Что делают и сколько зарабатывают дата-сайентисты в крупных компаниях

Спойлер: зарабатывают много, но и список задач стремится в бесконечность.

Специалисты по Data Science — аналитики, которые не просто анализируют данные и делают выводы, но и строят модели на их основе. На рынке много разных аналитиков, поэтому разберём на примерах.

Измерение эффективности рекламной кампании — работа для аналитика данных. Он посмотрит, как идёт кампания, сделает выводы и даст рекомендации по улучшению.

Разработка системы рекомендаций для стримингового сервиса — работа для специалиста по Data Science. Здесь тоже нужно анализировать данные и делать выводы: что люди смотрят, как выявить предпочтения конкретного человека, как найти его пересечения со вкусами других людей и т. п.

Но кроме всего этого нужно построить математическую модель, которая, опираясь на эту аналитику, будет давать рекомендации.

Из-за того что профессия относительно новая, рынок ещё не определился, кто же такой дата-сайентист. Пока это «человек — швейцарский нож», который должен и анализировать, и программировать, и модели строить. А между тем каждая сфера — отдельная область знания, которую изучают и шлифуют годами.

На одноимённую позицию в разных компаниях может требоваться разный набор знаний. В одной компании нужно 90% времени метрики в Tableau визуализировать, в другой — строить real-time рекомендательную систему.

Впрочем, если просмотреть несколько десятков вакансий, можно выделить общие, уже устоявшиеся тенденции на рынке Data Science.

Data Science в России держится на трёх китах: компаниях из IT, финансового сектора и B2B-услуг. Среди «догоняющих» сфер по спросу на этих специалистов — маркетинг, ритейл и госсектор. Именно в упомянутых секторах обычно накапливают большое количество данных, для работы с которыми и нужны дата-сайентисты.

Речь идёт больше о корпорациях, чем о стартапах и малом бизнесе. Накопление и хранение данных — дорогое удовольствие, которое не любая компания может себе позволить.

Несколько примеров, в какие направления и для чего бизнес ищет дата-сайентистов:

✔ Страховая компания — разрабатывать ML-модели, которые предсказывают сумму потенциального убытка по договорам ДМС.

✔ IT-компания — разрабатывать и поддерживать модели склонности к продукту/оттоку из активной базы.

✔ Ритейл — сформировать требования, по которым можно доработать смежные продукты для встраивания в них персонализации.

✔ Маркетинг — обновлять модели умного поиска недвижимости, персональных подборок и рекомендаций статей.

✔ IT/ритейл — создавать инструменты для более качественного изучения трендов среди покупателей.

Вот основные требования, которые чаще всего указывают в вакансиях.

→ Высшее техническое/математическое образование

Пункт есть почти везде, и это объяснимо: дата-сайентисту нужно понимать математику и статистику. И, к счастью для работодателей, этому учат в вузах, поэтому первичным критерием проверки как раз является профильное образование.

→ Опыт разработки на Python

Обязательное требование во всех вакансиях, что тоже логично. Дата-сайентисту нужно на чём-то программировать модели, а Python — один из самых популярных и сравнительно простых для освоения языков программирования. Недаром с лета 2022 года он возглавляет рейтинг Tiobe.

→ Знание SQL

Требование встречается в том или ином виде во всех вакансиях. И вновь — неудивительно. Дата-сайентист работает с данными, которые нужно сначала извлечь из базы и привести в порядок, а уже потом строить модели на их основе. Без знания SQL не обойтись.

→ Опыт проведения A/B-тестов

Встречается больше чем в половине вакансий. Но многие его не указывают по причине очевидности: отладка модели «на живую», без проведения тестов — долгий и дорогой процесс.

→ Понимание алгоритмов машинного обучения

Обязательное требование почти в 70% вакансий. Среди конкретных алгоритмов упоминались logistic regression, svm, knn, nn, decision tree, random forest.

→ Развитые soft skills

Большинство компаний хочет видеть у кандидата проактивность и понимание, к какому финансовому результату должна привести его работа. На рынке Data Science ищут не чистых технарей, а специалистов, которые сознательно помогут улучшать бизнес-показатели.

→ Профильный опыт (редко)

Если дата-сайентист нужен в страховую компанию, кажется разумным требовать от него понимания этой сферы. Но, судя по предложениям работодателей, это необязательно.

Спрос на дата-сайентистов явно превышает предложение, чем и обусловлен размер зарплат. Судя по вакансиям, в 80% случаев компании ищут мидлов и сеньоров — специалистов, которые не только технически подкованы, но и умеют влиять на конкретные бизнес-метрики.

Впрочем, джуны и стажёры тоже востребованы, пусть и в меньшей степени. В условиях дефицита кадров крупный бизнес может действовать по стратегии «вырастим внутри»: нанимать людей с базовыми знаниями и доучивать на реальных проектах.

А теперь перейдём к зарплате. Данные на представленных площадках немного отличаются, но в целом понять, на что могут рассчитывать специалисты разных грейдов, можно.

«Хабр Карьера»

HeadHunter