du udawania eksperta w
dziedzinie, w której ekspertem nie jeste±my. Zaskakuj¡co cz¦sto si¦ to zdarza.
Na koniec kilka ksiazek ktore bardzo mi si¦ przydaªy
•
•
•
•
•
•
John Wooden, A Lifetime of Observations and Reections
Marcus Buckingham, Now, Discover Your Strentghs
Jim Loehr & Tony Schwartz, The Power of Full Engagement
D.J. Patil, Building Data Science Teams
Roger Fisher, Getting to Yes
Jason Selk, Executive Toughness
Je»eli nie macie czasu, to szczególn¡ uwag¦ proponuj¦ zwróci¢ na pierwsze trzy
pozycje
Na koniec to oczywi±cie tylko i wyª¡cznie moje do±wiadczenia. Nie traktujcie
ich prosz¦ jako ogólnej teorii wszystkiego, ale raczej jako rady troch¦ starszego kolegi,
który trzyma za Was kciuki.
Powodzenia!
Tomasz Wyszy«ski
PS. Czujcie si¦ swobodnie, »eby kontaktowa¢ si¦ ze mn¡ przez serwis Linkedin.
4 Bartªomiej Bartoszewicz
4.1
Wst¦p
W jednym z wpisów na blogu (http://quantup.pl/2015/03/10/ms-excel/co-powinienumiec-student-lub-absolwent-studiow-matematycznych/) Artur napisaª konkretnie i
bardzo trafnie, jakie kwalikacje pod wzgl¦dem znajomo±ci statystyki i narz¦dzi softwarowych powinien posi¡±¢ pocz¡tkuj¡cy analityk (czyli m.in. absolwent studiów
matematycznych). Lista jest bardzo rozbudowana i nie wymaga uzupeªnienia, dlatego skupi¦ si¦ na otoczce lozocznej wyboru miejsca pracy przez analityka. Celowo nie napisaªem poszukiwaniach pierwszej pracy, bo moje przemy±lenia dotycz¡
równie» ka»dej kolejnej pracy.
Poni»sze uwagi kieruj¦ te» do doktorantów, ±wie»o
upieczonych doktorów i starszych pracowników nauki. Nigdy nie jest za pó¹no, aby
12
zmieni¢ bran»¦ i ±rodowisko, w którym pracujesz.
Moje przemy±lenia, chocia» na
pierwszy rzut oka mocno lozoczne, opieraj¡ si¦ na kilkunastoletnim do±wiadczeniu, zarówno w pracy naukowej i dydaktycznej, jak i w pracy analityka w roli
podwªadnego oraz w roli przeªo»onego.
4.2
Od czego zacz¡¢?
Najwa»niejsze w pracy ka»dego analityka danych s¡ dwie rzeczy (kolejno±¢ wedªug
wa»no±ci): po pierwsze znajomo±¢ analizowanego zjawiska (czyli tego, czym rma si¦
zajmuje), po drugie matematyka, statystyka i narz¦dzia software'owe. To odwrotnie,
ni» na studiach, i najcz¦±ciej odwrotnie ni» w pracy naukowej. Tak jest, poniewa»
analizy w rmach s¡ prowadzone po to, aby podejmowa¢ jak najlepsze decyzje przy
ograniczeniach, jakie w rmie wyst¦puj¡.
Kiedy na decyzj¦ jest jeden dzie«, nie
ma czasu na budow¦ zaawansowanego modelu, musi wystarczy¢ prosta tabelka, w
interpretacji której podstaw¡ jest znajomo±¢ zjawiska opisanego za pomoc¡ kilku
liczb.
Powy»sze nie znaczy, »e stosowanie coraz doskonalszych (i bardziej skomplikowanych) modeli nie jest konieczne. Modele s¡ potrzebne, bo m.in. pozwalaj¡ oddzieli¢
trend i wahania sezonowe od szumu, jednak bez znajomo±ci analizowanego zjawiska
mog¡ przeksztaªci¢ si¦ w bezmy±ln¡ ekstrapolacj¦ historycznych trendów. To znajomo±¢ samych analizowanych zjawisk pozwala zdecydowa¢, kiedy historyczny trend
