Kako do posla u tvrtci za koju želiš raditi?

Kako pronaći dobru tvrtku ?

Tema ovog članka je informirati vas kako pomoću aplikacije pronaći tvrtku u kojoj biste htjeli raditi. Živimo u vremenu gdje kao posloprimci imamo pravo i moć informirati se o tvrtkama kojima šaljemo svoje životopise. Na nama je da se potrudimo pronaći tvrtke u kojima će naše znanje i iskustvo biti korisno za rast tvrtke. Prije nego li kritizirate politiku, Vladu, bivše poslodavce, razmislite jeste li poduzeli baš sve kako biste našli posao?

Najbolje da sada ispričam priču. Prije nekoliko godina radio sam u tvrtci koja je zapošljavala 30 – tak ljudi. Tijekom desetak godina provedenih u tvrtki u nekoliko navrata dolazili su mladi ljudi kojima je to bio prvi ili drugi posao. Jedan od takvih mladih kadrova dobio je mentora s kojim je pet godina blisko surađivao. Nakon pet godina odlučio je napustiti tvrtku, radi bolje plaćenog posla. Osnovao je obitelj, troškovi života su se povećali i činilo se logičnim krenuti u novu sredinu. Obećanja o višim primanjima držala su vodu samo dva mjeseca. Nekoliko mjeseci kasnije tvrtka u koju je prešao otišla je u stečaj. Da je tada postojala aplikacija pomoću koje je mogao na jednostavan način provjeriti novog poslodavca prije potpisa ugovora, sigurno da takvu odluku ne bi bio donio. Na vrijeme bi znao da tvrtka ima problema, i da mora nastaviti dalje tražiti.

Ako ste danas u potrazi za poslom, sigurno posjećujete web stranice mojposao.net ili posao.hr. Odlazite na zavod za zapošljavanje provjeriti ponudu poslova na oglasnoj ploči. Ako nema niti jedan posao koji vas interesira vaše raspoloženje se mijenja. Ne vjerujete da postoji posao koji biste mogli raditi u vašem gradu. Počinjete razmišljati o odlasku iz Hrvatske, promjeni grada, prihvaćanju bilo kakvog posla. Uglavnom niste zadovoljni sa situacijom. Što učiniti?

Kako bi bilo da promijenite pristup u traženju posla?

Najprije napišite motivacijsko pismo i obnovite cv. Dopunite ga seminarima, radionicama, tečajevima. Zatim pomoću aplikacije potražite tvrtke koje se nalaze u djelatnosti koje su vam bliske, i u kojima bi imali interes raditi. Provjerite povijest poslovanja i ako vam se sviđa to što vidite uputite mail, nazovite ili pošaljite poštom vašu dokumentaciju. Tvrtke su uvijek u potrazi za kvalitetnim kadrovima to je ono što morate znati. Nije moguće saznati ishod vaše akcije, ali ono što možete biti sigurni je da tražite posao tamo gdje vi želite raditi.

Kako sam pomoću aplikacije došao do tvrtke za koju sada radim?

Koristeći se jednom aplikacijom filtrirao sam tvrtke u djelatnosti koja me je zanimala, vidio sam kolika je isplaćena neto plaća, znao sam da tvrtka nije bila u blokadi, koliko imaju zaposlenih, a sve prije nego li sam poslao zamolbu. U mom slučaju u roku od mjesec dana pronašao sam tvrtku za koju danas radim. Sada se čini kako je sve jednostavno i nije mi jasno zašto sam toliko čekao. Onog trenutka kada sam preuzeo odgovornost da nađem posao koji bi volio raditi, kreirao sam pozitivno okruženje i prilika se otvorila.

Prvi mjesec odradio sam bez ikakve naknade kako bi pokazao budućem poslodavcu da stvarno želim raditi tu vrstu posla. Drugi korak sklapanje ugovora na neodređeno bio je puno jednostavniji, jer se odnos počeo graditi na kvalitetnim temeljima. Svjestan sam da se puno stvari trebalo poklopiti, ali pokušao sam i uspio.

