Skip to Content
ALEKSI

ALEKSI

Data Engineer

Finland

Experienced professionals

Data and AI

Datainsinöörin tulee olla tarkka ja järjestelmällinen

Kerro omasta työ- ja opiskelutaustastasi ennen Capgeminia.

Olen koulutukseltani kemiantekniikan diplomi-insinööri ja vaihdoin IT-alalle vuonna 2019. Kävin tuolloin Academic Work Academyn alanvaihtokoulutuksen, joka kesti kolme kuukautta. Tätä ennen olin käynyt yliopistossa yhden kurssin ohjelmointia ja olin itsenäisesti opiskellut asioita verkkokursseilla.

Koulutus oli todella hyvä ja siinä käytiin läpi erilaisia dataan liittyviä näkökulmia, kuten data-analytiikkaa, datamallinnusta, datan visualisointia ja jonkin verran myös pilvipalveluita ja ohjelmointia. Koulutuksesta saikin hyvin kuvan, mikä voisi kiinnostaa data-alassa ja mihin voisi haluta erikoistua.
Minulle oli aika pian selvää, että minua kiinnosti erityisesti tietokantapuoli ja datainsinöörin (data engineer) polku.

Miten ja miksi päädyit hakemaan Capgeminille?

Capgeminilla oli käynnissä Ignite Graduate -ohjelma, johon lähetin hakemuksen. Ohjelma kiinnosti, koska se oli samankaltainen kuin aiempi koulutukseni: siinä pääsi tekemään yhdessä muiden kanssa ja oppimaan samalla. Tykkään siitä, että pääsen tekemään itse asioita. En niin välitä pitkistä luennoista, vaan haluan päästä nopeasti hommiin.
En kuitenkaan koskaan aloittanut ohjelmassa. Sen sijaan minut rekrytoitiin suoraan Data Engineer -nimikkeellä töihin Capgeminille ja olin yksi ensimmäisistä rekrytoinneista Insights & Data -osastolle.

Mitä datainsinööri tekee käytännössä?

Työskentelemme alueella, joka ei näy ulospäin, eli backendissä. Tätä voi hyvin verrata backend-ohjelmointiin.

Iso osa työtämme on luoda tietokantaan SQL-kyselyitä, jotta data saadaan hyvässä ja siistissä muodossa ulos. Näin bisneksen ja analyytikoiden on helpompi hyödyntää sitä. 
Usein kehitämme vanhoja tietokantoja uudenaikaisemmiksi ja tehokkaammiksi, ja päivitämme ne uusiin järjestelmiin, kuten pilvipalveluihin.
Tällä hetkellä työskentelen yhden vanhan raportointityökalun parissa, jota ollaan siirtämässä Microsoftin Power BI -raportointityökaluun. Teemme samalla dokumentaatiota vanhan tietokannan rakenteesta. Näin ymmärretään, miten data lepää siellä ja osataan myös käyttää sitä.

Millainen on tavallinen työpäiväsi?

Aamuisin on lyhyt kokous, jossa käydään läpi, mitä eilisen jälkeen on saatu aikaiseksi ja tarvitaanko johonkin lisäapua tai lisää tekemistä. Myös asiakas on usein mukana näissä kokouksissa, jotta sielläkin päässä tiedetään, missä mennään.

Päivän aikana voi lisäksi olla sisäisiä kokouksia konsulttien kanssa. Näissä ratkotaan yhdessä läpi mahdollisia ongelmia. Palaverit ovat yleensä lyhyitä, ja niissä edistetään asioita nopeasti. Niiden ansiosta mikään asia ei jää roikkumaan pitkäksi aikaa.

Usein on myös päiviä, jolloin voi hyvin keskittyä tekemään rauhassa omaa työtä.

Mikä on palkitsevinta työssäsi? Entä haastavinta?

On palkitsevaa, että tiimityöskentely sujuu ja sosiaalinen puoli toimii hyvin. Minulle on mielekästä tehdä yhdessä asioita. Tykkään siitä, että saan miettiä ja ratkoa asioita yhdessä kollegoiden kanssa. 

