Kim jest analityk danych? Co robi i jaka jest jego rola w całej branży danych? Z jakich narzędzi korzysta? Jaki jest profil psychologiczny analityka? Czy to łatwa robota? O tym wszystkim rozmawialiśmy z Kajo Rudzińskim, twórcą Kajo Data oraz Kajo Space.

Notatki:

• Kajo Data: http://kajodata.com/
• Newsletter + Ebook „Szlakiem Big Data”: http://blog.riotechdatafactory.com/ebook-o-big-data/
• Akademia Big Data (FREE trial): https://akademia-bigdata.pl/ 
• Strona Big Data Po Polsku: https://bigdatapopolsku.pl/ 
• email: marek.czuma@riotechdatafactory.com
• Mentoring: https://kursy.riotechdatafactory.com/mentoring-big-data/ 

Proszę, oceń ten odcinek i podaj go dalej;-).

Ja nazywam się Marek Czuma. Jestem inżynierem oraz instruktorem Big Data. Jestem również założycielem Riotech Data Factory i Akademii Big Data.

Transkrypcja odcinka

[Transkrypcja automatyczna, mogą pojawić się błędy]

Branża danych, branża big data, to nie tylko inżynieria, to nie tylko budowanie mechanizmów i systemów, które sprawiają, że dany od samego źródła są czyszczone, przetwarzane łączone z innymi z danymi. W branży danych trzeba zrobić całą masę roboty, trzeba zrobić wykonać wiele rodzajów pracy i jednym z tych rodzajów, a być może nawet kluczowym jest szeroko pojęta analiza i analityka. I tą właśnie robotą zajmują się analitycy danych. Oni sprawiają, że to, co inżynierowie przygotują, jest zamieniane na taki sposób prezentacji, który jest atrakcyjny, który jest przejrzysty, który sprawia, że bardzo szybko można znaleźć wzorce, znaleźć zależności między danymi i że bardzo szybko można wyciągnąć wnioski. W wnioski, które są niezbędne do rozwóju biznesu, do rozwóju państwa, do bezpieczeństwa, które są niezbędne do tego, żeby rozmańtej instytucje mogły iść do przodu i budować lepszy świat, w którym żyjemy. I dzisiaj rozmawiam właśnie na temat z tego, kim jest anityk danych z bardzo wyjątkowym anitykiem. Skajo rodzińskim, który prowadzi swój kanał, kajo data, który prowadzi swoją własną społeczność i który robi niesamowitą robotę. I mówię to jako osoba, która też rozwija swoją społeczność, która wie, jak dużo pracy to wymaga, dlatego dzisiaj będziemy rozmawiać właśnie na temat szerzenia edukacji wybranży danych na temat tego, jakie rolę są potrzebne, żeby branża danych się rozwijała i żeby mogła rozwijać nasz świat. Zapraszam na rozmowę z kajo rodzińskim skajo data. Cześć, witam dzisiaj w podkaście Big Data po polsku. Poznajemy tu wspólnie jak działa świat, który wiadomo zbudowany jest zdanych i rządzony jest przez algorytm. Jesteś w dobrym miejscu, jeśli interesującie technologię, biznes, społeczeństwo lub po głębienie swojego potencjału i to wszystko w kontekście danych. Ja nazywam się meryktumat. Jestem założycielem platformy Akademii Big Data, która skraca drogę do blanży dany każdego dnia, pomagam innym i sobie zrozumieć dane i otaczający nas świat. Nalej do kubka solidną porcję swojej ulbionej kawy, pakuj swoje rzeczy i ruszaj ze mną w tu fascynującą przygodę. Cześć, Kajo. Bardzo miło mi cię ugościć w podkaście Big Data po polsku. W moim podkaście czekajem na tu chwilę trochę i witam. Cześć, Marek. Bardzo dziękuję za zaproszenie. Właśnie jest być u ciebie. Słuchaj, porozmawiamy dzisiaj na temat twojej działki oczywiście przede wszystkim, ale też szerzej trochę branży danych w ogóle jako takiej, bo robi się z tego, co nas większy las. I na stat chcielam ci zadeć pytanie, które wiem, że będzie trudne, bo będzie bardzo ogólne, a ja będę oczekiwał, żebyś opowiedział mi, ale przede wszystkim chyba naszym słuchaczom w kilku słowach. Czym jest analizat, analityka danych i kim jest analityk danych? To są trzy pytanie. Mam na te trzy pytanie łącznie kilka słów? Tak. Analiza danych to jest próba zrozumienia rzeczywistości. Tak najkrócej bym to pisał. To jest próba zrozumienia rzeczywistości i rozszerzając to na to, jak zrobimy dzisiaj, to jest próba zrozumienia rzeczywistości, dzięki technologii jaką dysponujemy. Bo tą analizę my uprawiamy od niepamiętnych czasów jako ludzie. W czasach średnia wiecznych były już banki, też trzeba było analizować dana. Dzisiaj robimy to trochę bardziej słuszony sposób. I rzeczywistość stała się złożona do tego stopnia, że stworzyliśmy zawody, profesje, w których ludzie się specjalizują, w której przy pomocy technologii, ludzie próbują zrozumieć otaczającą rzeczywistość i pokazać tą rzeczywistość innym. Tylko tyle i aż tyle. Bardzo często analitycy nie zajmują się podejmowaniem jakichś decyzji, nie zajmują się tworzeniem jakichś rzeczy. Starają się zrozumieć jak się sprawę mają. Jest to najkrótniejsze, co jestem w stanie ułożyć na ten moment. Ok, a dzisiaj analitych danych, jeżeli miałbyś tak plastycznie wyjaśnić, no jak on ma miejsce w całym, mówiąc, bardzo korokwiany flow, gdzie jest twoje miejsce? Jest taki żart komunistycznym z czasów komunistycznych polityków, Jerzym Urbania, który zamawia taksówkę, on był swego czasu bardzo popularny. No i schodzi do tej taksówki, siada do niej i się go pyta taksówka, że pani Urku gdzie jedziemy, a on na to odpowiada nie ma znaczenia, jestem wszędzie potrzebny. Jest analitykiem jest trochę podobnie. Dlatego, że istniejemy szczególnie w tej z cyfryzowanej strefie rzeczywistości w świecie, w którym tych danych jest tak dużo. Jeżeli w dowolnej miejsce wsadzimy osoby, która będzie próbowała ponownie wracając do mojego krótkiego opisu, zrozumieć jak rzeczywiście wygląda, to osoba będzie uszyteczna. Natomiast najczęściej wygląda to w ten sposób, że ja jestem między produktem a decyzją. Jeżeli spróbujemy uprościć sobie taki payzasz firmowy, to zazwyczaj w tym payzażu firmowym będzie taki tenis albo taka pencla feedbacku, gdzie po jednej stronie mamy produkt bądź usługa, a po drugiej stronie mamy jakąś decyzję do podjęcia. Przed produktem, aby puszczamy produkt na rynek, coś tam się udzieje, i teraz wraca do nas pencla feedbacku i podajmy jakąś decyzję. Ale właśnie nie podejmujemy tę decyzję, to jak to leci do nas pencla feedbacku, to ona przylatuje przez taki filtre. Filtre jest analityk danych, czyli jest osoba, która spróbuje w jakiś sposób