Dátový expert

Karta zamestnania
Oblasť pre CŽV
O sektore
Pripomienky a otázky
Garancia
Dátový expert Dátový expert je zodpovedný za vytváranie modelov komplexných problémových situácií týkajúcich sa podnikateľských aktivít firmy alebo aktivít neziskovej organizácie. Dátový expert používa rôzne metódy a techniky štatistiky, algoritmizácie, dolovania informácií a vizualizácie s cieľom získať pochopenie situácie, predikovať budúce možné stavy a prinášať informácie a znalosti pre lepšie manažérske rozhodovanie organizácie. Spolupracuje s partnermi z rôznych častí organizácie ako aj so zákazníkmi a pomáha im porozumieť ako sa dáta používajú a využívajú v konkrétnych situáciách. Zároveň navrhuje a pracuje so špecializovanými databázami a výpočtovými prostriedkami, často na báze zdieľaných cloudov. Dátový expert tiež komunikuje odporúčania vyplývajúce z analyzovaných dát smerom k lepšiemu rozhodovaniu. Zbieranie dát, ich ukladanie, čistenie, predspracovanie alebo reporting expert podporuje a robí v spolupráci s relevantnými rolami. Rola dátového experta je akýmsi mostom medzi technickou (IT)...
viac...
Sektorová rada
Sektorová rada pre informačné technológie a telekomunikácie
Kód/revízia
500003/1
Garant
Republiková únia zamestnávateľov
Alternatívne názvy
EN Senior data analyst
SK Podnikový analytik
EN Senior business analyst
EN Data scientist
Požadovaný stupeň vzdelania
T
SKKR
Úroveň 7
EKR
Úroveň 7
ISCED 2011
767
ISCED rozšírenie
766
Regulácie
Výkon tohto zamestnania nie je regulovaný osobitným právnym predpisom.
Certifikáty a ďalšie písomné osvedčenia
Na výkon tohto zamestnania sa odporúča nasledovný certifikát, alebo ďalšie písomné osvedčenie:
Certifikácia v oblasti riadenia IT služieb a organizačných procesov v renomovanom programe
Poznámka: Pracovník by mal mať dostatok skúseností z praxe, aby ich vedel podporiť certifikáciou v oblasti klasického či agilného riadenia dodávky IT služieb, napríklad ale nie výlučne ITIL v4 Expert, Certified Scrum Product Owner (CSPO) alebo ekvivalentné.
Odborná prax
Na výkon tohto zamestnania sa odborná prax odporúča v období 36 mesiacov.
Poznámka: Pracovník by mal vykázať prax v rozsahu 3 rokov v oblasti práce s dátami, analýzami a/alebo štatistickými nástrojmi. Nad rámec tejto funkčnej praxe sa odporúča aspoň 2 roky praxe v pozícii špecialistu na IT, procesy, manažment a pod.
ISCO-08
2521
SK ISCO-08
2521006
ESCO
922
SK NACE Rev. 2
M71
CPA 2015
M71
Príslušnosť k povolaniu
2521006

Kompetencie

7
Analytické myslenie
V
Kritické myslenie
V
Strategické a koncepčné myslenie
P
Tvorivosť (kreativita)
P

Úroveň ovládania:

E
elementárna
P
pokročilá
V
vysoká
štatistické metódy vo výskume
Príznak: Sektorová (20) ?
Špecifikácia: Pracovník má expertné a hlboké znalosti postupov práce s pokročilými štatistickými nástrojmi, ako napr. SPSS, R, SAS a podobne.
Perspektíva: Aktuálna
7
nástroje a štatistické databázy v oblasti výskumu, vývoja a inovácií
Príznak: Sektorová (21) ?
Špecifikácia: Pracovník má znalosti, ktoré mu umožňujú orientovať sa vo verejných a privátnych databázach pochádzajúcich najmä od analytických firiem (napr. Gartner, IDC a pod.) Taktiež pozná techniky spracovania takýchto dát s pomocou softvérových balíkov, ako napr. SPSS či Matlab, resp. s pomocou vhodných skriptovacích prostredí, ako napr. Python, R a pod.
Perspektíva: Aktuálna
7
systém vykonávania analýz a prognóz vývoja
Príznak: Sektorová (22) ?
Špecifikácia: Pracovník pozná metódy a techniky potrebné na výkon analytických činností s dátami rôznych typov, z rôznorodých zdrojov a tiež postupy pre simuláciu a prognózovanie možného vývoja, scenárov, rizík a podobne. Pracovník pozná metódy multikriteriálneho rozhodovania, najmä v kontexte podnikateľských rozhodnutí.
Perspektíva: Aktuálna
7
variačná analýza
Príznak: Sektorová (18) ?
Špecifikácia: Pracovník pozná metodiku prípravy, spracovania a validácie analyzovaných dátových množín. Taktiež má znalosti techník pre analýzu variancií, korelácií a podobností a vie ich následne aplikovať na formuláciu hypotéz na strojové či štatistické overovanie.
Perspektíva: Aktuálna
6
postupy analýzy využitia ľudských zdrojov v organizácii
Príznak: Sektorová (22) ?
Špecifikácia: Pracovník má znalosti metód, ktoré mu/jej umožňujú analyzovať nielen tvrdé (technické) dáta ale tiež dáta pochádzajúce z "mäkších oblastí", najmä v kontexte využitia a potreby ľudských zdrojov. Je vhodné, ak pracovník má aspoň prehľadové znalosti v oblasti behaviorálnych vied a pozná metódy formulácie konštruktívnych hypotéz na základe potrieb ľudí v organizácii.
Perspektíva: Budúca
5
prehľad v metódach riadenia IKT projektov a softvérového vývoja agilným spôsobom, napr. SCRUM
Príznak: Sektorová (13) ?
Špecifikácia: Pracovník má dostatočné prehľadové znalosti metodiky práce v agilnom režime a dokáže sa zapájať do činnosti agilných tímov.
Perspektíva: Budúca
4
princípy a metódy matematicko-štatistického modelovania
Príznak: Sektorová (22) ?
Špecifikácia: Pracovník má vysoko pokročilé vedomosti o metódach a technikách pokročilej dátovej, matematickej a štatistickej analýzy s cieľom extrahovať z rôznorodých dát hodnotu pre biznis či neziskovú organizáciu. Má expertné znalosti v oblasti tvorby modelov, vrátane tých pre strojové učenie.
Perspektíva: Aktuálna
6
princípy, metódy a postupy využívania big data management
Príznak: Sektorová (22) ?
Špecifikácia: Pracovník pozná metódy, techniky a postupy, ktoré mu/jej umožňujú využívať a tvoriť algoritmy pre strojové učenie, neurónové siete (tzv. deep learning) a dokáže ich vhodne voliť pre kontext big data problémov (rozsiahle, rýchlo sa meniace, viaczdrojové dáta).
Perspektíva: Budúca
7
metódy a princípy modelovania časových radov
Príznak: Sektorová (18) ?
Špecifikácia: Pracovník pozná postupy na tvorbu a využívanie prediktívnych modelov, časových radov, regresívnych analýz, viacúrovňového modelovania a podobne.
Perspektíva: Aktuálna
5
umelá inteligencia
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník má expertné znalosti z rôznych oblastí umelej inteligencie, vrátane tvorby modelov pre strojové učenie, indukčných pravidiel, vzorov, neurónových sietí, simulačných modelov využívajúcich rôznorodé dáta.
Perspektíva: Budúca
6
metódy a postupy analýzy používateľských požiadaviek, podmienok, prostredí
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník je vybavený dostatočne silným, hlbokým a rozsiahlym aparátom metód a techník na získavanie, spracovanie a analýzu požiadaviek interného či externého zákazníka. Pracovník pozná metódy a techniky na pochopenie požiadaviek na riešenie dátovej analýzy.
Perspektíva: Aktuálna
7
princíp skriptovania v riadení IT systému, rozdiely a oblasti použitia vybraných skriptovacích jazykov
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník pozná princípy a postupy využitia skriptovacích jazykov (najmä R, Python), prípadne vhodných iných programovacích jazykov (Java) pri spracovaní dátových množín alebo ich vizualizácii.
Perspektíva: Aktuálna
5
metodika modelovania a vytvárania pohľadov na analyzovaný systém
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník má znalosti metód a techník potrebných pre prácu a experimentovanie s rozsiahlymi dátovými množinami a pozná postupy na tvorbu dátových modelov, ktoré adresujú výzvy a potreby komerčnej či neziskovej organizácie. Pracovník pozná techniky na vytváranie reportov, dashboardov a vizualizácií spracovaných dát.
Perspektíva: Aktuálna
6
identifikácia a riadenie rizík v prostredí IT projektu
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník úzko spolupracuje s interným a/alebo externým zákazníkom a inými partnermi na hodnotení, identifikácii a prioritizácii rizík a rizikových faktorov. Ovplyvňuje rozhodovanie v projektoch týkajúcich sa najmä analytických úloh, cieľov a riešení
Perspektíva: Aktuálna
6
metódy a princípy inžinierskeho riešenia problémov
Príznak: Sektorová (14) ?
Špecifikácia: Pracovník má znalosti postupov umožňujúcich systematické, inžinierske riešenie nových, neznámych či rýchlo sa meniacich problémových situácií. Dokáže vytvárať systematický prístup aj v inovatívnych situáciach či vo výskume. Je zbehlý v metódach experimentovania a rigoróznej prípravy a dizajnu experimentov na overenie svojich hypotéz týkajúcich sa spracovaných dát.
Perspektíva: Aktuálna
5

