Excel jest dla biznesu, a nie dla data scientistow. Natomiast VBA nie kończy się na Excelu, używa się go również do automatyzacji pracy z chociażby PDFami (Adobe), Outlookiem, SharePointem, Wordem, PowerPointem, Accessem (...)
Myślę, że kluczem jest skala (danych albo automatyzacji) o jakiej mówimy. Niestety, obecnie ilości danych jakimi obracamy i ich jakość (bądź jej brak), nie pozwala na tym by się na Excelu zatrzymać.
@@kajodata Jak rozumieć termin "Skala Automatyzacji"? Mój punkt widzenia: VBA odpowiada za automatyzację gigantycznej ilości FTE (1 FTE to stanowisko 1 człowieka) w korporacjach i cały czas automatyzuje się kolejne procesy / kolejne FTE - to są gigantyczne oszczędności
@@krzysztof6333 Przez skalę automatyzacji rozumiem ilość systemów, które ze sobą współdziałają. Jeżeli całość jest w stanie być spięta w Office'owych appkach - pewnie VBA da radę. Natomiast przy pracy z bazami danych obsługiwanymi np. przez zespoły developerskie to nie jest jednak optymalne podejście, bo brakuje przejrzystości i testowalności na którą np. Python pozwoli.
Ja też mam tak mózg przeładowany danymi, właściwie bardzo często towarzyszy mi przekonanie, że można coś bardziej docisnąć. Nawet za każdym razem jestem w stanie to wskazać, przy tak dużej złożoności procesów (np 1/4 danych stanowią już przetworzone informacje z 5 różnych systemów i nie matchuje się to w 100%, ale nie ma czasu, żeby wyjaśnić każdy przypadek). Dlatego ustalamy jakaś logikę działania itd., wyrzucamy tylko ewidentne błędy, problemy, które wychodzą w trakcie (na przykładzie jakiejś małej próbki danych). Nie wydaje mi się, że jest to do pogodzenia w dużej organizacji, żeby czuć się w jakimś temacie tak 100% pewnym. Myślę, że duży wpływ ma osobowość, ja osobiście lubię moją pracę, bo mogę jakoś porządkować chaos w głowie, zazwyczaj jestem pewna swojego działania przy tych założeniach, a z drugiej strony moja kreatywność i ciągłe wątpliwości wzbudzają taką wewnętrzna niepewność ☺️😆(ale serio jestem bystra i wiem, że o konkrety chodzi światu xxi wieku, więc daję je zawsze, a brak esencji zostawiam na życie prywatne) Dzięki za rozmowę!
Fajny odcinek. To ja dodam, że czasami jak mam zadanie do rozwiązania, które długo mnie angażuje myślowo to czasami rozwiązanie przychodzi we śnie. Muszę tylko pamiętać aby po przebudzeniu szybko to spisać. :)
Wywiad bardzo fajny Czy udałoby się WAM "zaaranżować" taką przykładową sytuację z którymi zmagają się analitycy?? Chodzi mi o taki przykładowy case dla mnie jako laika- człowieka chcącego się przekwalifikować na analityka.
Spoko odcinek. W zasadzie zgadzam się z Wami jeżeli chodzi o "upiory" pracy analityka. Szczególnie z tym co powiedział Kajo nt. dodania jeszcze jednej kolumny. Co do kanału to więcej data science i więcej pythona proszeee :) Pozdrawiam.
Pod wpływem tego odcinka (wady Excela), nasunął się pomysł na nową serię odcinków, aby zamiast polecać konkretne narzędzia, to je po prostu opisywać, do czego służą, jakie są ich wady i zalety, do kogo są skierowane, z jakimi innymi programami warto używać itd :). Myślę, że to pomoże świeżakom (m.in. mnie) na zaplanowanie swojej nauki.
Odnośnie sporu na końcu ja też wolę robić niż myśleć jak to można zrobić 😀. Na stand upy polecam słowo investigation brzmi lepiej i wskazuje, że wykonałeś pracę Edisona, a nie tylko myślałeś. Dziękuję za materiał. Widzę, że wszędzie podobnie.
Excel jest prosty i biznes go rozumie, a 99% procent ludzi w firmie zaangażowanych w analitykę to excelowcy. Jeśli Pythonowiec odejdzie to wszyscy są w czarnej d... I mówię to jako analityk z doświadczeniem w wielu firmach topowych na świecie.
