Role w data — kto jest kim w świecie danych
Data Analyst, Data Engineer, Data Steward, AI Engineer. Wyjaśniam prosto, czym każda z tych osób zajmuje się na co dzień i w jakich technologiach pracuje.
Ogłoszenia o pracę w obszarze danych bywają mylące. Nazwy stanowisk brzmią podobnie, wymagania częściowo się pokrywają, a zakres obowiązków jest zupełnie inny.
Najprościej zrozumieć to tak: dane w firmie przechodzą drogę od systemu źródłowego, przez porządkowanie i analizę, aż do decyzji biznesowej. Każda rola odpowiada za inny etap tej drogi. Poniżej opisuję je po kolei: czym dana osoba zajmuje się na co dzień, w jakich technologiach pracuje i komu taka ścieżka odpowiada.
Analityk danych (Data Analyst)
Praca analityka danych przypomina pracę detektywa. Biznes przychodzi z pytaniem w rodzaju „dlaczego sprzedaż spadła w marcu” i to analityk musi znaleźć odpowiedź. Zaczyna od pobrania surowych danych z systemów firmowych. Następnie je porządkuje i czyści z błędów. Dopiero wtedy szuka wzorców i zależności. Na koniec przygotowuje raport zrozumiały dla osoby, która nie zna SQL.
Technologie
- Excel
- SQL
- Power BI
- Tableau
- Python
Dla kogo: dla osób, które lubią rozwiązywać logiczne zagadki i potrafią wytłumaczyć wynik prostym językiem. Bez tej drugiej umiejętności nawet najlepsza analiza pozostaje niewykorzystana.
BI Developer (analityk BI)
Ta rola wygląda inaczej niż praca analityka. Zamiast odpowiadać na pojedyncze pytania, BI Developer buduje narzędzia, w których biznes samodzielnie znajduje odpowiedzi. Projektuje model danych, pisze miary, konfiguruje uprawnienia i dba o to, żeby raport odświeżał się codziennie bez zakłóceń. Efekty jego pracy służą firmie przez wiele miesięcy.
Technologie
- Power BI
- DAX
- Power Query
- SQL
- Microsoft Fabric
- Tableau
Dla kogo: dla osób, które cenią rozwiązania działające automatycznie. Jeśli ręczne przygotowywanie tego samego raportu co miesiąc wydaje Ci się stratą czasu, ten kierunek będzie odpowiedni.
Analytics Engineer
To stosunkowo nowa rola, sytuująca się pomiędzy analitykiem a inżynierem danych. Taka osoba przekształca surowe, nieuporządkowane tabele w czyste, opisane i przetestowane modele danych. Dzięki temu analitycy w firmie liczą wskaźniki w jeden ustalony sposób, a nie na kilka różnych. Analytics Engineer traktuje SQL jak kod: wersjonuje go, testuje i dokumentuje.
Technologie
- dbt
- SQL
- Snowflake
- BigQuery
- Databricks
- Git
Dla kogo: naturalny kierunek rozwoju dla analityka, któremu zależy na uporządkowaniu danych u źródła.
Inżynier danych (Data Engineer)
Inżynier danych buduje infrastrukturę, którą przepływają dane. Pobiera je z systemów sprzedażowych, plików i API, a następnie ładuje do hurtowni. Odpowiada za to, żeby proces uruchamiał się regularnie i radził sobie z nietypowymi rekordami. To mniej widoczna rola niż analityka, ale bez niej analitycy nie mają na czym pracować.
Technologie
- Python
- SQL
- Airflow
- Spark
- Kafka
- Azure / AWS / GCP
Dla kogo: dla osób, które wolą projektować systemy niż prezentować wyniki na spotkaniach.
Data Scientist
Data Scientist zajmuje się przede wszystkim przyszłością. Analityk opisuje to, co już się wydarzyło, natomiast data scientist próbuje przewidzieć, co wydarzy się dalej. Prognozuje sprzedaż, segmentuje klientów, buduje modele oceny ryzyka i projektuje testy A/B. Znaczną część pracy stanowi eksperymentowanie, a część hipotez okazuje się błędna. To naturalny element tego zawodu.
Technologie
- Python
- pandas
- scikit-learn
- SQL
- Jupyter
- R
Dla kogo: dla osób, które lubią statystykę i akceptują to, że nie każdy pomysł się sprawdzi.
ML Engineer
Model, który działa poprawnie w notatniku, to dopiero początek. ML Engineer odpowiada za to, żeby ten sam model działał na produkcji, szybko i przy dużej liczbie zapytań. Monitoruje również jego skuteczność w czasie i w razie potrzeby przeprowadza ponowne uczenie.
Technologie
- Python
- MLflow
- Docker
- Kubernetes
- CI/CD
Dla kogo: dla osób o zacięciu programistycznym, mniej zainteresowanych stroną badawczą.
