С чего начать карьеру в Data Science в 2022 году?

Data Science – это самая перспективная профессия в мире. Сегодня компании внедряют искусственный интеллект и системы по сбору, обработке и анализу данных о клиентах и сотрудниках.

Работа с данными развивается настолько стремительно, что мы упустили тот момент, когда «профессии будущего» стали нашим настоящим.

Елена Герасимова, руководитель факультета Data Science в «Нетологии», рассказывает, что сейчас происходит со сферой Data Science, какие изменения трансформируют профессии и как специалисту остаться востребованным в новых реалиях рынка труда.

Главные тренды в сфере данных

Разобраться в обилии информации о рынке Data Science бывает сложно. Поэтому мы проанализировали и собрали последние тренды дата-индустрии.

Интеграция данных и искусственного интеллекта во все сферы

Думаете, что не соприкасаетесь с данными, пока не работаете с ними напрямую? Ошибаетесь: сегодня компании во всем мире внедряют ИИ и системы по сбору, обработке и анализу данных о клиентах и сотрудниках. Это касается многих сфер: ритейла, робототехники, автомобильной индустрии, медицины.

Cегодня можно предсказать, когда вы купите машину, захотите сменить профессию, просто собрав и проанализировав данные о вас в сети.

В США в 2012 году произошел публичный случай, когда родители шестнадцатилетней девочки подали в суд на магазин, от которого приходили купоны на имя дочери со скидками на детские товары.

Претензия состояла в том, что дочери всего 16 лет, она еще ребенок, а магазин ошибся в ЦА при настройке рекламы. Но оказалось, что девочка действительно беременна, но еще не сказала родителям. Магазин это понял с помощью искусственного интеллекта — у девочки сменились предпочтения в покупках, она начала по-другому питаться и покупать тесты на беременность.

Принятие ключевых решений в бизнесе на основе данных

Крупные российские компании, такие, как «Яндекс», Uber, Mail.ru, уже используют подход Data-informed в бизнес-процессах: теперь данные нужны не только для подтверждения гипотез, но и для принятия решений, управления бизнес-процессами.

Постепенная интеграция данных распространяется во все отделы, включая маркетинг, продажи и дизайн, помогая более точно сформировать портрет клиента и определить факторы, влияющие на выбор продуктов или услуг.

А в ближайшем будущем популярным станет другой подход — Data-driven, который подразумевает, что данные становятся единственно верным фактором для принятия решений в бизнесе.

По теме:

Кто такой Data Scientist и почему ему так много платят?

Развитие генеративно-состязательных сетей

GAN — generative adversarial network — алгоритмы машинного обучения без участия человека. Они построены на комбинации двух нейронных сетей: первая предлагает образы, а вторая — пытается найти среди них подлинные. Таким образом нейросети обучаются сами.

Например, deep fake: пользователям предлагают отличить изображения, сделанные нейронными сетями, от реальных картин. Технология также умеет создавать новые образы, смешивая исходные. Поэтому GAN часто используют в бизнесе для получения новых элементов: в дизайне интерьеров, одежды, компьютерных игр и мультипликации. Всего за четыре года появилось более 500 таких алгоритмов.

Как дата-тренды изменили бизнес и образование

Развитие искусственного интеллекта и работы с данными повлияли на бизнес-процессы компаний и рынок образования.

Появился спрос на сотрудников типа T-shaped.

Они не только глубоко знают свою основную специализацию, но также развиваются в смежных областях. Кроссфункциональность помогает им легко взаимодействовать и понимать специфику других отделов.

Появился спрос на специалистов по Data Science с небольшим опытом в этой сфере.

Согласно исследованию HeadHunter и «Яндекс.Практикум», доля вакансий с опытом работы менее года в Data Science сейчас выше, чем в целом по IT-рынку. А более 60% всех вакансий по работе с данными относятся к кандидатам с опытом до трех лет. Помимо этого, работодатели идут на уступку: если вы в течение года обучались по профессии Data Scientist, ваш учебный опыт могут зачесть за рабочий.

В целом, сегодня конкуренцию техническим специалистам вполне могут составить «гуманитарии»: сотрудников в Data Science теперь ценят не за знание математики, а за умение принести пользу бизнесу, управлять алгоритмами на основе математической составляющей, для работы с которой появилось множество «умных» библиотек.

Увеличился рост образования в сфере Data Science.

Получить такую специальность в современных вузах довольно сложно: трансформация высших учебных заведений требует гораздо больше времени, чем запуск программы длительностью в полтора года. Поэтому нишу активно занимают проекты дополнительного и онлайн-обучения, которые стараются предлагать актуальные программы и знания, ориентированные на практику.

В «Нетологии» направление Data Science существует с 2017 года, и сейчас факультет также расширяется в сторону кроссфункциональности, поэтому его переименовали в «Аналитика и Data Science».

На каких специалистов есть спрос уже сейчас

По данным исследования компании McKinsey, в США постоянно существует большой дефицит сотрудников из сферы Data Science. В 2021 году не хватало более 1,7 млн менеджеров.

В России спрос на представителей этой профессии также растет. Востребованы они не только в IT и Digital, но и в других отраслях — от ритейла до производства. Кроме отделов по Data Science или Machine Learning таких специалистов ищут и продуктовые команды, и маркетинг, и контент, и даже разработчики игр.

