डेटा एनालिस्ट कैसे बनें? | Data Analyst kaise banein?

डेटा एनालिस्ट कैसे बनें? | Data Analyst kaise banein? – एक बुनियादी शिक्षा प्राप्त करें, वास्तविक डेटा के साथ परियोजनाओं पर काम करें, अपने काम का एक पोर्टफोलियो विकसित करें, अपने निष्कर्ष प्रस्तुत करने का अभ्यास करें, प्रवेश स्तर के डेटा विश्लेषक की नौकरी प्राप्त करें, अपने तकनीकी कौशल का निर्माण करें etc.

Step 1: एक बुनियादी शिक्षा प्राप्त करें।

जैसे घर बनाने के पहले जरूर होती है एक अच्छी फाउंडेशन या नीव की वैसी ही डाटा एनालिस्ट बनने से पहले भी जरूरी होती है एक अच्छे फाउंडेशन की।

और नीव जितनी मजबूत हो उसके ऊपर बिल्डिंग उतनी बड़ी बन सकती है प्लस उतने समय तक चलती है।

तो फाउंडेशन का मतलब यहां पे एक्सेल, गूगल शीट जैसे सॉफ्टवेयर्स का ज्ञान हो गया।
डेटा किस कहते हैं, वो दिखता कैसा है आदि।

Step 2: अपने तकनीकी कौशल का निर्माण करें:

जैसे की इंजीनियरिंग के लिए जरूरी है पीसीएम के ज्ञान की जी हां मैथ्स, केमिस्ट्री और फिजिक्स की वैसी ही डेटा एनालिस्ट बनने के लिए भी कुछ फील्ड्स का नॉलेज होना जरूरी है उदाहरण के लिए:

• डेटा विश्लेषकों के लिए SQL का महत्व:

SQL एक ट्रेन की तरह है जो डेटाबेस से डेटा विश्लेषक तक डेटा लेके जाता है, या फिर रेस्टोरेंट के यूएस वेटर की तरह है जिसे देखने के कुछ विशिष्ट आइटम को पाने का ऑर्डर दिया जाता है और वो किचन में जाके वो ऑर्डर तैयार करवा है और ग्राहक तक लेके आता है।

तो सिरफ ये वेटर का ही नहीं वास्तव में शेफ का काम भी करता है जी हां कच्चा माल से डिश बनाने का काम या डेटा विश्लेषक की भाषा में बोले तो कच्चे डेटा को क्रंच करके विशिष्ट उपयोगी अंतर्दृष्टि निकलने का काम।

• डेटा विश्लेषकों के लिए पायथन का महत्व:

अगर एसक्यूएल एक नॉर्मल शेफ है तो अजगर एक बहुत ही कुशल शेफ है जिसके पास ऐसी रेसिपी है जो कि वो सारी डिश बना सकती है जो एसक्यूएल से संभव नहीं है।

उदाहरण के लिए डेटा विश्लेषक की भाषा में बोले तो python अपने डेटा विज्ञान, मशीन लर्निंग का उपयोग करके डेटा से और भी गहराई से अंतर्दृष्टि निकल सकता है जो की सिरफ एसक्यूएल से संभव नहीं है।

साथ ही पाइथन वो वेटर का काम नहीं कर सकता जो SQL से पॉसिबल है यानी पाइथन डेटाबेस से डेटा फ़ेच नहीं कर सकता सीधे उसके लिए उसे एसक्यूएल का इस्तेमाल करना ही पड़ेगा।

• Excel / Googlesheet – vlookup, pivots, vba i.e. visual basic:

एक्सेल और गूगल स्प्रैडशीट वो आउटलेट्स की तरह हैं जहां पे रेडीमेड पैक्ड फूड उपलब्ध होता है, इसमें ज्यादा समय नहीं लगता है आप उससे सीधे कह सकते हैं या बस माइक्रोवेव में रख के गरम करके खा सकते हैं।

