Согласно международному карьерному сервису Glassdoor, Data Scientist входит в тройку лучших профессий 2020 года в США. В России эта специальность только набирает обороты, поэтому я решил рассказать, почему мне кажется, что сейчас самое время взять паузу на обучение и получить профессию специалиста по работе с большими данными.
Острая нужда бизнеса
За последние четыре года количество вакансий, связанных с Data Science, выросло в 7 раз. При этом востребованными остаются специалисты с любым уровнем подготовки — как Junior, так и Senior.
Даже в период пандемии многие компании не только не сократили, но и наоборот продолжили нанимать специалистов по Data Science. Согласно исследованиям, опубликованным Ассоциацией больших данных, в число индустрий, активно нанимающих Data Scientist’ов, входят: телеком, IT, финансовые институты, металлургия, ритейл, транспорт и нефтегазовая отрасль.
При этом перечень компаний, которые ищут Data Scientist’ов впечатляет. Условно их можно разделить на три категории:
— крупные IT-компании и холдинги (Yandex, Mail.ru Group, Rambler)
— исследовательские департаменты российских и зарубежных корпораций (Сбербанк, Норникель, PwC)
— стартапы
Каждая из них предлагает различные зарплатные и карьерные возможности. Выбирать вам.
Зарплатные возможности
В крупных компаниях Data Scientist с опытом работы могут получать в несколько раз больше веб- и мобильных разработчиков.
Начинающий специалист вполне может рассчитывать на 90-100 тысяч рублей, в то время как аналитик уровня middle уже претендует на 150-170 тысяч. Специалист с опытом работы от трех лет может зарабатывать 200 тысяч и выше. Конечно, это зависит от работодателя, сферы и региона трудоустройства, но перспективы налицо.
Нехватка специалистов
Как я уже отметил выше, спрос растет постоянно, а вот предложений мало — вузовские программы не успевают выпускать столько специалистов, сколько требует рынок.
В России Data Science — область достаточно новая, еще пять-шесть лет назад о ней почти никто не говорил. Для начинающих специалистов и тех, кто сегодня задумывается о переквалификации, порог входа будет ниже, чем, например, в той же веб-разработке. Кроме того, многие работодатели готовы нанимать начинающих специалистов, чтобы обучать их в процессе работы или стажировки в компании.
Еще один плюс нехватки специалистов на рынке — возможность быстро вырасти как в зарплате, так и с точки зрения сложности проектов, над которыми вам предстоит работать как Data Scientist’у.
Работа по всему миру
Дефицит Data Scientist’ов отмечают во всем мире, не только в России и странах СНГ. Как следствие, европейские и американские компании (и особенно стартапы) охотно берут зарубежных специалистов — как на удаленку, так и с релокацией будущего сотрудника.
При наличии английского языка уровня Upper-Intermediate и выше, а также хотя бы небольшого опыта работы у себя на родине, вы вполне можете претендовать на позицию Data Scientist’а за рубежом.
Быстрый старт в новой сфере
Часто специалисты с опытом работы в смежной или даже кардинально другой сфере — прийти в Data Science можно с любым бэкграундом — с трудом решаются вновь поступать в университет и обучаться на протяжении еще 4-5 лет, прежде чем найти работу по новой специальности. В Data Science Bootcamp это можно сделать за 3 месяца.
Формат буткемпов по программированию появился в США в 2012 году. Он представляет адаптированную для IT-сферы методику интенсивной подготовки американских солдат. Обучение проходит фултайм, и на три месяца студенты буткемпа полностью погружаются в программирование.
Опыт зарубежных буткемпов демонстрирует успешность подобного формата обучения: например, 93% выпускников американского буткемпа NYC Data Science Academy находят работу в течение шести месяцев после завершения обучения. Буткемпы по Data Science есть и в России. Обучение в них обычно длится 12-15 недель, а занятия проходят очно или онлайн. Например, у Elbrus Coding Bootcamp ближайший поток по Data Science стартует 22 февраля. Таким образом, начав учиться сейчас, летом вы уже сможете начать поиски работы в сфере Data Science.
При выборе буткемпа я рекомендую обращать внимание на программу — она должна быть заточена под практическую работу и создание проектов, которые войдут в портфолио после выпуска. Также проверьте, чтобы вашим педагогом/наставником был Data Scientist с опытом работы, то есть практик.