zatrzymać, zrobić taki skrinsz od rzeczywistości. Czasem robi go bardzo często, czasem go robi wręcz w czasie rzeczywistym, rapportując na bieżąco. Ale robi skrinsz od rzeczywistości i pokazuje tak wygląda rzeczywistość, co robimy dalej. Rzadko to jest w drugą stronę, to znaczy, że jeżeli decyden wysyła coś do narzędzia, to jest rzadka sytuacja, bo to wtedy jest najczęściej aspekt już taki bardzo mocno stary telingowy i wtedy jest pingpong między firmą i światem zewnętrznym. Próbujemy wtedy coś za komunikować i wtedy mówimy już bardziej o osobach, które zajmują się prezentacjami, tam często dane są w to uwikłane. Natomiast o wiele częściej ten analityk stoi między narzędziem, a decyntami w momencie, kiedy te dane wracają od narzędzia, od produktu, od usługiej, do osoby, która tym zarządza. Jest wiele wyzwani, które się wiąże z tym faktem, że te dane przelatują w cudzysłowie przez analityk. Pozóżę, że postaram się tak ułożyć, prostycznić i powiedz mi, czy dobrze rozumiem. Zauważam, że mamy firme, która duża siedź sklepów spożywczych, marketach. I mamy jakiegoś prezesa, który podejmuje decyzja albo cały zarząd. Czy to jest ten decydent okreumówieś przed chwilą? Ten decydent jest rozbity. To jest tak jak się mówi, że jest ustawodawca w kraju, to później rozbije na komisję, sami i tak dalej. Przestań, który przedstawiłeś jest utopinnym, albo inaczej, pożądaną rzeczywistością, w której rzeczywiście zarząd bądź prezes, po prostu staruje firmą uniczym okrętem. Najczęściej jest tak, że ten zarząd jest później rozbity na dyrektorów, na zespoły, na ludziom, którzy się zarządzają różnymi częściami tej firmy, być może różnymi usługami produktami. Czasem jest tak, że ta komunikacja będzie prezes produkt, ale często będzie tak, że nawet ona do tego prezesa nie dotrze. Natomiast zawsze właśnie w tym pomiędzy będziemy próbowali wstawić tych analityków. Ok, czy jakiś pewnie dyrektor manager podrodzę jest, albo nawet kilku którzy przyzły się… Trochę dyrektor manager mogą być podrodzę różnego rodzaju zespoły, może być nawet tak, że nie ma osoby takiej decydującej w sensie strategicznym ofirmie, tylko na przykład jest zespół, który stworzył, wspomniałeś, że mamy sklep spożywczy, na przykład ten sklep spożywczy, co wprowadzić teraz taką usługę, abandonamentową, że ty nie musisz jeździć do tego sklepu, oni cię będą wysyłali mleko co miesiąc, powiedzą, że ci mleko co miesiąc chodzi, no i ma taką subskrypcję tego. Mleko plus janie. I oni stworzyli właśnie tam, może sobie wejść na stronę internetową, tam sobie ustawić subskrypcję mleko plus jad, co trzy tygodnie. No i oni też będą ciekawi, jak ten analityk impokażet, co się dzieje z tym z tym produktem, na różnych polach, to może być na polu user interface, to może być na polu finansowym, sprzedażowym, więc niekoniecznie musi być to osoba zarządzająca, aczkolwiek jest to o wiele częstszy scenariuszy. OK, ale w takim razie z mojego punktu widzenia jestem z tej działki Inżynielskiej, więc ja danek, o których mówisz, dla mnie to są właśnie to, właśnie te związane z stanem magaznowym, z informacjami, z aplikacji, które użytkownik robi, itd. No i my musimy te dane zebrać, pozbierać jakoś złożyć ze sobą w całość i gdzieś tam prchnąć dalej. I pytanie, czy twoja rola to jest momencie, w którym masz już te dane zebra, na ładnie i Ty w jakiś sposób starasz się przedstawić temu dyrektorowi, żeby on wiedział o co w tych danych chodzi, czy twoją rolą, czy twoja rola jest też część wot techniczno, czy twoja rola bardziej mięka czy techniczna? To bardzo zależy otwirmy, w której bo byłem i w takiej i w takiej roli. Próbując wrócić do jakiegoś takiego obrazowania z mojego punktu widzenia, bo ja też często współpracuję z inżynierami danych, i ta współpraca jest bardzo, bardzo istoczna. Ona bardzo często decyduje o tym, w ogóle jak na jakim stopniu zaawansowania i takiej dojrzałości, analityczno danowej jesteśmy w danej firmie, używając monego zwrotu jak bardzo rzeczywistości dana firma jest data driven. Z mojego punktu widzenia inżynierowie danych, nawet jeszcze ważniejszą rzecz niż ja, czyli żeby woda z danej mi płynęła w jedną i w drugą stronę, żeby te rury były dobre, żeby się nie zatykały itd. To co robię ja, to ja biorę próbówkę i zanurzam w tej wodzie i wyciągam. I teraz jak wyciągnę próbówkę z wodą, to ta woda może być albo taka, że od razu se wyleje na talerzyk i patrzy, ja już widzę, czy jest dobrze, czy jest dziwne, a czasem muszę sobie trochę powietrować, bo tam trochę z tych rur mi zaszło, trochę tam rzeczy, których nie potrzebuje, i ewolucja, którą ja widzę, jest taka, że zimierzamy do świata, w którym ten analityk staje się osobą bardziej techniczną niż był kiedyś, ze względu na to, że coraz więcej rzeczy mogą za nas zrobić na rzęcie. Natomiast ten aspekt komunikacyjny jest bardzo duży, to znaczy, my nam wciąż, zami wciąż jest ten aspekt perswazyjny, komunikacyjny, taki przedstawiący i to się wiąże też z wieloma wyzwaniami w tym zawodzie, możemy o tym szerzej porozmawiać, jeśli byś chciał. Natomiast odpowiadając na twoje pytanie, jak bardzo jesteśmy osobą techniczną, będzie zależało otwirmy, a często nawet od zespołu, w którym będziemy. Ok, powiedzieli się o tych narzędziach. Dla mnie, jak myślę o takim zestawie narzędziowym analityka, to pierwszy co mi przychodzi do głowy, to wszelkiego rodzaju dashboard, wykresy, mapy i tego typu rzeczy. I na ile to jest twoje co dzienne środowisko, a na ile opelujesz w jakichś zupełnie inny, czyli Business Intelligence, tak? A na ile opelujesz w jakichś zupełnie innych przestrzeniach? Dużo znowu będzie zależało otwirmy, ale powiem tak. Sperspektywy narzędziowej rzeczywiście narzędzia biejowe są bardzo dużą częścią i można powiedzieć, że obecnie rynek dzieli się na trzy części, takie 40-40-20%, gdzie te dwie większe pówki to są tableau i Power BI, które praktycznie dominują rynek obecnie z przewagą Power BI, a pozostałe 20 to są jakieś drobniejsze albo inchausowe rozwiązania. I to jest jeden segment narzędzi. Drugi segment narzędzi, czy też jedno narzędzie, który jest dosyć istotne, to mówiąc wprost Excel, i nie dlatego, że