Τι έψαχνα & Η ιδέα για τα Data Analytics
Εργαζόμενος ήδη στον ιδιωτικό τομέα και συγκεκριμένα στο Supply Chain μιας Retail επιχείρησης, ένιωθα την ανάγκη να αποκτήσω ακόμα πιο εξειδικευμένες τεχνικές δεξιότητες.
Προερχόμενος από τη θέση του Demand Planner, η καθημερινότητά μου ήταν ήδη στενά συνδεδεμένη με την ανάλυση δεδομένων και το forecasting.
Ωστόσο, η επιθυμία μου ήταν να προχωρήσω ένα βήμα παρακάτω: να μεταπηδήσω από τη χρήση των δεδομένων για τον επιχειρησιακό σχεδιασμό, στην ουσιαστική αρχιτεκτονική και βαθιά ανάλυση αυτών των δεδομένων. Είχα πάντα μια ροπή προς την αναζήτηση της αιτίας πίσω από τα γεγονότα και το πώς η πληροφορία μπορεί να βελτιώσει τις διαδικασίες.
- Η γέφυρα με το Supply Chain: Η ενασχόλησή μου με τα Data δεν αποτελεί απομάκρυνση από τον χώρο του Supply Chain, ο οποίος με ενδιαφέρει πολύ. Αντιθέτως, θεωρώ ότι η σύγχρονη εφοδιαστική αλυσίδα και το Retail απαιτούν πλέον ανθρώπους που μπορούν να συνδυάζουν τη βαθιά γνώση του αντικειμένου (domain knowledge) με προηγμένα τεχνικά εργαλεία.
Πώς νιώθω σήμερα & Η πρόοδος
Εχω κάνει διάφορα σεμινάρια και εκπαιδευτικά προγράμματα πάνω στα Data.
Το συγκεκριμένο σεμινάριο (Databases 101: Η βάση της ανάλυσης δεδομένων) ξεχώρισε απο την αρχή του, με την υποστήριξη και το πραγματικό ενδιαφέρον της Αλεξάνδρας. Ηθελε να καταλάβει το επίπεδο μου και τις προσδοκίες μου επαγγελματικά, πριν μου προτείνει κάποιο απο τα εκπαιδευτικά προγράμματα της πλατφόρμας της.
Μέσα από την πλατφόρμα της Data Tutor και το μάθημα “Databases 101”, εμβάθυνα στις Σχεσιακές Βάσεις Δεδομένων, καλύπτοντας όλο το φάσμα από τη θεωρία στην πράξη.
- Τεχνική Εμβάθυνση: Κατανόησα σε βάθος τις αρχές του Normalization και τη σημασία του σωστού σχεδιασμού, περνώντας από το Conceptual στο Logical και τελικά στο Physical Data Model. Η εμπειρία του να σχεδιάσω το δικό μου ER-Model για ένα ρεαλιστικό σενάριο (πλατφόρμα κρατήσεων) ήταν καθοριστική.
- Το μεγαλύτερο κέρδος: Η εξέλιξη στον τρόπο σκέψης. Έμαθα να δομώ την πληροφορία με αρχιτεκτονική λογική και να αντιλαμβάνομαι πώς επικοινωνούν τα συστήματα μεταξύ τους σε τεχνικό επίπεδο. Πλέον, μπορώ να διακρίνω τις διαφορετικές δομές δεδομένων και να αξιολογώ ποιο Database Management System εξυπηρετεί καλύτερα κάθε επιχειρησιακή ανάγκη.
- Άμεση Πρακτική Εφαρμογή: Αυτή η γνώση ήταν καθοριστική στη φάση του Data Integration, ενός έργου ψηφιακού μετασχηματισμού, που είχα αναλάβει ως project manager,στην εταιρεία που εργάζομαι.
Οι προκλήσεις της διαδρομής Η κύρια δυσκολία ήταν ο συντονισμός του χρόνου λόγω αυξημένων επαγγελματικών υποχρεώσεων. Επιπλέον, λόγω του τεράστιου εύρους των Data Analytics, η πρόκληση ήταν η ιεράρχηση: Ποια εργαλεία θα προσφέρουν τη μεγαλύτερη προστιθέμενη αξία στο Retail και το Supply Chain;
- Η αξία της καθοδήγησης: Σε αυτό το σημείο, η συμβολή της Αλεξάνδρας ήταν καθοριστική. Με βοήθησε να “ξεκαθαρίσω το τοπίο”, να ιεραρχήσω τις προτεραιότητές μου και να εστιάσω στην ουσία, επενδύοντας στη συνέπεια και την πρακτική εφαρμογή.
Επόμενα βήματα
Έχοντας ήδη μια πρωτη εμπειρία στη χρήση της SQL, στόχος μου πλέον είναι η περαιτέρω εμβάθυνση.
H SQL είναι το “κλειδί” για το Data Extraction, το εργαλείο που μου επιτρέπει να αντλώ με ακρίβεια τα δεδομένα που χρειάζομαι, ώστε στη συνέχεια να τα μετατρέπω σε προηγμένα accurate business insights.
Παράλληλα, η έναρξη του μεταπτυχιακού μου (MBA) αποτελεί το επόμενο στρατηγικό βήμα για τη σύγκλιση της τεχνικής ανάλυσης με τη διοικητική επιστήμη.
Επιδιώκω να αξιοποιήσω την εμπειρία μου μετατρέποντας τα δεδομένα σε έναν αξιόπιστο σύμμαχο για στρατηγικές αποφάσεις υψηλού επιπέδου.
“Η καλύτερη επένδυση που μπορείς να κάνεις, είναι στον μελλοντικό εαυτό σου.”
