В последнее время многие соискатели работы могли заметить "наплыв" вакансий, особенно в сфере IT, где указаны специалисты по работе с data или данными. Так, например, на сайте DOU в разделе "Data Science" подтягивается 134 вакансии, по запросу "Data Scientist" - 146 вакансий, "Data Analyst" - 83. На rabota.ua: 46 вакансий для "Data Scientist" и 288 - для "Data Analyst". Work.ua предлагает 146 вариантов для аналитика данных и 931 - при введение запроса "Data Scientist".
Конечно, требования и видение этих ролей в каждой компании (как минимум пока) может сильно отличаться - так часто происходит с относительно новыми направлениями, когда "хочу такого специалиста, но при этом добавлю-ка немного задач от проджект-менеджера или smm-щика". Поэтому давайте с вами немного разберемся в том, почему сейчас становится настолько популярным направление работы с данными и что нужно, чтобы в него влиться.
Data science, machine learning, data mining… Что же лежит в корне возникновения новых сфер деятельности? Благодаря развитию современных технологий человечество создало и продолжает производить такое количество данных, что люди просто не успевают обработать созданное ими же: ежедневно только Facebook "поставляет" 4 петабайта данных. Но именно в этих данных и кроется то, что уже помогает многим организациям выходить на первые места и успешно обыгрывать своих конкурентов: информация, которая помогает улучшать услуги и выводить бизнес-процессы на новый уровень.
Итак, постоянно меняющийся и увеличивающийся объем данных принято называть Big Data (Большие Данные), а науку, которая помогает работать с ними - Data Science (Наука о Данных). Этот концепт включает в себя такие этапы, как очистка данных, их подготовка и анализ: технически это происходит через сбор данных из разных источников и затем применение машинного обучения и разных аналитических методов для извлечения ценной информации. Специалист по обработке данных, исследователь данных, Ученый по данным или Data Scientist должен понимать и переосмыслять информацию с точки зрения бизнеса. Его главная задача - предоставить стратегически важные прогнозы и инсайты, которые способны качественно повлиять на принятые бизнес-решения.
Data Science находится на пересечении разных областей человеческой деятельности: с одной стороны, она включает в себя математику и статистический анализ, с другой - в ней важны навыки программирования, а с третьей - вы должны хорошо ориентироваться в доменной области, чтобы понимать, какие данные нужно анализировать.
Лучше всего это представлено на диаграмме Венна, исходя из которой можно составить список основных требований к роли Data Scientist:
Согласно сайту DOU, средняя зарплата специалиста по обработке данных за декабрь 2020 года составляла от 500 до 1000$ при опыте работы до года, 2+ лет - от 650 до 1500$, при 3+ лет опыта - от 720 до 2200$.
Отдельно можно выделить специалистов в категории машинного обучения и тех.поддержки процесса работы с Big Data (об этом мы поговорим в следующих статьях). Сегодня хотелось бы еще немного остановиться на анализе данных. Data Analyst или Аналитик Данных - это одна из самых востребованных профессий в области Big Data. Его компетенции во многом схожи с компетенциями Ученого по Данным - он должен уметь собирать, сортировать и подготавливать массивы данных, искать в них закономерности, строить гипотезы и уметь визуально представить полученные результаты, чтобы улучшать бизнес-метрики за счет принятия более качественных решений на основе выявленных тенденций и созданных прогнозов. Основные отличия:
Согласно DOU, средняя зарплата аналитика данных за декабрь 2020 года при опыте работы меньше года - от 500 до 1000$, 2+ лет опыта - от 500 до 1200$, 3+ лет опыта - 600-1500$.
Так с чего же все-таки начать свой путь в Big Data? Для начала - посмотреть наш вебинар "Data Analysis - искусство изучения данных", чтобы "попробовать на вкус" эту роль.
Чувствуете, что вам была бы интересна эта профессия и, в целом, область Big Data? Тогда приглашаем вас на курс "Анализ данных", где вы получите профессиональные навыки будущего!