my jakoś bardzo lubimy to narzędzie dla samego tego narzędzia, tylko dlatego, że Microsoft i Office jest wszechobecny w firmach, a to oznacza, że jest bardzo dużo połączeń i bardzo dużo firm bardzo pracuje na tym, żeby możliwie łatwo było powtykać rzeczy. A to oznacza, że tego Excel jest bardzo łatwo podpiąć albo do Excel jest bardzo łatwo weksportować, czyli znowu ten Excel stają się to naszą próbówką, którą zanurzamy w tej wodzie, która płynie. Jest tym naszym skrynszotem rzeczywistości. I wreszcie jest trzecia myśl ten nie doceniana z perspektywy anityków wchodzących na rynek grupa narzędzi, to są narzędzia bardzo danowe. To są najczęściej po prostu bazy danych, ale ze względu na postępującą technologię, która uzułącili wiałączenie coraz większej ilości narzędzi. My coraz więcej pracą musimy w tej bazie danych wykonać. Tutaj próbując zrobić jakiś prosztytki przykład, mamy firmę właśnie tą załóżmy ten sklep. I tam, żeby było nam łatwiej tworzymy sobie jakiegoś day-to-leika, bo jeszcze nie wiem, jakie tam narzędzia będziemy wpychać. I ładujemy po prostu wszystko. Ładujemy dane z adobie analytics, ładujemy dane z magazynów, tam w tych magazynach mają ludzie jakieś softwarey, potworzone inhausowe, które pompują nam po prostu pliki z cSVK z skrynszotami, jaki był stock. W danym momencie mamy narzędzia, mierzące nasz cashflow, bankowy i to też są osobne integracje. I teraz na przykład są ludzie, którzy będą oczekiwali, żebyśmy pokazywali im jak stock się łączy z cashflowem, po to, żeby oni mogli tym zarządzać. No i w tym momencie my musimy na poziomie bazodanowym, bardzo często zbudować w ogóle warstw analityczną, czyli różnego rodzaju widoki, tabele, które pozwolą nam połączyć te dane w jednym miejscu, z zanim to wrzucimy do narzędzia białowego, bo w narzędziu białowym zrobimy sobie zazwyczaj krzywdy, jak będziemy próbowali to łączyć. A SQL jest takim światem, który jest bardzo głęboko audytowalny, bo to wszystko jest na przestrzeni kodu. Możemy łatwo się poruszać w takich przestrzeniach, gdzie ten kod jest wersjonowany i tak dalej. Więc takie trzy przestrzenia. Czyli jak rozumiem to bazodanych, czy też pewien jakiś Data Warehouse dzisiaj współcześnie, to stwa przestrzeń takie wąskie galbo, do którego ty byś starał się ściągnąć wszystkie dane, żeby mieć jej ładnie ułożone, ustrukturyzowane i z nich dopiero zaczynać do narzędzi białowych. Tak, to to ja myślę, że to jest, to jest taka mocno techniczna robota. Jeżeli ty masz ułożyć widoki, masz nie wiem czy tabele w ogóle zaprojektować, jak wyglądają, czy raczej na istniejących już bazować, ale to wygląda na taką mocno techniczną robotę. Znowu, wszystko zależy od tego, w jakim miejscu się znajdziemy. Moja historia pokierowała mnie bardziej w technicznym miejsce i ja zajmuję teraz w swojej pracy etetowej rolę architekta, więc stąd ten aspekt techniczny jest dosyć, że tak powiem dosyć wysoki. Natomiast jest to moim zdaniem, tylko moja opinia, jest to druga preferowana, ponieważ w przeciwnym wypadku zaczynamy tworzyć fultkę dla rzeczywistości, w której istnieją odrębne obiegi informacji. Tu ktoś sobie coś przesyła excelę do przodu i do tyłu. Tu ktoś sobie mierzy coś tylko w jakimś darżbordzie połączonym do Adobe Analyticsa. Jeżeli dopuścimy do sytuacji, w którym te pipeline są odrębne od siebie, to będzie nam szybciej, ale w pewnym momencie, moim zdaniem nieuchronnie, dojdziemy do momentu, w którym coś się przestanie dodawać za sobą. Gdzieś tu w jednym narzędzie wyjdzie, że mamy 1200 zamówień a w drugim nam wyjdzie, że 1000 zamówień. Potrzebujemy tego wspólnego mianownika, że jest wspólnym mianownikiem, będzie jakiś rodzaj ditawerhausu bazydanych. Czy to nie jest właśnie dobra przestrzeń do współpracy inżynierów i anaityków, żeby inżynierów zrobić to pierwszą część, czyli całe system, który opel, systematycznie chatedane, który jest prawd za filtruje czyści, łącze i dopiero wystawia ci takie upieczone ciastko. To jest w ogóle kluczowa rzecz. Jest tak, że brzmi techniczne, które analityk musi dzwigać, jest miarą niedostatku inżynierów danych w danej firmie. I mniej jest inżynierów danych w danej firmie. Tym większe brzmi techniczne musi dzwigać analityk. Tym więcej czasu ja muszę spędzać na tworzenie warstwa analitycznych, które w pewnej mierze inżynierowie danych też mogliby stworzyć odpowiednio kierując, po prostu dane w odpowiedniej miejsca, odpowiednio pogrupowane, zagregowane. I wtedy ja miałbym większą część perswazyjną, prezentacyjną dla siebie, a tak niestety nie mogę się na tym wyłącznie oprzeć. Oczywiście, wiesz, Marek, my tutaj rozmawiamy o sytuacji bardzo złożonej. My rozmawiamy o sytuacji, gdzie mamy bardzo dużą firmę, gdzie tych narzędzi jest mnóstwo, danych jest mnóstwo, pracuje powyżej stół osób. Jeżeli my mamy niewielkie przedsiębiorstwo 10 osób zatrudnionych, to cały dział IT będzie się składał z oszub 4. I analityk będzie się zajmowało wszystkim, będzie dbjejem, inżynierem danych, analitykiem gościem od systemów. Natomiast to jest powiedzmy, ja to tylko mówię, żeby to wybrzmiało, że takie rzeczywistości też istnieją. Natomiast rozumiem, że ty mówisz o świecie takim bardziej międzynarodowym, gdzie rzeczywiście dojrzałość firmowa jest o wiele wyższa, więc w takim świecie tak. Pogłę, tam gdzie danych jest źródeł, jest więcej, bo to on trochę wymusza dojrzałość, kiedy materia jest większa do ugliwienia. Tak. Same dasz bordy, to jest już trochę techniczny, będziemy. Same dasz bordy, to też nie jest przecież robota, czysto będzie obumienka, to też techniczna robota, bo dasz bord, żeby napisać dasz bord, to, jak mnie mam, też musimy znacie skułelar, żeby połączyć się z tą bazą i wyciągnąć od pewnej informacje. Do tego trzeba zrozumieć przecież samą strukturę bazydanych. Dliwić z czego? Zgazasie. Zgazasie. Pełna zgoda. I to co więcej, trzeba zrozumieć dwie rzeczy. Przeszam, trzy rzeczy. Trzeba zrozumieć koncepcję bazydanych, czyli tego jak w ogóle dane się ze sobą łączą pracują. Samą koncepcję relacyjnej bazydanych i to wcale nie jest takie intuicyjne, to dopiero po jakimś czasie człowiek internalizuje tą wiedzę. Dwa, trzeba