ulega zmianie i nie mo»na go wykorzysta¢ do konstrukcji prognoz na przyszªo±¢.
Podobnie, tylko znajomo±¢ zjawiska pozwala zidentykowa¢ obserwacje nietypowe i
zdecydowa¢, jak t¦ nietypowo±¢ uj¡¢ w analizie.
4.3
Czy lubisz to, co robisz?
Niektórym, podobnie jak mi, trudno wybra¢ biznes'`, który uznaj¡ za swój, bo
w wielu rmach z ró»nych bran» mo»na robi¢ interesuj¡ce rzeczy. Je±li tak jest w
Twoim przypadku, to nie martw si¦. Je±li »adna z rm, które dotychczas poznaªe±,
nie jest wystarczaj¡co ciekawa, aby zaanga»owa¢ si¦ w ni¡ caªym sercem, to nie poddawaj si¦, tylko szukaj dalej. To wa»ne, bo przez ponad 40 lat pracy po sko«czeniu
studiów b¦dzie Ci potrzebna motywacja. Mnóstwo motywacji. Niektórych motywuj¡
pieni¡dze, innych poczucie obowi¡zku, jeszcze innym praca daje poczucie presti»u,
ale te czynniki pr¦dzej czy pó¹niej przestaj¡ wystarcza¢, aby z ochot¡ wsta¢ rano i
wyj±¢ do pracy. Tylko je±li lubisz swoj¡ prac¦ i wkªadasz w ni¡ du»o serca, dostaniesz ambitniejsze zadania, wª¡czysz si¦ w realizacj¦ ciekawych projektów, poczujesz
wewn¦trzne zadowolenie z wªasnych osi¡gni¦¢, u±wiadomisz sobie swoj¡ warto±¢ jako
13
pracownik, awansujesz, dostaniesz podwy»k¦. . .
Wa»ne jest to, aby lubi¢ swoj¡ rm¦ i to, czym ona si¦ zajmuje. Wtedy ªatwiej
przychodzi po±wi¦cenie czasu na poznawanie czego±, co niekoniecznie jest obiektywnie ciekawe dla kogo± obdarzonego ±cisªym umysªem.
4.4
Na czym polega praca analityka?
Najcenniejsz¡ kwalikacj¡ analityka, zarówno pocz¡tkuj¡cego, jak i do±wiadczonego,
jest odwaga w prezentowaniu wªasnych rekomendacji w zakresie decyzji, które nale»y
podj¡¢: analityk, który nie przedstawia (nie chce, nie potra tego robi¢) wªasnego
punktu widzenia jest dla szefa problemem. A szefowie zatrudniaj¡ ludzi, aby rozwi¡zywali problemy, a nie generowali dodatkowe.
Szef wymaga od analityków przedstawienia rekomendacji, poniewa» (wierzcie lub
nie) ªatwiej i szybciej jest wyrobi¢ sobie wªasne zdanie i podj¡¢ decyzj¦, gdy punktem
wyj±cia s¡ wnioski i rekomendacja kogo± innego (nawet gdy rekomendacja jest nietraona). Tak po prostu jest. Analityk przygotowuj¡c wªasn¡ rekomendacj¦ nie wykonuje pracy za swojego szefa. On pomaga szefowi wykona¢ jego prac¦ efektywniej.
To wa»ne, bo szef wspóªpracuje z grup¡ od kilku do nawet kilkunastu analityków,
i te» chciaªby wyj±¢ z pracy o 17:00 ;-) Ostateczn¡ decyzj¦ podejmuje jednak szef
i to on jest odpowiedzialny za jej skutki czyli ponosi jej konsekwencje, zarówno
pozytywne, jak i negatywne.
Przy okazji:
rma nie pªaci analitykom i mened»erom za kompetencje, tylko
za odpowiedzialno±¢, jak¡ bior¡ za efekty swojej pracy.
Pracownicy z wy»szymi
kompetencjami najcz¦±ciej zarabiaj¡ wi¦cej, bo z reguªy wy»sze kompetencje i do±wiadczenie oznaczaj¡, »e rma bardziej im ufa i jest gotowa obdarzy¢ ich wi¦ksz¡
