1. למה דאטה אנליסט מתחיל צריך פורטפוליו
כשמחפשים עבודה ראשונה כדאטה אנליסט, קורות החיים אומרים מה למדתם. פורטפוליו דאטה אנליסט מראה מה אתם יודעים לעשות עם זה. מגייסים ומנהלי צוותי דאטה רוצים לראות שאתם מסוגלים לקחת שאלה עסקית, למצוא את הנתונים המתאימים, לנקות אותם, לנתח, ולהסביר את התוצאה למי שלא יודע SQL. רשימת כלים בקורות החיים לא מוכיחה את זה. פרויקט שאפשר לפתוח, לקרוא ולהבין, כן.
המדריך הזה מתאר חמישה פרויקטים שמשלימים זה את זה. כל אחד מראה יכולת אחרת, וביחד הם מכסים את רוב מה שעולה בראיון לתפקיד ג'וניור. אם אתם עדיין בונים את קורות החיים עצמם, כדאי לקרוא גם את המדריך על קורות חיים להייטק ללא ניסיון.
2. מה בודקים בפורטפוליו של דאטה אנליסט
| יכולת | איך זה נראה בפרויקט | איזה פרויקט מראה את זה |
|---|---|---|
| SQL | שאילתות עם JOIN, קיבוץ ופונקציות חלון על כמה טבלאות | פרויקט 1 |
| ויזואליזציה | דשבורד שמנהל יכול להבין בלי הסבר | פרויקט 2 |
| ניקוי נתונים | טיפול בערכים חסרים, כפילויות ופורמטים לא אחידים | פרויקט 3 |
| חשיבה מוצרית | מדדים כמו שימור, המרה וניסויי A/B | פרויקט 4 |
| הבנה עסקית | שאלה, ניתוח, והמלצה ברורה בסוף | פרויקט 5 |
לא כל משרה דורשת את כל היכולות באותה מידה. משרה בצוות BI תשים דגש על SQL ודשבורדים, ומשרה בחברת מוצר תשאל יותר על מדדים וניסויים. כדאי לסדר את הפרויקטים לפי סוג המשרות שאליהן אתם מגישים, כך שהרלוונטי ביותר יופיע ראשון.
3. פרויקט 1: ניתוח SQL על מסד נתונים עם כמה טבלאות
זה הפרויקט הכי חשוב, כי SQL הוא הכלי שדאטה אנליסט עובד איתו כמעט כל יום, ובתהליכי מיון לתפקידי דאטה נפוץ מאוד לקבל משימת SQL. קחו מסד נתונים לדוגמה עם כמה טבלאות מקושרות, למשל חנות מקוונת עם לקוחות, הזמנות ומוצרים, וכתבו סדרה של שאלות עסקיות שאתם עונים עליהן בשאילתות.
- 1בחרו מסד נתונים עם לפחות שלוש טבלאות, כדי שתצטרכו לחבר ביניהן.
- 2נסחו חמש עד שמונה שאלות עסקיות, למשל: אילו מוצרים מביאים הכי הרבה הכנסה בכל חודש, ומה אחוז הלקוחות שחוזרים לקנייה שנייה.
- 3כתבו שאילתה לכל שאלה, עם הערה קצרה שמסבירה מה היא עושה.
- 4הוסיפו לפחות שאילתה אחת עם פונקציות חלון (window functions) ואחת עם CTE. אלה דברים שמראים שאתם מעבר לרמה הבסיסית.
- 5סכמו בפסקה אחת מה גיליתם. לא רק את הקוד, גם את המשמעות.
טיפ: שמרו את השאילתות במאגר מסודר ב-GitHub, עם קובץ README שמפרט את השאלות ואת התשובות. מי שבודק את הפרויקט צריך להבין אותו בלי להריץ כלום.
4. פרויקט 2: דשבורד אינטראקטיבי
דשבורד מראה שאתם יודעים להפוך נתונים למשהו שמנהל יכול להשתמש בו. בנו אותו ב-Tableau, ב-Power BI או ב-Looker Studio, לפי מה שמופיע במודעות שמעניינות אתכם. היתרון: בכלים כאלה יש לרוב אפשרות לפרסם דשבורד בקישור ציבורי, כך שמגייס יכול לפתוח אותו ולשחק איתו.