zrozumieć składnie, którymi operujemy w tej bazie danych, żeby się w tym bardzo płynnie poruszać. I trzeba zrozumieć składnie tego narzędzia, z którego, z któregomy się posługujemy, biejowym. I tutaj nieszczęście polega na tym, że nie możemy się wyłącznie posługiwać komendami. Bardzo często te narzędzia łatwiając prace, że komu, mówią, że to jest taki sof, że to jest taki sof, które tu sobie przyciągnę będą w wykresyjniowy. Tam sobie przeklika. I ja muszę powiedzieć, że z perspektywy czasu oceniam to jako rzecz negatywną. To znaczy im więcej widzę takiej klikalności tym gorzej. Bo jeżeli ja muszę pamiętać, że teraz muszę odsłonić sobie tą kartę i tam przyciągnąć i później tam jest taki guziczek z niebieskim domkiem, i on robi coś, no to to jest gorsze informacja do zarządzania tym systemem, niż zarządzanie tego z perspektywy, z perspektywy komend. Więc to jest dodatkowa trudność tych inoczyń. To jest to, co się dzieje. Tak, a do tego jeszcze musisz dołożyć i nie wiem czy to powiedzieć, że to jest umiejętność, mięka czy nie mięka, musisz dołożyć jeszcze do tego umiejętność designu, czyli przekazywania tego, jak ten dasz podwygląda, jak my to komunikujemy, bo to co my mówimy w trakcie, kiedy my to pokazujemy to jest jedna rzecz, jak bo o tym mówimy, a to jak to wygląda, to jest druga rzecz. I można oczywiście to sprowadzić do hechersza, które mówią o tym, że tutaj wykresy kołowe nie wykresy słupkowe tak, ale jest to dosyć trudna sztuka, jeżeli te dane są złożone, sytuacja nie jest prosta, nie? I że sytuacja jest bardziej złożona niż pokazanie nie wiem, słupków wyborczych, tam, który kandydatna prezydenta bardziej. Jak wiemy, z doświadczeń i to dla wielu osób nie jest łatwe. Tak, tak, tak, dokładnie. Sam ten aspekt nie jest prosty, nie? Tak, dokładnie. Na przykład gdzie powinna się zaczynać osi, ale dobra, a ja wróćmy do jedną rzecz, chciałem ci zapytać jeszcze. Mamy przygotowujemy, teraz mamy już tą idealną sytuację, że nierowiadanych zrobi świetną robotę, ty masz świetnie ułożoną bazę danych, którą wspólnie zaprojektowaliście, trzymając się za ręce i jest znakomicie. I teraz ty budujesz najpiękniejszy dashboard na świecie. I teraz dwa pytania do ciebie. Wielsze pytanie, czy to jest tak, że to twoją robotą jest ten dashboard, i ty ten dashboard powinien ich komuś dostarczyć właśnie temu, jakie musisz meneżmyn towi, żeby on sobie mógł patrzeć. Czy w założeniu jest tak, że ta twoja robota ma jakiś koniec, ta techniczna? Czy to raczej jest tak, że ten dashboard to teraz dostarasz, bo dostałeś jakieś polecenie, znaleźć niej konkretnych wzorców, zależności, więc ty też budujesz dashboard bardziej dla siebie a meneżmyn towi to przedstawiasz, a za tydzień budujesz jakiś inny też mu przedstawisz, która z tych rzeczywistości. Obie. Obieś, gdzie ją równocześnie. Czyli ja najczęściej mam rzecz, którą buduję dla siebie, którą pewnie rolę eksploracyjną i buduję tę rzecz, która jest, która jest na pokaz. Ja na jednym ekranie robię krasz testy i często jest dużo zależy od tego, czy to jest proces, który ja już bardzo dobrze znam, czyli np. jakieś tam raportowanie sprzedaży i my po prostu ulepszamy to troszeczkę, czy my naprawdę szukamy jakiegoś wzorca. Bo jeżeli my naprawdę szukamy jakiegoś wzorca, to to jest moja ulubiona część w tej pracy. To ja dostając zadanie, ja naprawdę nie wiem, jaki jest rozwiązanie tego zadania. Ja nie wiem jak wygląda ten dobry wniosek. Ja po prostu tego nie wiem, nie jest płacone za to, żebym ja do tego doszedł, żebym ja do tego doszedł za pomocą tej technologii, żebyśmy wspólnie pokazali przynajmniej przed tym zarządem, jako zespoanalczyczny, żeśbiliśmy i tutaj żeśmy doszli. I teraz nam się wydaje tak, wy macie jakąś wiedzę zarządco strategiczną, jak zdarzymy te nasze do głowy, to być może coś tam z tego wyjdzie. W związku z tym, że przerwa tutaj, czy oni dostają ten dashboard potem, żeby sobie z nim dalej siedzieli już wszystko na miesiące, czy na tym się kończy zwykłe. To też są dwa asyna rusze. Tutaj osoba zarządca decydent powiedzmy, gdzie się na dwa typy, na strategicznego i operacyjnego. Strategiczny nie pracuje z dashboardem, zobaczy go raz i mów idziemy w lewo, a bo idziemy w prawo. A operacyjna będzie pracowała z tym codziennie. To jest techniczny przykład różnicy. Daj z dashboard dla osoby strategicznej nie będzie miał filtrów. Praktycznie. Będzie pokazany obrazek, będą pokazane wykresy, jest tak. Ewentualnie ja pokażę kilka planż. Natomiast tam nie będzie żadnych wykresów, tam będzie bardzo dużo odnotacji. Tutaj poszło nam w doł, ale wtedy nie wiem, padało nad Warszawą, więc ludzie zostali w domu i tak dalej. Natomiast… Czyli bardziej rozumiem rozgnieźnie konkretnego kaisu niż przygotowanie czegoś generalnego. Tak, natomiast w przypadku decydenta operacyjnego, tych odnotacji praktycznie w ogóle nie będzie, bo będzie maksymalny focus na to, żeby ta osoba mogła system grzebać. Ika na przykład będzie bardzo duże focus na filtrowanie i na odsierzalność, czyli na to, jak często te dane przychodzą, jak jest lak pomiędzy rzeczywistością a portratem tych danych. Czyli mamy… Czyli mamy… Czyli ten decydent operacyjny. Tak. Nie jest też pewnego rodzaju analitykiem? No właśnie, bardzo to jest ciekawe pytanie, Marku. Bo to jest pytanie… Ponownie wracamy do tego, kim jest analityk, nie? To jest tak szeroki termin, że z jednej strony analitykiem może być analityk finansowy, który po prostu patrzy na to, jak wygląda finansowa sytuacja firmy. On w ogóle nie tworzy żadnych raportów. On dostaje raport, tam sobie pofiltruje, tu sobie pofiltruje, tu sobie sprawdzi i mówi do zarządu, musimy tam sprzedać suwałki. A jest kompletnie inna osoba, którą też nazwimy analitykiem, która w ogóle tworzy ten raport. Nie, tam rzeźbi robi, robi funkcję po trójnymi, po czwórnymi, zagnieżżejaniami. To jesteś ty. To bywam ja. To bywam… To bywam do tej osobi jest niewiele bliżej. To bywam też w tej pierwszej roi? Rzecznej… To no, że już jest też rola taka bardzo strikty domenowa, ktoś w tym śmieć bardzo gęstą wiedzę domenową. W obecnej firmie zdarza się mi być taką osobą, ze względu na