AI Engineer
Najmłodsza rola na tej liście i obecnie jedna z najczęściej poszukiwanych. AI Engineer tworzy aplikacje oparte na modelach językowych: asystentów, chatboty, automatyzacje oraz systemy odpowiadające na pytania na podstawie dokumentów firmy. Zazwyczaj nie trenuje modeli od podstaw, lecz łączy gotowe komponenty i dba o jakość oraz wiarygodność odpowiedzi.
Technologie
- Python
- API modeli (OpenAI, Anthropic)
- LangChain
- LlamaIndex
- Bazy wektorowe
- Prompt engineering
Dla kogo: dla osób, które chcą pracować w najszybciej zmieniającym się obszarze danych. Wymaga gotowości do ciągłej nauki, ponieważ narzędzia zmieniają się tu co kilka miesięcy.
Data Steward
Ta rola jest mniej techniczna, ale bardzo istotna. Data Steward pełni funkcję opiekuna danych w konkretnym obszarze firmy. Dba o to, żeby pojęcie „klient” oznaczało to samo w dziale sprzedaży i w finansach. Prowadzi słownik definicji, zgłasza błędy jakości danych i decyduje o dostępach. Bez tej pracy poszczególne raporty w firmie pokazują rozbieżne wyniki.
Technologie
- Microsoft Purview
- Collibra
- SQL
- Excel
- Dokumentacja
Dla kogo: dla osób, które znają procesy w firmie i cenią porządek. Często trafiają tu specjaliści z działów biznesowych, nie z IT.
Specjalista ds. Data Governance
To rozszerzenie roli Data Stewarda na poziom całej organizacji. Taka osoba ustala polityki dostępu do danych, odpowiada za zgodność z RODO i dba o to, żeby firma wiedziała, jakimi danymi dysponuje. Praca mocno proceduralna, prowadzona w bliskiej współpracy z działem prawnym i bezpieczeństwa.
Technologie
- Katalogi danych
- Polityki dostępu
- Audyt
- RODO
Dla kogo: dla osób ceniących uporządkowane procedury i pracę na styku danych oraz prawa.
Data Architect
Architekt danych projektuje całość rozwiązania. Odpowiada na pytania, czy firma potrzebuje klasycznej hurtowni czy architektury lakehouse, którą chmurę wybrać i jak poszczególne systemy mają się ze sobą komunikować. Są to decyzje o horyzoncie kilkuletnim, dlatego rola wymaga doświadczenia.
Technologie
- Modelowanie danych
- Kimball
- Data Vault
- Snowflake
- Databricks
- Microsoft Fabric
Dla kogo: to naturalny kierunek rozwoju dla doświadczonego inżyniera danych.
Administrator baz danych (DBA)
Rola klasyczna, która wciąż pozostaje potrzebna. DBA odpowiada za wydajność bazy danych, kopie zapasowe oraz odtwarzanie po awarii. Optymalizuje zapytania, projektuje indeksy i zarządza bezpieczeństwem dostępu.
Technologie
- SQL Server
- PostgreSQL
- Oracle
- MySQL
Dla kogo: dla osób ceniących stabilność i przewidywalność.
Data Product Manager
Ostatnia rola i zarazem najmniej techniczna. Taka osoba decyduje, co zespół danych powinien zbudować i w jakim celu. Rozmawia z biznesem, zbiera potrzeby, ustala priorytety i dba o to, żeby powstawały rozwiązania faktycznie używane w firmie. Podstawy SQL są przydatne, ale kluczowa jest umiejętność zadawania właściwych pytań.
Technologie
- SQL (podstawy)
- Jira
- Analiza wymagań
- Komunikacja
Dla kogo: dla osób, które łączą rozumienie biznesu z podstawową wiedzą techniczną.
Którą ścieżkę wybrać?
Zamiast przeglądać kolejne ogłoszenia, odpowiedz sobie na trzy pytania.
Pytania czy narzędzia?
Jeśli wolisz odpowiadać na pytania biznesu, rozważ rolę analityka lub data scientista. Jeśli wolisz tworzyć narzędzia, sprawdź inżynierię danych i role związane z AI.
Ludzie czy kod?
Data Steward, BI Developer i Data Product Manager spędzają dużo czasu na rozmowach z biznesem. Data Engineer i ML Engineer zdecydowanie mniej.
Jak szybko na rynek?
Najkrótsza droga od zera do pierwszego zatrudnienia w danych wciąż prowadzi przez stanowisko analityka. SQL w połączeniu z Power BI realnie otwiera drzwi.
Sama zaczynałam od SQL i Excela, bez technicznego wykształcenia. Nie musisz znać wszystkiego z tej listy. Wystarczy, że wybierzesz jedną ścieżkę i zrealizujesz w niej pierwszy projekt.
Zaczynasz od SQL?
Fiszki SQL to 80 kart z konstrukcjami, których faktycznie używa się w pracy analityka. Uczysz się w krótkich, konkretnych krokach.