Чтобы вам было проще понять, в каких областях нужно разбираться, и претендовать на позиции в Data Science, мы разместили основные функции, роли и инструменты для сотрудников по работе с данными на графике.

Знание основных инструментов становится большим преимуществом для маркетолога и позволяет самостоятельно решать различные задачи. Python, будучи простым и доступным языком, остается мощным инструментом для визуализации, сегментирования и обработки данных.

В отличие от агентств, в больших компаниях знание Python и Power BI — необязательное условие, поскольку есть специальные подразделения по работе с данными. Но для малого и среднего бизнеса знание подобных инструментов позволяет самостоятельно решать простые задачи. Для визуализации и дашбордов я пользуюсь Tableau, а для сбора инсайтов об аудитории — YouScan. (Екатерина Середа, специалист по цифровым коммуникациям агентства CROS.MARKETING)/

Курсы с гарантированным трудоустройством, дипломом, оплатой в рассрочку:

Топ-9 лучших онлайн-курсов Data Scientist

Топ-5 курсов по машинному обучению

Топ-7 онлайн-курсов по анализу данных и Big Data

Российский рынок

Вот несколько профессий, которые подразумевают работу с данными, кроссфункциональность, и востребованы в России уже сейчас.

Data-маркетолог (маркетинговый аналитик)

Этот сотрудник — ключевое звено для роста и развития бизнеса. Он знает, какие цифры взять для анализа, откуда их выгрузить, как интерпретировать и какие изменения в коммуникацию внести.

Он может спрогнозировать спрос и оценить возможности для продвижения продуктов. В отличие от маркетолога в традиционном виде, этот специалист понимает принципы сквозной аналитики, знает языки R или Python, умеет визуализировать данные в Power BI или Tableau, а также применяет подход data-driven в работе.

На сегодняшний день в России открыто около тысячи позиций data-маркетолога, из них — 500 в Москве с уровнем зарплат от 80 до 130 тысяч рублей.

Таких специалистов ищут как крупные холдинги, так и стремительно развивающиеся средние и малые компании. Например, Mail.ru, «Яндекс.Маркет», Lamoda, Nestle, Profi.ru, «Едадил».

Продуктовый аналитик

Продуктовый аналитик понимает принципы работы искусственного интеллекта и машинного обучения, способен собирать и анализировать данные из разрозненных источников и создавать прототипы алгоритмов.

Часто продуктовые аналитики вырастают в product-менеджеров: данные помогают им находить идеи, потенциал для роста компании. Менеджерам продукта с опытом в аналитике проще разрабатывать стратегию, достигать KPI по аудитории или деньгам.

Сегодня в России открыто около семи тысяч подобных вакансий. Аналитики со знанием Python/R получают 90-250 тысяч рублей в месяц.

Ищут таких сотрудников очень разные «продуктовые» компании и сервисы, нацеленные на стремительный рост: Aviasales, «Райффайзенбанк», Qiwi, Avito, Okko, ivi.ru, Skyeng, «Альфа-банк», «ВКонтакте», DocDoc.

Gamedev-аналитик

Аналитик в игровой индустрии помогает улучшить пользовательский опыт, удержать клиента, прогнозировать рост продукта на основе данных. Для работы ему нужно знание языка Python, SQL, визуализации в Tableau и понимание систем хранения данных типа Clickhouse.

Подобных вакансий в России чуть меньше полутора тысяч, с заработком от 100 тысяч рублей.

А ищут Gamedev-аналитиков — Blizzard, Wargaming, Playrix, G5 Entertainment, FunCorp, ZavodGames, Zeptolab, Game Insight.

Дата-журналист

Профессия журналиста кажется одной из самых традиционных и понятных. Но сегодня и этот специалист должен работать с цифрами: извлекать из данных важные для бизнеса и общества инсайты, объяснять их читателям в доступном виде.

Современные журналисты нередко прибегают к помощи Excel, Python, Tableau, строят гипотезы и проверяют их на практике в своих расследованиях. А для многих СМИ наличие навыков работы с данными — ключевое преимущество кандидата.

Подобных вакансий на рынке не так много, но спрос будет расти. Учитывая, что профессия обычного журналиста недавно вошла в список исчезающих в России, за дата-журналистикой будущее. Например, крупные медиа РБК и ТАСС уже ищут дата-журналистов и предлагают зарплату от 100 тысяч рублей.

Что в итоге

Все перечисленные профессии — реальность уже сегодня. Во многих компаниях развивается направления аналитики в продукте, маркетинге и дизайне, просто мало кто их правильно называет.

Судя по текущим трендам, уже в перспективе 10-20 лет навык работы с данными будет необходим даже для специальностей, которые не связаны с технологиями.

Например, могут появиться художники и писатели в сфере искусственного интеллекта, авторы образовательных программ на основе данных, а также утилизаторы цифрового мусора в сфере Big Data.

К этим процессам необходимо адаптироваться. Если вы сейчас научитесь работать с данными и востребованными инструментами, а также сохраните исследовательский интерес и не побоитесь назваться «новым профессиональным именем» — вы сможете «продать» себя без труда в любую компанию, в ДНК которой есть подход data-driven и желание стать «единорогом».