Як працювати аналітиком даних? Досвід фахівчині
10.09.2020
Крім володіння математикою, статистикою та програмуванням, фахівцеві з аналізу даних важливо мати допитливий розум, постійно вчитися новому і не боятися поразок та викликів.
Із розвитком бізнес-аналітики та застосування великих даних кар’єра у data science видається дедалі більш перспективною. Але що ж значить бути аналітиком? Портал Siliconrepublic.com підготував інтерв’ю з дата-фахівчинею Лаурою Сінот із Центру інновацій та аналітики AON (ACIA) у Дубліні про її професійний шлях.
Вона розповідає, що цікавилась математикою ще в школі. Уже вивчаючи статистику та програмування в Університетському коледжі Дубліна, вона переконалася, що отримує задоволення від вирішення проблем, які вимагають синтезу цих складових. Їй пощастило потрапити на літню практику в ACIA. Тому, після здобуття вищої освіти, Лаура повернулася туди як повноцінний член команди.
“Що тебе найбільше приваблює у роботі в data science?”
“Аналіз даних — це сфера, яка стрімко розвивається. Важливо вміти пристосовуватися до змін та нових відкриттів, але я думаю, саме це робить data science захопливою. Big data в якійсь формі вплинули на кожну галузь.
Технології аналізу даних мають йти в ногу з цими кардинальними змінами. Мені як спеціалістці з data science потрібно бути в курсі того, які нові інструменти з’являються. Від масштабованих пайплайнів машинного навчання до останніх винаходів у сфері обробки природних мов — нових інструментів та дедалі більше з кожним днем. Завжди є щось нове, що можна вивчити, і ти ніколи не нудьгуєш!”
“Які найцікавіші зміни ти спостерігала у своїй галузі?”
“Я працюю у страхуванні, де оцінки цінового ризику завжди базувались на аналітиці даних. Ми бачимо, як машинне навчання кидає виклик традиційному актуарному моделюванню ризиків. Страхування розвивається, і буде цікаво подивитися, куди ці зміни приведуть у найближчі кілька років.
Якщо ж дивитися ширше, то використання data science під час пандемії Covid-19 було необхідним для прогнозування та запобігання розповсюдженню хвороби. Спочатку моделі показували нам, як поширюватиметься хвороба, якщо ми продовжуватимемо жити, як і раніше. Оскільки поведінка людей змінювалась через карантин, було цікаво спостерігати, як швидко моделі корегуватимуть прогнози відповідно до даних із нової реальності”
“До чого у твоїй роботі було найскладніше пристосуватися?”
“Робота фахівця з data science зосереджена у науково-дослідницькій сфері. Команда могла витратити кілька тижнів на proof of concept тільки для того, щоб зрозуміти, що дані не містять релевантних інсайтів”
Відмовитись від проекту, на який пішло стільки часу та зусиль, може бути дійсно неприємно. Я завжди намагаюся фокусуватися на набутому досвіді та навичках — таким чином, жоден проект не видається марною тратою часу”
“Що було найбільшим викликом у твоїй кар’єрі та як ти з ним впоралася?”
“Бути початківцем захоплює, але водночас лякає. Хоча університет дав мені теорію статистики та аналітики, він не міг підготувати мене до швидкоплинної страхової галузі та високотехнологічної платформи, яка використовуються в Центрі.
Спочатку я почувалася пригніченою, але незабаром виявила, що немає нічого кращого за навчання на власному досвіді. Можливість вчитися у експертів галузі, використовуючи передові технології, була безцінною для мого розвитку.
“Які з твоїх особистих якостей допомагають тобі у роботі?”
“Я маю допитливий розум, люблю вчитися та стикатися з новими викликами. Я думаю, що ці речі мають вирішальне значення для фахівця з data science. Моя увага до деталей та можливість поглянути на речі ширше також стали мені в пригоді”.