odpowiedzialno±ci¡. Analityk, który nie przedstawia wªasnych rekomendacji, nie bierze »adnej odpowiedzialno±ci na siebie i najprawdopodobniej b¦dzie doceniany przez
przeªo»onych w mniejszym stopniu, ni» by tego chciaª.
Bardzo cz¦sto zdarza si¦, »e analityk jest najlepszym (i w zasadzie jedynym)
specjalist¡ w caªej rmie w zakresie zagadnienia, którym si¦ zajmuje. Jest tak tak»e
wtedy, gdy wspóªpracownicy mogliby (maj¡ odpowiednie kompetencje) pozna¢ to
zagadnienie, ale nie maj¡ na to czasu ze wzgl¦du na swoje wªasne zadania. Z jednej
strony jest to powód do dumy (nikt nie zna i nie rozumie tego lepiej ode mnie).
Z drugiej strony oznacza to, »e maªo kto b¦dzie w stanie pomóc analitykowi w jego
zadaniach. Nikt te» nie zast¡pi go np. przygotowuj¡c rekomendacj¦ na podstawie
wykonanej analizy.
14
4.5
Na koniec
Podsumowuj¡c, je±li my±lisz o pracy analityka, to wiedz, »e istot¡ jego zada« jest
podstawianie wªasnych (uzasadnionych) rekomendacji w zakresie decyzji, przed którymi rma stoi.
Aby robi¢ to ±wietnie, musisz po pierwsze zna¢ rm¦ i to, czym
ona si¦ zajmuje, a po drugie umie¢ zastosowa¢ narz¦dzia statystyczne i softwarowe.
Najlepszym sposobem, aby ±wietnie zna¢ rm¦ i jej biznes, jest lubi¢ swoj¡ prac¦ i
wkªada¢ w ni¡ swoje serce.
Na koniec jeszcze jedna uwaga: analityk danych analizuje zjawiska opisane za
pomoc¡ liczb, a nie same liczby!
5 Rafaª Pisz
Moja perspektywa jest nieco odmienna sam nie studiowaªem matematyki, miaªem
natomiast przyjemno±¢ zatrudnia¢ osoby o takim czy te» zbli»onym (zyka teoretyczna) wyksztaªceniu. Zmiana perspektywy sprawia te», »e pytania Co jest wa»ne¾'
oraz Z do±wiadczenia nabieraj¡ nieco odmiennego znaczenia.
5.1
Co jest wa»ne?
Kiedy przyjmuj¦ do pracy osoby o ±cisªym wyksztaªceniu, najwa»niejsza jest dla mnie
ich zdolno±¢ abstrakcyjnego my±lenia, du»a sprawno±¢ w przyswajaniu abstrakcyjnych teorii oraz umiej¦tno±¢ budowania modeli rzeczywisto±ci. Wszystkie te cechy s¡
istotne z punktu widzenia tworzenia oprogramowania, niezale»nie od tego dla jakiej
bran»y ono powstaje.
Osoby, które studiowaªy matematyk¦, maj¡ zwykle te cechy, poniewa» pod ich
k¡tem byªy rekrutowane na studia, a tak»e te cechy byªy w nich rozwijane podczas
studiów.
Co jest zatem wa»ne i pozwala wyró»ni¢ si¦ na tle innych kandydatów
s¡ to w moim przekonaniu umiej¦tno±ci efektywnej komunikacji, czy te» szerzej,
umiej¦tno±ci mi¦kkie.
Sztuk¡ jest bowiem umiej¦tno±¢ przyst¦pnego mówienia o
skomplikowanych rzeczach.
5.2
Z do±wiadczenia
Nie zawsze miejsce pracy jest instytutem badawczym co oznacza dla mnie mi¦dzy
innymi, »e na rozwijanie umiej¦tno±ci czy te» wªasnej wiedzy nie nale»y patrze¢ jako
na cel sam w sobie, a jedynie w kontek±cie celu, jaki stoi przed rm¡. St¡d te» wa»ne,
aby miejsce, w którym pracujecie, takie cele, nie tylko deklarowane ale rzeczywi±cie
15
realizowane miaªo i aby d¡»enie do osi¡gni¦cia tych celów dawaªo Wam mo»liwo±¢
rozwoju poprzez prac¦ nad nimi.
