Hoe word ik Data Analist

Bedrijven in elke industrie moeten hun grote beslissingen onderbouwen met cijfers, en het komt allemaal neer op datavisualisatie en voorspellingen. Als je van de uitdaging houdt om een verhaal te vertellen aan de hand van variabelen en algoritmen, dan is dit het moment om een carrière in data-analyse op te bouwen.

Nieuwsgierig hoe je je wiskundige vaardigheden verder kunt ontwikkelen en een carrière op lange termijn kunt beginnen? Hier volgen de 5 belangrijkste stappen om data-analist te worden, gevolgd door enkele tips waarmee je je vaardigheden kunt laten zien (zelfs zonder eerdere ervaring).

Doe je onderzoek.

Er zijn diverse functies die veel met data te maken hebben en veelbelovende vooruitzichten op een baan hebben, waaronder:

• Businessanalist
• Financieel analist
• Datawetenschapper
• Data-ingenieur

Je hoeft nog niet meteen te beslissen over een specialisme, maar een algemeen inzicht in de verschillende carrièrepaden binnen data kan je helpen je zoektocht naar een baan te richten, evenals de vaardigheden die je leert. Als je jezelf als bedrijfsanalist ziet, moet je alle basisvaardigheden van data kennen, plus hoe je samengestelde rente berekent. Als je gefascineerd bent door machine learning, kun je overwegen om je wiskundekennis naar een nog hoger niveau te tillen als data scientist.

Lees enkele functiebeschrijvingen, onderzoek de vaardigheden die bij elk specialisme komen kijken, of neem contact op met lokale data-professionals om uit de eerste hand te horen hoe hun baan er van dag tot dag uitziet.

Verwerf de opleiding en vaardigheden die je nodig hebt om Data Analist te worden

Velen beginnen met een bachelordiploma, wat je voor de meeste banen een betere concurrentiepositie kan geven, maar niet vereist is. Er zijn nu gespecialiseerde data-opleidingen, maar je kunt ook beginnen met een verwante graad, zoals wiskunde of economie.

Met of zonder graad, er zijn enkele noodzakelijke vaardigheden die elke data-analist in zijn arsenaal moet hebben, waaronder:

Wiskunde (vooral statistiek)
• Datamanagement en geavanceerde Excel-functies
• Programmeerkennis (SQL, Python en C++ zijn allemaal waardevol voor data-analyse)

Sommige van deze vaardigheden kun je jezelf aanleren, in ieder geval op basisniveau. Maar we raden aan om samen te werken met een doorgewinterde data-mentor en een gestructureerde cursus data-analyse te volgen. Als je een expert aan je zijde hebt, kun je de onderliggende concepten beter begrijpen en kun je beter begrijpen hoe ze in de praktijk worden toegepast.

Stel een portfolio samen.

Een sterk portfolio voor data-analyse laat managers zien wat je kunt en hoe waardevol je voor hun team kunt zijn. Het is net zo belangrijk als je cv, zo niet belangrijker. Investeer er dus wat tijd in en stel een portfolio samen waarin al je vaardigheden aan bod komen.

• Bewijs dat je kunt onderzoeken, analyseren en visualiseren. Voor vrijwel elke functie als data-analist zijn deze drie vaardigheden vereist, dus laat ze allemaal zien. Benadruk alle verschillende gegevensbronnen waarnaar je hebt verwezen, waarom je SQL hebt gekozen om je analyse uit te voeren en hoe je alles hebt samengebracht in een kristalhelder dashboard.
• Toon je volledige scala aan harde en zachte vaardigheden. Laat projecten zien die je technische vaardigheden laten zien, maar benadruk ook je zachte vaardigheden zoals communicatie en samenwerking. Data-analisten werken vaak samen met engineering-, marketing-, financiële en verkoopteams; wervingsmanagers waarderen kandidaten die andere perspectieven zoeken.
• Kies werk dat relevant is voor de baan. Als je in het beginstadium bent van je pivoting naar data-analyse, dan heb je misschien niet genoeg projecten om elke sollicitatie op maat te maken. Maar als het mogelijk is, probeer dan je portfolio op de functie af te stemmen door projecten te gebruiken met de meest relevante soorten datasets. Als je voor de vacature moet samenwerken met Sales, dan wil je projecten opnemen waarbij SalesForce-rapportage werd gebruikt.
• Gebruik een format dat recruiters aanspreekt. Plaats voorbeelden van je werk online met tools als GitHub of een persoonlijke website. Meestal wil je 3-5 projecten delen: genoeg om een gevarieerd pakket aan vaardigheden te laten zien, zonder de aanwervende manager te overweldigen met te veel informatie.

Bouw aan een professioneel netwerk.

Face-to-face interactie is waardevol, maar het is niet de enige manier om andere data nerds te ontmoeten. Het is makkelijker dan ooit om jezelf op afstand voor te stellen, dus maak je niet druk als je niet naar elke data-bijeenkomst kunt komen.

Stel voor jezelf wekelijkse doelen om actief een professioneel netwerk op te bouwen tijdens je zoektocht naar een baan. Stel jezelf voor aan lokale analisten via LinkedIn en vraag om een snel informatief telefoongesprek. En praat met vrienden en familie over je carrièredoelen – je hebt misschien meer connecties dan je denkt.

Wanneer je iemand ontmoet die carrière heeft gemaakt van zijn of haar data-vaardigheden, stel dan al je vragen. Youtube-tutorials zijn geweldig, maar je moet persoonlijke contacten leggen om een goed beeld te krijgen van je nieuwe carrière – van blunders bij het verzamelen van gegevens tot epische onthullingen. (Plus, elke connectie kan een potentiële baanaanbieding zijn.)

Vind een Data Analist Mentor.

