Data Scientist – кто это такой, достоинства и недостатки профессии и сколько можно заработать

Здравствуйте, друзья!

Более 85 % данных, которые существуют на сегодняшний день, образовались только за последние 2–3 года. И ежегодно их количество увеличивается почти в 2 раза.

Важно их собирать, анализировать и использовать для решения бизнес-задач.

Что и делают интернет-магазины, банки, страховые компании, медицинские учреждения и множества других предприятий. Они нанимают специалистов, которые работают с большими массивами различных данных.

В статье поговорим о профессии Data Scientist: кто это, что он делает, что должен знать, сколько зарабатывает и как им стать.

Data Scientist: кто это и что он делает

В переводе с английского Data Scientist – это специалист по данным. Он работает с Big Data или большими массивами данных.

Data Scientist – это человек, который собирает, обрабатывает, анализирует и изучает данные.

Источники этих сведений зависят от сферы деятельности. Например, в промышленности ими могут быть датчики или измерительные приборы, которые показывают температуру, давление и т. д. В интернет-среде – запросы пользователей, время, проведенное на определенном сайте, количество кликов на иконку с товаром и т. п.

Данные могут быть любыми: как текстовыми документами и таблицами, так и аудио и видеороликами.

От области деятельности зависят и результаты работы Data Scientist. После извлечения нужной информации специалист устанавливает закономерности, подвергает их анализу, делает прогнозы и принимает бизнес-решения.

Человек этой профессии выполняет следующие задачи:

1. оценивает эффективность и работоспособность предприятия,
2. предлагает стратегию и инструменты для улучшения,
3. показывает пути для развития,
4. автоматизирует нудные задачи,
5. помогает сэкономить на расходах и увеличить доход.

Его труд заканчивается созданием модели кода программы, сформировавшейся на основе работы с данными, которая предсказывает самый вероятный результат.

Профессия появилась относительно недавно.

Лишь десятилетие назад она была официально зафиксирована. Но уже за такой короткий промежуток времени стала актуальной и очень перспективной.

Каждый год количество информации и данных увеличивается с геометрической прогрессией.

В связи с этим информационные массивы уже не получается обрабатывать старыми стандартными средствами статистики.

К тому же сведения быстро обновляются и собираются в неоднородном виде, что затрудняет их обработку и анализ.

Вот тут на сцене и появляется Data Scientist. Он является междисциплинарным специалистом, у которого есть знания статистики, системного и бизнес-анализа, математики, экономики и компьютерных систем.

Знать все на уровне профессора не обязательно, а достаточно лишь немного понимать суть этих дисциплин. К тому же в крупных компаниях работают группы таких специалистов, каждый из которых лучше других разбирается в своей области.

Эти знания помогают ему выполнять свои должностные обязанности:

1. взаимодействовать с заказчиком: выяснять, что ему нужно, подбирать для него подходящий вариант решения проблемы;
2. собирать, обрабатывать, анализировать, изучать, видоизменять Big Data;
3. анализировать поведение потребителей;
4. составлять отчеты и делать презентации по выполненной работе;
5. решать бизнес-задачи и увеличивать прибыль за счет использования данных;
6. работать с популярными языками программирования;
7. моделировать клиентскую базу;
8. заниматься персонализацией продуктов;
9. анализировать эффективность деятельности внутренних процессов компании;
10. выявлять и предотвращать риски;
11. работать со статистическими данными;
12. заниматься аналитикой и методами интеллектуального анализа;
13. выявлять закономерности, которые помогают организации достигнуть конечной цели;
14. программировать и тренировать модели машинного обучения;
15. внедрять разработанную модель в производство.

Четких границ требований к Data Scientist нет, поэтому работодатели часто ищут сказочное создание, которое может все и на превосходном уровне.

Да, есть люди, которые отлично понимают статистику, математику, аналитику, машинное обучение, экономику, программирование. Но таких специалистов крайне мало.

Еще часто Data Scientist путают с аналитиком. Но их задачи несколько разные. Поясним, что такое аналитика и как она отличается от деятельности Data Scientist, на примере и простыми словами.