6 Magdalena Berestecka
Chciaªabym przedstawi¢ punkt widzenia osoby, która przeprowadza rozmowy rekrutacyjne z wieloma kandydatami i kieruje du»ymi zespoªami analitycznymi.
Inten-
sywnie my±laªam o tym, czy przeprowadzanie rekrutacji na stanowiska analityczne
ró»ni si¦ czym± od rekrutacji na stanowiska innych typów i im dªu»ej my±l¦ o tym,
tym bardziej stwierdzam »e nie.
Kluczowe jest aby rozpozna¢ talent'`, znale¹¢ to co± co sprawi, »e uwierzymy,
»e dana osoba dobrze poradzi sobie na stanowisku i »e b¦dzie zadowolona z tego
wyboru. Podej±cie do rekrutacji, w którym zadowolony ma by¢ tylko pracodawca,
jest bardzo krótkowzroczne, gdy» nie ma dobrego, niezadowolonego pracownika.
Jest faktem, »e student matematyki zwykle charakteryzuje si¦ pewnymi cechami
charakteru, które je±li si¦ nie ma ±wiadomo±ci tej specyki mog¡ utrudnia¢ odkrycie talentu. Cz¦sto spotykam si¦ z tym, »e takie osoby s¡ bardzo rzeczowe, ich
sposób mówienia jest poukªadany, a osoba nie pokazuje za wielu emocji.
To, co staram si¦ zrobi¢, to rozlu¹ni¢ atmosfer¦ i spróbowa¢ pozwoli¢ osobie na
to, aby pokazaªa kim jest. Pokazaªa, »e wiedza, któr¡ ma to jedno, ale równie wa»ne
jest jak¡ jest osob¡, co lubi i jaki jest jej stosunek do wiedzy któr¡ ma. Czy jest to
kwestia przypadku, czy id¡ za tym jakie± zainteresowania, praktyczne zastosowania?
Interesuj¡ mnie konkretne przykªady i przekonanie si¦, czy osoba ma ±wiadomo±¢, »e
wiedza sama dla siebie bez umiej¦tno±ci zastosowania jej do realizacji konkretnych
biznesowych zada« w korporacjach, które z samej swojej natury nastawione s¡ na
cele, zyski, efekty nie b¦dzie miaªa »adnego uznania.
A ostateczna decyzja to mix twardych informacji z CV, wra»e« z rozmowy oraz
odrobiny a mo»e wi¦cej ni» odrobiny intuicji :-)
7 Artur Suchwaªko
Staram si¦ napisa¢ swój fragment tak, aby nie doradza¢, ale spowodowa¢, »e pomy±licie sami ;-) Dziel¦ si¦ swoim do±wiadczeniem i podaj¦ liste pyta«, na które wedªug
mnie warto sobie odpowiedzie¢ przed podj¦ciem decyzji o wyborze lub zmianie pracy.
16
7.1
Co jest wa»ne?
1. Jaki jest Twój cel zawodowy? (cz¦sto wygl¡da to tak: chc¦ zosta¢ specjalist¡
od XYZ w ZYX)
2. Co to znaczy?
3. Kiedy chcesz to uzyska¢?
4. Sk¡d b¦dziesz wiedziaªa, »e to osi¡gn¦ªa±?
5. Jakie umiej¦tno±ci musisz mie¢? Techniczne? Inne ni» techniczne?
6. Jakiego do±wiadczenia to wymaga?
7. Jakie kroki trzeba wykona¢, »eby naby¢ takich umiej¦tno±ci i do±wiadczenia?
Czy uda si¦ to uzyska¢ w pracy? Mo»e tylko w czasie po pracy?
8. Co Ci to da pó¹niej? Co chcesz zrobi¢, jak ju» to osi¡gniesz? Jak widzisz swoj¡
pozycj¦ zawodow¡ za 5 lat?
9. Na czym najbardziej zale»y Ci w pracy?
(przykªady:
wyjazdy, spotkania,
ambitne zadania, szkolenia, uczenie si¦ od osób do±wiadczonych, atmosfera,
wspóªpracownicy. . . )
10. Co byªo zªego / dobrego w dotychczasowych zaj¦ciach / pracodawcach / przeªo»onych / wspóªpracownikach?