Eén-op-één mentorschap is bewezen de meest effectieve manier van leren. Dat is een van de belangrijkste redenen waarom wij voor al onze studenten een persoonlijke mentor aanstellen.

Je kent misschien al iemand wiens carrière je bewondert, of misschien ontmoet je iemand die bijzonder behulpzaam is tijdens je netwerkinspanningen. Een goede mentor kijkt met een tweede paar ogen naar je cv en portfolio, en helpt je te begrijpen wat het doel van je vaardigheden is in een zakelijke context. Het belangrijkste is dat hij of zij jou en je carrièredoelen steunt.

Als je eenmaal een of twee mensen hebt ontmoet die bij je passen, houd dan contact. Door af en toe een berichtje te sturen, ook als je geen hulp nodig hebt of een specifieke vraag hebt, kun je een sterke werkrelatie onderhouden.

Voorbereiding op het gesprek met de data-analist.

Al dat onderzoek, al dat cursuswerk en al dat virtuele netwerken leiden tot sollicitatiegesprekken. Geef jezelf alle kansen om die gesprekken om te zetten in vacatures.

Bedrijven die data-analisten in dienst nemen, zijn op zoek naar een specifieke set vaardigheden, dus wees voorbereid op het beantwoorden van een aantal technische vragen. Misschien moet je vertellen welke methode je het liefst gebruikt om gegevens op te schonen, of beschrijven hoe je in het verleden complexe vragen hebt beantwoord met gegevens.

Voor alles zal je potentiële werkgever willen weten of je enthousiast bent om te blijven leren. Technologieën zullen zich ontwikkelen, en een succesvolle data-analist moet bereid zijn zich aan te passen.

Tips om data-analist te worden, zelfs zonder eerdere werkervaring

Het is dat eeuwenoude raadsel van het veranderen van loopbaan: hoe word je aangenomen zonder eerdere ervaring in de sector. Als je serieus wilt doorbreken in de data-wereld, kun je worden aangenomen zonder ervaring, zelfs zonder een graad in analytics. Maar je zult iets harder moeten werken om specifieke vaardigheden te leren, de gereedschappen van het vak te gebruiken, en creatieve manieren te vinden om te laten zien wat je kunt. Er zijn een paar manieren waarop je dat kunt doen.

• Stageplaats zoeken. Je kunt de traditionele weg bewandelen door vacaturesites af te zoeken naar stageplekken. Maar misschien kun je ook je eigen positie creëren, nog voordat die op een vacaturebank staat. Vraag analisten van bedrijven in de buurt om een gesprek; wees kort en bondig, maar laat ze weten waarom je geïnteresseerd bent om met ze te praten. Als ze weten dat je bereid bent om te leren en je komt toevallig op het juiste moment, kun je uiteindelijk een stagemogelijkheid voor jezelf creëren.
• Volg een online cursus. Als je nog nooit een analistentitel hebt gehad, moet je andere manieren vinden om duidelijk te maken dat je aan de behoeften van de rol kunt voldoen. In een cursus data-analyse leer je de specifieke vaardigheden die je nodig hebt, en zie je hoe ze in het echte leven worden toegepast. En een online, parttime cursus geeft je de mogelijkheid om van carrière te veranderen zonder je huidige baan te hoeven verlaten.
• Blijf relevant (en geïnspireerd). Volg een aantal van de beste dataleiders zoals FiveThirtyEight op Twitter en LinkedIn. Houd blogs over data-analyse in de gaten. Zelfs als het een klein deel van je dag is, heb je bronnen voor nieuwe inspiratie en iets om over te praten tijdens het small-talk-gedeelte van je volgende interview.
• Zoek je eigen uitdagingen. Geef jezelf projecten die je aan het onderzoeken en manipuleren van gegevens zetten. Onderzoek een onderwerp waarin je geïnteresseerd bent, en vraag jezelf af welke vragen je kunt beantwoorden door in de gegevens te duiken. Je kunt tools als data.gov of dataportals.org gebruiken om datasets te vinden waarmee je aan de slag kunt.
  Na verloop van tijd bouw je een portfolio op met werk, terwijl je je vaardigheden scherp houdt – en aan recruiters duidelijk maakt dat je zelfgemotiveerd bent. Zelfs als je onderwerp niet perfect aansluit bij de banen waarop je solliciteert, laat je portfolio zien dat je oprechte interesse hebt in het vakgebied en je inzet om je vak te verbeteren.
• Verwerk gegevens in je huidige functie. Als je aan het onderzoeken bent hoe je een data-analist kunt worden, heb je misschien het eenvoudigste antwoord over het hoofd gezien: begin er gewoon aan. Zoek naar manieren om je data-brein te gebruiken in je huidige functie. Zelfs als het analyseren van spreadsheets geen deel uitmaakt van je functieomschrijving, doe dan wat van je eigen marktonderzoek, of waag een poging om de manier waarop je afdeling resultaten rapporteert te verbeteren. Het geeft je de kans om je vaardigheden te oefenen, en misschien zelfs aan je bedrijf te bewijzen dat je analistenpotentieel hebt.

Zet uw vaardigheden om in een carrière.

Het is ontmoedigend om een heel nieuw carrièrepad in te slaan. Je fantastische Excel-vaardigheden zijn een prima startpunt, maar er komt meer bij kijken: je zult wiskundige en codeerkennis moeten combineren met een overtuigend portfolio om een goedverdienende baan te kunnen vinden.

Daarom geven we elke student maximale ondersteuning tijdens de cursus en de zoektocht naar een baan. Enthousiaste docenten, persoonlijke mentoren, carrièrecoaches en de rest van je cohort zullen allemaal voor je duimen. Als je klaar bent om de volgende stap in je carrière te zetten, laten we dan eens praten over je toekomst in data.