דשבורד טוב עונה על שאלה מרכזית אחת, ולא מנסה להציג הכל. למשל: איך המכירות מתחלקות לפי אזור ועונה, ואיפה יש ירידה. שלושה עד חמישה מדדים בראש העמוד, גרף מגמה ומסננים פשוטים מספיקים. בתיאור הפרויקט כתבו מי המשתמש של הדשבורד, ואיזו החלטה הוא אמור לעזור לו לקבל.
שים לב: צילום מסך של דשבורד הוא לא דשבורד. אם אפשר, צרפו קישור לגרסה החיה. אם לא, הוסיפו כמה צילומי מסך עם הסבר קצר על כל אחד.
5. פרויקט 3: ניקוי וחקירת נתונים ב-Python
בעבודה אמיתית, הנתונים כמעט אף פעם לא מגיעים נקיים. פרויקט שמראה איך לקחתם נתונים מבולגנים והפכתם אותם למשהו שאפשר לנתח מלמד את המגייס יותר ממודל מתוחכם. עבדו עם pandas ב-Jupyter Notebook, ובחרו מקור נתונים אמיתי שלא סודר מראש, למשל מאגרי המידע הציבוריים באתר data.gov.il או נתונים פתוחים של עירייה.
- 1תארו את מצב הנתונים בהתחלה: כמה שורות, אילו עמודות, מה חסר ומה נראה שגוי.
- 2תעדו כל החלטת ניקוי ולמה קיבלתם אותה, למשל מה עשיתם עם ערכים חסרים ועם שורות כפולות.
- 3בצעו ניתוח חקירה (EDA) עם כמה גרפים שמראים התפלגויות וקשרים בין משתנים.
- 4סיימו בשלוש או ארבע תובנות שעלו מהנתונים, בשפה פשוטה.
פרויקט על נתונים ישראליים גם נותן לכם נושא טוב לשיחה בראיון: קל להסביר אותו, וקל להבין למה הוא מעניין.
6. פרויקט 4: ניתוח מדדי מוצר וניסוי A/B
אם אתם מכוונים לחברות מוצר, זה הפרויקט שיבדיל אתכם. דאטה אנליסט בחברת מוצר עונה על שאלות כמו: כמה משתמשים חוזרים אחרי שבוע, איפה הם נוטשים בתהליך ההרשמה, והאם השינוי בעמוד הבית באמת שיפר את ההמרה. קחו דאטהסט ציבורי של אירועי משתמשים או של ניסוי A/B, ובנו ניתוח שעונה על אחת מהשאלות האלה.
| ניתוח | השאלה שהוא עונה עליה |
|---|---|
| ניתוח קוהורטות (Cohort) | כמה מהמשתמשים שהצטרפו בכל חודש עדיין פעילים אחרי חודש, חודשיים ושלושה |
| משפך המרה (Funnel) | באיזה שלב בתהליך הכי הרבה משתמשים עוזבים |
| ניתוח ניסוי A/B | האם ההבדל בין שתי הגרסאות מובהק סטטיסטית, ומה ההמלצה |
בניתוח ניסוי, הסבירו גם מה הייתם בודקים לפני שמסיקים מסקנה: גודל המדגם, משך הניסוי, והאם יש משהו שיכול להטות את התוצאה. זה בדיוק סוג החשיבה שמחפשים בראיון.
7. פרויקט 5: מקרה עסקי מהתחום שלכם
הפרויקט האחרון הוא זה שאף אחד אחר לא יכול להעתיק. בחרו שאלה מתחום שאתם מכירים: עבודה קודמת, תחביב, התואר שלכם, או תחום שמעניין אתכם. לדוגמה, מי שעבד במסעדה יכול לנתח הזמנות לפי שעות וימים, מי שלמד כלכלה יכול לנתח מדדי מחירים, ומי שאוהב ספורט יכול לנתח נתוני משחקים. העיקר הוא לבחור משהו שאתם יודעים לשאול עליו שאלות טובות.
מה שהופך את הפרויקט הזה לחזק הוא הסוף: המלצה. לא רק מה גיליתם, אלא מה הייתם עושים עם זה אם הייתם אחראים על ההחלטה. זה מראה הבנה עסקית, ודווקא אותה הכי קשה לראות בקורות חיים של מועמד מתחיל.
טיפ: אם אתם מגיעים מתחום אחר, זה המקום לחבר את העבר שלכם לדאטה. פרויקט שמנתח בעיה אמיתית מהעבודה הקודמת, בלי נתונים חסויים, הוא סיפור מצוין לראיון.
