Discover
Data Drivens Podcast
Data Drivens Podcast
Author: Ram Kedem & Gadi Chrust
Subscribed: 11Played: 169Subscribe
Share
© Ram Kedem & Gadi Chrust
Description
מה ג'וניור דאטה-אנאליסט צריך לדעת לקראת המשרה שלו? אילו שאלות שואלים? מה חברות מחפשות? אילו תכונות אופי צריך, אילו כישורים טכניים? מה זה אומר בכלל להיות ג'וניור דאטה-אנאליסט ואיך היומיום נראה?
בכל פרק, אנחנו נראיין קודקוד אחר מהתעשייה שלנו, וננסה לתת לג'וניורים דגשים שיקלו עליהם להכנס אל המשרה הראשונית.
מוזמנים להצטרף אל הקבוצה שלנו -
https://www.facebook.com/groups/DataAnalysisIsrael
בכל פרק, אנחנו נראיין קודקוד אחר מהתעשייה שלנו, וננסה לתת לג'וניורים דגשים שיקלו עליהם להכנס אל המשרה הראשונית.
מוזמנים להצטרף אל הקבוצה שלנו -
https://www.facebook.com/groups/DataAnalysisIsrael
40 Episodes
Reverse
אם AI מאפשר לאנשי דאטה לעשות הרבה יותר בפחות זמן, האם זה אומר שהצורך בהם יורד? או שאולי דווקא ההפך?ישבתי לשיחה מעודדת במיוחד עם אלירן נעים, VP of Data & Analytics ב-DoorLoop, שהציג זווית מעניינת על השאלה הזאת.דיברנו על השינוי בתפקיד האנליסט, על גבולות האחריות שמתחילים להיטשטש, ועל האתגרים החדשים שעומדים בפני מנהלי צוותי דאטה בעידן ה-AI.מוזמנים להאזין ולשתף במחשבות.
האם אנחנו מתקרבים לסוף של כלי BI כמו Tableau ו-Power BI?בפרק הזה אירחתי את סתיו לוי, Data Engineer ב-Tailor Brands, שבנתה בתוך שלושה חודשים, באמצעות AI, מערכת BI פנימית שהחליפה לחלוטין את Tableau בארגון.דיברנו על איך בונים מערכת כזאת מאפס, כיצד אנליסטים יוצרים דשבורדים באמצעות שפה חופשית, האתגרים הטכניים והארגוניים בדרך, ומה כל זה אומר על העתיד של כלי ה-BI ושל אנשי הדאטה.
המהפכה הסמנטית בעולם האנליטיקסברגע שמחברים AI לדאטה-בייס, הוא יודע לייצר SQL ולהחזיר מספרים – אבל בלי הנחיה מסודרת, הוא לא באמת מבין מה הם אומרים. בפרק הזה שוחחנו - עמית טננבאום (מנהל גילדת האנליטיקס במכבי שירותי בריאות) יוני לייטרסדורף (מייסד חברת Solid) ורם קדם, לשיחה מרתקת על הנושא החם ביותר בעולם הדאטה: השכבה הסמנטית (Semantic Layer). על מה דיברנו בפרק?* מהי שכבה סמנטית, למה היא הפכה לקריטית דווקא עכשיו , ואיך היא מייצרת את ה-"Company Brain" שכולנו שואפים אליו.* למה קטלוגים של דאטה (Data Catalogs) מסורתיים נכשלו שוב ושוב.* הגישות השונות לבניית השכבה: מקובצי יאמל (YAML) פשוטים בגיט, דרך כלים כמו Cortex/Cucu של סנופלאק, ועד לאוטומציה מלאה.* איך משתנה תפקידו של האנליסט בעקבות כניסת ה-AI, והאם נמשיך לכתוב קוד בעוד מספר שנים?* איך ארגונים יכולים "ללכלך את הידיים" ולהתחיל לבנות שכבה סמנטית כבר מחר בבוקר – גם בלי תקציבי עתק. האזנה נעימה!---קישורים https://www.ycombinator.com/rfshttps://docs.google.com/spreadsheets/d/19RYy5cFFE3odEe-2CAzD0D4jcm3BLXL5/edit?usp=sharing&ouid=107968675294649425547&rtpof=true&sd=truehttps://share.google/XrIX5gmElfjcaxwLs
בפרק הזה רם וגדי חוזרים מאחורי המיקרופון כדי לצלול לעומק של אחת השאלות הכי קלאסיות בעולם האנליטיקה - מה עושים כשפתאום יש ירידה במספר המשתמשים הפעילים היומיים (DAU)?דרך יוזקייס מעולם הגיימינג, הם מפרקים את הבעיה לגורמים, שואלים את השאלות הנכונות, ומראים איך לגשת לתעלומות דאטה בצורה מתודית, בלי להיבהל מהגרפים.נדבר על איך מזהים את הגורם לירידה, האם זו בעיה שיווקית, שינוי תקציב, עלייה ב-CPI, או אולי נטישה של משתמשים קיימים - ואיך כל זה מתחבר לחשיבה אנליטית שעוזרת לנו להבין לא רק מה קרה, אלא למה זה קרה.קישור למצגת המלווה של הפרקhttps://docs.google.com/presentation/d/1PrvGvR6r1v8fS4dkSx_KplNayTW2bS3S2AEPZPLN4Yk/edit?slide=id.g39e71db9e50_0_93#slide=id.g39e71db9e50_0_93
איך נכנסים לתחום הדאטה סיינס? פרק חמישי ואחרון בסדרת ה Machine Learning עם מיכאל ווינרבפרק האחרון שלנו, סגרנו את המעגל ודיברנו על כל מה שחשוב לדעת כשמתחילים✅איך להתחיל ללמוד ואילו כישורים כדאי לפתח✅ מהם הכלים החשובים ביותר לג׳וניורים בתחום✅ טעויות נפוצות שעושים כשנכנסים לתוך התחום, ואיך להימנע מהם✅ איך בונים פרויקטים אישיים ✅ ואיך ביומיום - מזהים בעיות עסקיות ומתרגמים אותן למודלים של למידת מכונהתודה לגדי ומיכאל שתרמו מזמנם, תודה לכל מי שהאזין, נתראה בפרקים הבאים בנושאים חדשים שמתבשלים להם אז-ווי-ספיק :)






