{"id":6456,"title":"\u041f\u043e\u0447\u0435\u043c\u0443 \u0434\u043b\u044f \u0441\u043e\u0445\u0440\u0430\u043d\u043d\u043e\u0441\u0442\u0438 \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0435\u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u0438\u0445 \u0448\u0438\u0444\u0440\u043e\u0432\u0430\u0442\u044c","url":"\/redirect?component=advertising&id=6456&url=https:\/\/vc.ru\/promo\/281058-pochemu-vazhno-zashchishchat-dannye-vo-vremya-obrabotki&placeBit=1&hash=dc7f2bae2bc390fd70ec9b439b852fb5901b27f8537bbae69b6bbdceddf340ad","isPaidAndBannersEnabled":false}

Что должен уметь Data Scientist? Взгляд от первого лица

Александр Ледовский, руководитель команды Data Science в подразделении «Малый и микробизнес» в Сбербанке, выпускник Школы анализа данных Яндекса

Фото из личного архива 

Многие считают, что ИТ-специалисты работают только с технологиями, но это уже давно не так. ИТ активно проникает в бизнес, формируя новые кроссфункциональные профессии, всё более востребованные на рынке. Одна из них — Data Scientist. Сегодня я расскажу с позиции специалиста в этой области о том, какие скиллы нужны на моей работе и как вообще можно на неё попасть.

Чем занимается Data Scientist

Начну с того, что сама специальность Data Scientist в разных компаниях понимается и используется по-разному. То есть общее название одно, а роли могут различаться.

Например, такой сотрудник может специализироваться на разработке новых алгоритмов машинного обучения. Для него важнее всего глубокие знания математических методов. Таких специалистов относительно немного. Они работают в научных организациях и корпоративных исследовательских лабораториях.

Многие компании рассматривают Data Scientist’а больше как инженера и продвинутого аналитика. В моей команде, например, Data Scientist решает внушительный перечень задач, включая бизнес-анализ, подготовку данных, поиск инсайтов, проведение A/B тестов, собственно разработку моделей, подготовку отчётов для бизнес-заказчиков и частично выкатку в промышленную среду. Некоторые компании называют это full-stack: это значит, что сотрудник полностью отвечает за свою задачу от первоначальной проработки до получения бизнес-эффекта. Мои рекомендации в первую очередь относятся к этому распространённому варианту.

Бывает ещё, что большую часть времени человек занимается обработкой данных и построением моделей, но при этом не погружается в бизнес-процессы. Задачи ему ставит владелец продукта.

Но в любом случае за последние два года интерес работодателей к специальности Data Scientist резко вырос: профессионалы этого профиля стали на 226% более востребованы (данные «Обзора рынка ИТ-вакансий» Яндекс.Практикума). Поэтому в Data Science охотно берут специалистов с небольшим опытом работы и даже без опыта. Доля вакансий для соискателей с опытом меньше года здесь на четверть больше среднерыночной. С другой стороны, чтобы получить хорошую и интересную позицию, нужно обладать достаточно большим набором навыков.

Кто и зачем приходит в Data Science

Сейчас в Data Science идут самые разные люди. В основном это молодые специалисты, но встречаются примеры смены специальности в достаточно зрелом возрасте. Большую часть людей можно условно разделить на две группы. Я постараюсь дать рекомендации для каждой из них.

Специалисты с техническим образованием

Первая категория — это ребята из профильных вузов, которые очень хорошо подкованы в области математики и, возможно, разработки ПО. Некоторые уже имеют опыт работы программистами или учеными в области математики и физики. Но таким молодым людям зачастую не хватает бизнес-навыков.

Data Scientist должен уметь разобраться в бизнес-процессе, понять проблему заказчика и сформулировать на её основе техническую задачу. Причём важно не только правильно сформулировать задачу, но и определить оптимальный способ её решения.

В этом ребята иногда делают ошибки. Например, они прошли курс по глубинному обучению и хотят применить нейронные сети при каждом удобном случае. А на самом деле подойдёт и более простой метод, который даст более понятный и стабильный результат. И это будет во много раз быстрее и эффективнее. Не усложнять — важное правило, о котором надо помнить.