to, że bardzo długów tej firmie jestem i pewne procesy już poznałem. Jeżeli chodzi o taką specyfikę domenową, to ja się specjalizowałem w analizie lojalności, w i komersie. Czyli jeżeli obserwujemy pewne trendy w tym jak klienci, to mówimy o klientach osobistych, nie? Bitusji. Jeżeli obserwujemy jak klienci kupują, to ja mogę też już doradzić na takim poziomie biznesowo domenowym. Co tutaj robimy źle? Na przykład zarządzanie ceną. I czy jaka jest nasza elastyczność cenowa? Więc to jest jakiś tam element biznesowy, w którym mogę doradzić, ale powiedzmy, że to przyszło z doświadczeniem w tym konkretnym miejscu. Więc o wiele częściej bywam tą osobą drugą, a jeszcze bywam inną osobą, o której może aż tak dużo nie mówiliśmy, to znaczy bywam osobą, bo to też nie jest takie oczywiste. Mamy tego decydenta, mamy ten snapsz od tej rzeczywistości i ten decydent patrzy na ten snapsz od. I to wcale nie jest tak, jak się ludziom wydaje, że jak decydent patrzy na snapsz od, to on od razu widzi. On oczywiście patrzy na to i tam ma może jakiś myśli, musie kształtują w głowie, ale świat jest zajęty. Ludzie mają dużo spotkań, tu chodzą, rzeczy się dzieją, on ma 10 maili, nie odczytanych z wczoraj. Więc na to, jak my mu pokazujemy, to potrzebna jest jeszcze dodatkowa, dodatkowe coś, co będzie komunikowało informacje, czyli nie tylko ten obrazek, tylko będzie też ta osoba na tym spotkaniu, która mówi, teraz patrzymy na ten wykres. Tam ta linia spada. Czemu nam ta linia spada? Jeżeli sobie spojrzymy na distribucję, która jest po prawej stronie, to jest tak, że to nie jest tak, że ta osoba jest debilem, i że ja muszę wytłumaczyć. Chodzi tylko o to, żeby przyspieszyć ten proces, żeby odciążyć kognitywnie osobę, która ma tak, jak powiem, myśli niepotrzebnie, obciążające muramy mózgowy, która mówi, kurczę, a tu jest takie dziwne, ja już wiem, że tu jest takie dziwne, ale to nas nie interesuje. Ja już to sprawdziłem, tam są nule, duplika, to nas nie interesuje. To jest na tym obrazku, ale możemy to alać. I ta osoba, i to jest właśnie ten aspekt komunikacyjno-perswazyjny, czyli, że jeszcze to jest starolaktorą analitych, wypełnia w tym wszystkim. Ok, bardzo ciekawe, bo z tego, co mówisz, wynika, że, jeżeli ja bym chciał rozpocząć kalierew jako anityk danych, to muszę się przygotować na… Ludzie. Ludzie, ale niekoniecznie na rutynę. Znaczy pewnie jakąś rutynę w damach danego swego kresu, czas życiowego, tak? Ale generalnie to jest robota, która ma wiele obici. To jest zdecydowanie tak. Jest to zarówno zaleta, jaki wada tej pracy. No to fajne, bo, bo zakładam, że mógłbyś, jeżeli byś bardzo chciał, zakopać się w jakiś części, ale też daje to wyjście gdzieś tam, jeżeli zobaczysz, ok, w innej firmie, a troszeczkę inaczej się do tego podchodzi. Czy mógłbym? Teoretycznie bym mógł, ale wiesz, jesteśmy w jakimś tam kontakście firmowym i właśnie, statnie, niestety, oczekuje się od nas tej wieloaspektowości, a to znaczy, że bardzo ciężko jest być dobrym we wszystkim, takim bardzo dobrym. Więc jeżeli na przykład, ja muszę robić, że tak powiem, mentalny alt-table, czyli przyłączać się między okienkami, tu prezentuje, tu dasz borduje, tu coś, żeśbie w formułach, a tu się w ogóle zastanawiam, co ten wykres dla mnie oznacza, bo ja za chwilę by dopowiadało tym, co on dla mnie oznacza, nie? Co on dla nas oznacza, jak dla firmy. No to jeżeli ja dostaje, bardzo trudne zadanie, z danego aspektu, to jestem ciężko być w nim mistrzem, czyli, jeżeli dostanie na przykład, od kogoś, nie wiem, tam programista, coś, żeśbył w bazie dane, jak i tam mówi, no my to mamy te dane niepoczyszczone, ale tutaj jest taki, taki prosty script, SQLa, czy szący, to se popatrze, to se będzie już wiedział. I ty dostaniesz 2000 linie, w ogóle z spaghetti code, i masz takie, no to ja nie jestem przyzwyczajone do takiego poziomu skomplikowania na, i wiesz, dojdziesz do tego, ale dojdziesz do tego, wolniej niż expert, niż dbj, który w tym siedzi codzienni. Nie? Z drugiej strony, jeżeli na przykład masz pecha i na przykład, dostajesz informację o tym, że ajutro prezentujemy dla zarządu, i musimy zarządowi wytłumaczyć, że to, że nam spadło 10%, marża, to tak naprawdę dobrze, bo po prostu możemy być bardziej ambisni w tym roku. I to, nie osiemdziemy na lałach. I teraz ty masz wykonać tą pracę, być tą pracę, pać może być pojty game po tym. Tak, ty musisz wykonać tą pracę właśnie taką opowiadająco, przekonująco, nie? I znowu, ty nie opowiadaż nie przekonujesz, bo może ty się działeś w formułach przez ostatnie 4 dni, i wiesz, przez pierwsze 30 sekund się będzie już zastanawiał, jak się masz przedstawić, nie na początku. Ma to jeden aspekt, o którym być może niemyślisz na co dzień, jak który jest bardzo pozytywny, w miarowicie, znacząco oddala twoją wizję alceheimera w późniejszych latach życiowych. Wiem, że to brzmi, jak absolutnie poważnie mówię, dwa podstawowe, na tyle najlecztałem, sposoby na oddalanie alceheimera na opóźnianie albo eliminacje, to jest wielczasyty życia, żywienie, aktywność, sen, tak dalej, a druga, nauka, ale nauka i zdarzanie się z rzeczywistościami, które są różne, czyli tak, jak których nie znamy, których nie czujemy się bardzo pewnie i których musimy się, wiesz, by silać, żeby móc do tego w ogóle doskoczyć, także pomieć następnym razem, jak ktoś się nagrał zawołany spotkanie za rządu. Tak, tak, tak, będę sobie, tak będę sobie myślał o tym, natomiast wada jest taka, że, że, że to, albo inaczej. Każda praca oczekuje pewnego, żeby być w niej dobrym, oczekuje pewnego profilu psychologicznego, od człowieka, tak, mi się wydaje, nie? I jeżeli chodzi o analicyka, to musi być osoba dosyć odporne na ilość bodźców, imitywna. To znaczy, że jeżeli tu masz ludzi, tu masz też borde, tu masz coś, że to jest mryga w rzeczywistość, to to jest sobie z tym radzisz, to to nie jest tak, że to kończysz pracę i teraz musisz się nakreć kołudrą przez osiem godzin, albo iść się wykszyczeć w toalecie, bo po prostu byś zjechał po miesiącu, ty musisz być taki, że jednak jeden kubek melicyci wystarczy i tu już jesteś ok. I tu już jesteś w chomeostrasie. OK, wrócę cię