Як нефахівцю з IT увійти у Data Science?
02.09.2020
Навіть якщо у вас немає технічного бекграунду ви можете претендувати на посаду, пов’язану з аналітикою даних. Розвивайте відповідний спосіб мислення, розмірковуйте, які проблеми аналіз даних можна вирішити у вашій сфері та яким чином, вивчайте програмування – і у вас буде шанс.
Дохід від big data та бізнес аналітики постійно зростає, Data Science стрімко розвивається і з часом відіграватиме дедалі більшу роль навіть у тих індустріях, які колись були далекими від цього. Відповідно, потреба у фахівцях по роботі з даними збільшується, пише портал Analytics Insight.
Згідно з прогнозами IBM та аналітичної компанії Burning Glass у 2020-му кількість вакансій у цій сфері перевищить 2,7 млн. Це менеджери/розробники баз даних, аналітики складських запасів, архітектори даних тощо. За даними порталу, річна заробітна плата фахівця з Data Science у США варіюється від $103 тис до $175 тис.
Поки що попит зі сторони роботодавців росте швидше за пропозицію – і потрібних кандидатів на позиції у сфері Data Science та дата аналітики знайти дуже непросто. Розрив між доступними на ринку праці скіл-сетами і необхідними для такої роботи навичками змушує компанії наймати фахівців без досвіду роботу чи освіти в сфері технологій. Це розширює можливості для тих, хто хоче побудувати кар’єру у аналізі даних. Analytics Insight підготував кілька порад, як початківцю привернути увагу рекрутерів.
Розвивайте аналітичний спосіб мислення
Як у вас небагато досвіду роботи з даними, спробуйте попрактикуватися, розмірковуючи над цифрами та статистикою, з якими ви стикаєтеся у повсякденному житті, рекомендують фахівці. Наступного разу, коли ви обговорюватимете якусь тему з колегами на зборах чи просто з друзями, запитайте себе:
- Як я дійшов/дійшла такого висновку?
- Які дані підтримують мою позицію?
- Які дані суперечать моїй позиції?
Дослідіть, як аналітику використовують у різних сферах
Дата аналітика існує не у вакуумі. Вона потрібна там, де збирають дані, і роль аналітика різниться відповідно по контексту індустрії, до якої належить компанія, відділу, у якому він працює, і позиції, яку він займає, підкреслюють спеціалісти. Відповідно, професійний бекграунд аналітика може дуже різнитися.
Уявіть, що ви – фахівець з даних у вибраній сфері. Спробуйте дати відповідь на такі запитання:
- Яке визначення успіху у цій сфері?
- Успіх визначається якісно. Чи може він також бути виміряний кількісно?
- Опишіть типову задачу чи проблему в цій сфері. Які метрики ви б вивчили, щоб її “діагностувати” та вирішити? Приміром, харчова промисловість постійно стикається з псуванням продуктів під час транспортування. У цьому випадку ви можете звернути увагу на відстань, тип товарів, спосіб транспортування, врожайність тощо.
- Уявіть, що у вас є численні нові можливості у цій сфері (розширення, партнерства). На які б дані ви звернули увагу, щоб вирішити, що є перспективним, а що – ні?
- Якими компаніями або організаціями ви захоплюєтеся? Почитайте їхні блоги, вивчіть політику найму, акаунти у соцмережах, місії. Наскільки вони цінують дані та аналітику?
Підтягніть програмування
Серед найбільш популярних технічних скілів, які повинен мати аналітик – машинне навчання, предиктивна аналітика, візуалізація даних, MapReduce і загальне розуміння big data та data science. Крім того, багато роботодавців шукають кандидатів, які вміють працювати з певними інструментами, такими як Apache Pig, Apache Hive, Apache Hadoop та MongoDB.
