Кто это и кому подойдет эта профессия
Data Scientist – это эксперт, который умеет профессионально работать с аналитическими данными. С их помощью он разрабатывает нужные для компании бизнес-решения, оптимизирует бюджет коммерческой структуры, выполняет рутинные задачи, внедряет нововведения в клиентский сервис. Построив алгоритм, специалист по Data Science может спрогнозировать спрос на товар, определить погодные условия на ближайшую дату или подобрать короткий маршрут до места назначения.
Существует общепринятое мнение, что в сфере дата-сайенс могут реализоваться люди с аналитическим складом ума и имеющие математические способности. Но эксперты считают, что с математикой не все так однозначно. Глубокое знание предмета не является безусловным фактором входа в профессию. Если же человек относится к категории гуманитариев, то ему придется изучать математику с нуля, поэтому претенденты с техническим образованием имеют некоторое преимущество, поскольку им легче даются основы программирования и закономерности алгоритмов.
Вступительные испытания
Абитуриенты, планирующие освоить профессию Data Scientist, сдают экзамены по:
- русскому языку;
- математике (профильный предмет);
- физике, информатике, биологии, обществознанию (один из предметов как дополнительный).
Чтобы выработать аналитический склад ума, эксперты рекомендуют уже во время учебы в школе проявлять интерес к таким дисциплинам как: теория вероятности, статистика, математический анализ.
Где и сколько учиться
Приобрести нужные навыки по программированию можно уже после 9 класса, поступив в профильный колледж. Абитуриенты отбираются по среднему баллу аттестата. Период обучения составляет 2 года 10 месяцев.
Выпускники колледжей получают квалификацию техников-программистов и могут продолжить обучение на it- специальность в университете (академии).
Профильных вузов, которые готовят экспертов в области Data Science, не существует. Но в академиях и институтах предусмотрены факультеты, на которых обучают профессиям IT-сферы. Образовательная программа рассчитана на 4 года.
Альтернативный вариант – стать профессиональным аналитиком данных на базе онлайн-курсов. Программа дистанционного обучения рассчитана на 1,5 – 2 года. По окончании онлайн-курсов выдается диплом.
Программа обучения
Абитуриент, желающий стать экспертом по дата-сайенс, вправе выбрать одно из следующих направлений:
- (01.03.02) - «Прикладная математика и информатика» (профили: «Анализ и принятие решений», «Прикладной анализ данных и искусственный интеллект», «Математические и компьютерные методы в прикладных разработках»);
- (01.03.03) – «Механика и математическое моделирование» (профили: «Математика. Механика», «Математическое моделирование и компьютерный инжиниринг»);
- (01.03.04) – «Прикладная математика» (профили: «Анализ данных», «Математическое моделирование», «Применение математических методов к решению экономических и инженерных задач);
- (01.03.05) – «Статистика» (профили: «Бизнес-аналитика», «Анализ больших данных», «Прикладная статистика и управление данными).
В процессе обучения студентам преподаются: алгебра и аналитическая геометрия, физика, математический анализ, дифференциальные уравнения, основы информатики, архитектура компьютера, базы данных, языки и методы программирования.
Должностные обязанности
Работая в штате коммерческой структуры, специалист в области Data Science занимается выполнением таких задач, как:
- создание алгоритмов и разработка экспериментальных моделей, позволяющих объединять, управлять и систематизировать сведения для индивидуальных отчетов, которые адресуются работникам, руководству предприятия или клиентам;
- тестирование моделей интеллектуального анализа данных с целью выбора оптимального варианта для реализации конкретного проекта;
- использование инструментов машинного обучения и статистических методов для решения текущих проблем;
- поддержка выверенной и запланированной стратегии в системе коммуникации (позволяет прогнозировать результаты предпринимательской деятельности);
- создание отчетной документации, которая позволяет анализировать элементы взаимодействия компании с клиентами;
- поиск эффективных моделей соотношения наборов данных, кодов и идей в других структурных подразделениях компании;
- оценка результативности источников данных и методов их сбора;
- индивидуализация программных продуктов и моделирование клиентской базы;
- выявление бизнес-рисков и фактов мошенничества.