ciekawy kajs. Jestem teraz na etapie akurat ostatnio publikowę odcinek byli ta po polsku na temat bardzo ciekawej filmy. Jednej z najciekawszych nie wiem na ile się tym światem interesujesz, ale możecie słyszałeś o takiej filmie jak Palantir Technologist? Słyszałem. To jest bardzo ciekawa filma, na tych, którzy nie znają to oczywiście po lecam odcinek na m. 40 bigda i ta po polsku, tam możecie sobie przejrzeć, przesłuchać bardziej, ale zasadnicze jest to firma, która bardzo mocno działa i właśnie zmodernizowała amerykańskie służby wywiadowcze. I jej podstawowy tryb działalny jest taki, że zbiera i to oni to robili na początku 21 w. Więc to nie jest to, że wpadli na pomysł, że istnieje ITL 245 i zrobił produkt, tylko oni naprawdę byli pionierami i założenie jest takie. Wchodzimy do agencji wywiadowczeń, że to będzie CIA popularna albo NSA. Mówimy, słuchajcie, macie mega dużo danych. Nie lecicie sobie z nimi. Dajcie nam je. My mamy produkt. Zbierzemy je, oczyścimy i przedstawimy w formie takiego dashboardu, że zobaczycie, gdzie są te roliści, które chrzukacie, zobaczycie, jak media społecznościowych się układają różne zależności i wasi anaitycy, którzy znają się na robocie, będą mogli to ogarnąć, bo na gę dostaną przyjazny dashboard, którym będą mieli mapkę, będą mieli rozmaite wzorce i będą mogli sprawnie szybko dojrzeć, co tam się dzieje. Łącznie z predikcją to mnie chyba najbardziej zaskoczyło, jak robię Blizzard, Łącznie z predikcją przestępstw. Czyli oni przewidują, w jakim, na jakiej ul. Nowego jolku, ogrodziny 16-30 będzie przestępstwo. Co jest ciekawą kajsteną, bo jednak my wyprzedzamy tych betgajów. I raz by daje do ciebie, gdzie tu jest anaityk danych? Czy anaityk danych? Bo oni mają produkt swój, ten produkt nazywa się Parantil Gotham, nie tylko, ale to jest najbardziej znany Gotham. I oni idą z gotowym produktem, czyli oni nie tworzą zawsze osobno całego systemu od 0, która na jakichś tam technologiach, których dana agencja funkcjonuje. Oni idą ze swoim produktem. I teraz pytań. I ten produkt oczywiście składa się z tych wszystkich rzeczy, o których mówiliśmy, czyli jest ta inżynieradanych, są te wszystkie czyszczenie, jest procesing, są pewien jakichś skedzulery i tak dalej, i od kestratory. I jest też oczywiście to, co jest najbardziej widoczne, czyli te wszystkie możliwe bażbordy. I pytanie. Gdzie tu jest rola, gdyby kają poszedł do pracować w Panantirze, albo poszedł pracować w CIA, to w którym miejscu ty byś był? Czy byłbyś przy tworzeniu produktu? Czy byłbyś jako człowiek przeszkony przez służby, który siedzip przy tym, dasz bordzie? To jest pytanie wielopoziamowe, dlatego że ona pyta być może też o moje preferencja. To jest to, że te preferencje byłyby takie, żeby być w agencji, bardziej niż w Palantirze, bo nie bardziej satysfakcjonuje ten perswazyjny aspekt tej roli, więc żeby pokazywać, że ten Dashport Palantira rzeczywiście nam mówi coś o tej rzeczywistości, i co on tak naprawdę nam mówi, bo ponownie wrócę do tego, że na wcześniej, to że widzisz jakiś Dashport, że widzisz jakiś wykres, to jeszcze nie oznacza, że decydent będzie wiedział, co on nam mówi. Potrzeba osoby, która widziała naprawdę tysiąc takich deszbodów, że ona od razu widzi łapie na co należy zwrócić uwagę. Jeżeli chodzi o tą stronę, wiesz, to jest o tyle trudne, że tutaj mamy taki produkt, który po prostu próbuje powiedzieć firmie, agencji, nie potrzebujecie analityków, inżynierów, niechogo nie potrzebujecie. My wam w ogóle wkładamy wtyczkę i w ogóle wszystko jest. Jest to myślę o sytuację rzadka, trudno mi się wypowiadać, bo oczywiście nie miałem z tyczności wiesz, jak to wygląda w rzeczywistości. Ale to myślę, że jednak oni współpracują z fachowcami na miejscu, że to nie jest tak, że oni wchodzą i się rozpychają w obraterach, tylko wysyłejcie agentów do Iraku i my będziemy jej mówić, gdzie my opuść. Później oni dają im narzędzie, z którym oni też wykorzystują swoją wiedzę domenową, która jest bardzo specyficzna, gdzie nie przeszkoi już ludzi tak w miesiąc, tak zakładam, że oni udostępniają to narzędzie. To jest jeszcze i ciekawe rzeczy, bo to w takim razie, jeżeli mamy, bo to jest akurat scenariusz nie taki rzadki, gdzie mamy konsultantów, którzy przychodzą z zewnątrz czymś bardzo dobrym, i tutaj terole pełni parentir, i mamy analityków wewnętrznych, i zakładając, że z niewelowana zostaje dosyć często niechęć między tymi dwoma środowiskami, bo one ze sobą trochę rywalizują na kompetencje, bo jeżeli mamy dobrych analityków, nie potrzebujemy konsultantów, jeśli mamy dobrych konsultantów, nie potrzebujemy analityków, zakładając współpracę między tymi dwoma środowiskami, to często będzie przykład taki, że my mamy jakoś pogrupowane dane, jakieś raporty, oni mają jakoś pogrupowane dane, bo oni już mają przygotowane ten produkt, ale to nie jest, nie ma czegoś takiego jak próżnia, to nie jest tak, że parentir wchodzi i w ogóle dopiero podpinają prą, w tym NSA, włączają świat, a oni już jakoś rzeźbią na ten, i teraz kluczowa rzecz, to jest coś, że on np. często widać w imigracjach technologicznych. Jak to zrobić, że jeżeli przechodzimy ze świata A do świata B, to my ufamy temu nowemu światu, do którego przechodzimy. Czyli my musimy zrozumieć jak wygląda mapowanie, czyli de facto, wtedy dwie grupy analityczne będą ze sobą rozmawiały, będą rozmawiały wtedy, teraz rozmowa nie będzie miała w ogóle odcienia perswadzejnego, tylko np. po prostu odkrywamy kurtyne i pokazujemy, myseto grupujemy tak, filtruujemy tak, i wtedy tak to jest pokazywane. A, ok, dobra, a my to grupujemy tak, filtruujemy tak, tak to jest pokazywane. Ok, dobra, czyli tutaj musimy pożeń wasze pole A, jest naszym pole X, i ok, to to już wiemy, i próbujemy sobie jakoś połączyć te dwie rzeczywistości. To też jest praca dosyć ciekawa, ale to jest praca bardzo trudna, biznesowo, tak, pod kątem takiej rzeczywistości, dlatego że, albo bronimy, albo atakujemy, albo bronimy się z starego świata i mówimy, nie, ci z tego nowego świat, to nie, to to narzędzie wcale tam, to ono tak nie potrafi dobrze, po prostu myśmy jeszcze tak dobrze, nie