Htio bi reći kako je model aktivnog traženja posla jedini način da se posao pronađe. Nakon dvije godine na zavodu niti jednom nisam bio pozvan ili upućen na razgovor za posao. Tražio sam u nekoliko navrata priliku da dodatno educiram ili prekvalificiram. S obzirom na godine to nije bilo prihvatljivo jer ne spadam u “ranjivu” skupinu. Istovremeno bio sam tvrdoglav čitavo to vrijeme jer nisam koristio poznanstva zbog osjećaja da će mi netko non-stop lupati nad glavom kako mi je učinio veliku uslugu. Nakon 18 godina radne karijere takvu vrstu odnosa nisam htio sebi stavljati na teret. To je gore nego kreditno zaduženje u švicarcima. Nikada vratiti.

Analiza budućeg poslodavca kojem šaljete dokumente je nužna

Skrenuo bih pažnju na opis očekivanih vještina i znanja prilikom traženja posla. Ukratko, ima tu svega. Mislim kako treba biti oprezan osobito kod novoosnovanih tvrtki koje imaju velika očekivanja. Moja je preporuka provjeriti povijest poslovanja subjekta, a sve što je kraće od godine dana zahtijeva dodatnu analizu. Koliko god zvučalo interesantno ili izazovno na svakome je ponaosob odluka želi li ili ne raditi u takvoj tvrtci. Najvažnije od svega je znati da imate pravo i obavezu prije nego se javite na oglas za radno mjesto dobro se pripremiti da saznate što je moguće više o potencijalnom poslodavcu.

Ako imate dodatnih pitanja koju sam aplikaciju koristio možete me kontaktirati na mail [email protected]

 

Arhitektonske usluge mikropoduzetnika u Dalmaciji

Za ovu priliku pripremio sam analizu sektora arhitektonskih usluga za područje Dalmacije. Analiza je napravljena na uzorku mikropoduzeća prema ostvarenim poslovnim rezultatima u 2016.godini.  Analizom podataka nisu obuhvaćeni poslovni subjekti koji su obveznici poreza na dohodak. Financijske informacije povučene su iz web aplikacije https//astreel.com.

U Zadarskoj županiji top 25 mikropoduzetnika u arhitektonskoj djelatonosti ostvarilo je prihod od ukupno 10.168.991 kuna. Uprosječena vrijednost prihoda iznosila je na promatranom uzorku 406.759 kuna.

Kumulirana dobit TOP 25 tvrtki iznosila je u 2016.godini 626.580 kuna. Prosječno isplaćena plaća u promatranom uzorku iznosila je 4.246,52 kune. Najviša neto isplaćena plaća iznosila je 8.081 kunu. Prosječan broj zaposlenih u promatranom uzorku iznosio je 2,44.

 

Nakon Zadarske županije krenimo prema Šibensko – kninskoj županiji.

U odnosu na Zadarsku županija, Šibensko – kninska županija točnije TOP 25 mikropoduzetnika u istoj djelatnosti ostvarilo je veće prihode za 36,3 %.

Kumulirana dobit TOP 25 tvrtki iznosila je u 2016.godini 603.070 kuna. Važno je naglasiti kako je samo trinaest ( 13 ) mikropoduzetnika pozitivno poslovalo. Prosječno isplaćena plaća u promatranom uzorku iznosila je 4.140,38 kune, što je 106,1 kn manje u odnosu na Zadarsku županiju. Najveća isplaćena neto plaća u djelatnosti iznosila je 5.964 kuna. Prosječan broj zaposlenih u promatranom uzorku za 2016.godinu bio je 2,12.