11. Czego chcesz si¦ nauczy¢ od innych? Jakie to musiaªyby by¢ osoby?
12. Czy / co chcesz po±wi¦ci¢, »eby du»o si¦ nauczy¢?
13. Czego mo»esz dowiedzie¢ si¦ o nowej pracy, o bezpo±rednim przeªo»onym, o
ogranizacji przed jej rozpocz¦ciem? Czy mo»esz spyta¢ osób, które tam pracuj¡
lub pracowaªy?
14. Jakie warunki i w jaki sposób mo»esz sobie zagwarantowa¢ w nowej pracy?
Czym tak naprawd¦ b¦dziesz si¦ zajmowa¢?
15. Jakie wyksztaªcenie i do±wiadczenie ma Twój bezpo±redni przyszªy przeªo»ony?
16. Je±li ju» pracujesz i zastanawiasz si¦ nad zmian¡ pracy, to co (tak realnie)
mo»esz zmieni¢ w obecnej pracy?
7.2
•
Z do±wiadczenia
Najwa»niejszy jest bezpo±redni przeªo»ony. Ró»ne osoby stwarzaj¡ ró»n¡ atmosfer¦ pracy, daj¡ inne warunki i inny komfort pracy.
Nawet w tej samej
rmie.
•
Jak w rmie czego± (zasobu, bud»etu, planu itp.)
nie ma od razu, np.
w
momencie zatrudnienia lub nie jest zagwarantowane lub nie ma okre±lonego
planu dziaªania czy momentu, to obietnice powinno'`, kiedy±'`, b¦dziesz si¦
na ogóª nie speªniaj¡.
17
•
Obietnice typu jak uporz¡dkujesz dane i raportowanie, to zajmiemy si¦ modelowaniem, prognozami, data miningiem itp. itd. cz¦sto si¦ nie sprawdzaj¡.
Firmom cz¦sto wystarczaj¡ dobre dane, mo»liwo±¢ raportowania, a nie ma autentycznej potrzeby, »eby wdro»y¢ zaawansowane metody.
•
Cz¦sto, jak w rmie zaczniesz zajmowa¢ si¦ jednym tematem, to mo»e nie by¢
ju» mo»liwo±ci zmiany. I b¦dziesz zajmowa¢ si¦ nim zawsze.
•
Cz¦sto przez analiz¦ danych czy BI rozumie si¦ tabele i zestawienia. I cz¦sto na
tym polega 90% pracy, a praca nad bardziej zaawansowanymi rzeczami nigdy
si¦ nie pojawia. Dlaczego? Proste metody cz¦sto wystarczaj¡, a zaawansowanych rma nie jest w stanie odpowiednio wykorzysta¢.
•
•
Firma to nie instytut naukowy (na ogóª ;-).
Jak widzisz w ofercie pracy raporty ad-hoc'`lub w maªej rmie ±cisªa wspóªpraca z Zarz¡dem w celu . . . to uwa»aj.
Mo»e si¦ sko«czy¢ nieustannym
robieniem zestawie«.
•
Cz¦sto atrakcyjnie opisane w ogªoszeniach o prac¦ zadania okazuj¡ si¦ czym±
nieciekawym albo zajmuj¡ niewielk¡ cz¦±c czasu pracy.
Dopytaj dokªadnie,
czym b¦dziesz si¦ zajmowa¢.
•
Prole ludzi na LinkedIn (potencjalnych wspóªpracowników, przeªo»onych) cz¦sto wygl¡daj¡ dobrze, a potem okazuje si¦, »e w ogóle nie przekªada si¦ to na
umiej¦tno±ci, zaanga»owanie czy osi¡gni¦cia.
•
Najwi¦cej mo»na (i trzeba) nauczy¢ si¦ samemu, inwestuj¡c swój czas i prac¦.
8 Informacja zwrotna?
Je±li masz co± do dodania, uzupeªnienia lub z czym± si¦ nie zgadzasz komentuj,
pisz (adresy znajdziesz na stronie).
18

W jaki sposób absolwent matematyki (i nie tylko)

Transkrypt

Podobne dokumenty

ku¿nia talentów

dlaczego cattier?

Nasz wspólny pobyt nad morzem

Strategie cenowe firmy

Trening interpers - Wyższa Szkoła Finansów i Informatyki im. prof. J

SCENARIUSZ SPOTKANIA Z RODZICAMI

list motywacyjny pdf

pobierz ofertę - AUTO-SERVIS sc JGMW Mońkowie, Krzepice