Личные качества
Карьерный рост Data Scientist зависит от наличия следующих качеств:
- аналитический склад ума;
- трудолюбие;
- целеустремленность;
- исполнительность;
- инициативность;
- внимательность;
- скрупулезность;
- способность доводить исследовательские модели до логического завершения;настойчивость;
- коммуникабельность;
- бизнес-интуиция;
- умение налаживать диалог с коллегами.
Чтобы достичь положительных результатов в работе, аналитик данных должен иметь прочную основу профессиональных знаний. Data Scientist должен не только знать на экспертном уровне математический анализ, теорию вероятностей, языки программирования (SQL, Python, Java), но также владеть иностранным языком и разбираться в законах построения (развития) бизнеса.
Где можно работать
Профессиональный аналитик данных востребован в любых сферах деятельности, где необходимо делать прогнозы, оценивать риски или совершать сделки. Эксперт по дата-сайенс может работать в компаниях, которые занимаются:
- цифровыми технологиями (систематизация новостного контента, автоматические переводы текстов, оптимизация поисковой выдачи и прочее);
- высокотехнологическими отраслями производства (вычислительная техника, авиа- и ракетостроение, беспроводные устройства, системы слежения и передачи данных, телематика);
- наукой;
- телекоммуникациями;
- логистикой;
- финансовым делом;
- страхованием;
- сельским хозяйством;
- развитием торговых сетей;
- социологией;
- медициной.
Эксперты заявляют, что самые востребованные ниши для аналитиков данных – это сфера IT-технологий, банковский сектор и бизнес, работающий по системе B2B.
Опытные сотрудники пользуются повышенным спросом у транснациональных корпораций. Зачастую им доверяют работу над долгосрочными проектами.
Услуги аналитиков со стажем востребованы у предпринимателей, которые запускают стартапы. В небольших фирмах зачастую работает один эксперт по Data Scienсе, выполняющий отдельные задачи.
Плюсы и минусы профессии
Для выпускников школ решение стать аналитиком данных обусловлено следующими факторами:
- востребованность на рынке труда;
- перспектива карьерного роста (сотрудники, проработавшие в компании 3-5 лет, могут рассчитывать на должность старшего аналитика, а затем и руководителя отдела);
- возможность работать в удаленном формате (аналитик данных может исполнять должностные обязанности за пределами офиса и самостоятельно планировать рабочий график с учетом поставленных задач);
- высокая оплата труда;
- широкая линейка сфер деятельности (можно работать в науке, медицине, сельском хозяйстве, банковском деле и прочее).
Но профессия в области дата-сайенс не лишена недостатков. К ним относятся:
- большая ответственность (эксперт по системному анализу дает прогнозы, от которых зависят развитие и экономические показатели компании);
- малоподвижный образ жизни (эксперт по Data Scienсе вынужден большую часть рабочего времени проводить за компьютером, отсутствие физической активности негативно влияет на состояние здоровья);
- жесткая конкуренция на рынке труда (работодатели неохотно принимают в штат сотрудников без опыта работы).
Заработная плата
Размер вознаграждения труда аналитика определяют следующие факторы – квалификация, стаж работы, сфера деятельности, наличие профессиональных навыков, статус компании-работодателя и ее местонахождение. Компании, при сборе больших данных (Big Data) не жалеют денег на стимулирование труда подчиненных, занимающихся аналитикой. В Москве сотрудник в сфере дата-сайенс, отработавший в офисе не менее 5 лет, получает от 250 000 рублей. В регионах оклад аналитика со стажем 1-2 года составляет 90 000 рублей. Сотрудник уровня «Junior» может рассчитывать на зарплату от 50 000 до 70 000 рублей.
Data Science – необходимое и востребованное направление для субъектов предпринимательства и бизнеса. Коммерческие структуры готовы щедро оплачивать труд аналитиков данных, но при условии, что они обладают достаточным уровнем квалификации и стажем. Но пока на рынке отечественного труда наблюдается дефицит опытных кадров, которые могли бы на экспертном уровне делать точные прогнозы и приносить прибыль компаниям.
