5 шагов, чтобы стать дата-аналитиком

Секрет популярности профессии 

Профессия дата-аналитика и до 2020 года была актуальна и востребована, но пандемия дала ей новый толчок. Все увидели, что данные можно использовать для решения проблем мирового масштаба.

Страны публиковали статистику (и продолжают это делать), ученые прогнозировали распространение эпидемии, медики использовали технологии, позволяющие по характеру кашля и снимкам КТ определить вероятность диагноза «ковид».

Они нашли точки роста и быстрее остальных приспособились к новой реальности. Таким образом, пандемия продемонстрировала еще и важность цифровизации, которая перестала быть модной тенденцией и стала вопросом выживания.

Еще за год до всех этих событий результаты совместного исследования Академии больших данных MADE от Mail.ru Group и HeadHunter выявили рост спроса на аналитиков данных и специалистов в области машинного обучения. За четыре года (с 2015-го по 2019-й) количество открытых вакансий для первых увеличилось почти в десять раз, для вторых – более чем в семь раз.

Растущий спрос обусловлен не только потребностями бизнеса, но и высоким порогом входа в профессию – из-за него квалифицированных специалистов постоянно не хватает. Даже для начала карьеры в области аналитики данных необходимы глубокие знания высшей математики и программирования, а курсы подготовки таких профессионалов от крупных игроков рынка – самые длительные (обучение занимает от полутора до двух лет).

Что должен уметь дата-аналитик 

Работа для дата-аналитиков найдется практически во всех отраслях, но наиболее востребованы их навыки в сфере ИТ (на ее долю приходится 38% открытых вакансий) и финансовом секторе (29%). Замыкает топ-3 с большим отставанием сфера услуг для бизнеса (9%).

Внутри профессии существуют разные специализации. Одни люди занимаются компьютерным зрением, другие – анализом геоданных, третьи – обработкой текстов. В небольших организациях границы часто размыты – им требуются «универсальные бойцы», а вот в крупных компаниях приветствуется глубина погружения в одно направление.

При этом дата-аналитики имеют возможность менять специализацию и идти по пути кросс-функционального карьерного роста. Это плюс, поскольку развитие внутри одной компании всегда сопряжено с меньшим стрессом, чем при смене работодателя: не нужно снова вникать в корпоративную культуру и инфраструктуру.

Если говорить о необходимых знаниях и навыках, большинство компаний требуют от дата-аналитиков владения Python (45%). Также работодатели хотят, чтобы они знали SQL (23%), владели интеллектуальным анализом данных (Data Mining) (19%), математической статистикой (11%) и умели работать с большими данными (10%). 

Это базовый набор. Для дальнейшего профессионального развития потребуются знания в области инжиниринга данных (Data Engineering), поддержки инфраструктуры, внедрения моделей и поддержания их жизненного цикла, быстрого прототипирования решений. Дата-аналитик должен четко понимать цели внедрения продукта, уметь оценивать экономический эффект и риски.

Самый короткий путь в профессию

Человеку, который заинтересован в построении карьеры в области работы с данными, стоит изучить как можно больше информации из разнообразных источников. Чем серьезнее издание и лучше систематизирована информация, тем больше вероятность, что она достоверная. Лучше следовать пяти следующим шагам:

• Разобраться, как устроена сфера Data Science

Изучить, какие есть профессии и в чем их отличие: в этой сфере есть дата-инженеры, дата-аналитики, менеджеры данных и еще с десяток других направлений, которые сильно отличаются по функционалу и задачам. Например, работа дата-саентиста и дата-инженера во многом похожа, но эти специалисты не взаимозаменяемы и выполняют разные задачи.

Позиция Data Engineer — прикладная, а Data Scientist — более творческая и аналитическая. Чтобы попасть в профессию, требуется основательно изучить подходы и специфику работы в компаниях разных размеров: от небольшого стартапа до международной корпорации.

• Выяснить, какие задачи и модели особенно актуальны

Что сейчас в тренде и куда, скорее всего, будет развиваться предметная область в ближайшее время. Чтобы держать руку на пульсе, можно изучать доклады с топовых конференций: именно там публикуются самые свежие идеи. Часто что-то стоящее можно найти в препринтах на на arXiv.org. Много материалов для начинающих есть на канале «Технострим».

• Определиться, с каким типом данных и в каком направлении вам интересно работать

Важно понять, что ближе именно вам: маркетинг или e-commerce, голосовые помощники или беспилотники. Из-за огромной области применения, в этих профессиях всегда будет что- интересное и новое. Например, в банковской сфере дата-аналитик может решать задачу кредитной оценки и заниматься процессами распознавания речи.

Маркетологам Data Science поможет проанализировать данные карт лояльности и понять, каким группам клиентов какую рекламу лучше таргетировать, а в сфере логистики позволит изучить данные с GPS-трекеров и оптимизировать маршрут перевозок.

• Оценить ситуацию на рынке: составить список компаний, у которых есть интересные задачи и технологии, подходящая корпоративная культура

Можно обратиться к техническим блогам компаний, чтобы лучше понять, как работает всё изнутри, использовать технические статьи от ИТ-специалистов. По ним часто можно понять, что конкретная компания делает по части работы с данными, и насколько вам это может быть интересно. 

• Узнать, каких навыков эти компании требуют от дата-аналитиков, сверить их со своими и, при необходимости, освоить недостающие

Внимательно прочитайте вакансии и ответьте себе, где у вас пробел, и какие скиллы вам еще необходимо прокачать.  Сейчас много курсов и онлайн-ресурсов, таких как Coursera, Udacity, DataCamp, которые могут помочь заполнить эти пробелы. 

Самый короткий путь для человека, уже имеющего небольшой опыт работы в ИТ — это обучение на курсах, которые проводят крупные ИТ-компании, например, в Академии больших данных MADE.

Это удобно, поскольку не придется тратить время и силы на поиск и отбор информации. Студенты получают готовый план обучения и все, что может понадобиться для изучения материала. А вишенкой на торте может стать предложение работы. 

Выводы

Напоследок хочу дать небольшой совет начинающим дата-аналитикам, которые прямо сейчас ищут первую работу. Не стоит на собеседовании создавать иллюзию, что вы хорошо разбираетесь в том, о чем на самом деле знаете лишь в общих чертах, и что не применяли на практике.

Лучше честно говорите, что пока вы не в теме, но сможете быстро разобраться. Это отлично характеризует вас как сотрудника — и, если вас пригласят на работу, руководитель сможет правильно распределить нагрузку и поставить реалистичные сроки для выполнения задачи. 

Совсем недавно самыми востребованными были специалисты по компьютерному зрению, а сегодня гораздо популярнее обработка текстов. Завтра, вероятно, в большинстве вакансий будут упоминаться навыки работы с графовыми нейронными сетями и рекомендательными системами.

В этой отрасли все меняется очень быстро, но работодатели всегда отдают предпочтение специалистам, которые стремятся углублять и актуализировать знания в соответствии с потребностями бизнеса и умеют быстро переключаться на новые задачи.

Фото на обложке: unsplash.com