Haastavaa on se, että projektit ovat isoja ja itse keskittyy vain yhteen pieneen osa-alueeseen. Toisaalta on palkitsevaa, kun projektissa tulee jokin käännekohta ja nähdään, mitä ollaan jo saatu aikaiseksi.

Mitkä ovat mielestäsi datainsinöörin tärkeimmät ominaisuudet tai taidot?

Tarkkuus on tosi tärkeää: kaikessa ohjelmoinnissa pitää olla tarkkana, mitä käskyjä koneelle antaa. Kone ei osaa lukea ajatuksia, joten pitää olla hyvin perillä siitä, millaista koodia kirjoittaa. Vain näin kone suorittaa käskyt oikein. 

Konsulttina työskennellessä on hyvä olla sosiaaliset taidot kunnossa. Työssä pitää olla kohtelias ja toisaalta osata esittää asiat jämäkästi.

Yleisellä tasolla datainsinöörin tärkein teknologiataito on SQL. Myös Pythonin osaamisesta on hyötyä. Olisi hyvä hallita myös datamallinnusta, jotta osaa hahmottaa tietokannan rakennetta ja ymmärtää sen toimintaa.

Miten haluat kehittää omaa osaamistasi tulevaisuudessa?  

Sertifikaatit ovat olleet itselle selkeä tapa kehittää omaa osaamista. Niistä on hyötyä myös, kun konsultille haetaan uutta työtä. Ne ovat konkreettinen näyttö osaamisesta.

Meillä Capgeminilla on mahdollista suorittaa Azure-toimijoiden sertifikaatteja, ja olen jo suorittanut niitä pari kappaletta. Kolmas on juuri työn alla.
Olen viihtynyt hyvin nykyisissä tehtävissä, mutta olisi kiinnostavaa saada kokemusta datatyöstä laajemmin. Haluaisin oppia enemmän data-analytiikasta ja datan visualisointia. Näin kokonaisosaamiseni olisi laajempaa.

Miten kuvailisit Capgeminin kulttuuria?

Meillä saa aina pyytää apua, ja sitä myös saa. Olen ollut melko vähän aikaa alalla, joten on hyvä, ettei tunne jäävänsä yksin.

Pidän Capgeminin kollegoista todella paljon. Työyhteisössä on samanhenkisiä ihmisiä ja  työkaverit ovat todella mukavia.
Olen tykännyt paljon myös siitä, että täällä toimitaan ketterästi. Lyhyet tsekkaukset pitävät homman hyvin käynnissä.

Miksi ja kenen kannattaa hakea Capgeminille töihin?

Jos isommat haasteet kiinnostavat, niin myös sellaisia on tarjolla: olemme kansainvälinen yritys ja Capgeminilla on mahdollista päästä isoihin ulkomaisiin firmoihin tekemään projekteja. Itsekin olen ollut Cap-uran alkuvaiheessa töissä isolla ulkomaisella asiakkaalla.

Lisäksi meillä on panostettu kehittymismahdollisuuksiin ja on mahdollista suorittaa sertifikaatteja.
Voin sanoa myös meidän dataosastostamme, että siellä on tosi mukavat kollegat ja hyvin vastaanottavainen porukka, johon uuden ihmisen on helppo tulla.

Mitä haluat sanoa henkilölle, joka harkitsee datainsinöörin tehtäviä tai kouluttautumista alalle?

Data-ala sopii hyvin analyyttiselle ja tarkalle ihmiselle, joka tykkää järjestelmällisyydestä tai arkistoida asioida Exceliin. Tässä työssä pääsee näkemään dataa isommassa muodossa ja järjestelemään sitä. Työssä pääsee myös hyödyntämään loogista päättelyä.

Koodaus ei ole pääasia, joten tämä sopii henkilöille, jotka tykkäävät ohjelmoinnista, mutta haluavat tehdä sen lisäksi muutakin.
En tiedä, onko fullstack vielä rantautunut datamaailmaan kunnolla. Mutta ehkä tulevaisuudessa on jo enemmän fullstack-dataosaajia ja ihmiset opettelevat muutakin kuin vain oman alueen juttuja.