В один из июньских дней 2006 года Джонатан Голдман вошел в офис LinkedIn, чтобы приступить к работе. Несмотря на то, что у этой социальной сети для профессионалов уже было более 8 млн пользователей и число росло, в атмосфере офиса по-прежнему ощущался дух стартапа. Новые пользователи прибывали, но основатели LinkedIn чувствовали, что они упускают суть.
LinkedIn – это сеть для развития профессиональных контактов, но текущие пользователи приглашали своих друзей и коллег, то есть тех, с кем уже были знакомы. Рекомендации, предлагающие установить связи с контактами не из круга знакомств, конечно, существовали, но энтузиазма у пользователей они не вызывали.
Сооснователь LinkedIn Рид Хоффман после работы в PayPal верил в силу аналитики и дал Джонатану своеобразный карт-бланш, позволив тому создавать теории, искать закономерности, проверять догадки, искать варианты, как повысить значимость и пользу социальной сети в глазах пользователей.
Сегодня у LinkedIn более 740 миллионов пользователей в 200 странах мира. Учитывая, что это сеть для профессиональных контактов, это громадное число. История не знает сослагательного наклонения, но вряд ли LinkedIn бы выстрелила, если бы в 2006 году не рискнула, сделав ставку на Data Science.
Table of Contents
- Всё ещё самая сексуальная профессия 21 века?
- Что важнее, много зарабатывать или чувствовать свой вклад?
- Что конкретно может делать специалист по Data Science?
- Почему люди любят заниматься Data Science?
- Кто может стать специалистом по Data Science?
Всё ещё самая сексуальная профессия 21 века?
Спустя 6 лет, в 2012 году, в Harvard Business Review вышла статья «Data Scientist: The Sexiest Job of the 21st Century», назвавшая науку о больших данных самой сексуальной профессией 21 века.
А в конце июня прошлого года вышел новый материал, подтверждающий, что ничего не изменилось, ведь, цитируя мнение одного из топ-менеджеров, участвовавшего в написании статьи, эта профессия привлекает «совершенно потрясающих и необычайно умных людей, так как в какой ещё сфере можно быть отчасти детективом, отчасти новатором и, в зависимости от того, на кого вы работаете, отчасти международным шпионом».
По утверждениям сотрудников рекрутинговых агентств, специалисты по Data Science будут в дефиците в обозримом будущем. Так что можно не переживать, что шанс упущен. Это радостная новость для тех, кто причислил себя к категории, когда уже поздно менять работу. Data Science – это область, где в первую очередь ценится ясный ум.
Ну а самое приятное, что это та сфера, которую, в отличие от большинства других, не сможет заменить искусственный интеллект. Всё-таки гипотезы и нестандартное мышление – это прерогатива человека, а не компьютера.
Что важнее, много зарабатывать или чувствовать свой вклад?
В заголовке затронут сложный вопрос, на который нельзя ответить однозначно. Может показаться, что всё просто. Не зря же существует условная мечта про получать много денег и ничего не делать. Однако всё не так очевидно. К сожалению, человек не котик. И ему важна самореализация, а не просиживание штанов в офисе. Но и существование «на копейки» озлобляет. А иногда случается так, что и платят копейки, и ещё ощущение, что смысла ноль. Не работа, а пустая трата жизни. Соответственно, работа мечты в идеале должна сочетать в себе хорошую оплату и дело, вклад в которое легко оценить.
Работа в сфере Data Science несёт в себе такой баланс. Во-первых, легко увидеть свой вклад. Так как Data Science – это новый способ принятия управленческих решений, от «где открыть новый магазин» и «какие товары поместить на полку» до «кого уволить». Это не типичная сопроводительная аналитика, отчёты которой валяются в почте или на столе, а решения всё равно принимаются на основе интуиции директора или собственника.
Во-вторых, дефицит кадров подразумевает повышенную денежную мотивацию. Начальный уровень дохода для специалистов с минимальным опытом работы или без опыта начинается от 120 000 рублей. Имея за плечами пару лет стажа, можно претендовать на зарплату от 160-170 тысяч. Впрочем, проще всего оценить потенциальный уровень дохода, посмотрев вакансии и сферы деятельности на тематическом сайте. Даже на случайных вакансиях на скриншоте ниже попались компании из разных сфер – здравоохранение, спортивная аналитика, а ЕВРАЗ – одна из крупнейших металлургических и горнодобывающих компаний мира (им тоже нужна Data Science).
Skillfactory предлагает пройти курс «Обучение профессии Data Science с нуля», по результатам которого выпускник получит фундаментальную базу знаний, соответствующую уровню Junior Data Scientist, то есть опыту в 1 год. После обучения каждый выпускник сможет сказать, что уверенно владеет и может:
- Использовать основные алгоритмические конструкции и структуры данных Python для проектирования алгоритмов;
- Визуализировать данные с помощью Pandas, Matplotlib, Seaborne;
- Создавать модели промышленного качества с помощью классического машинного обучения и нейронных сетей для решения задач Data Science;
- Оценивать качество модели (precision/ recall);
- Интегрировать решение в продакшен и в бизнес в целом;
- Работать с хранилищами данных разных типов;
- Работать с инструментами анализа больших данных;
- Получать данные из веб-источников или по API;
- Применять методы математического анализа, линейной алгебры, статистики и теории вероятности для обработки данных.
Что конкретно может делать специалист по Data Science?
Возможно, вы не обращали внимания, но сегодня на основе больших данных, которые и изучает Data Science, принимаются все решения.
Произнося «Алиса» или «Ok, Google», вы запускаете сложнейшие модели, которые не только пытаются распознать фразы, но и предугадать, что именно вы хотите спросить.
