Academy vs Business? Или как грамотно “сходить туда, не знаю куда”

Что проще: написать кандидатскую или бизнес-план? Или так: что кандидат экономических наук делает в “Ленте”? Это не вопросы на засыпку и не анекдот с участием продуктового ретейлера. Хотим рассказать об интересном человеке, который возглавляет направление Data Science “Ленты”, за плечами несет внушительный багаж из академического прошлого. Знакомьтесь: Ирина Голощапова.

Что проще: написать кандидатскую или бизнес-план? Или так: что кандидат экономических наук делает в “Ленте”? Это не вопросы на засыпку и не анекдот с участием продуктового ретейлера. Хотим рассказать об интересном человеке, который возглавляет направление Data Science “Ленты”, за плечами несет внушительный багаж из академического прошлого. Знакомьтесь: Ирина Голощапова.

В уютном айтишном подкасте “Дайте данных” Ирина делится инсайтами, которые пригодятся ученым, желающим перейти в коммерцию, а также дата-сайентистам в поиске заветного оффера.

На пути к Data Science

Уже 13 лет Ирину хорошо знает тусовка ODS (Open Data Science), она ведет канал про Casual Inference, в котором обсуждает методологию исследований, востребованную бизнесом. До этого Ирина работала над исследованиями для госструктур в Центре макроэкономического анализа и краткосрочного прогнозирования РАН, едва не ночуя там. Ирина защитила кандидатскую диссертацию по методологии индексов для управления ключевой ставкой, которую использует банк Казахстана. Также в послужном списке Ирины – написанное для Центрального банка РФ приложение.

Инсайт 1: наука VS бизнес?

С высоты опыта работы в науке и бизнесе Ирина определяет профит для дата-сайентиста научной базы в следующих качествах:

  • Умение найти решение в любых, даже, казалось бы, безвыходных ситуациях. “Пойди туда, не знаю куда. Сделай то, не знаю что” – частый случай из жизни дата-сайентиста, но для ученого это основная деятельность. Восемь лет опыта в науке позволили Ирине преодолеть страх перед неизвестным.
  • Системный подход к исследованию, умение структурировать огромные объемы информации.
  • Способность глубоко погрузиться в математические методы.
  • Навык доводить проекты до результата вовремя.
  • Привычка грамотно излагать мысли.

Не пригодились Ирине в бизнесе отточенные в научных работах навыки писать объемные тексты, строить сложные графики. В этом пришлось переучиться.

Инсайт 2: HR-советы

У Ирины есть отличный разбор “Десять вредных советов: как не найти работу в Data Science”. Советуем обратиться к нему тем, кто не хочет ударить в грязь лицом на собеседовании. Тут лишь отметим ключевой момент – “огонь в глазах”. Именно он может стать решающим “за” вашу кандидатуру, даже если каких-то скилов не хватает.

Обязательно заходите к нам на огонек подкаст “Дайте данных”, чтобы послушать все советы Ирины Голощаповой, узнать, какие знания входят в необходимый минимум для приема на работу.

0
Комментарии
-3 комментариев
Раскрывать всегда