Roadmapa analityka danych: od białego do czarnego pasa
Nie wiesz, od czego zacząć, bo każdy mówi co innego? Jeden każe uczyć się Pythona, drugi mówi, że Excel wystarczy, a trzeci że AI i tak wszystko zrobi.
Tu masz kolejność, która działa w prawdziwej pracy. Siedem pasów, każdy z konkretną listą „co musisz umieć” i jasnym momentem, kiedy możesz już wysyłać CV.
Uczyłam się sama, bez technicznych studiów. Dziś pracuję jako Senior Data Scientist, a tę roadmapę ułożyłam tak, jak chciałabym ją dostać na starcie.
Biały pas: Excel i rozmowa z danymi
Dlaczego od Excela? Bo w Excelu dane widzisz. Widzisz, że daty to tak naprawdę tekst, że w kolumnie z kwotą ktoś wpisał „brak”, że klient występuje 3 razy z literówką w nazwisku. W SQL-u i Power BI tego już tak namacalnie nie zobaczysz, więc musisz umieć to sobie wyobrazić. Excel uczy tego odruchu.
Jak to wygląda w pracy
Dostajesz eksport z systemu, np. 15 tys. wierszy rezerwacji albo sprzedaży z CRM, i pytanie od managera: „Który produkt sprzedał się najlepiej w zeszłym kwartale?”. Zanim odpowiesz, musisz sprawdzić, czy te dane w ogóle można policzyć.
Rozmowa z danymi, czyli pytania, które zadajesz każdemu plikowi
- Co jest jednym wierszem? Jedna transakcja, jeden klient, jeden dzień?
- Czy są duplikaty?
- Czy są puste wartości i co one znaczą: zero, brak danych czy błąd?
- Czy formaty się zgadzają? Na przykład daty jako tekst, liczby z kropką zamiast przecinka albo spacje na końcu.
- Czy wartości mają sens? Ujemna liczba sztuk, zamówienie z 1900 roku?
Co musisz umieć
- Tabele (Ctrl+T), sortowanie i filtry
- Pivot table (tabela przestawna), czyli podsumowanie danych w 30 sekund
- XLOOKUP (X.WYSZUKAJ) do łączenia danych z dwóch arkuszy. To Twój pierwszy „JOIN”, zanim poznasz SQL.
- IF, SUMIFS, COUNTIFS (JEŻELI, SUMA.WARUNKÓW, LICZ.WARUNKI)
- Usuwanie duplikatów, TRIM, zamiana tekstu na datę i liczbę
- Formatowanie warunkowe do szybkiego wyłapywania dziwnych wartości
- Wykres, który coś mówi, a nie tylko „ładnie wygląda”
Masz ten pas, gdy: dostajesz obcy plik i w 10 minut wiesz, co w nim jest, co jest nie tak i jak to posprzątać.
Żółty pas: SQL
SQL jest w prawie każdym ogłoszeniu dla analityka. Dobra wiadomość: na pierwszą pracę wystarczą podstawy.
Co musisz umieć na start
- SELECT, FROM, WHERE, ORDER BY
- Funkcje agregujące: COUNT, SUM, AVG, MIN, MAX
- GROUP BY i HAVING
- JOIN (INNER, LEFT) i rozumienie, dlaczego po JOIN-ie nagle masz więcej wierszy niż przed
Jak to wygląda w pracy
Te same pytania co w Excelu, tylko na tabeli z 20 milionami wierszy, której nie da się otworzyć i „obejrzeć”. Właśnie tu przydaje się biały pas.
Masz ten pas, gdy: łączysz 2–3 tabele, grupujesz wyniki i wiesz, czy liczby się zgadzają.
3 poziomyZobacz SQL na mid i seniora+
SQL podstawy: to, co powyżej
SQL średniozaawansowany: podzapytania, CTE (WITH), CASE WHEN, UNION, funkcje na datach i tekstach, podstawy window functions (ROW_NUMBER, RANK, SUM OVER)
SQL zaawansowany: zaawansowane window functions, optymalizacja zapytań, indeksy, plany wykonania, widoki i procedury
Średniozaawansowany i zaawansowany SQL to poziom na wyższe stanowiska. Nie musisz go znać, żeby zacząć.
Pomarańczowy pas: Power BI
To narzędzie, które widzę w największej liczbie polskich ogłoszeń. Tu dane zamieniają się w raport, który ktoś naprawdę otwiera.
Co musisz umieć
- Import danych i Power Query: czyszczenie, łączenie, zmiana typów. Brzmi znajomo? To biały pas, tylko zautomatyzowany.
- Model danych: tabele faktów i wymiarów, relacje, star schema
- Podstawowe miary (SUM, COUNT, prosty CALCULATE)
- Wizualizacje, filtry, slicery
- Publikacja raportu w Power BI Service
Masz ten pas, gdy: z surowych danych robisz działający raport z poprawnym modelem, nie jedną wielką tabelą.
Tu możesz już aplikować na juniora
Excel + SQL podstawy + Power BI podstawy = realna szansa na pierwszą pracęNie czekaj na czarny pas. Kolejne pasy zdobywa się już w pracy, na prawdziwych danych.
Nie wiesz, na którym pasie jesteś?
Na konsultacji 1:1 sprawdzimy, co już umiesz, czego brakuje do pierwszej pracy, i ułożymy plan na najbliższe tygodnie.
Zielony pas: DAX
W Power BI szybko dojdziesz do pytań typu „sprzedaż rok do roku” albo „udział w całości”. Wtedy wchodzi DAX.