Slijedeća županija je Splitsko – dalmatinska županija. Temeljem analiziranih podataka splitski mikropoduzetnici ( TOP 25 ) ostvarilo je prihode koji su trostruko veći u odnosu na Zadarsku županiju. U odnosu na Šibensko – kninsku županiji ostvaren prihod je veći za 276 %.

U odnosu na ostvarene dobiti TOP 25 mikropoduzetnika treba istaknuti dobit koja je iznosila sedmerostruko više u odnosu na zadarsku i šibensko-kninsku županiju. Prosječno isplaćena neto plaća u Splitsko – dalmatinskoj županiji veća je za 25 % u odnosu na plaću isplaćenu u Zadarskoj županiji, odnosno 28,4 % u odnosu na Šibensko-kninsku županiju. Najveća neto isplaćena plaća iznosila je 10.495 kuna. Prosječan broj zaposlenih u djelatnosti iznosio je 5,8.

Zadnja županija koju ćemo obraditi je Dubrovačko – neretvanska županija. Podatak koji govori o ostvarenim prihodima za 2016.godinu na području Dubrovačko – neretvanske županije je očekivan. U usporedbi sa Splitsko-dalmatinskom županijom dobit TOP 25 dubrovačkih mikropoduzetnika jest manja, dok je istovremeno neto plaća 8,4% veća u Dubrovačko-neretvanskoj županiji. Najviše isplaćena neto plaća iznosila je 10.034 kuna.

Na razini Republike Hrvatske djelatnost arhitektonske usluge ostvarila je ukupne prihode u iznosu od 130.833.923 kuna. Mikropoduzetnici na području Dalmacije participirali u ukupnim prihodima djelatnosti sa 64%. Na državnoj razini top 25 mikropoduzetnika nalaze se samo dvije tvrtke iz Dalmacije ( 10. i 13 . mjesto ) koje dolaze iz Splitsko – dalmatinske županije.

Izrada ovog pregleda informacija odrađena je pomoću aplikacije Astreel.

Svjetsko prvenstvo u nogometu Rusija 2018 vizualizacija podataka

Za predstojeći nogometni festival u Rusiji, odlučio sam pripremiti nekoliko grafikona. U ovom primjeru koristio sam dostupnu bazu podataka koju je moguće preuzeti s kaggle.com. S obzirom da je ažurirana prije nekoliko dana pretpostavio sam da se radi o bazi podataka koja je relevantna. Istovremeno, podaci ne pružaju veliki broj mogućnosti za analizu zbog čega sam napravio četiri jednostavne vizualizacije pomoću Pythona i Jupyter notebooka.

Prva vizualizacija nam govori koliko igrača ima određeni broj godinama. Vidljivo je kako najviše igrača ima 25 godina.

Svjetsko prvenstvo u nogometu Rusija 2018 | Broj igrača prema godinama

Svjetsko prvenstvo u nogometu Rusija 2018 | Broj igrača prema godinama

Druga vizualizacija prikazuje top 20 igrača s najviše odigranih utakmica koji će sudjelovati na ovom Svjetskom nogometnom prvenstvu.

Svjetsko prvenstvo u nogometu Rusija 2018 | Igrači s najvećim brojem odigranih utakmica

Svjetsko prvenstvo u nogometu Rusija 2018 | Igrači s najvećim brojem odigranih utakmica

 

Treća vizualizacija prikazuje tko su najbolji strijelci do sada. Ovu listu predvodi Christiano Ronaldo kojeg prati Lionel Messi, a na trećem mjestu se nalazi Neymar Jr. Rekli bi dobri poznavatelji nogometa to je što smo znali od prije.

Svjetsko prvenstvo u nogometu Rusija 2018 | Igrači s najviše postignutih golova

Svjetsko prvenstvo u nogometu Rusija 2018 | Igrači s najviše postignutih golova

 

Četvrta i ujedno posljednja vizualizacija odnosi se na podatak o klubovima s najvećim brojem reprezentativnih igrača. Iz tablice je vidljivo da najveći broj reprezentativaca ima Manchester City ( 16 ), slijedi Real Madrid ( 15 ) i Barcelona ( 15 ).