zakomunikowali, jak żeśmy mogli zakomunikować, albo atakujemy i mówimy, wasze stare narzędzie w to nie potrafi, to już wy już jesteście pasę, wyjeżdżście są tu 1000 ten, a my teraz wchodzimy na, na, na czystonie, i, i często jest, jest to jest problem tak zwanego greenfield-u, to znaczy, jest ciekawe case przy zmianie narzędzia biajowego. Zaużmy, że mamy, że, że, załóżmy, że mamy w danej firmie table. Mamy w danej firmie table, mamy setki dashboardów, mamy jakieś paipleiny, połotworzone, tam jakieś third party extension z połączone z różnymi rzeczami nie i ludzie już się w tym głubią. Naprawdę tutaj niektóre dashboardy się nie odświeżają, nie wiadomo czemu, dokumentacje jest niepełna i ludzie utyskują, że to trudne, że nie wiem, nie umiem ni dnaleźć, że tutaj się nie wiem, i mówię, wiecie co, my musimy tutaj wprowadzić power BI, to się nam będzie pięknie integrować z Microsoftem, tak dalej, tutaj patrzcie, stworzyliśmy dwa raporty, zobaczcie, jak to super śmiga, to się integruje pięknie, power ponci i tak dalej. Super, tylko problem polega na tym, że po jednej stronie mamy zbudowane cały system, już, który z samej natury systemu jest skomplikowany, a po drugiej stronie mamy zaledwie demo, tego co może być. Zarok, ten system power BI, i tu nie chodzi mi o to, czy data technologia jest lepsza i czy gorsza, bo to nie o to chodzi w tym porównaniu, chodzi mi tylko o to, że jeżeli wchodzi nowe, to on nie ma jeszcze tego skomplikowania, tego poziomu skomplikowania, więc tak samo, jak ja bym mógł ciebie zapytać, jeżeli robić data pipeline to w czym, i teraz jeżeli dojdziemy rozumiem do jakiegoś poziomu skomplikowania tych data pipeline, to są rury, później te rury się rozdzielają, później tutaj mamy też trzy warstwy skedzularów, żeby to szło na różne strony świata o odpowiednich porach dzieliło te danej, to ktoś to później przyjdzie, spójrz na to od nie, to strasznie skomplikowane nie nie, tutaj my mamy nowe narzędzie, pokażemy wam taką przykładową rury, i ona pięknie tutaj obsłuży, już nie ma tego poziomu skomplikowania, nie? Dajmy temu rok, to będzie wyglądał tak samo. Chciałbyś tak swą drogą, chciałbyś wejść, kiedyś w takie klimaty, takie spróbować? Fanz iże. To jest próbuję, bo to wydaje mi się, że może być bardzo ciekawy kajsk, który z racji na swą naturę jest zupełnie inne problemy, problemy, problemy mamisistyka, niż w takiej tradycyjnej komercyjnej działalności. Problem dotyczy, jeżeli ocieramy się w ogóle ojtyczność, bo tego, to ten problem jest wszędzie, dlatego że ja jako analityk lojalności, też zastanawiam się, jak dużo nie łączy z dilerem narkotyków, dlatego że, ja po prostu próbuję znaleźć, w którym momencie klient się łamię, czy jak uda mi 5% z nieszki to się łamię, czy ja muszę pokazać raz na 2,7% z nieszki to się łamię, próbuję go złamać, próbuję złamać swojego klienta. Ja sobie nie zadaję pytania, czy to jest dobre dla jego budżetu domowego, czy to jest dobre dla jego budżetu domowego, że on kupuje po prostu 3 litry mnika tygodniowa, z używa litry a 2 litry wylewa, ale po 2 tygodni widzi, że znowu jest promocja, więc on znowu kupi nie i znowu wyleją, że on się zurzyje. Więc jeżeli o to chodzi, to ja myślę, że ja bym nie dźwignął na 5, a który jest z tym związane w takim świecie, więc odpowiadając na twoje pytanie, nie chciałbym wejść do takiego świata, ale chciałbym wejść do świata innego. Na przykład gdybyś mi zapytał, czy gdybym mógł być anitykiem w YouTube, to bardzo chętnie. Gdybym był albo w anitykiem w Netflixie, który mówi w 13 sekundzie musi się pokazać krew, bo jak się w 13 sekundzie nie pokażę krew to odchodzą. Nie, musicie tak pisać scenariusze, żeby w 13 sekundzie strzelali. To z takich wymażonych rzeczy to dla mnie na i w kontekście inżynielskim. Raz, że właśnie NSA jest takim czymś, gdzie jest bardzo chętnie tam zobaczył, różne rzeczy, ale z tych znaszego świata bardziej to Google Maps. Zresztą na temat Google Maps mam dwa odcinki podkaście gdzie tu maczę, to jak to jest zbudowane na tyle na ile się da, zewnątrz, ale bardzo, bardzo chciałbym zobaczyć od środka, jaka jest architekturę, jak oni podeszli do różnych problemów, bo to jest niesamowicie ciekawek, a jestem zdaniem jedna z jednej strony najnudniejszych aplikacji z drugiej najciekawszych od spodu patrząc. Chciałbymcie zadać jedno pytanie ostatnie. Bardzo sądzę popularne, wiem, że na pewno ty myślałeś. Co z analitykami danych w obliczu AI? Problem co będzie to będzie? Pytania polega na tym, że nikt nie wie co z jego, nikt ktoś siedzit przed 15-calowym kawałkiem plastiku i na innym kawałku plastiku tam bębni palcami to nikt za bardzo nie wie co będzie za pięć lat. Więc każdy, że jakąś taką odpowiedź, która albo musiał się wydaje dla siebie użyć to, że to jest to, że to jest to, że to jest to, albo musiał się wydaje dla siebie użyteczna, albo jest jakąś, jest, jest, jest lustrem tego, jak on w ogóle postrzega świadzi i swoją rolę w tym świecie. Więc jeżeli jesteśmy, osobą, która myśli ja sobie poradzę, to mamy taką projekcję, analityk sobie poradzi, jestem analitykiem więc będzie ok. Z mojej perspektywy oznacza to, że praca stanie się o wiele bardziej perswadzej na niej, że po bardziej perswadzej na niej już była. Ponieważ będę mniej czasu poświęcał na szukanie zaginionego średnika, a więcej czasu będę poświęcał na przykonywanie, że ten opadający wykres linowy nie jest w istocie kiejem chukryjowym, który na pewno się zagnie, tylko może się nie zagnie. I ta rola perswadzejna będzie rosła, dlatego, że umiejętności techniczne będą po prostu łatwiejsze. Problem natomiast polega na tym, czy też wyzwanie, że jeżeli umiejętności techniczne będą łatwiejsze, to będzie też łatwiej tworzyć nowe technologie, jakkolwiek to nazwiemy. Co znaczy, że tych punktów w styku będzie więcej. Zobacz, wróćmy sobie do lat 90. Mamy eczela, mamy jakieś podstawowe bazy danych oraz akol wtedy istnieje. Ile jest styków? Ilu miejscach może coś pójść nie tak. Nie zbyt wielu. A teraz przechodzimy do 2025. Mamy day-to-like house. Mami pitelion aplikacji. Każda się podłącza. Ile mamy styków. Na każdym styku coś może pójść nie tak. Więc to