8. איך מציגים כל פרויקט
פרויקט טוב שמוצג רע נראה כמו פרויקט חלש. מגייס שפותח את הפורטפוליו יקדיש לכל פרויקט זמן קצר, ולכן כדאי שלכל פרויקט יהיה תיאור קצר באותו מבנה:
שם הפרויקט: השאלה: איזו שאלה עסקית ניסיתי לענות עליה הנתונים: מאיפה הגיעו, בערך כמה שורות, ומה היה צריך לנקות הכלים: למשל SQL, Python, Tableau מה עשיתי: שניים או שלושה משפטים על התהליך הממצא המרכזי: התובנה החשובה ביותר, במשפט אחד ההמלצה: מה הייתי עושה עם זה קישורים: קוד, דשבורד, מחברת
שימו את הממצא המרכזי למעלה, לא בסוף. מי שקורא רק את שתי השורות הראשונות צריך כבר להבין מה עשיתם ומה יצא מזה.
9. טעויות נפוצות בפורטפוליו דאטה
דאטהסטים שכולם משתמשים בהם: נתוני הטיטאניק או פרחי האיריס מופיעים בהרבה קורסים, ולכן מגייסים רואים אותם שוב ושוב. הם טובים ללמידה, אבל לפורטפוליו עדיף לבחור משהו פחות שחוק. קוד בלי הסבר: מחברת של מאות שורות בלי טקסט ביניהן לא מראה איך חשבתם. גרפים בלי מסקנה: כל גרף צריך משפט שאומר מה רואים בו. רק מודלים של למידת מכונה: לתפקיד דאטה אנליסט, ניתוח ברור עם המלצה שווה יותר ממודל מסובך שלא ברור מה הוא נותן. ופרויקטים שלא נפתחים: קישור שבור או מאגר פרטי הם כמו פרויקט שלא קיים.
10. איפה שמים את כל זה
GitHub הוא המקום לקוד, והכלי שבו בניתם את הדשבורד הוא המקום לגרסה החיה. אבל מגייס לא אמור לקפוץ בין חמישה קישורים כדי להבין מי אתם. אתר פורטפוליו אישי מרכז הכל בעמוד אחד: מי אתם, איזה תפקיד אתם מחפשים, והפרויקטים עם תיאור קצר וקישורים. על המבנה הכללי של פורטפוליו כתבנו במדריך פורטפוליו למפתח ג'וניור, ואם אין לכם עדיין פרויקטים בכלל, התחילו מהמדריך איך בונים פורטפוליו בלי ניסיון.
אם יש לכם כבר קובץ קורות חיים, אפשר להפוך אותו לאתר פורטפוליו אישי בעברית ובאנגלית תוך כדקה, ולראות את התוצאה בחינם לפני שמחליטים. כך נראה אתר לדוגמה בתחום הדאטה, וכאן יש הסבר מלא ודוגמאות לתחומים נוספים: פורטפוליו למחפשי עבודה בהייטק. כדי לפרסם את האתר בכתובת קבועה משלמים תשלום חד-פעמי, בלי מנוי.
11. שאלות נפוצות
- כמה פרויקטים צריך בפורטפוליו של דאטה אנליסט מתחיל?
- שלושה עד חמישה. עדיף מעט פרויקטים מוסברים היטב, שכל אחד מהם מראה יכולת אחרת, מאשר הרבה תרגילים קטנים מאותו סוג.
- צריך לדעת Python, או שמספיקים SQL ואקסל?
- ברוב משרות הג'וניור SQL ואקסל הם הבסיס, וכלי ויזואליזציה כמו Tableau או Power BI מוסיפים הרבה. Python עם pandas נותן יתרון, במיוחד בחברות מוצר. כדאי לבדוק מה כתוב במודעות שמעניינות אתכם.
- איפה מוצאים נתונים לפרויקטים?
- באתרי נתונים פתוחים כמו data.gov.il, ב-Kaggle, ובנתונים פתוחים של עיריות וארגונים. עדיף מקור שהנתונים בו לא מסודרים מראש, כדי שיהיה מה לנקות ולהסביר.
- אפשר להציג בפורטפוליו פרויקט מקורס?
- כן, אם הוא טוב ואתם יכולים להסביר כל חלק בו. כדאי להוסיף לו משהו משלכם, כמו שאלה נוספת או מקור נתונים אחר, כדי שלא ייראה כמו הפרויקט של כל מי שלמד באותו קורס.