Svjetsko prvenstvo u nogometu Rusija 2018 | Klubovi s najviše reprezentativnih igrača

Svjetsko prvenstvo u nogometu Rusija 2018 | Klubovi s najviše reprezentativnih igrača

 

Na ovom primjeru pokušao sam prikazati nekoliko osnovnih vizualizacija na temelju dostupnih parametara. Planiram za drugi put koristiti drugu bazu podataka kako bi analiza imala više “dubine”.

Nadam se kako vam je ova analiza zanimljiva, a ukoliko imate pitanje možete se javiti na [email protected]

Matplotlib vodič

Matplotlib (Uvodni dio)

Analize i vizualizacije podatake najčešće sam radio u Excelu. Prošle godine zainteresirao me programski jezik Python. Krenuo sam ga samostalno učiti i puno puta započinjao iznova. Brzina učenja bila je manja od brzine zaboravljanja. Odgledao sam nekoliko desetaka tutoriala na internetu. Jedini način da se nauči kodirati je da počnem kodirati. Jednako važno je znati područje interesa. U mom slučaju analiza i vizualizacija podataka su područje koje me najviše zanima. Kako bi pomogao sebi u budućnosti odlučio sam napisati par redaka o Matplotlib biblioteci.

Analiza i vizualizacija podataka u Pythonu podrazumijeva korištenje biblioteka Matplotlib, Pandas, Numpy i druge. O potonje dvije sam već pisao i koristio u skriptima koje možete pronaći na ovim stranicama. Sada je došao red na matplotlib biblioteku. Koristimo je za vizualizaciju podataka s kojima radimo. Za sada ćemo krenuti s jednostavnim primjerom. Sve primjere koje prikazujemo odrađeni su pomoću Jupyter Notebooka. Riječ je o super alatu koji mi omogućava da vrlo brzo odradim računske i analitičke operacije na velikim bazama podataka.

(more…)

Najam bicikli Python analiza

Najbolji način da se nauči što je više osnovnih pojmova o statistici i vjerojatnosti je kroz primjere.U ovom slučaju koristiti ćemo se bazom podataka koja se odnosi na korištenje javnih bicikli u jednom američkom gradu. Kako se radi o Amerikancima, možete biti sigurni da je analitika posao koji znaju kako se radi. Primjere za to možete naći od gospodarstva, obrazovanja, sporta. U donošenju odluka oslanjaju se na ankete i rezultate istraživanja.
Riječ je o sustavu s 500 bicikli, koje se nalaze na 50 stanica – mjesta raspoređenih u jednom gradu. Na svakoj stanici postoji sustav za zaključavanje i popratni kiosk gdje korisnici usluge mogu platiti godišnju članarinu, jednodnevnu ili trodnevnu naknadu za korištenje.
(more…)

BCG i DLA Piper istraživanje vezano za GDPR

Boston Consulting Group i DLA Piper u dva su navrata proveli istraživanje u pet europskih država ( Francuska, Njemačka, Italija, Španjolska i Velika Britanija ) i u SAD-u. Naziv studije koja je objavljena na intrenetu “Leveraging GDPR to become a trusted data steward”. Na ukupno 28 stranica studija daje snažan doprinos u razumijevanju i očekivanju tvrtki i potrošača vezano za korištenje osobnih podataka.

Promatrane skupine ( non-millennials i millennials ) nakon dva provedena testiranja 2014. i 2016.godine, postale su svjesnije opasnosti kada je u pitanju dijeljenje osobih podataka na internetu. U konačnici može se zaključiti kako četiri od pet građana, neovisno o godinama, iskazuje zabrinutost u svezi dijeljenja osobnih podataka. Kada su u pitanju skupine non-millennialsa evidentno je tijekom dvije godine ojačala spoznaja kako s podacima treba oprezno rukovati (Exibit 1).