В банк пришел клиент, чтобы оформить кредит. Программа начинает обрабатывать данные этого человека, выясняет его кредитную историю и анализирует платежеспособность заемщика.

А алгоритм, который решает выдавать кредит или нет, – продукт работы Data Scientist.

Аналитик же, который работает в этом банке, не интересуется отдельными клиентами и не создает технические коды и программы.

Вместо этого он собирает и изучает сведения обо всех кредитах, что выдал банк за определенный период, например, квартал. И на основе этой статистики решает, увеличить ли объемы выдачи кредитов или, наоборот, сократить. 

Аналитик предлагает действия для решения задачи, а Data Scientist создает инструменты.

Программы для прогноза повышения и понижения курса валют, выгодности покупки и продажи акций, предугадывания спроса потребителей, сервисы распознавания лиц и голоса, даже алгоритмы подбора рекомендаций друзей и музыки в социальных сетях – это продукт работы специалиста по данным. 

Требования к специалисту

Специалист по данным неразрывно связан с Data Science – наукой о данных.

Она находится на пересечении нескольких направлений: математики, статистики, информатики и экономики.

Следовательно, специалисты должны понимать и интересоваться каждой из этих наук.

Кроме этого, Data Scientist должен знать:

1. Языки программирования для того, чтобы писать на них код. Самые распространенные – это SAS, R, Java, C++ и Python.
2. Базы данных MySQL и PostgreSQL.
3. Технологии и инструменты для представления отчетов в графическом формате.
4. Алгоритмы машинного и глубокого обучения, которые созданы для автоматизации повторяющихся процессов с помощью искусственного интеллекта.
5. Как подготовить данные и сделать их перевод в удобный формат.
6. Инструменты для работы с Big Data: Hadoop, MapReduce, Apache Hive, Apache Kafka, Apache Spark.
7. Как установить закономерности и видеть логические связи в системе полученных сведений.
8. Как разработать действенные бизнес-решения.
9. Как извлекать нужную информацию из разных источников.
10. Английский язык для чтения профессиональной литературы и общения с зарубежными клиентами.
11. Как успешно внедрить программу.
12. Область деятельности организации, на которую работает.

Помимо того, что специалист по данным должен обладать аналитическим и математическим складом ума, он также должен быть:

1. трудолюбивым,
2. настойчивым,
3. скрупулезным,
4. внимательным,
5. усидчивым,
6. целеустремленным,
7. коммуникабельным.

Хотим отметить, что гуманитариям достичь высот в этой профессии будет крайне тяжело. Только при большом желании можно пробовать осваивать данную стезю.

Достоинства и недостатки профессии

Плюсы:

1. Профессия не просто востребованная – она ощущает острую нехватку специалистов.
2. Высокая заработная плата.
3. Появляется чувство удовлетворения от осознания того, что приносишь пользу для компании.
4. Должность сопровождается постоянным профессиональным развитием.
5. Можно работать удаленно, а значит вовсе не обязательно искать работу в своем городе.

Минусы:

1. Профессия не из легких и не каждый сможет ее освоить.
2. Специалист часто сталкивается с проблемой, которую не решишь традиционными и уже известными методами.Поэтому ему часто приходится разрабатывать что-то новое, чтобы достичь удовлетворительного результата.
3. Нужно постоянно учиться, следить за новшествами и технологиями.

Сколько получает Data Scientist

Эта должность высоко оплачивается. Даже для новичков в этой сфере заработная плата может доходить до 70 000 руб. 

Data Scientist, который работает на своем месте более 3 лет, вполне реально может зарабатывать от 200 000 руб. и больше. 

Уровень дохода зависит от навыков, опыта работы, объема задач и функций, выполняемых специалистом.

Если же говорить о средних цифрах по России, то они колеблются в районе 50 000–200 000 руб.

В Москве зарплаты Data Scientist начинаются от 60 000 руб. Можно найти вакансии с заработной платой 500 000 руб. 
В Санкт-Петербурге цифры скромнее: от 50 до 300 тыс. руб. В регионах заработная плата находится на уровне 50 000–200 000 руб., но иногда попадаются предложения с оплатой в 300 000–400 000 руб.

