Data scientist – это профессионал в области создания и внедрения, автоматизированных системы в практические бизнес-процессы, связанные с аналитикой, сбором, классификацией и хранением больших объемов информации.
Data science – это применение разобщенных научных данных, объединяющихся для решения сложных задач. Информационные системы и сервисы проводят автоматическую компоновку цифровых данных, строят графики, диаграммы, тренды и тенденции. Data sceientist настраивают и отслеживают стабильную работу ИС, вносят дополнительные параметры поиска и классификации при помощи программных команд и кодов, составляют итоговый отчет и выносят предложения по оптимизации работы компании с учетом собранных сведений. Профессионалы задействованы в разных отраслях промышленности и торговли. Многие выступают сторонними бизнес-консультантами, оказывающими услуги по разработке антикризисных стратегий и программ развития предприятий с учетом сбора, и комплексной оценки больших объемов цифровых данных.
Задачи и обязанности data scientist
Дата сциентист занимается объединением информационных технологий с бизнес-аналитикой, экономикой, стратегическим планированием и прогнозированием.
Задачи data scientist:
- Извлечение необходимых цифровых или численных данных из разных информационных источников в режиме реального времени. Важно обеспечить стабильную и бесперебойную работу ИС, автоматизировать и правильно настроить поисковые запросы, провести тестировку и контролировать проводимые операции.
- Проведение анализа полученных сведений, путем использования инструментов по выявлению скрытых закономерностей в изменениях статистических параметров. Работа дата сайнтиста относится к научно-исследовательским направлениям, так как требует не механического выполнения действия по строгим должностным инструкциям, а творческого выявления цепочек взаимодействия и логических последовательностей, возникающих под влиянием конкретных факторов. Например, на продажи косвенно влияет изменение цвета товара, внесение дополнительной надписи на этикетки или изменение модных мировых тенденций. Все эти нюансы определяет Data Science, а полученные результаты исследований используются для изменения маркетинговых стратегий, объемов выпуска продуктов, перехода на новую экономическую нишу.
Дата сайентисты:
- Проводят переговоры с заказчиками с использованием методов анкетирования и интервьюирования для выявления конкретных запросов клиентов;
- Оценивают возможность применения машинного обучения и дата сайнс для сбора информации и решения поставленной задачи;
- Настраивают ML для Data Science;
- Прогнозируют эффективность выстроенной модели обработки данных;
- Программируют и тестируют ML протоколы;
- Запускают и адаптируют Data Science.
Что нужно знать и уметь
Работа дата сайентист требует объединения основ высшей математики и статистики с менеджментом, маркетингом и финансами.
Data scientist должен знать:
- Статистические методы;
- Инструменты построения математических моделей;
- Использование машинного обучения для анализа данных;
- Применение искусственного интеллекта и нейросетей;
- Аналитические методы исследования;
- Специализированное программное обеспечение для разработки баз данных;
- Способы оценки алгоритмических моделей;
- Языки программирования;
- Тестировку Data Science;
- Способы визуализации и презентации, сведений собранных с помощью сервисов работы с big data;
- Методы стратегического планирования и прогнозирования;
- Методики анализа рынка и экономической ниши;
- Способы оценки деятельности конкурентов;
- Психологические инструменты для работы с клиентами;
- Правила ведения переговоров и деловой переписки.
Как стать data scientist
Для обучения профессии дата сайентиста требуется поступить в университет на экономический факультет. Для будущих профессионалов в области Data Science разработана профильная программа обучения.
Программа обучения объединяет изучение теоретических и практических навыков в области дата сайнс. Ключевые дисциплины в рамках обучения по ФГОС бакалавриата:
- Цифровая экономика;
- Правоведение;
- Проектный менеджмент;
- Экономика и финансы;
- Технический английский язык;
- Введение в анализ больших данных;
- Теория отраслевых рынков;
- Мировая экономика и экономический анализ;
- Data mining или добыча дата-сведений;
- Статистические методы и инструменты в среде R;
- Анализ временных рядов и прогнозирование;
- Выявление закономерности развития институциональных единиц средствами пакета Stata;
- Машинное обучение;
- Информационные аналитические системы;
- Системы управления базами данных;
- Финансовый инжиниринг.