Stupeň EKR:

1
primárne vzdelanie
5
vyššie odborné vzdelanie
2
nižšie stredné odborné vzdelanie
6
vysokoškolské vzdelanie I. stupňa
3
stredné odborné vzdelanie
7
vysokoškolské vzdelanie II. stupňa
4
úplné stredné odborné vzdelanie
8
vysokoškolské vzdelanie III. stupňa
orientácia v štatistických dátach
Príznak: Sektorová (22) ?
Špecifikácia: Pracovník dokáže efektívne vyhľadať, filtrovať a orientovať sa v rôznorodých štatistických dátach interného alebo verejného charakteru. Dokáže prepájať štatistické dáta z rôznych zdrojov a následne formulovať závery, interpretácie či odporúčania pre rozhodovanie.
Perspektíva: Aktuálna
5
aplikácia postupov inžinierskeho riešenia úloh a problémov
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník je schopný štrukturovane myslieť a štrukturovane, systematicky pristupovať k novým, neznámym a komplexným problémom a zadaniam, vrátane inovačných a výskumných úloh.
Perspektíva: Aktuálna
6
preberanie nameraných dát, kontrola ich kvality a interpretácia výsledkov
Príznak: Sektorová (2) ?
Špecifikácia: Pracovník je schopný vyhodnotiť kvalitu, konzistenciu a validitu meraných alebo inak získaných dát a na základe toho určiť vhodné postupy ich ďalšieho spracovania a interpretácie
Perspektíva: Aktuálna
6
identifikácia vhodných modelovacích nástrojov/prostredí/paradigiem
Príznak: Sektorová (17) ?
Špecifikácia: Na základe dostupných alebo získaných dát je pracovník schopný zvoliť, prípadne upraviť a použiť vhodné prostredie, nástroj či algoritmus pre dátové modelovanie a následnú interpretáciu.
Perspektíva: Aktuálna
6
hodnotenie kvality, konzistencie a validity dát na účely dátovej analýzy a prognózovania
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník je schopný vyhodnotiť vstupné dáta vzhľadom na ich kvalitu, vhodnosť pre zadaný účel, celkovú konzistenciu a validitu, najmä pri prognostických zadaniach
Perspektíva: Aktuálna
6
analýza požiadaviek zákazníka, prezentácia projektu zákazníkom a komunikácia so zákazníkom o projekte
Príznak: Sektorová (22) ?
Špecifikácia: Pracovník vytvára vhodné modely navrhovaného riešenia, využíva vhodné dátové formy a rozhrania, napr. webové služby, XML, XSD, OWL a pod na analýzu dát, ich porozumenie a prognózovanie na základe analyzovaných dát. V tejto pozícii identifikuje požiadavky organizácie a zákazníkov, poskytuje konzultačnú podporu iniciatív a projektov, vytvára prototypy potenciálnych riešení a proaktívne monitoruje trendy v IT alebo iných relevantných technických oblastiach.
Perspektíva: Aktuálna
7
systémová analýza, sotfvérová analýza a spracovanie technologických, podnikateľských a technických požiadaviek zákazníka
Príznak: Sektorová (17) ?
Špecifikácia: V spolupráci s relevantným dátovým expertom, inžinierom a/alebo architektom je pracovník schopný vykonať systémovú analýzu situácie, due diligence a iné vhodné analýzy s využitím zákazníkových, interných a/alebo verejných dát. Dátový expert môže zastrešovať viaceré fázy životného cyklu IKT riešení, v praxi sa sústredí najmä na fázy predchádzajúce samotný vývoj softvéru, prípadne sa sústredí na výskum a vývoj.
Perspektíva: Aktuálna
6
aplikácia postupov vyhľadávania príčin analyzovaných udalostí a problémov
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník je schopný aplikovať svoje vedomosti a zručnosti v oblasti dátovej analýzy pre identifkáciu príčin analyzovaného problému či situácie (root cause analysis). Je schopný vytvárať logické reťazenie možných príčin a ich vzájomné závislosti a vplyvy.
Perspektíva: Aktuálna
7
využívanie agilných metód vývoja - SCRUM
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník je schopný sa zúčastňovať a a pracovať v rámci agilných rituálov (review, retrospektíva, plánovanie aktivít a pod.), najmä s využitím metód a techník Scrum, Scrumban. Vo svojej pozícii môže dohliadať na vývojový tím a dokonca riadiť celý životný cyklus vývoja riešenia ako vlastník produktu, najmä ak sa jedná o vývoj inovatívneho riešenia.
