ভিত্তি
- Spreadsheet reasoning, SQL, descriptive statistics আর Git basics।
- Table, join, aggregation, missing data আর data type।
- Question, decision, measure আর data-এর ethical handling।
Data থেকে অর্থ খুঁজে বের করুন · ক্যারিয়ার গাইড
Data Analytics & BI
এলোমেলো business question ও বিশ্বাসযোগ্য data থেকে সিদ্ধান্ত, metric ও পরিষ্কার ব্যাখ্যা তৈরি করুন—শুধু সুন্দর dashboard নয়।
এক নজরে ক্যারিয়ার
কাজের চাপ কেমন
তিনটি dot মানে ‘ভালো’ নয়। শুধু বোঝায়—এই ক্যারিয়ারে ওই ধরনের কাজ বেশি আসে।
কোডিং
গণিত
সিস্টেমের গভীরতা
অনুসন্ধান
সৃজনশীলতা
যোগাযোগ
Production-এর দায়িত্ব
আসল কাজ
একটি সত্যিকারের সপ্তাহে যা করতে হতে পারে
- অস্পষ্ট request-এর পেছনের decision পরিষ্কার করা।
- কয়েকটি source-এর data query, clean আর validate করা।
- Owner, grain আর caveat-সহ metric define করা।
- Accessible report বানানো আর unexpected change investigate করা।
- Non-specialist-কে finding, uncertainty আর limitation বোঝানো।
বাস্তব কথাটা
Tutorial শেষ করা আর production-এর ফলাফলের দায় নেওয়া এক দক্ষতা নয়। এই page-এর কাজ hype তোলা নয়—দুটোর মাঝের ফাঁকটা দেখানো।
ভালো লাগতে পারে যদি
কৌতূহলের ছোট ইঙ্গিত
- Chart কোন decision বদলাবে—এই প্রশ্ন করতে ভালো লাগে।
- দুটি report কেন মিলছে না খুঁজতে ভালো লাগে।
- Uncertainty না লুকিয়ে number বোঝাতে পারেন।
কঠিন লাগতে পারে যদি
যে অংশটি অস্বস্তিকর হতে পারে
- Stakeholder-এর প্রশ্নকে real work-এর interruption মনে হয়।
- সব dataset clean আর documented হলেই শুধু কাজ করতে চান।
- Metric valid কি না দেখার চেয়ে visual polish বেশি পছন্দ।
বাস্তবসম্মত একটি দিন
প্রতিদিন এমন হবে না, তবে চাপের স্বাদটা এমন হতে পারে
এই timeline কোনো সাজানো career fantasy নয়; সাধারণ কয়েকটি কাজের সম্ভাব্য মিশ্রণ।
Retention metric কেন বদলেছে clarify করা।
Query আর source definition ধরে duplicate trace করা।
Operations-এর সঙ্গে report review আর caveat লেখা।
কীভাবে শিখবেন
Checklist নয়—ধাপে ধাপে এগোনোর পথ
মূল দক্ষতা
- Metric definition, grain, cohort আর comparison baseline।
- Data cleaning, validation আর reproducible analysis।
- Visual encoding, accessibility আর explanatory writing।
হাতে-কলমে কাজ
- ছোট documented dataset থেকে একটি decision question-এর answer দিন।
- Duplicate, missing value আর impossible range-এর check বানান।
- এক page-এ finding, caveat আর next question দেখান।
পরে
- Experiment design, causal inference আর forecasting।
- Semantic layer, governed metric আর analytics engineering।
- Product, finance, operations বা public policy-তে domain depth।
যেগুলো এখনই না শিখলেও চলবে
এখনই নয়—কারণ কোনটার পর কোনটা শিখছ, সেটি জরুরি
- Metric-এর অর্থ ঠিক করার আগেই dashboard।
- Correlation বা tiny convenience sample থেকে causal claim।
- একসঙ্গে পাঁচটি BI tool-এর certificate collect করা।
ভবিষ্যতের আপনি বলছেন
‘পরে’ মানে অপ্রয়োজনীয় নয়। ভিত তৈরি হওয়ার আগে শিখলে শুধু context-টাই থাকবে না।
AI ও এই ক্যারিয়ার
কাজ কতটা automate হতে পারে
এটি replacement-এর শতকরা হিসাব নয়। AI-এর ক্ষমতা বদলাবে; তাই কাজ, বিচারবোধ আর দায়িত্ব—তিনটাকে আলাদা করে দেখুন।
Query আর chart variant draft
AI familiar SQL আর chart code draft করতে পারে; plausible syntax-এ ভুল grain বা denominator থাকতে পারে।
আপনার করণীয়: আগে metric define করে row inspect আর independent calculation দিয়ে total test করুন।
Change আর anomaly investigate
AI hypothesis দিতে পারে; কোন business event বা data defect সত্যি ঘটেছে তা নিজে জানে না।
আপনার করণীয়: Evidence log রাখুন; observation, hypothesis আর verified cause আলাদা করুন।
Decision frame আর accountable communication
কী measure করবে আর consequence কীভাবে বলবে—এতে context আর accountable judgment লাগে।
আপনার করণীয়: কার ওপর প্রভাব, কী missing আর evidence কোন decision support করে—এসব জিজ্ঞেস করুন।
বাছাই করা শেখার রিসোর্স
Learn → Practice → Go deeper
কতগুলো resource জমিয়েছেন, সেটি progress নয়। দরকারি অংশটুকু শেষ করে কিছু বানান।
SQLBolt
SQL syntax-কে কাজে লাগার skill বানাতে দ্রুত feedback দেয়।
এতটুকু করুন: Lesson 1–12 আর exerciseগুলো করুন।
শেষবার যাচাই:
Pandas
Tabular data select, clean, group আর check করার দ্রুত practice।
এতটুকু করুন: Short exercise শেষ করে নিজের বোঝা ছোট CSV-তে একটি analysis আবার করুন।
শেষবার যাচাই:
OpenIntro Statistics
সৎ analysis-এর জন্য rigorous, openly available statistics foundation।
এতটুকু করুন: Distribution, study design, inference আর association-causation পার্থক্যের জন্য free text ব্যবহার করুন।
শেষবার যাচাই:
এবার কী করবেন
এবার নিজের জন্য কোন evidence বানাবে?
কাছাকাছি আরও কিছু পথ
Skill থেকে গন্তব্য
এই skill নিয়ে কোথায় এগোবেন?
Career roadmap বলে কী শিখবেন। Goal guide বলে সেই skill দিয়ে কীভাবে এগোবেন। একটি পথ দিয়ে শুরু করুন; সব একসঙ্গে নয়।