@@kajodata nie wymagaj od biznesu aby rozkmiali Pythona. Każda organizacja oparta jest o prosty koncept biznesowy - prostota, zrozumiałość, szybkość, koszt. W dodatku 99% ludzi potrzebuje proste statystyki a nie głębokie analiza, takie zleca się na zewnątrz albo przygotowują to dedykowane teamy, które można spotkać głownie w dużych organizacjach, a nawet tam dąży się do prostoty. To, co da się zrobić w Excelu robi się w Excelu bo finalnie dataset i tak jest ledwo na max 100 k wierszy, a osoba decyzyjna potrzebuje tabeli przestawnej. Ja próbowałem w dużej znanej korpo wdrożyć w global marketingu etele na Pythonie, to się poskładali gdy odchodziłem. Bo nawet jak nowa osoba to weźmie, to nie rozumie danych czy skryprologii, a na dokumentację nigdy nie ma czasu. Nowa osoba i tak zrobi po swojemu. Poza tym raporty trzeba generować cyklicznie a nie czekać aż nowo zrekrutowany człowiek przywróci raporty do życia po kliku miesiącach, skoro potrzebne są teraz. I nie zgadzam się totalnie co rozmówczyni mówi, bo jej słowa wynikają z braku doświadczenia. Excel to właśnie prostota zrozumienia, na poziomie wizualnym widzimy co i jak się dzieje, komórka po komórce, w Pythonie mamy czysty kod i ograniczamy pole obsługi do jednej osoby w firmie. Są biblioteki łączące Pythona i Excela, a w niedalekiej przyszłości VBA ma zostać Pythonem bądź R-em zastąpione. Poza tym Excel wszystko potrafi, kiedyś budowałem w nim sieci neuronowe, nawet proste gry. Oczywiści nie pociągnie na większych zbiorach, ale przeliczenia są dokładnie takie same jak w Pythone, bo to czysta matma. Tak więc Excela na razie nic nie zastapi do prostych kalkulacji, a tego w firmie jest co niemiara
Excel jest dla biznesu, a nie dla data scientistow. Natomiast VBA nie kończy się na Excelu, używa się go również do automatyzacji pracy z chociażby PDFami (Adobe), Outlookiem, SharePointem, Wordem, PowerPointem, Accessem (...)
dokładnie, excel jest idealnym narzędziem dla biznesu, po prostu nie jest profesjonalnym narzędziem do analizy danych
Myślę, że kluczem jest skala (danych albo automatyzacji) o jakiej mówimy. Niestety, obecnie ilości danych jakimi obracamy i ich jakość (bądź jej brak), nie pozwala na tym by się na Excelu zatrzymać.
@@kajodata Jak rozumieć termin "Skala Automatyzacji"? Mój punkt widzenia: VBA odpowiada za automatyzację gigantycznej ilości FTE (1 FTE to stanowisko 1 człowieka) w korporacjach i cały czas automatyzuje się kolejne procesy / kolejne FTE - to są gigantyczne oszczędności
@@krzysztof6333 Przez skalę automatyzacji rozumiem ilość systemów, które ze sobą współdziałają. Jeżeli całość jest w stanie być spięta w Office'owych appkach - pewnie VBA da radę. Natomiast przy pracy z bazami danych obsługiwanymi np. przez zespoły developerskie to nie jest jednak optymalne podejście, bo brakuje przejrzystości i testowalności na którą np. Python pozwoli.
@@kajodata W tym kontekście jak najbardziej się zgadzam
Ja też mam tak mózg przeładowany danymi, właściwie bardzo często towarzyszy mi przekonanie, że można coś bardziej docisnąć. Nawet za każdym razem jestem w stanie to wskazać, przy tak dużej złożoności procesów (np 1/4 danych stanowią już przetworzone informacje z 5 różnych systemów i nie matchuje się to w 100%, ale nie ma czasu, żeby wyjaśnić każdy przypadek). Dlatego ustalamy jakaś logikę działania itd., wyrzucamy tylko ewidentne błędy, problemy, które wychodzą w trakcie (na przykładzie jakiejś małej próbki danych). Nie wydaje mi się, że jest to do pogodzenia w dużej organizacji, żeby czuć się w jakimś temacie tak 100% pewnym. Myślę, że duży wpływ ma osobowość, ja osobiście lubię moją pracę, bo mogę jakoś porządkować chaos w głowie, zazwyczaj jestem pewna swojego działania przy tych założeniach, a z drugiej strony moja kreatywność i ciągłe wątpliwości wzbudzają taką wewnętrzna niepewność ☺️😆(ale serio jestem bystra i wiem, że o konkrety chodzi światu xxi wieku, więc daję je zawsze, a brak esencji zostawiam na życie prywatne)
Dzięki za rozmowę!
Cała przyjemność po naszej stronie :)
"brak esencji zostawiam na życie prywatne" zabieram ze sobą :D
Fajny odcinek.
To ja dodam, że czasami jak mam zadanie do rozwiązania, które długo mnie angażuje myślowo to czasami rozwiązanie przychodzi we śnie.
