Dátový analytik
Dátový analytik sa venuje získavaniu, integrácii, transformácii ako aj spracovaniu dát pre účely získania znalostí, vzorov či pravidiel, ktoré môžu byť následne využité pre rýchlejšie a nákladovo efektívnejšie rozhodovanie sa vlastníkov, resp. manažérov príslušnej organizácie. Zamestnanie sa vyznačuje vysokou úrovňou expertízy a znalosťami rôznych analytických techník, technológií a architektúr pre prácu s dátami a integráciu dát. Pracovník v role dátového analytika vytvára dátové modely, vykonáva a manažuje samotnú integráciu, transformáciu a spracovanie dát. Je zodpovedný za životný cyklus spracovávaných dát, počnúc ich získavaním, ukladaním, transformáciou a poskytovaním cez rozličné zdroje a kanály, a to s cieľom poskytnúť svojim zákazníkom čo najviac organizovaný, štruktúrovaný a jednotný pohľad na situáciu. Dátový analytik často pracuje samostatne, podporuje vlastníkov a/alebo manažérov biznisu pri ich rozhodovaní, prípadne môže byť členom analytického tímu, často pod vedením ...
Sektorová rada
Sektorová rada pre informačné technológie a telekomunikácie
Kód/revízia
500036/1
Garant
Republiková únia zamestnávateľov
Alternatívne názvy
SKŠpecialista na dátovú integráciu
SKPodnikový analytik
SKInžinier - analytik
ENData integration specialist
ENData analyst
ENBusiness domain analyst
ENData engineer
SKDátový inžinier
Odporúčaná úroveň vzdelania
T ?
SKKR
Úroveň 7
EKR
Úroveň 7
ISCED 2011
767
Regulácie
Výkon tohto zamestnania nie je regulovaný osobitným právnym predpisom.
Certifikáty a ďalšie písomné osvedčenia
Legislatívny rámec
Certifikácia v oblasti integrácie dát a dátových zdrojov
Na výkon tohto zamestnania sa zo zákona nevyžaduje žiaden certifikát, ani písomné osvedčenie.
Na výkon tohto zamestnania sa neodporúča žiaden certifikát, ani písomné osvedčenie.
Ďalšie vzdelávanie 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, ktoré by mal podporiť certifikáciou v oblasti klasického či agilného riadenia IT služieb, napríklad ale nie výlučne: ITIL v4 Expert, Certified Scrum Product Owner (CSPO) alebo ekvivalentné.
Certifikácia v oblasti integrácie dát a dátových zdrojov
...
Poznámka: Pracovník by mal mať dostatok skúseností z praxe, ktoré by mal podporiť certifikáciou v oblasti dátovej integrácie, napríklad ale nie výlučne Informatica PowerCenter Data Integration Administrator/Developer, Certified Data Integration Developer pre SAS9, Data Integration Developer for Open-Source with Talend, prípadne iné, ekvivalentné.
Odborná prax
Na výkon tohto zamestnania sa odborná prax odporúča v období 18 mesiacov.
...
Poznámka: Pracovník by mal vykázať prax v rozsahu približne 1,5-2 roky v oblasti práce s dátami, analýzami a/alebo štatistickými nástrojmi. Nad rámec tejto funkčnej praxe sa odporúča aspoň 1 rok praxe na pozícii špecialistu v IT, prípadne na podnikové procesy, ich manažment a pod.
ISCO-08
2521
SK ISCO-08
2521005
ESCO
916
SK NACE Rev. 2
J62,J63
CPA 2015
J62,J63
Príslušnosť k povolaniu
2521005
Kompetencie
Všeobecné kľúčové kompetencie
Komunikačné kompetencie – štátny/materinský jazyk
7
Komunikačné kompetencie – cudzí jazyk
7
Matematická gramotnosť
7
Digitálna gramotnosť
7
Mediálna gramotnosť
7
Environmentálna gramotnosť
7
Ekonomická a finančná gramotnosť
7
Občianske kompetencie
7
Zdravotná gramotnosť
7
Sociálne kompetencie
7
Osobnostné a emocionálne kompetencie
7
Schopnosť učiť sa
7
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
Špecifické kľúčové kompetencie
Odborné vedomosti
štatistické metódy vo výskume
Príznak: Sektorová(20) ?
Špecifikácia: Pracovník má znalosti postupov práce s pokročilými štatistickými nástrojmi, ako napr. SPSS, R, SAS a podobne, ktoré vie využívať pre účely analýzy dát v praxi.
Perspektíva: Aktuálna
6
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
5
prehľad v metódach riadenia IKT projektov a softvérového vývoja agilným spôsobom, napr. SCRUM
Príznak: Sektorová(13) ?
Špecifikácia: Pracovník má prehľadové znalosti metodiky práce v agilnom ale aj klasickom režime a dokáže sa zapájať do činnosti agilných či iných projektových tímov.
Perspektíva: Budúca
Inovácia: Softverizácia
4
princípy a metódy matematicko-štatistického modelovania
Príznak: Sektorová(22) ?
Špecifikácia: Pracovník má 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
Inovácia: Umelá inteligencia / Strojové učenie UI /ML
7
princípy, metódy a postupy využívania big data management
Príznak: Sektorová(22) ?
Špecifikácia: Pracovník pozná metódy, techniky a postupy, ktoré mu 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
Inovácia: Vyspelá umelá inteligencia a analytika
7
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
Inovácia: Umelá inteligencia / Strojové učenie UI /ML
5
metódy a postupy analýzy používateľských požiadaviek, podmienok, prostredí
Príznak: Sektorová(17) ?
Špecifikácia: Pracovník je vybavený 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
Inovácia: Softverizácia
5
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
Inovácia: Vyspelá umelá inteligencia a analytika
7
trendy vývoja v informačných technológiách a telekomunikáciách
Príznak: Sektorová(17) ?
Špecifikácia: Pracovník má teoretické vybavenie na sledovanie a pochopenie trendov v relevantom odvetví priemyslu a služieb. Dokáže získané vedomosti využiť v spolupráci s príbuznými rolami na odporúčanie zmien v oblasti integrácie dát - s cieľom efektívnejšie naplniť požiadavky zákazníka či biznisu.
Perspektíva: Budúca
Inovácia: Vyspelá umelá inteligencia a analytika
4
metodika systémovej integrácie
Príznak: Sektorová(17) ?
Špecifikácia: Pracovník má znalosti z oblasti plánovania, vykonávania a riadenia činností súvisiacich s integrovaním dát skrz rôznorodé organizačné databázy a dátové zdroje, vrátane vzdialených.
Perspektíva: Aktuálna
6
metodika modelovania a vytvárania pohľadov na analyzovaný systém
Príznak: Sektorová(17) ?
Špecifikácia: Pracovník má znalosti metód a techník potrebných pre prácu s rozsiahlymi dátovými zdrojmi 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. Dokáže vytvárať dátové štandardy, dátové mapy, modifikovať rôzne procedúry pripravujúce takéto dátové výstupy s cieľom exportovať, transformovať a nahrávať dáta vo vhodných formátoch.
Perspektíva: Aktuálna
Inovácia: Umelá inteligencia / Strojové učenie UI /ML
7
postupy analýzy integrity softvérového riešenia a štandardy testovania softvéru
Príznak: Sektorová(17) ?
Špecifikácia: Pracovník má znalosti, aby dokázal vytvoriť a vykonať plán testovania softvérového riešenia, sústrediac sa najmä na aspekty dátového modelu, podporných metód a funkcií pre prácu s dátami, extrakciu a transformáciu dát, ako aj na komunikačné rozhrania a siete.
Perspektíva: Aktuálna
Inovácia: Softverizácia
5
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 identifikácii, hodnotení a prioritizácii rizík a rizikových faktorov. Ovplyvňuje rozhodovanie v projektoch týkajúcich sa najmä analytických úloh, cieľov a riešení
Perspektíva: Aktuálna
4
terminológia, funkcie, úlohy a prostriedky z oblasti operačných systémov (OS), databáz a aplikácií
Príznak: Sektorová(17) ?
Špecifikácia: Pracovník má znalosti a skúsenosti s rôznymi protokolmi, ktoré sú využívané pri analýze a integrácii dát, napr. SSID, SSIS, ODBC, JDBC a podobne. Rovnako pozná rôzne architektúry a metodiky, napr. spracovanie udalostí, dátové toky v reálnom čase, nerelačné dátové úložiská, dátová virtualizácia, využívanie cloudu a podobne.
Perspektíva: Aktuálna
Inovácia: Distributed computing / edge computing
6
metódy a techniky modelovania systémov a riešení
Príznak: Sektorová(17) ?
Špecifikácia: Pracovník pozná rôzne metódy a postupy pre vytváranie modelov, najmä na úrovni dátových štruktúr a vzťahov medzi nimi. Prispieva ku komplexnejším modelom, pod dohľadom a v spolupráci s inými relevantnými rolami.
Perspektíva: Aktuálna
5
integračné dátové a databázové platformy
Príznak: Sektorová(17) ?
Špecifikácia: Pracovník pozná viacero relevantných platforiem podporujúcich dátovú a databázovú integráciu v prostredí podnikov a organizácií, napr. Oracle Data Integrator, Informatica Platform, IBM InfoSphere, MS SQL Server, Teradata a iné.
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
6
základné znalosti z predpisov na zaistenie bezpečnosti a ochrany zdravia pri práci, ochrany verejného zdravia a požiarnej ochrany; zásady bezpečnej práce a ochrany zdravia pri práci, zásady bezpečného správania na pracovisku a bezpečné pracovné postupy
Príznak: Prierezová
Perspektíva: Aktuálna
4
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
Odborné zručnosti
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
Inovácia: Dátová analytika (Big Data)
6
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
ovládanie základných znalostí z predpisov na zaistenie bezpečnosti a ochrany zdravia pri práci, ochrany verejného zdravia a požiarnej ochrany; zásad bezpečnej práce a ochrany zdravia pri práci, zásad bezpečného správania na pracovisku a bezpečných pracovných postupov
Príznak: Prierezová
Perspektíva: Aktuálna
4
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
Inovácia: Umelá inteligencia / Strojové učenie UI /ML
7
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
7
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
5
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 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
6
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 či Kanban. Vo svojej pozícii môže tiež 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
4
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: Aktuálna
Inovácia: Umelá inteligencia / Strojové učenie UI /ML
6
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: Aktuálna
Inovácia: Dátová analytika (Big Data)
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
Inovácia: Umelá inteligencia / Strojové učenie UI /ML
7
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
Inovácia: Dátová analytika (Big Data)
4
aplikovanie techník a postupov využívania integračných dátových a databázových platforiem
Príznak: Sektorová(17) ?
Špecifikácia: Pracovník má zručnosti potrebné na používanie, implementáciu a prevádzku integračných platforiem, prípadne databázových platforiem, a to najmä na účely spracovania rôznorodých dát z viacerých zdrojov - pre potreby dátovej analýzy a analytiky v organizácii.
Perspektíva: Aktuálna
6
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
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
Inovácia: Dátová analytika (Big Data)
7
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.)
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.)
Profil práce
Charakter činností
Špecializované, tvorivé a vývojové práce ?
Postup práce
Rámcovo vymedzený postup práce ?
Bližšie neurčený postup práce ?
Netradičný, originálny postup práce ?
Vedenie podriadených pracovníkov
Bez vedenia ?
Zodpovednosť za výsledky a hodnoty
Veľká zodpovednosť, prípadné straty sú veľké alebo ťažko odstrániteľné (nahraditeľné) ?