też, już nie pamiętam, kto to mówił o, jeżeli chodzi o zarządzanie ze społami, że kiedyś był taki problem w firmach, że był front office i back office. I front office się nie dogadywał z back office. I stwierdzono, że rozwiązanie, to jest stworzenie takiego tłumacza, czyli takiego middle office i że to rozwiąże problem. Rozwiązując ten problem powstały dwa nowe, bo teraz mamy problem z komunikacją middle office back office i middle office front office. Więc będziemy mieli problem z, jeżeli mamy dane decydent i w środku wstawie AI. To teraz mam problem dane AI i AI decydent. Kiedyś miałem jeden problem, teraz mam dwa problemy. W związku z tym nie wydaje mi się prawdopodobne, żeby alienalitycy zostali zaorani. Wydaje mi się natomiast prawdopodobne, że ilość żmudnej pracy technicznej się zmniejszy. Ja też myślałem trochę na aspekcie inżynierskim. Chodziesz, jak teraz myślę, jest aspekt data inżyniera jest chyba jeszcze łatwiejszy, niż wypadcia anityka, ale i tak jak bardzo nie analizowałem sobie, ja w ogóle należy do bardzo dziwnego gatunku ludzi, którzy przez ostatnie parę lat miły czelin na temat sztucznej inteligencji. I nie miałem żadnego zdania na temat tego, jak ona może wpłynąć na moją pracę. Dopiero ostatnie kilka miesięcy pół roku zaczęło doprowadzać do jakichś konkursji, jakichś asencji. I ta esencja jest dla mnie bardzo optymistyczna. Proszę, ja nie widzę absolutnie zagrożenia dla mojej działki w perspektywie, nie wiem, pięciu i dziesięciu lat, bo dalej nie chcę sięgać, bo nie wiadomo co będzie, ale patrząc na to, co mamy dzisiaj, w którą stronę to idzie, to widzę sporo ugodnień, nie widzę zagrożenia takiego egzystencjalnego. Dla inżynierów. Ale jak chcemy się jeszcze bardziej, nie widzę tego zagrożenia dla naityków, dlatego że wypracujecie z ludźmi. I daj mi się, że Eja i tam nie wyjdzie. To znaczy, ona może bardziej chyba wam pomóc niż was zastąpić. Tak bym się wydawało. Też jestem tego zdania. Ja wiem, że musimy kończyć i nawet nie wiesz jak bardzo żałuję, że na liczniku ponad 50 minut i poem tak mam tutaj na dole na swoimi monitorku pytania, które sobie tak, ludzi na wypisałem punkciki, które chciałbym, żebyśmy się przeszli zgnęli. Jesteśmy gdzieś tam w pierwszych kilku, wisałem sobie kilkanaście, tak pod 20. Więc jeżeli będziesz jeszcze, kiedy chciał przyjąć zaproszenie do cykryjta w Polsku, to, to powiem tak, to powiem, że czuli się zaproszony i dzisiaj o mówiliśmy fundament, tego czym jest z analizatanych, analitykadanych i anaitygdanych i jaka, jaką mniej więcej miejsce ma na świecie. A temat następnej rozmowy bardzo chciałbym i to miał być drugi temat dzisiejszej rozmowy. Bardzo chciałbym wejść w bardziej w buty ciebie, poznać sweł historię i zastanowić się na tym, jaki wpływ ona może mieć na innych ludzi, którzy też chciałby spróbować tej drogi. Powiem, że te droga była bardzo ciekawa i niekoniecznie startowałeś spółk, który był, gdzie boję z góry skazany na sukces i dlatego, razy mnie ciekawi, i większych szczegółach niż mogę sobie to wyczytać na twojej stronie. No i dwa, przyznam też, że twoje działalność bardzo szanuje jest dla mnie inspiracją, dlatego dziękuję Ci za to, co robisz. I no i co? I chciałbym by ją poznać w deta, że bardzo dużo roboty robisz dla innych ludzi. Dlatego będę chciał cię przemagrawać troszeczkę z twojego podejścia takiego osobistego podejścia do danych i do pracy, którą wykonujesz. A teraz chciałbym, żebyście powiedział naszym słuchaczom, gdzie można cię znaleźć i co można od ciebie dostać. Bardzo dziękuję, Marku. Ja postaramy się na samym początku, ponieważ komplementowałaś mnie przez co najmniej minutę, więc Ci po prostu bardzo dziękuję. Mam nadzieję, że będę… Będę umiał się zrevanżować moją dalszą działalnością w świecie. Ja myślę, że tak powiem wyrównać do tego opisu. Także bardzo, bardzo Ci dziękuję. Też bardzo się cieszę, że tworzysz miejsce, które tworzy, bo ile przestrzeni analitycznych w Polsce już trochę jest, to o tyle przestrzeni inżynieryjnych, czyli tego, co robisz z Akademią, Big Data, jeszcze de facto w Polsce nie ma. Czyli to jesteś pewnego rodzaju precursorem. I myślę, że to jest bardzo ciekawa nic sięetywa, więc bardzo, bardzo dziękuję. Jeżeli chodzi o mnie, najłatwiej mnie znaleźć na mojej stronie, Kajodeita.com albo znaleźć mnie na YouTube, również wpisując kajodeita. Innych miejscach też posługując się, cołem kajodeita można mnie znaleźć. Jeżeli chodzi o to, co można ode mnie dostać poza wsparcie emocjonalno-duchowym, to myślę, że największy, w wsparciem, jakie jestem w stanie zaoferować, będzie to, które oferuje w ramach Kajodeita Space, czyli takiej przestrzeni poświęconej dla osób, które chcą zostać analitykiem danych, albo chcą zobaczyć, czy analizat danych jest. Dla nich starałem się stworzyć OneStop Shop dla analityków, biorąc pod uwagę zarówno umów, zarówno umiejętności techniczne, jak i umiejętności. Miękkie, niedawno stuknało nam 300 osób na platformie, co powoduje, że ten spektrum osób, spektrum przypadków, spektrum dróg, jakie można zaobserwować. Tam mamy wracając z macieżejństwa, męnarze rowie logistyki po 40, zmęczeni swoją pracą, studenci w wieku 20 lat, którzy nie wiedzą, jak będzie wyglądał rynek pracy, za 3 bardzo dużo różnych perspektyw i myślę, że taka bardzo inspirująca przestrzeń, więc gorąco zapraszam do Kajodeita Space, też na Kajodeita. Natomiast jeszcze raz, Malko, bardzo ci dziękuję za wywiad, bardzo ci dziękuję za bardzo fajne pytania, bo myślę, że bardzo dużo, by zyskała nasza współpraca Inżynie Reino-analityczna, gdy ten poziom introspekcji i szczegółowości były zawsze między naszymi dwoma ze społami. Bardzo ci dziękuję, bardzo przyjemnie mi się z tą rozmawiałą. To ja ci dziękuję i w takim razie do zobaczenia w kolejnym odcinku, w przyszłości. A za was drodzy słuchacz, trzymamy chciuki, boście drugi słuchacz, czy droga słuchaczko, nie zażni od tego, w którą stronę chcesz pójść z danymi, czy po prostu zgłębiasz ten świat, ze względu na swę własną ciekawość. Trzymamy za ciebie chciuki, wiedzę jesteś ważny, wiedzę jesteś ważna i do roboty. Teraz miłego wieczoru, miłego dnia. Hej, hej.