Muszę tylko pamiętać aby po przebudzeniu szybko to spisać. :)
Nieźle! To we śnie jeszcze nie miałem 😃
Wywiad bardzo fajny
Czy udałoby się WAM "zaaranżować" taką przykładową sytuację z którymi zmagają się analitycy??
Chodzi mi o taki przykładowy case dla mnie jako laika- człowieka chcącego się przekwalifikować na analityka.
dzięki! proszę napisz do mnie przez socjale lub maila podanego na blogu - postaram się znaleźć jakiś case pod Twoje obecne umiejętności
A ja ze swojej strony mogę po prostu polecić jeden z filmików: th-cam.com/video/5BcVcnLm0jU/w-d-xo.html
Spoko odcinek. W zasadzie zgadzam się z Wami jeżeli chodzi o "upiory" pracy analityka. Szczególnie z tym co powiedział Kajo nt. dodania jeszcze jednej kolumny.
Co do kanału to więcej data science i więcej pythona proszeee :) Pozdrawiam.
Dzięki za feedback :)
super rozmowa, dzięki!
Do usług 🙂 pamiętaj by obejrzeć też część nr1!
Pod wpływem tego odcinka (wady Excela), nasunął się pomysł na nową serię odcinków, aby zamiast polecać konkretne narzędzia, to je po prostu opisywać, do czego służą, jakie są ich wady i zalety, do kogo są skierowane, z jakimi innymi programami warto używać itd :).
Myślę, że to pomoże świeżakom (m.in. mnie) na zaplanowanie swojej nauki.
Bardzo fajny pomysł! Myślę, że będę realizował :)
Odnośnie sporu na końcu ja też wolę robić niż myśleć jak to można zrobić 😀. Na stand upy polecam słowo investigation brzmi lepiej i wskazuje, że wykonałeś pracę Edisona, a nie tylko myślałeś. Dziękuję za materiał. Widzę, że wszędzie podobnie.
INVESTIGATION 😀♥️
Kajo, robisz super robotę!
A dziękuję pięknie staram się :) choć tu większe brawa należą do Kasi, bo po prostu była super gościem odcinka :)
łapa w górę i oglądamy ;)
🔥🔥🔥🔥
miły odcinek B)
A dziękujemy, dziękujemy :)
dzięki!
Excel jest prosty i biznes go rozumie, a 99% procent ludzi w firmie zaangażowanych w analitykę to excelowcy. Jeśli Pythonowiec odejdzie to wszyscy są w czarnej d... I mówię to jako analityk z doświadczeniem w wielu firmach topowych na świecie.
Hmm... ale czy to bardziej świadczy o Excelu, o Pythonie, czy o zarządzaniu ludźmi / projektami?
@@kajodata nie wymagaj od biznesu aby rozkmiali Pythona. Każda organizacja oparta jest o prosty koncept biznesowy - prostota, zrozumiałość, szybkość, koszt. W dodatku 99% ludzi potrzebuje proste statystyki a nie głębokie analiza, takie zleca się na zewnątrz albo przygotowują to dedykowane teamy, które można spotkać głownie w dużych organizacjach, a nawet tam dąży się do prostoty. To, co da się zrobić w Excelu robi się w Excelu bo finalnie dataset i tak jest ledwo na max 100 k wierszy, a osoba decyzyjna potrzebuje tabeli przestawnej. Ja próbowałem w dużej znanej korpo wdrożyć w global marketingu etele na Pythonie, to się poskładali gdy odchodziłem. Bo nawet jak nowa osoba to weźmie, to nie rozumie danych czy skryprologii, a na dokumentację nigdy nie ma czasu. Nowa osoba i tak zrobi po swojemu. Poza tym raporty trzeba generować cyklicznie a nie czekać aż nowo zrekrutowany człowiek przywróci raporty do życia po kliku miesiącach, skoro potrzebne są teraz. I nie zgadzam się totalnie co rozmówczyni mówi, bo jej słowa wynikają z braku doświadczenia. Excel to właśnie prostota zrozumienia, na poziomie wizualnym widzimy co i jak się dzieje, komórka po komórce, w Pythonie mamy czysty kod i ograniczamy pole obsługi do jednej osoby w firmie. Są biblioteki łączące Pythona i Excela, a w niedalekiej przyszłości VBA ma zostać Pythonem bądź R-em zastąpione. Poza tym Excel wszystko potrafi, kiedyś budowałem w nim sieci neuronowe, nawet proste gry. Oczywiści nie pociągnie na większych zbiorach, ale przeliczenia są dokładnie takie same jak w Pythone, bo to czysta matma. Tak więc Excela na razie nic nie zastapi do prostych kalkulacji, a tego w firmie jest co niemiara
Wyszlo cos fajnego z tych gownianychdanych :)
W sensie że nasza rozmowa? 😉