Почему Data Scientist становятся ключевыми фигурами в компаниях
История специальности началась в 2006 году, когда выпускник Стэнфорда Джонатан Голдман поступил на работу в LinkedIn, которая к тому времени уже собрала на платформе более 8 млн. пользователей, но не понимала, как они могут взаимодействовать между собой. Джонатан собрал все входящие данные, анкеты и формы и попытался найти между ними взаимосвязи, которые бы помогли пользователям встречать на сайте своих знакомых и устанавливать связи. В итоге кнопка «Вы можете их знать», которая сейчас есть в каждой социальной сети, собрала максимальное число кликов пользователей и вывело платформу на новый уровень.
Понятие «специалист по данным» было предложено в 2008 году Д.Дж.Пэтилом, возглавлявшим работу с данными и аналитикой в LinkedIn. Внезапно стало очевидно, что компании хранят петабайты информации, которую никак не используют, а Data Scientist может обуздать информационный поток и превратить сухую аналитику в новые возможности для развития компании. Такой специалист обладает определенным складом ума, ассоциативным мышлением, образованием, профессиональными навыками и безграничной любознательностью, умеет писать программы и доносить до менеджеров понятным языком свои открытия и способы их применения.
Компании готовы бороться за Data Scientist
Специалиста по данным можно сравнить с ученым: он наблюдает, выставляет гипотезу, экспериментирует и описывает результат. Ими становятся физики, социологи, экологи, астрофизики, программисты и математики, имеющие коммерческое чутье и понимание нужд потребителей. Очевидно, что таких людей немного, гораздо меньше, чем спрос на них. Google поручает специалистам по данным совершенствовать ее алгоритм поиска и доставки рекламы, а Zynga — ее онлайн-игры. Netflix вручает премию тем, кто найдет действенный способ заметно улучшить ее систему рекомендации фильмов. В компании Kaplan, одной из крупнейших и старейших на рынке образовательных услуг, специалисты по данным выявляют эффективные стратегии обучения.
Сегодня компании вынуждены «бороться» за Data Scientist: повышать зарплаты, улучшать условия труда. Но главное, что необходимо таким специалистам: быть в гуще событий, понимать, как работает компания, видеть перспективы ее развития и интересные для себя задачи. Специалист по большим данным хочет не только предлагать решения, но и следить за их воплощением и результатом, видеть и понимать важность своей работы для компании. Ему также важно общение с коллегами для обмена опытом и технологиями. Но, даже создав все необходимые условия, всегда велик риск того, что Data Scientist уйдет в другую организацию с более интересными задачами.
Тонкости найма специалиста по данным
Специалистов по Big Data обычно ищут крупные интернет-компании, e-commerce, исследовательские подразделения организаций и стартапы в области обработки данных. При этом в зависимости от характера поставленных задач могут требоваться специализации:
- Data Engineer – проектирует системы обработки данных, знает современные технологи и подходы MapReduce, Hadoop, Spark, Aerospike, Redis, Storm, умеет разрабатывать отказоустойчивые решения.
- Data Scientist, Data Mining – находит закономерности в больших массивах данных, уверенно владеет R, Weka, Python + Scikit-Learn + Pandas, извлекает максимальную пользу из данных и проектирует алгоритмы.
- Data Manager – имеет общие сведения об отрасли, необходимые для эффективного управления проектом, разбирается в agile, SCRUM, экстремальном программировании.
Лучшим высшим образованием по специальности являются магистерские программы по большим данным в СПБГУ и ВМиК МГУ, а также факультеты высоких технологий в ВШЭ и МФТИ. Профильные курсы: от Яндекса и Mail.Ru, длительностью 2 года. Что касается online-образования, то стоит обращать внимание на англоязычные курсы от Coursera, Edx, Stepic и Udacity.
Резюме Data Scientist на платформах для поиска работы не так много, зато на специализированных форумах и сайтах, а также в сети LinkedIn таких специалистов можно «поймать». Однако стоит учитывать, что обычно они не находятся в поиске работы, хотя и не против ее сменить на более интересную или высокооплачиваемую. Особенность найма DS состоит в сложности ресечинга из-за отсутствия их резюме в открытом доступе, зато после представления работодателю «стоящего» кандидата с подходящим опытом компания обычно не затягивает с оффером и готова удовлетворить его зарплатные ожидания.
Таким образом, учитывая тенденции отрасли, спрос на специалистов по данным еще долго будет превышать предложение, а работодатели и HR-ы будут продолжать «борьбу» за ценные кадры.
Источники
https://hbr-russia.ru/management/upravlenie-personalom/a11398