Perspektíva: Budúca
5
tvorba modelov dát s využitím nástrojov strojového učenia
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník je schopný upravovať existujúce a vytvárať nové modely pre potreby dátovej analýzy s použitím nástrojov a platforiem strojového učenia (machine learning), vrátane ich trénovania na historických či cvičných dátových množinách.
Perspektíva: Budúca
7
tvorba algoritmov a skriptov na spracovanie dát v matematickej, štatistickej a/alebo dátovej analýze
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník je schopný analyzovať, upravovať a navrhovať algoritmy, programy či skripty potrebné pre samotnú dátovú analýzu, predspracovanie dát alebo spracovanie výsledkov. Zručnosť je obvzvlášť dôležitá v kontexte využívajúcom strojové učenie (machine learning), umelú inteligenciu (artificial intelligence), hlboké učenie (deep learning) a pod.
Perspektíva: Budúca
7
tvorba dátových vzorov, pravidiel a korelačných kritérií v matematickej, štatistickej a/alebo dátovej analýze
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník je schopný využívať techniky a postupy tvorby pravidiel, vzorov a korelačných hypotéz, ktoré dokáže následne verifikovať s použitím analyzovaných dát.
Perspektíva: Aktuálna
6
prezentácia a argumentácia návrhov riešení vyplývajúcich z matematickej, štatistickej a/alebo dátovej analýzy
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník je schopný komunikovať potreby dátovej analýzy ako aj jej výsledky v podobe, ktorá je vhodne prispôsobená pre cieľovú skupinu. Prispôsobenie je hlavne v zmysle vhodnej formy, nástroja, obsahu, prekladu technických dát do jazyka cieľovej skupiny. Vie používať dostupné nástroje pre vizualizáciu dát, ako aj upravovať a manažovať analytické dashboardy.
Perspektíva: Aktuálna
5
vedenie analyticko-projektovej dokumentácie a príprava analyticko-projektovej dokumentácie pre softvérové riešenie
Príznak: Sektorová (17) ?
Špecifikácia: Pracovník samostatne dokumentuje svoj postup, priebeh a postoj k analýze dát a s ním súvisiace rozhodnutia, podporné či odmietavé stanoviska, v súlade s procesmi platnými u zákazníka a/alebo zamestnávateľa. V spolupráci s inými rolami (napr. projektový manažér, architekt a pod.) túto dokumentáciu prezentuje a obhajuje u zástupcov zákazníka aj investora.
Perspektíva: Aktuálna
6
príprava analyticko-prognostických materiálov
Príznak: Sektorová (21) ?
Špecifikácia: Pracovník je schopný vytvárať koherentné argumentačné štruktúry a materiály, umožňujúce pochopenie a interpretáciu spracovaných dát a následnú obhajobu a vysvetlenie prognostických materiálov. Zručnosť zahŕňa prácu so scénarmi vývoja, simuláciou možných dopadov a pod.
Perspektíva: Aktuálna
7
využívanie nástrojov koučingu
Príznak: Sektorová (20) ?
Špecifikácia: Pracovník je schopný vykonávať činnosti koučingu kolegov a tímu v oblastiach svojej kompetencie a/alebo príbuzných oblastiach a využívať techniky pre efektívnu odbornú komunikáciu a moderovanie tímových aktivít.
Perspektíva: Aktuálna
5
používanie nástrojov big data management (BDM)
Príznak: Sektorová (22) ?
Špecifikácia: Pracovník je schopný používať a nasadzovať v problémových situáciach nástroje, platformy a algoritmy na prácu s rozsiahlymi dátami - tzv. big data manažment. Zručnosti zahŕňajú schopnosť pracovať napríklad (ale nie výlučne) v prostrediach ako Hadoop, Cloudera, MongoDB a iných. Ďalej môže monitorovať príležitosti na základný či aplikovaný výskum v oblasti dátovej analýzy a relevantných tém (big data, dobývanie znalostí, rozpoznávanie vzorov a pod.).
Perspektíva: Budúca
6