Как им стать

Учеба обязательна для этой профессии. Причем учиться надо много, долго и основательно. Для начала надо освоить азы математики, статистики и информатики, а дальше изучить языки программирования, лучше начать с Python.

Мы собрали для вас несколько курсов по Python для начинающих и опытных программистов, которые будут полезны при освоении должности Data Scientist:

1. "Python-разработчик с нуля " от Нетологии
2. "Профессия Python-разработчик” от Skillbox
3. “Факультет Python-разработки” от GeekBrains
4. “Python разработка – с нуля до профессионала. Python 3” от Udemy

Также рекомендуем вам прочитать следующие книги:

Брендан Тирни, Джон Келлехер “Наука о данных”

Кирилл Еременко “Работа с данными в любой сфере”

Уэс Маккинни “Python и анализ данных”

Куда пойти учиться

Лучшее обучение – это онлайн-обучение. Платформы Skillbox, Нетология, GeekBrains, SkillFactory, ProductStar и Stepik предлагают свои обучающие программы.​

Хотим уточнить, что на этом учеба не должна заканчиваться.

Data Scientist – это такая профессия, которая предполагает непрерывное обучение. Даже если вы уже работаете, периодически повышать свой уровень надо обязательно. К тому же выбор достаточно широк – это и онлайн-курсы, и тренинги, и конференции.

Где найти работу

Сложно сказать, где именно искать работу по этой профессии. Не из-за того, что мало мест, а, наоборот, потому что нет такой сферы бизнеса, где нельзя было бы применить талант этого специалиста.

Ему доступна как работа в офисе, так и удаленно на дому.

Он востребован в таких областях деятельности как:

1. IT-сфера,
2. медицина,
3. банковские структуры,
4. СМИ,
5. торговля, политика,
6. транспортные компании,
7. страховые фирмы,
8. сельское хозяйство,
9. наука,
10. метеослужбы.
    
    Как мы уже говорили, Data Scientist нужен во многих сферах, где необходимы прогнозы, анализ рисков и поведения клиентов. Поэтому список можно дополнить.

Перед откликом на вакансию надо подготовить резюме. В нем сосредоточиться в первую очередь нужно на математических и IT-навыках, опыте работе, успешных проектах и достижениях.

Описание должно получиться кратким, лаконичным и простым. Специалисту надо прикрепить портфолио к резюме.

Учтите, что вакансии на эту должность не всегда называются именно “Data Scientist”. Работодатели могут написать, что требуется IT-аналитик, специалист по анализу систем, аналитик Big Data.

Заключение

Сейчас вы уже знаете о должности Data Scientist: что это за профессия, какие обязанности у специалиста, плюсы и минусы деятельности, где можно выучиться и найти работу:

1. Это сложная профессия и подойдет она далеко не всем. Но те, кто все же заинтересуется, должны знать, как отзываются об этой работе действующие специалисты:
2. Эта работа нравится мне тем, что каждый раз приходится подходить творчески ко взаимодействию с данными. Каждая задача особенная и к ней надо подобрать оригинальный ключик.
3. У этой должности огромный потенциал. Все программы, коды и алгоритмы помогают быстро решать сложнейшие бизнес-задачи при помощи Big Data. И для этого не надо нанимать много работников.
4. Главное в этой профессии – нельзя останавливаться в обучении. Всегда ищите что-то новое. Каждое изменение в индустрии может повлиять на подход к работе.
5. Надо уметь разговаривать не только с профессионалами, но и обычными людьми, которые не настолько знакомы с техническими терминами. Поэтому учитесь выражаться на простом языке.
6. Работа Data Scientist – это непрерывный процесс, ведь данные постоянно обновляются и добавляются все новые сведения.

Чтобы у вас было больше альтернатив при выборе будущей профессии, посмотрите и другие интересные должности, например, писатель, архитектор, контент-менеджер, и их описание в блоге quasa.io.

Всего хорошего!