तो डेटा एनालिस्ट की भाषा में बोले तो एक्सेल या गूगल स्प्रेडशीट पर काफ़ी फंक्शन उपलब्ध होते हैं, जिनसे आप सीधे तौर पर इस्तेमाल करते हैं जबकी वो फंक्शंस एसक्यूएल में या python में लगाने के लिए आपको मल्टीपल लाइन्स के कोड लिखने होते हैं।

• Data visualisation / डेटा विज़ुअलाइज़ेशन:

डेटा विज़्यूलाइज़ेशन रेस्टोरेंट की उस ख़ूबसूरत डिश की तरह है जिसे जब आपके पास लाया जाता है तो उसका प्रेजेंटेशन काफ़ी अच्छा होता है।

इसी तरह, डेटा विज़ुअलाइज़ेशन में भी उसी तरह रॉ डेटा को बहुत ही सुंदर वे में शो करते हैं जिसे पढ़ के इनसाइट्स निकालना बहुत आसन हो जाता है|

उसे देख के ये आइडिया लग जाता है कि पहले उसका नंबर क्या था अब क्या है और वो आपकी पिचली रणनीति की वजह से बदल गया था।

• Data cleaning and data transformation \ डेटा सफाई और डेटा परिवर्तन|

Step 3: वास्तविक डेटा के साथ परियोजनाओं पर काम करें:

जिस तरह वीडियो देख के या किताब पढ़ के कोई कार चलाना नहीं सीख सकता है इसी तरह ऑनलाइन कोर्स या कोई किताब पढ़ने से डेटा एनालिस्ट भी नहीं बना जा सकता है।

ऐसी बहुत सी छोटी-छोटी जानकारी होती है जोकी जब वास्तविक डेटा और समस्याएं पे लोग काम करना चालू करते हैं तभी उन्हें पता चलता है जैसे कि आसानी से vlookup अप्लाई करना, डेटा से outliers हटाना, डेटा की समरी को शो करना आदि।

और वैसे भी किसी भी फील्ड में ग्रेट बनने के लिए उसमें 10000 घंटे देने होते हैं ऐसा बहुत से ऑनलाइन आर्टिकल्स में लिखा हुआ है। लेकिन एक अच्छा डेटा एनालिस्ट बनने के लिए इतना टाइम नहीं लगता ये सिर्फ एक उदाहरण था।

अब जब आपको असल में कार सीखने वाली होती है तब आप किसी कार सीखने वाले को हायर करते हो या किसी जान पहचान वाले की मदद लेते हो। इसी तरह डेटा एनालिस्ट बनने के लिए आप या तो किसी से सीख सकते हैं या ऐसे समुदाय ज्वाइन कर सकते हैं जहां पे इसकी बात होती है जैसे कि:

• Kaggle:

यह एक ऐसी वेबसाइट है जहां पे लोग अपने डेटा साइंस से संबंधित कोड शेयर करते हैं और शो करते हैं। कैसे किसी भी समस्या को हल किया।

• Tableau online:

ये एक और समुदाय है जहां पे लोग अपना Tableau संबंधित काम प्रकाशित करके बाकी लोगों से शेयर करते हैं, आप भी यहां जाके देख सकते हैं कि लोग किस तरह के डैशबोर्ड बनाते हैं Tableau पर और किस समस्या के लिए किस तरह का डैशबोर्ड बनाना चाहिए।

Step 4: अपने काम का एक पोर्टफोलियो विकसित करें:

• medium.com पर लेख प्रकाशित करें:

जब आप अपनी दुकान खोलते हैं तो ज़रुरत होती है दुकान के ऊपर बोर्ड लगाने की, पर्चे के ज़रीये उसे मार्केटिंग करने की, दुकान में अच्छे से समान शो करने की आदि।

तकी जो भी आस-पास से गुजरे उसे शो हो कि ये दुकान किस बारे में है और यहां क्या-क्या मिलता है।

इसी तरह, जॉब पाने के लिए भी आपको कुछ ऐसा ही करना पड़ता है जैसे की ऑनलाइन वेबसाइटें जैसे Tableau पे अपना काम दिखाना, या Kaggle पे अपने सॉल्यूशंस पोस्ट करना और या फिर medium.com जैसी वेबसाइटों पर जानकारी लेख लिखना जिसे लोगों पता चले और इंटरव्यू के time आप उसके बारे में बात kar sakein|

