Вы хотите работать с данными, верно? А что приходит вам в голову, когда вы думаете о науке о данных?
В сфере науки о данных предусмотрен широкий спектр рабочих мест. Спрос на высококвалифицированных специалистов растет с каждым днем. Кто-то верно подметил, что данные — это новая нефть, а дата-сайентист — самая “сексуальная” профессия XXI века. Свою лепту вносят и СМИ, щедро снабжая нас информацией о новых достижениях искусственного интеллекта.
Хотите стать причастным к этой активно развивающейся области? Наш гайд введет вас в курс текущего положения дел и расскажет о том, как стать специалистом по обработке данных.
1. Определитесь с тем, что вам больше нравится
Основная миссия команды по работе с данными — создание решений на основе данных, которые окажутся полезными для развития бизнеса. Речь идет о довольно масштабной и, возможно, недооцененной цели. Есть несколько способов ее достижения:
- Создание информационных панелей, позволяющих высшему руководству принимать обоснованные стратегические решения.
- Разработка моделей, способных предсказывать сложные переменные, такие как ценообразование на продукцию или приоритеты клиентов.
- Сокращение времени обработки релевантной информации, которая помогает клиенту выбрать конкретный продукт.
- Выявление закономерностей, указывающих на тенденции рынка или определенную потребность общества.
- Другие случаи использования решений на основе данных для повышения ценности бизнеса.
Обычно в командах дата-сайентистов занято множество экспертов. Специалист по работе с данными, аналитик данных, инженер по работе с данными, инженер по машинному обучению — и это только несколько ключевых должностей.
Такова экосистема команды по работе с данными. Всех перечисленных специалистов объединяет одно: они очень хорошо понимают смысл своей работы и задачи, поставленные перед их коллегами. И все они хорошо разбираются в деле, которым занимаются.
Замечу, что работа дата-сайентиста не так “гламурна”, как кажется. Большую часть времени они проводят, трудясь над данными в виде таблиц и графиков, а не “колдуют” над созданием волшебного инструмента, генерирующего роботов.
Когда вы определитесь с тем, какое направление дата-сайенс вам больше всего интересно, переходите к следующему шагу.
2. Изучайте программирование
Отправная точка карьеры специалиста по обработке данных — изучение программирования.
В последнее время встречаю много людей, которые считают, что для работы с данными не обязательно знать программирование. Замечу: хотя намечается быстрый переход к бескодовому моделированию, специалисты по данным все еще используют программирование для разнообразных целей.
Если вы спросите меня, я без колебаний отвечу: изучайте Python.
Этот язык программирования выгодно отличается от других тем, что с его помощью вы можете создать бэкенд веб-сайта, игру, приложение для смартфона и многое другое, помимо манипулирования данными. Используя Python, я автоматизировал несколько процессов, а также интерфейсы продуктов MS Office и веб-страниц.
Учтите: по мере роста сложности решений “стандартные” подходы не работают, и нам приходится их кастомизировать. Каким образом? С помощью кодинга! Мы должны создавать новые классы, функции и конвейеры до тех пор, пока фреймворк не будет полностью адаптирован под наши нужды.
Если вы всерьез хотите стать специалистом по данным, не игнорируйте программирование. Хорошо изучите его основы, такие как базовые структуры, функции и классы. У вас будет достаточно времени, чтобы детальнее разобраться в прочих нюансах.
3. Глубоко погрузитесь в тему, которой интересуетесь
Я всегда говорю, что 20-часовой онлайн-курс не превратит вас волшебным образом в дата-сайентиста, аналитика или инженера по данным. Тем не менее, считаю, что это неплохое начало, особенно если до этого вы понятия не имели о том, что такое данные.
Начните с курсов, принимайте участие в семинарах и тематических встречах, читайте специальные материалы по этой теме. Внезапно перед вами откроется полная картина того, что находится в пределах выбранной вами области. Тогда вы поймете, на каких именно аспектах нужно сосредоточиться.
Я и сам следую этим рекомендациям. Обычно я много читаю и говорю о науке о данных. Каждый раз, когда сталкиваюсь с чем-то, в чем хочу разобраться получше, включаю это в список для последующего изучения.
Не довольствуйтесь тем, что знаете, какой инструмент использовать. Всегда старайтесь выяснить, как именно работает каждый из них. Со временем вы будете получать все больше специализированных знаний, даже не замечая этого.
Только остерегайтесь одной опасной ловушки, в которую многие попадают. Тема данных — слишком широкое поле для исследования. Может показаться, что его просто невозможно объять.
Сделайте глубокий вдох. Успокойтесь. Занимайтесь одной конкретной темой, не хватаясь за все подряд.
4… но и не игнорируйте смежные области знаний
Как я уже говорил, в рамках экосистемы науки о данных специалисты должны быть в курсе смежных областей.
Если вы работаете инженером по данным, вам нужно понимать потребности дата-сайентистов; вы должны знать, какие таблицы чаще всего используют аналитики, какие функции создаются вручную каждый раз, когда они нужны, потому что их нет в озере данных, и т. д.
Нет смысла быть супергероем в своем маленьком мирке, если вы ничего не знаете о работе своих коллег. Бесполезно также пытаться стать всезнающим экспертом. Невозможно быть знатоком во всех сферах, но крайне необходимо знать хотя бы азы.
Онлайн-курсы и бесплатный контент специальных сайтов помогут получить базовые знания без излишнего углубления в предмет.
5. Создайте яркое портфолио
На рынке специалистов по данным наблюдается острая конкуренция, поэтому вам нужно что-то, что выделит вас среди других кандидатов.
Вот мой совет для новичков: работайте над созданием своего портфолио.
Ищите в интернете интересные задачи и проекты, готовьте собственные решения и публикуйте их на GitHub или в kaggle. Показывайте практические примеры использования собственных методов в подтверждении того, что вы хорошо разбираетесь в своей специальности.
Создавайте учебные группы, решайте кейсы и участвуйте в конкурсах вместе. Включайте эти кейсы в ваше портфолио. Находите новых друзей и обменивайтесь с ними опытом.
Заключение
Работа с данными сложна и требует постоянного обучения. Мы должны непрерывно исследовать и отслеживать новые тренды, а также узнавать больше информации о тех организациях, с которыми сотрудничаем.
И все же работа с данными приносит удовольствие. Приятно осознавать, что своей деятельностью двигаешь бизнес вперед. Надеюсь, этот (не очень) краткий гайд поможет вам начать работу с данными или, по крайней мере, лучше понять ее основы.
Читайте также:
- 8 способов “настроить” Data-команду на успех
- Выборки. Джентльменский набор
- Создаем YouTube видео из кода
Читайте нас в Telegram, VK и Яндекс.Дзен
Перевод статьи Vinícius Trevisan, 5 tips to start a career in data