Istraživanje je pokazalo kako zabrinutost potrošača oko podataka ovisi o vrsti podataka. ( Exibit 2.) U Europi preko 80% ispitanika smatra financijske podatke i podatke s kreditnih kartica strogo privatnim. Potrošači su manje zabrinuti, ali još uvijek to iznosi 50 %, kada je riječ o podacima koji se tiču njihove lokacije, telefonske komunikacije, korištenja interneta i elektronske pošte.

Istraživanje je pokazalo kako su potrošači bitno zabrinuti oko vlastitih podataka što ih koriste online tvrtke ( društvene mreže, pretraživači, online prodavatelji ), financijske tvrtke ( podaci s kreditnih kartica ), i vladine organizacije. Za tvrtke koje rade u takvom okruženju postavljeni pragovi i očekivanja po pitanju sigurnosti podataka su visoka. Izgradnja povjerenja potrošača prema subjektima koji upravljaju ili koriste njihove podatke jako je bitna komponenta (Exibit 3.). Zanimljivo je uočiti kada je u pitanju korištenja podataka od strane hotela ( turistički sektor ), potrošači imaju veliku razinu povjerenja da se njihovim podacima upravlja na korektan način.

BCG istraživanje pokazuje da u rasponu od 48% do 62% potrošači ne vjeruju tvrtkama da su iskrene u načinu na koji tretiraju njihove podatke (Exibit 4.) Od toga 14% do 25% potrošača vjeruje tvrtkama da su ispravno postupile u odnosu na njihove osobne podatke. U istraživanju potrošači i tvrtke bili su pitani za pet vrsta korištenja podataka, odnosno kako bi tvrtke trebale tražiti dopuštenje za korištenje podataka ili kako bi trebala obavjestiti vlasnika podataka da se koriste njegovim podacima (Exibit 5.)

Generalno tvrtke njih 25% do 34% misli kako nije prihvatljivo korištenje podataka korisnika od strane trećih subjekata. Naprimjer 50% tvrtki odobrava korištenje osobnih podataka za promociju proizvoda trećih subjekata, dok 80% korisnika smatra da je to prihvatljivo. Zaključak je kako tvrtke ne koriste dovoljno mogućnosti koje im pružaju prikupljeni podaci, već igraju na kartu izlaganja što manjem riziku. Razlika je u tome što vlasnicima osobnih podataka nije toliko bitno kako se koriste podaci, više ih zanima da znaju kada se koriste.

Povjerenje je riječ koja će se primjenom GDPR redefinirati u kontekstu digitalne ekonomije (Exibit 6.) Činjenica je da značajan preko 70% osoba nije spremna povjeriti svoje podatke tvrtkama.

Uvođenje GDPR uzrokovati će promjene prije svega u komunikacijskom kanalu. Umjesto pull metoda ( prikupljanja ) tvrtke će sada značajnim dijelom komunikaciju voditi push metodom ( informiranjem ) potrošača (Exibit 7.) Komunikacijska praksa danas značajno podržava potrošače kako bi saznali kako se koriste njihovi osobni podaci. Ipak većina potrošača tu mogućnost ne koristi, već se istovremeno ne prestaje čuditi kada se njihovi podaci koriste u drugom kontekstu. Istraživanje je pokazalo kako velika većina tvrtki nema načina da objasni potrošačima koje sve podatke imaju o njima, ili kako se koriste tim podacima.

Tvrtke koje se odluče implementirati GDPR zaraditi će povjerenje dobro informiranih potrošača. Podatke o njima upotrijebiti će kako bi kreirati proizvode ili usluge dodane vrijednosti. Kada potrošači vjeruju tvrtci spremni su s njom podijeliti i druge osobne podatke. Tvrtke trebaju procese usklađenja s GDPR nastaviti kako bi postale usitinu promicatelji sigurnosti poslovanja.