Ostatnio na pewnej grupce na fb zadałam pytanie o perspektywach szukania pracy w szeroko pojętej analizie danych głównie chodzi mi o stanowiska DA/BI, niestety wydaje mi się że odpowiedzi które dostałam nie były od osób siedzących w branży. Zmierzając do pytania to jak oceniacie perspektywy wejścia do branży jako DA/BI? Czy rośnie popyt na takich pracowników w Polsce czy może widać jakieś spadki? Czy juniorów jest tak wielu jak we front-endzie oraz jaka jest jakość tych juniorów? Pytam w kontekście tego że obecnie mam 28 lat, pracuje w biurze projektowym (budownictwo) i po prostu chce zająć się czymś innym. Po dość długim rozeznaniu się co można robić związanego z szeroko pojętym IT stwierdziłam że praca z danymi i ludźmi to prawdopodobnie to co by mi najbardziej odpowiadało. Rozpoczęłam naukę SQL'a, Power Bi i podstaw Pythona. Pracę będę mogła zmienić ze względu na pewne zobowiązania dopiero początkiem przyszłego roku stąd moje pytanie o perspektywy szukania zatrudnienia w tym zawodzie. Przez najbliższe 8-9 miesięcy będę dalej się uczyła i dopieszczę swoje projekty do CV ale mimo wszystko jakieś wątpliwości rodzą się w głowie. Jak ktoś ma jakieś dobre rady czym się zająć w najbliższych miesiącach oprócz tego co wymieniłam to chętnie poczytam 
Big Data to dobrze prosperująca działka, która tylko będzie się rozrastać. Danych przybywa i będzie przybywać i coś trzeba z nimi robić.
Podstawą w tym wszystkim jest sensowna znajomość SQL'a oraz jakiegoś drugiego języka (Python, Scala, Java). No i oczywiście cloud, bo głównie na tym się to wszystko opiera. BI jest proste jak rozumiesz SQL - Funkcjonalność jest na tym oparta.
Zdecydowanie warto w to iść bo pieniądze są duże. W przypadku pythona to właśnie a danych zarabia się najwięcej.
Zdecydowanie tak. Świadome firmy od zawsze poważnie podchodzą do zagadnienia analizy danych bo wiedzą, że umiejętne ich wykorzystanie to możliwość uzyskania przewagi nad konkurencją i inwestują w ten obszar nie małe pieniądze. Przyrost danych o których mówi @ledi12 oraz praktycznie nieograniczone możliwości chmury tylko potęgują zapotrzebowanie na specjalistów w tej dziedzinie. Osobną kwestią jest umiejętne wykorzystanie tych danych i wyciąganie z nich poprawnych wniosków, które jest mega trudne i niewiele firm odnosi sukcesy w tej dziedzinie, mimo inwestycji w ten obszar nie małych pieniędzy.
Co do rozwoju w tym kierunku to oprócz nauki wspomnianych narzędzi (Python, SQL, PowerBi/Tableu/Qlick) to nauczyć się pracy z różnymi formatami danych (JSON, XML, Parquet, CSV, NoSQL) oraz podstaw chmury publicznej, a w szczególności usług PaaS typu hurtownia danych/storage/etl. Do tego fajnie też wiedzieć, że istnieją i do czego się używa takich narzędzi jak Apache Spark, Airflow, HBase, .
Wiadomo, że jako junior powinnaś skupić się na podstawach, ale znajomość powyższych "dodatkowych" narzędzi choćby teoretyczna, da Ci realną przewagę podczas rekrutacji, bo będzie świadczyć że interesujesz się tematem i masz szerszą perspektywę. Ja lubię pracować z pasjonatami i osobami, które interesują się daną działką. Na moich rekrutacjach takie osoby mają zawsze dodatkowy punkt nawet jeśli mają jakieś braki w podstawach.
Z matematyki zwykle wystarczą podstawowe cztery działania. Czasem jakaś średnia arytmetyczna czy ważona wpadnie. Z SQL przydaje się znajomość funkcji analitycznych czyli w skrócie działania na podzbiorach wyniku zapytania, np. średnia czy suma z poprzedniego miesiąca, suma krocząca, ranking, min/max z podzbioru. Tu wymagana jest pewna praktyka, bo jak to mówią, od patrzenia się jeszcze nikt nie nauczył. Poza tym funkcje konwersji typów danych, umiejętność czyszczenia i przekształcania danych w SQL (czyli wszelkie replace, translate, substr, instr, regexp_replace itp.). To już trzeba znać i umieć zastosować, a nie liczyć na to, że w projekcie się tego nauczy.
No i Weksel, bez Weksela ani rusz. Albo jako źródło danych do importu (korpo uwielbiają przechowywać dane w Excelach mimo posiadania różnych systemów) albo do eksportu przekształconych danych. Excel często jest też pomocniczym narzędziem w trakcie prac, np. do weryfikacji poprawności obliczeń, do przygotowania danych testowych, do generowania SQL :) (funkcja ZŁĄCZ.TEKSTY twoim przyjacielem), do ładowania danych pomocniczych przygotowywanych przez użytkowników końcowych itp.
Z każdym rokiem danych będzie coraz więcej, zatem specjaliści od baz danych (gdzieś te dane trzeba przechowywać) oraz ich analizy (Big Data) raczej będą w cenie.
Coraz więcej sprzętów będzie podłączanych do Internetu, będzie ze sobą gadać, komunikować się (IoT), co więcej, w planach są inteligentne liczniki i samo-równoważące się sieci energetyczne (w przypadku braku mocy będą wyłączać urządzenia w naszych domach o niższym priorytecie np. oczyszczacz powietrza dając pierwszeństwo np. lodówce), zatem wymiana informacji pomiędzy urządzeniem a licznikiem (np. na klatce), który będzie gadał do centralnej sieci będzie tylko zwiększać ilość przechowywanych i przetwarzanych danych.