Когда вы открываете Ozon, AliExpress или «Яндекс.Маркет», вам показывают подборки товаров, которые могут заинтересовать. Тут тоже работают алгоритмы, полученные на основе Data Science. К слову, если считаете, что алгоритмы «мажут», то это шанс исправить ситуацию и войти в историю. Имя человека, сумевшего хотя бы на 99% предугадать желания покупателей, точно войдёт в историю, как и имя того, кто справится с прогнозом погоды (да, это тоже сфера, где используется Data Science).
Не поверите, но в то время, как авиакомпании по всему миру сокращают обслуживающий персонал, отправляя бортпроводников зачастую в неоплачиваемые отпуска, они активно продолжают нанимать специалистов по Data Science. Причина? Вера в то, что инсайты, полученные датасаентистами, помогут с наименьшими потерями выйти из кризиса, вызванного пандемией, – какие маршруты вернуть в первую очередь, на удержание каких клиентов направить все силы (а от каких отказаться!), кому предложить скидку, кому улучшенный сервис, от каких самолетов отказаться, как оптимизировать перевозки, чтобы снизить расход топлива и число полетов.
Выявить риски, остановить банковских мошенников, предсказать события, предложить пользователям те фильмы, игры, музыку, которые они хотят, создать алгоритмы, позволяющие не только выявлять опухоли у текущих пациентов, но и предугадывать, кому может понадобиться помощь, участвовать в разработке игр, предлагая механики, которые вызовут у игроков наибольший отклик, планировать городской трафик или ассортимент и местоположение магазинов. Мир идёт по пути, когда каждое важное решение в бизнесе будет приниматься на основе анализа больших данных.
Небольшой отзыв одного специалистов по Data Science:
Для меня Data Science – это возможность побыть детективом. Вы смотрели «Коломбо», древний сериал из 80-х? Коломбо был частным детективом, и в каждом эпизоде его ждало новое дело, связанное с новой профессией (Голливуд, военные, банковские служащие). Каждый раз ему нужно было вникнуть в происходящее, понять, как мыслят окружающие его люди и всё такое. И на работе я чувствую себя, как Коломбо.
Например, моя компания частично занимается «интернетом вещей» и работает в регионе Шампань. И мы поместили датчики на танки с вином, чтобы понять, как улучшить процесс производства шампанского. Однако помимо датчиков пришлось собрать информацию ото всех занятых в производстве, так как все сотрудники обладали определенными знаниями, которыми они раньше не делились.
На курсе Skillfactory участников ждёт 20% теории и 80% практики на реальных задачах. Вести курс будут практикующие специалисты. А в команде – наставники и эксперты, которым можно задать не только технические вопросы, но и просто общие по профессии. Среди тех, кто разрабатывал курс по Data Science, специалисты из «Яндекса», Nvidia, EORA и других компаний.
Почему люди любят заниматься Data Science?
Анализ ответов практикующих специалистов Data Science позволил выявить некоторые общие критерии, за которые люди любят свою профессию.
- Профессия непростая, но динамичная. Она требует знаний математики и статистики, но это не скучная сухая математика. (Skillfactory обещает, что для успешного освоения не потребуется специальных знаний, выходящих за рамки школьной программы. Каждый участник получит достаточную математическую подготовку и опыт программирования на Python, чтобы решать задачи)
- Свобода. Data Science даёт свободу заниматься исследованиями, возможность работать в одиночку и меньше тратить время на нудные совещания. Учитывая, что для работы нужен только компьютер и быстрый интернет (все вычисления обычно происходят в облаке), это одна из лучших профессий, чтобы работать удаленно.
- Вклад. Вклад специалистов Data Science заметен вне зависимости от сферы работы. Сотрудник Netflix запускает приложение и видит рекомендации фильмов и сериалов, предложенные на основе его алгоритма, а сотрудник «Перекрёстка», заходя в магазин, может видеть, действительно ли предложенная идея расставить отделы в такой последовательности удобна людям.
- Динамичная профессия, позволяющая постоянно пробовать новые сферы. Это комментарий сотрудника, работающего в компании, предоставляющей консалтинговые услуги на основе больших данных. Её отзыв про кейс с шампанским можно прочитать выше.
- Громадные перспективы роста. Можно развиваться непосредственно как Data Science специалист от новичка до руководителя, можно перейти в сферы машинного обучения, искусственного интеллекта, компьютерного зрения или продуктового менеджмента.
Кто может стать специалистом по Data Science?
Можно бы было сказать, что любой. Но это не так. Это сложная профессия, которая требует много знаний и времени, чтобы её освоить. Радует лишь то, что она обязательно требует лишь качеств, с которыми зачастую человек рождается:
- Для Data Science не требуется быть гением математики, но важно обладать критическим мышлением.
- Не нужно изначально быть гуру программирования, знающим десятки языков, но важно уметь думать алгоритмами, то есть создавать оптимальные схемы действий.
- Не нужно быть душой компании или лучшим коммуникатором, но важно уметь находить контакт с людьми, которые зачастую будут топ-менеджерами или собственниками бизнеса, так как им в первую очередь интересны и важны результаты обработки больших данных.
- И нужно уметь не бояться работать в одиночку.
SkillFactory предлагает пройти курс «Обучение профессии Data Science с нуля», включающий в себя не только теорию и практику, но и помощь ментора, знакомство и общение с практикующими экспертами и сообщество из студентов курса. Больше о курсе можно узнать здесь.
В конце курса SkillFactory поможет грамотно оформить резюме и начать проходить собеседования. А также на протяжении курса студенты смогут пройти стажировки у компаний-партнеров, чтобы было чем заполнить резюме.