В рамках программы профессиональной подготовки Data Scientist студенты изучают специализированное программное обеспечение:
- Open data science – Knime, OpenRefine, R-programming, Orange, Weka, NodeXL;
- Сервисы по визуализации собранной информации – Solver, Qlik, Infogram;
- Программы для парсинга в Интернете – Octopars, Parsehub, Mozenda;
- Ресурсы для работы с БД – Data.gov, PubMed.
Обучение доступно в очном формате. Продолжительность учебы по специальности дата сайентист – 4 года.
Востребованность и перспективность профессии
Профессия востребована на международном рынке труда. Для трудоустройства в иностранную компанию требуется пройти собеседования на английском языке, продемонстрировать авторские разработки и показать опыт сотрудничества с топовыми компаниями.
Деятельность дата сайентистов не привязана к офису и стационарному рабочему месту. Для выполнения должностных обязанностей достаточно иметь мощный ПК или ноутбук с установленным лицензионным программным обеспечением.
Профессионалы выбирают должности штатных сотрудников или выполнение заказов на фриланс-биржах. Эксперты могут заниматься машинным обучением самостоятельно или входить в команду специалистов, занимающихся разработкой крупных проектов.
По статистическим данным в будущем планируется сохранение тенденции на увеличение спроса на обучение по специальности и профессию Data Scientist на рынке труда.
Где работать data scientist
Профессионалы в области дата сайнс востребованы во всех предприятиях, относящихся к компаниям крупного и среднего бизнеса, желающими выйти на международных рынок, а также используются для реализации и разработки социально-значимых государственных программ, основанных на объективных статистических данных.
Сферы профессиональной реализации data scientist:
- Технологическое предпринимательство;
- Промышленность;
- Металлургия;
- Добыча полезных ископаемых;
- Нефтегазохимический комплекс;
- IT-компании;
- Медицина;
- Бизнес-консультирование;
- Телекоммуникации;
- Банки и финансовые организации;
- Транспорт;
- Торговые сети;
- Маркетплейсы;
- Сельское хозяйство;
- Дистанционное обучение;
- Строительство;
- Страхование;
- Социальная служба.
Топовые международные проекты, созданные на основе Data Science – Aliexpress, Netflix (подбор рекомендаций и каталоги), медсистема IBM Watson для ведения пациентов онлайн и заполнения электронных историй болезни.
Преимущества и недостатки профессии
Плюсы работы по профессии дата сайентист:
- Освоение новой и перспективной профессии, востребованной на российском и международном рынке труда;
- Низкий уровень конкуренции при трудоустройстве;
- Шанс начать профессиональную деятельность с должности ведущего специалиста;
- Уровень заработной платы и дополнительные гонорары за авторские проекты;
- Удаленная работа и подбор заказов на фриланс-биржах;
- Моральное удовлетворение видимыми результатами работы, выраженными в расширении компании, увеличении прибыли и выходе организации на международный рынок;
- Перспектива карьерного роста;
- Возможность открытия собственной консалтинговой компании;
- Наработка полезных деловых связей;
- Стажировка в иностранных компаниях.
Недостатки профессии:
- Необходимость постоянного повышения квалификации и обновления профессиональных знаний в рамках самообучения;
- Нереалистичный романтический взгляд на профессию – ожидания того, что автоматизированные системы и ML модели полностью заменят ручной труд.
Data Scientist – профессия будущего, доступная для освоения абитуриентам настоящего. Профессиональная подготовка в области Data Science помогает трудоустроиться на престижные высокооплачиваемые должности сразу после получения диплома.
