Seyfor, konkrétně divize Enterprise & Public, je od roku 2022 partnerem Fakulty informatiky a statistiky Vysoké školy ekonomické v Praze. V rámci tohoto partnerství poskytujeme studentům možnost absolvovat povinnou praxi. Cenné zkušenosti získávají zejména v našem oddělení Datové analytiky. Více nám o této spolupráci v rozhovoru řekla vedoucí týmu Iva Stanovská.
Jak vzniklo partnerství mezi společností Seyfor a Fakultou informatiky a statistiky Vysoké školy ekonomické?
Partnerství vzniklo i díky tomu, že já osobně na FIS již dlouhou dobu vyučuji. Nejsme tedy partnerem celé Vysoké školy ekonomické, ale konkrétně Fakulty informatiky a statistiky. Tato spolupráce trvá již tři roky. Nejintenzivnější je mezi business unitou Datové analytiky a obory, které se na fakultě vyučují v oblasti Data & Business. V praxi to pak znamená, že poskytujeme studentům stáže, vyučujeme několik předmětů a naši odborníci mohou zadávat i témata bakalářských a diplomových prací.
V jakých předmětech se mohou studenti setkat s tebou nebo s kolegy ze Seyforu?
V současné době se se mnou mohou setkat například v kurzu Datové minimum, kde vyučuje i několik kolegů ze Seyforu. Jedná se vlastně o vytvořenou hru AD-Game, která simuluje řešení reálného podnikatelského problému. Studenti mají za úkol rozhodovat na základě dat a jejich analýzy.
Dále společně s kolegy ze Seyforu vyučujeme v kurzu Data Science & Business Intelligence Academy. Zde máme na starosti 4 výukové bloky, během nichž se zaměřujeme právě na Business Intelligence a Power BI. Tento kurz je otevřen jak studentům, tak externím zájemcům.
Každý semestr na fakultě probíhá přednáška Petra France, ředitele divize Enterprise & Public společnosti Seyfor, na téma strategického řízení nejen IT firem.
Vraťme se tedy k programu stáží, který Seyfor poskytuje v rámci partnerství. Jak taková stáž probíhá a jaké jsou její podmínky?
V Datové analytice poskytujeme placené stáže studentům magisterského programu Data a analytika pro business (od nového roku jej nahradil program Aplikovaná datová analytika a umělá inteligence). Na základě dohody se školou vypisujeme 3 - max. 5 míst ročně. Studenti tohoto programu mají jako povinnou odbornou praxi pro úspěšné ukončení studia praxi v rozsahu 550 hodin.
Zájemci nám v prvním kole zašlou svůj životopis. Poté je vyzveme k absolvování testu, který je zaměřen všeobecně a lze jej přirovnat k testům SCIO. V dalším kole se vybraní uchazeči setkají se zástupci týmů, pro které by případně pracovali. Pokud vše dopadne dobře, těšíme se na společnou práci s nimi.
Příležitost k náboru stážistů využíváme již od počátku naší spolupráce s fakultou. Dobrou zprávou je, že již 6 studentů se rozhodlo u nás pokračovat i po absolvování povinné praxe a dnes jsou plnohodnotnými členy týmu a skvělými kolegy. To, že jsme schopni dát lidem, kteří u nás chtějí zůstat, perspektivu do budoucna, je pro nás samozřejmě skvělé.
Co konkrétně studenti dělají a co si odnášejí?
Snažíme se studenty zapojit přímo do projektů, aby získali co nejvíce reálných zkušeností a dovedností. Na začátku s nimi pochopitelně musíme trávit více času. Každý stážista dostane z řad našich odborníků buddyho, který se mu věnuje a provází ho začátky.
Samotná náplň stáže a práce, kterou u nás stážisté vykonávají, samozřejmě závisí na tom, kam se vlastně chtějí v oblasti datové analytiky dostat. Jednak jsou stáže zaměřeny technickým směrem, kde je výsledná role datového inženýra. Tento člověk rozumí datové platformě, dokáže data zpracovat a vyčistit, připravit je do struktur, které lze použít k provádění analýz. Následuje role datového analytika, který si s těmito daty více pohrává a vytváří z nich informace a analytické výstupy, které pomáhají při rozhodování.
Právě absolvovala stáž studentka, nyní již kolegyně, která pracuje v oblasti data governance, tedy správy dat. Tato oblast není v mnoha firmách dobře koncipována, protože chybí konkrétní rozdělení úkolů, odpovědnost za data a důslednost při jejich zpracování. Dalšími pozicemi, na které je třeba se zaměřit, jsou například storytelling, tedy konečné zpracování dat do podoby výstupů v podobě prezentací, dále pak vizuální zpracování dat nebo práce na samotné infrastruktuře.
Stáže mají velký význam pro studenty, ale přinášejí přidanou hodnotu i podnikům. V čem je tedy propojení teorie a praxe výhodné?
Již mnoho let se ve všech průzkumech o situaci na trhu práce hovoří o nedostatku IT odborníků, a hlavně o tom, že budoucnost je v datech. Data scientists, data analysts a podobně jsou vysoce ceněni, protože jich je tak málo. Získat dnes ve firmě vedoucího pracovníka na takovou pozici je velmi obtížné. I když musím říct, že mladí studenti se dnes učí opravdu rychle, praxe je nezbytná.
Ve škole pochytí základní principy, zejména v designu a architektuře se učí, jak to má vypadat. Ve firmách pak často zažijí "aha moment", když zjistí, že v datech je nepořádek nebo že ve firmách nejsou lidé, kteří by tomu opravdu rozuměli. Tento náraz s realitou a posun z "čistého" univerzitního prostředí a následná schopnost propojit naučenou teorii, s tím, jak to skutečně funguje, je nesmírně důležitý. Je to přínos pro studenty, když hledají práci, ale samozřejmě i pro zaměstnavatele, když zaměstnají absolventy, kteří díky praxi vědí, jak to skutečně funguje.
Již jsi zmínila, že řada šikovných stážistů z řad studentů zůstala pracovat v Seyforu. Jaké lidi tedy vlastně hledáte, jak by měl vypadat dobrý datový analytik?
Tyto vlastnosti a dovednosti se liší podle toho, jaké oblasti se chce člověk v rámci datové analytiky věnovat. Obecně by však měl datový analytik kombinovat analytické myšlení a byznysové znalosti. Analytické myšlení pomáhá člověku, aby dokázal zpracovat velké množství vstupů, rozdělit je a znovu poskládat.
Ta druhá, tj. znalost podnikatelského prostředí, je nesmírně důležitá. Ve škole si studenti obvykle osvojují technické znalosti zpracování dat. Ale když pak přijdou do firem, je klíčové, aby rozuměli lidem na druhé straně, tedy lidem z byznysu – manažerům různých oblastí, jako jsou finance, controlling, prodej, HR, výroba a další.
Školy se snaží studentům tyto byznys principy a myšlení předat, ale teprve až přijdou do zaměstnání a budou pracovat na konkrétním projektu, budou skutečně vědět, jak to funguje. Například při práci na finančním projektu musí rozumět i financím a znát pojmy, o kterých mluví lidé z firmy zákazníka. Technické znalosti se vždy dají naučit, ale pochopení toho, proč a jak společnost daná data vlastně používá a k jakému firemnímu cíli mají vést, je pro danou práci zásadní.