Поскольку аналитику нужно понимать, как устроен бизнес, специалистам с техническим образованием стоит максимально расширять свой кругозор в этой сфере. Например, слушать выступления руководства, посещать презентации других отделов, смотреть собрания акционеров, а ещё активно ходить на отраслевые конференции.

Это помогает прокачать бизнес-интуицию, чтобы правильно ставить задачи и определять пути их решения.

Вообще, начинающему Data Scientist’у будет полезно поработать в разных местах. Бизнес-кругозор достаточно важен, поскольку Data Scientist — более широкая специальность, чем, скажем, разработчик.

Есть ещё одна закономерность: чем сильнее конкуренция в отрасли, тем важнее развитые soft skills. Да, в Data Science конкуренция сейчас невысока, но ситуация будет меняться, и надо развиваться.

Кроме того, чем выше позиция, на которую ты претендуешь, тем важнее навыки общения с людьми других специальностей в сочетании с прокачкой soft skills. То есть нужно воспитывать в себе дисциплину, учиться тайм-менеджменту, тренировать умение интервьюировать бизнес-экспертов, делать отчёты и презентации, ставить цели и выполнять их в срок.

На умении интервьюировать стоит остановиться подробнее. Почему это так важно? Иногда бизнес-заказчики в полной мере сами не знают, чего хотят, или не могут это сформулировать. Заказчик приходит с той проблемой, которую он видит. И ставит задачу, исходя из своих компетенций и своего видения бизнес-процессов. Поэтому Data Scientist должен задавать правильные вопросы, чтобы понять суть проблемы и определить порядок действий. В консалтинговых компаниях существуют специальные тренинги по этой компетенции.

Не менее важно умение взаимодействовать с руководителем. Хороший специалист должен уменьшать количество проблем у босса, а не увеличивать. Нужно научиться понимать ту грань, после которой у тебя не хватает навыков, опыта или полномочий справиться с задачей собственными силами, и нужно подключить руководителя.

Развивающиеся аналитики

Вторая категория людей, которые идут в Data Science — это те, кто уже поработал в бизнес-аналитике и теперь хочет развиваться в сторону анализа данных. Для них Data Science — это вариант профессионального роста. Собственно, мой путь был именно такой.

Таким специалистам в первую очередь важно подтянуть базовые дисциплины — программирование и математику. Также нужно получить знания в области статистики и современных алгоритмов машинного обучения. Курсов сейчас очень много, в том числе бесплатных. Рекомендую присоединиться к сообществу Open Data Science (https://ods.ai), а также попробовать себя в решении соревнований по построению моделей машинного обучения на Kaggle и других платформах.

Переквалификация до уровня Junior Data Scientist может занять около года. Однако при наличии определённого бэкграунда и при правильной расстановке приоритетов можно пройти этот путь быстрее.

Важно помнить, что для бизнеса главное не построить сложную модель машинного обучения, а получить экономический эффект. Опыт реальных проектов и знание процессов — серьёзное преимущество. Часто относительно несложными методами можно улучшить процессы, которые до этого работали на экспертных решениях.

Немного личного опыта

Я начал работать на позиции Data Scientist более трёх лет назад. До этого я самостоятельно изучал машинное обучение полгода. Но у меня уже были определённый технический бэкграунд, опыт работы аналитиком в компании Big-4 и скиллы в области программирования. За прошедшее время я поработал в биотех-стартапе и в международной IT-компании, а сейчас работаю в Сбербанке, в подразделении «Малый и микробизнес». Сейчас я уже руковожу командой. Нашу команду я позиционирую как внутренний консалтинг. Мы помогаем коллегам, экспертам в своих бизнес-процессах, реализовывать DS решения. Удовлетворение мы получаем, когда решение достигает реального бизнес-результата.

Помимо опыта, на мой карьерный рост повлияло обучение в Школе анализа данных Яндекса, где сейчас, возможно, одна из лучших программ подготовки Data Scientist’ов в России. Там преподают ведущие учёные и опытные сотрудники Яндекса и других компаний. Также очень помогло обучение вместе с сильными сокурсниками, за которыми нужно было тянуться. Поступить туда было достаточно сложно, поэтому я год готовился к вступительным экзаменам с преподавателем. Обучение в ШАДе занимает более 20 часов в неделю, но оно того стоит.