Stupeň EKR:

1
primárne vzdelanie
5
vyššie odborné vzdelanie
2
nižšie stredné odborné vzdelanie
6
vysokoškolské vzdelanie I. stupňa
3
stredné odborné vzdelanie
7
vysokoškolské vzdelanie II. stupňa
4
úplné stredné odborné vzdelanie
8
vysokoškolské vzdelanie III. stupňa

SZČ

Zamestnanie nemá vytvorenú verziu štandardu pre SZČ.

Pracovné prostriedky

Kancelárske prostriedky
Kancelárske potreby (perá, zošity, bloky a ostatné kancelárske potreby)
Kancelárska technika malá (tlačiarne, faxy, skenery, telefóny, kalkulačky, stroje na úpravu dokumentov, prezentačná technika)
IT výpočtová technika (počítače, úložisko dát, káble a konektory, klávesnice, myši, software...)
Učebné a didaktické pomôcky (interaktívne tabule, prezentačná technika, mikrofóny, simulátory a pod.)
Tlačoviny, textové dokumenty
Odborná literatúra

Profil práce

Charakter činností
Špecializované, tvorivé a vývojové práce ?

Postup práce
Bližšie neurčený postup práce ?
Netradičný, originálny postup práce ?

Vedenie podriadených pracovníkov
Vedenie tímu v administratíve (napr. oddelenia, referátu, koordinácia projektu a pod.) ?

Zodpovednosť za výsledky a hodnoty
Veľká zodpovednosť, prípadné straty sú veľké alebo ťažko odstrániteľné (nahraditeľné) ?
Tento projekt sa realizuje vďaka podpore z Európskeho sociálneho fondu
v rámci operačného programu ľudské zdroje.