Co musisz umieć
- Różnica między miarą a kolumną kalkulowaną
- CALCULATE i kontekst filtra
- Time intelligence: YTD, porównanie rok do roku
- Zmienne (VAR) dla czytelności
Poziom wyżej (mid/senior): przejście kontekstu (context transition), iteratory (SUMX i reszta), optymalizacja modelu Power BI i miar.
Masz ten pas, gdy: piszesz miary, które zwracają poprawny wynik w każdym filtrze, a nie tylko w jednym.
Niebieski pas: Python
Python nie jest potrzebny na start, ale otwiera drzwi do automatyzacji i analiz, których nie zrobisz w Excelu ani w Power BI.
Co musisz umieć
- Podstawy składni, Jupyter Notebook
- pandas: wczytanie, czyszczenie, grupowanie, łączenie danych
- Wykresy (matplotlib lub seaborn)
- Automatyzacja powtarzalnych zadań, np. raport, który sam się generuje
Poziom senior: statystyka i modelowanie statystyczne, machine learning (scikit-learn), prognozowanie.
Brązowy pas: Git i warsztat
Git: wersjonowanie kodu SQL i Pythona, współpraca w zespole, portfolio na GitHubie. Przydaje się na każdym poziomie, a bez niego ciężko pracować z agentami AI.
Narzędzia, które czasem się przydają
Nie w każdej firmie i nie w każdym ogłoszeniu.
- Power Automate: automatyzacja przepływów w ekosystemie Microsoft
- Microsoft Fabric, dbt, Airflow: bliżej inżynierii danych
- Tableau, Looker: alternatywy dla Power BI
Sprawdzaj ogłoszenia z Twojej branży i ucz się ich wtedy, gdy są potrzebne, a nie na zapas.
Czarny pas: agenci AI
AI już pisze zapytania SQL, czyści dane i buduje miary. Czarny pas to umiejętność budowania i nadzorowania agentów AI, którzy robią część analizy za Ciebie: od pobrania danych po gotowe wnioski.
Tu wraca wszystko z poprzednich pasów. Agent zrobi JOIN, ale to Ty musisz zauważyć, że wynik ma za dużo wierszy. Bez białego pasa nie wyłapiesz błędów AI.
Jaki pas na jakie stanowisko?
Excel, SQL do HAVING i JOIN-ów, Power BI podstawy
CTE, CASE WHEN, window functions, DAX i dobry model danych
optymalizacja zapytań, zaawansowany DAX, optymalizacja modelu Power BI
Python, modelowanie statystyczne, machine learning, Git
budowanie i nadzorowanie agentów, automatyzacja całych procesów analitycznych
Chcesz mieć roadmapę zawsze pod ręką?
Zapisz się na newsletter Ninja Data. Co tydzień wyślę Ci jeden trik dla analityka.
Najczęstsze pytania
Czy praca analityka jest dla mnie? +
Jeśli lubisz szukać odpowiedzi w liczbach i nie przeraża Cię Excel, to dobry znak. Jeśli nadal nie wiesz, umów konsultację Starter: opowiem, jak wygląda ta praca na co dzień, z czym to się je i czy Twoje kompetencje dobrze się w nią wpisują.
Czy muszę znać Excela, skoro i tak będę pracować w SQL? +
Tak. Nie chodzi o sam program, tylko o nawyk patrzenia na dane: duplikaty, formaty, puste wartości. W Excelu to widać, a potem już tylko wyobrażasz to sobie.
Czy muszę przejść wszystkie pasy po kolei? +
Biały i żółty tak, bo to fundament wszystkiego. Dalej zależy od stanowiska, na które celujesz. Do pracy jako junior wystarczą trzy pierwsze pasy.
Pracuję już w Excelu. Mogę zacząć od SQL? +
Tak, ale najpierw przejdź przez checklistę białego pasa. Jeśli pivot, XLOOKUP i sprawdzanie duplikatów to dla Ciebie codzienność, śmiało przechodź do SQL.
Ile trwa nauka do poziomu junior? +
Przy regularnej nauce zwykle kilka miesięcy. Sam SQL na poziomie podstaw można ogarnąć w 100 dni.
Czy potrzebuję studiów technicznych? +
Nie. Liczą się umiejętności i projekty w portfolio. Sama zaczynałam bez technicznego kierunku.
Czy muszę umieć programować, żeby zostać analitykiem? +
Nie na start. SQL to język zapytań, a nie klasyczne programowanie. Python pojawia się dopiero na niebieskim pasie.
Który SQL wybrać: MySQL, PostgreSQL czy SQL Server? +
Na start to bez znaczenia, bo podstawy są wszędzie takie same. Różnice wychodzą dopiero na poziomie zaawansowanym. W firmach pracujących z Power BI najczęściej spotkasz SQL Server.
Power BI czy Tableau? +
W Polsce częściej spotkasz Power BI. Jeśli poznasz jedno, drugiego nauczysz się szybko.
Jak zdobyć doświadczenie bez pierwszej pracy? +
Zrób 2–3 projekty na publicznych danych: posprzątaj plik w Excelu, odpowiedz na pytania w SQL, zbuduj raport w Power BI. Wrzuć je na GitHub albo do portfolio. To Twoje „doświadczenie” w CV.
Czy AI nie zastąpi analityków? +
Zastąpi tych, którzy nie rozumieją danych. Dlatego ta roadmapa zaczyna się od Excela, a kończy na AI, a nie odwrotnie.