Университетское образование даёт фундаментальные знания, но оно, к сожалению, часто оторвано от практики, особенно в ИТ-сфере. Важно учиться Data Science у тех, кто прямо сейчас работает в этой области, следить за трендами и пробовать свои силы в реальных проектах. Тогда всё получится.

{ "author_name": "Александр Ледовский", "author_type": "self", "tags": ["\u044f\u043d\u0434\u0435\u043a\u0441","datascientist","datascience"], "comments": 4, "likes": 24, "favorites": 49, "is_advertisement": false, "subsite_label": "hr", "id": 87429, "is_wide": true, "is_ugc": true, "date": "Thu, 10 Oct 2019 15:10:16 +0300", "is_special": false }
0
4 комментария
Популярные
По порядку
1

Спасибо! Так мало живых откликов в сети от практикущих специалистов. Можете посоветовать хорошие книжки по специальности?
После окончания шад яндекс они помогали с трудоустройством? С какой базой туда реально поступить?

Ответить
0

Откройте сайт школы, и посмотрите образцы вступительных экзаменов за предыдущие года. Там же есть список рекомендуемой литературы.

Ответить
1

Подскажите как начинающему попасть в DS проект и вилиться в профессию.

Ответить
0

Для начала залогиньтесь в слак ods.ai, там есть канал jobs, куда постоянно скидывают кучу вакансий. Почти всегда если ищут джунов, то готовы рассмотреть и стажеров.

Ответить
Читать все 4 комментария
Sports.ru рекламирует запрещенных мошеннических букмекеров. Потерял 59 000 рублей

Добрый день! Пишу на vc, так как больше нигде не могу добиться ответа ни от представителей казино, ни от представителей Sports,ru, которые рекламируют нелегальное на территории РФ казино и букмекера 1xbet.

«Вам звонок из Циан»: зачем компания скупает номера телефонов и как call-tracking помогает клиентам сервиса

Подменные номера телефонов защищают от нежелательных звонков и упрощают аналитику продаж

Выборы, выборы, кандидаты

Нет, не в рифму известной песни. "Всего лишь" педофилы... Делюсь своим негодованием после посещения избирательного участка.

«Яндекс» оставляет только положительные отзывы о своих сервисах

После ситуации с не доставленным заказом из Яндекс Лавки, я оставил отзыв на сервисе Карт. Его приняли и разместили, но доступен он только для аккаунта, с которого я его оставлял)))

Дайджест новостей Сбера: AR-экскурсия, распознавание животных и премия для учёных

Прогулки по Политехническому музею с роботом Сепулькой, чудеса компьютерного зрения, научная премия — начало сентября в Сбере выдалось насыщенным. Делимся с вами самыми интересными новостями компании во втором выпуске нашего дайджеста.

«Сбербанк» через час после личного визита позвал 84-летнюю бабушку еще раз в прийти офис

Казалось бы удобно - оформил получение пенсии на карту и нет проблем. Но это не про историю со Сбербанком. Здесь через час после получения карты лично в отделении прилетело смс о блокировке онлайн сервисов банка.

Как работать удалённо по московскому времени, если живёшь в Сибири

Команда ИТ-компании Southbridge — о преодолении трудностей часовых поясов: графике работы, планировании и отдыхе.

Конференция GoGlobal! соберет ведущих маркетологов

29 сентября 2021 года впервые состоится GoGlobal! — однодневная онлайн-конференция для маркетологов, заинтересованных в ускорении глобального присутствия своих кампаний.

Я задолбался пропускать интересные статьи на vc.ru и создал Capitan

Это самый удобный рабочий стол для браузера

Почему не стоит заказывать товары 18+ на Озоне, если вы не готовы их потом нести в пункт самовывоза

Хочу поделиться неудачной историей заказа товара 18+ на Озоне. И как Озон не хочет помогать решить проблему. Текст могут читать только совершеннолетние пользователи сайта.

Что может быть важнее прибыли. ESG-словарь для инвестора

В 2020–2021 гг. резко возросла популярность темы ответственного инвестирования, или ESG. Идея о том, что инвестиции должны не только приносить прибыль, но и поддерживать экологию и социальную справедливость, привела к тому, что ESG-фонды стали играть значимую роль на мировых рынках капитала.

null