Tableau online / kaggle etc. के बारे में ऊपर पहले से ही डिटेल्ड में बात कर चुके हैं तो यहां उसे रिपीट करने का कोई फायदा नहीं है।

Step 5: अपने निष्कर्ष प्रस्तुत करने का अभ्यास करें:

• एक अच्छा रिज्यूमे बनाएं:

जैसे आपके दुकान के गोदाम में कितना भी समान हो लेकिन उससे कोई फायदा नहीं जब तक आप उसे ऐसी जगह पे डिस्प्ले पे नहीं लगा जहां आपके ग्राहक समान को धुंध रहे हैं।

उदाहरण के लिए अमेज़न की वेबसाइट पे लिस्ट करना, अगर आप ऑफलाइन शॉप के माध्यम से समान बेच रे हैं तो अपनी दुकान में उस सामान को अच्छे शेल्फ में डिस्प्ले करना आदि।

तो ‘रिज्यूमे’ आपकी दुकान का काम करता है, आपकी स्किल्स का अच्छे से डिस्क्रिप्शन होता है, इसे फर्क नहीं पड़ता कि आपको कितनी चीजें आती हैं जब तक आप उससे अपने ‘रेज्यूमे’ के मध्यम से शो नहीं करते।

‘रिज्यूमे’ इस लिए भी महत्वपूर्ण है क्योंकि भर्ती करने वाली टीम के पास एक रिज्यूमे देखने का ज्यादा समय नहीं होता तो आपका रिज्यूमे जितना अच्छा बनेगा रिक्रूटर को इतनी आसानी से होगी आपको शॉर्टलिस्ट करने में।

उसके बाद आप इंटरव्यू में बोलके वो सब कुछ बता सकता है की आपको क्या-क्या आता है।

Step 6: प्रवेश स्तर के डेटा विश्लेषक की नौकरी प्राप्त करें:

अब जब आप अपनी दुकान खोलते हैं तो आप अपनी जान पहचान वाले लोगों को बताते हैं कि अब वो अपनी जरूरत का सामान आपकी दुकान से ले सकते हैं।

इसी तरह, जॉब पाने के लिए भी आप अपने जान पहचान वाले लोगों की मदद ले सकते हैं या फिर अपने Linkedin पे एडेड कनेक्शन को मैसेज करके पूछ सकते हैं उनकी कंपनी में कोई प्रासंगिक जॉब वैकेंसी है कि नहीं।

शुरुआत के दौर में आप कहीं पे इंटर्नशिप करके अपना ज्ञान और कार्य कौशल बढ़ा सकते हैं इस क्षेत्र में।

बहुत सारी जॉब वेबसाइट्स होती हैं जहां पे कंपनी प्रासंगिक जॉब वैकेंसी पोस्ट करती हैं आप अनपे जाके अप्लाई कर सकते हैं|

जब आप अपनी दुकान खोलते हैं और कोई ग्राहक किसी उत्पाद को मांग करता है जो आपके पास नहीं है तो आप वो सामान अपनी दुकान में रखना चालू कर देते हैं भविष्य की मांग को पूरा करने के लिए।

इसी तरह, आप नौकरी का विवरण पढ़ें ऑनलाइन हमें आपके पास क्या कौशल है और क्या और चाहिए होंगे उस नौकरी को पाने के लिए और उस दिशा में आप तैयारी चालू कर देंगे, एक बार आपके पास वो कौशल आ जाएगा तो आप नौकरी के लिए भी पात्र हो जाएंगे।

Other relevant links:

• What is Data Analysis – Attempt for In-depth Understanding
• Data Mining Question Paper tools and benefits
• डाटा साइंटिस्ट की सैलरी कितनी होती है? | Data Scientist ki salary kitni hoti hai?
• Data Analytics या Database का Industry level पर क्या उपयोग है | Data Analytics or Database application at Industry Level
• Data Analysis – wiki

FAQs: