Кто такой Data Scientist и как им стать

Data Scientist – предсказатель и провидец в мире Big Data. Откроем завесу таинственности профессии исследователя данных. Чем занимается дата-сайентист, плюсы и минусы, сколько зарабатывает и где работает эксперт.

Обновлено: 2023-10-16 21:34:49 Анна Ли Павловнаавтор материала

Кто такой data scientist

Учёный по данным, дата-сайентист или датасаентист – все термины означают профессию Data Scientist. Специализация исследователя данных является новой профессией, на которую возлагают большие надежды.

Ажиотаж вокруг профессии начался в 2010-х годах и продолжается до сих пор. Одни ждут от профессии научного и технологического прорыва, другие – решение главных проблем человечества. Тем временем, Data Scientist анализирует Big Data и прогнозирует будущее.

Специальность дата-сайентист – это синтез статистики, научных методов и аналитической обработки данных. Учёный изучает большой объем информации, находит закономерности. А затем прогнозирует события, предсказывая будущий результат.

Никакой мистики, чистая наука и помощь искусственного интеллекта. Тем не менее, для публики остаётся загадкой, чем именно занимается работник. Проясним ситуацию и развеем мифы о молодой профессии.

Data Science или «наука о данных» – это раздел информатики, известный как даталогия, изучающий проблемы анализа, обработки и представления информации в цифровой форме.

«Большие данные» или Big Data – это массив информации, который создаётся социальными медиа и интернетом вещей.

Чем занимается Data Scientist

Дата-сайентист изучает массивы информации, известные как Big Data. Главная цель – найти полезные моменты, которые можно использовать для решения конкретной проблемы.

Существует миф о том, что дата-сайентист занимается только анализом данных.

Но, в действительности, работа включает и другие аспекты, среди которых отметим следующие:

1. Сбор данных. Информация собирается из баз данных, социальных медиа и сайтов, датчиков и т.п. Навыки программирования позволяют сотруднику писать парсеры и скрипты для автоматизации сбора информации.
2. Обработка, очистка и подготовка. Из массива удаляются лишние и бесполезные показатели, заполняются пропущенные значений. А также работник переводит информацию в формат, подходящий для анализа.
3. Анализ информации. На этом этапе применяются методы статистического анализа и визуализации данных. Статистическое исследование помогает определить паттерны, закономерности и тенденции.
4. Машинное обучение. Дата-сайентист создаёт и обучает модели для конкретных нужд. Например, для исследований в dsts, social или mail data science. Созданные алгоритмы и обученные модели решают задачи классификации, регрессии, кластеризации и т.п.
5. Исследовательский анализ. Исследование информации приводит к обнаружению новых знаний или внезапному решению задач, известному как «инсайт». В итоге, учёный способен обнаружить неожиданные показатели, даже решения, выходящие за область поставленной задачи.
6. Построение моделей прогнозирования. Для непосвящённых это таинственная часть работы. Но, в действительности, сайнтист использует статистический анализ исторических данных для предсказывания будущих значений и событий. Например, на основе информации о курсе за прошлые годы, можно предсказать котировки акций.
7. Разработка приложений и решений. Практическая сторона профессии заключается в создании программ или приложений, сервисов и прочих рекомендательных систем. Цифровые продукты используют уже другие профессионалы для решения конкретных проблем бизнеса, науки, экономики и т.п.
8. Сотрудничество с бизнесом. Развеем ещё один миф о том, что сциентист работает один. Нет, scientists сотрудничает с бизнес-аналитиками, ИТ-менеджерами, программистами, аналитиками данных и т.п. Командная работа направлена на предоставление информации руководству, которое может принять решение.

Таким образом, Data Scientist – это командный игрок, который занимается не только анализом. Специалист выполняет теоретические и практические задачи. А результат работы используется руководством для принятия обоснованных решений.

Отметим, что Data Scientists не всегда предсказывают будущее. В работе присутствует процент неопределённости. Это связано с качественной и количественной характеристиками обрабатываемой информации. Таким образом, прогноз не на 100% точен. Но, доля вероятности помогает принять обоснованное решение, а не гадать.

Отличие Data Scientist от аналитика данных

Обе профессии тесно связаны. В вакансиях границы между ролями сотрудников иногда размыты и неточно распределены обязанности. Тем не менее, профессии отличаются обязанностями, целями и способами обработки информации.

Наконец, для работы аналитика данных не требуется таких объёмов данных, какие использует учёный. Хотя обе профессии подразумевают использование Big Data. В действительности, аналитик работает с историческими данными за конкретный период.

Уровень зарплаты в профессии

Согласно информации Всемирного Экономического Форума 2023 года, в ближайшие пять лет спрос на профессию в мире вырастет на 30-35%. Это означает, появление более 1,4 миллиона вакансий на рынке труда.

Согласно статистики сервиса Работа.ру средний показатель зарплаты составляет 198 000 рублей. Ресурс Zarplan.com определяет среднюю зарплату по стране в 297 800, а модельную в 259 000 рублей в месяц.

Исследование hh.ru, показывает диапазон зарплат, указанных в вакансиях: 40 000 – 650 000 рублей в месяц. Например, компания «Яндекс» предлагает 400 000 – 650 000 рублей в месяц на должности Lead Data Scientist.

На аналогичную должность компания «Дром» уже предлагает 300 000 – 350 000 рублей. Таким образом, уровень зарплаты зависит от компании, уровня квалификации и стажа сотрудника.

Плюсы и минусы профессии

Всемирный Экономический Форум на протяжении последних 7 лет регулярно вносит специальность в список Future of Jobs. Таким образом, главный плюс работы – спрос на рынке труда. Однако, есть и другие положительные и отрицательные моменты.

Следует заметить, что оплата труда зависит от организации и области работы. Тем не менее, ВЭФ регулярно вносит специальность в список доходных профессии будущего.

Карьерные перспективы подразумевает следующие должности:

• Аналитик данных – Data Analyst;
• Младший Data Scientist – Junior Data Scientist;
• Старший Data Scientist – Senior Data Scientist;
• Главный Data Scientist – Lead Data Scientist;
• Менеджер по Data Science – Data Science Manager;
• Главный директор по данным – Chief Data Officer.

Профессия востребована не только в коммерческом секторе и экономике. Дата-сайентист проводит исследования для медицины, точных и гуманитарных наук, государственных и социальных нужд.

Для работы требуется аналитический склад ума и постоянное изучение новых данных и методов. На первый взгляд кажется, что должность для избранных, но это не так. Освоить специальность позволят усердие и учёба.

Какие знания и навыки нужны в профессии

Существует миф о том, что освоить профессию могут исключительно эксперты в математике и статистике. Знания в указанных областях нужны. Однако, инструменты и библиотеки машинного обучения упрощают работу.

Таким образом, должность может занимать работник, имеющие ограниченные знания в математике.

Рассмотрим навыки и знания, которые используется в профессии:

1. Статистика. Основы методов используются для анализа данных, определения закономерностей и проверки гипотез.
2. Математика. На практике используется математическое моделирование. Знание высшей математики – плюс, но не главное требование.
3. Английский язык. Знание языка открывает доступ к актуальной информации и возможности работать на мировом рынке.
4. Машинное обучение. Используется для создания моделей прогнозирования и классификации. В дата сайнс потребуются знания кластеризации, регрессии, нейронных сетей и алгоритмов классификации.
5. Программирование. Языки Python или R, объектно-ориентированные языки программирования.
6. Обработка данных. В дата саенс используются библиотеки Pandas, NumPy, Tableau и Hadoop. Они применяются для обработки информации.
7. Визуализация данных. Перевод результата исследований в форму, понятную для восприятия, производится средствами Matplotlib, Seaborn, PPT и т.п.
8. Базы данных. Для работы в дата сайенс обязательно знание SQL и опыт работы с базами данных.
9. Работа с Big Data. Опыт работы с платформами и инструментами Hadoop, Spark и прочими.
10. Оптимизация моделей. Навык настройки и оптимизации моделей машинного обучения.
11. Понимание бизнес-процессов, задач и нужд. Это требование относится к сотрудникам коммерческих организаций.

На первый взгляд кажется, что требования к профессионалу чрезмерно высокие. Пусть это не станет препятствием на пути освоения карьеры. В действительности, обязанности, задачи и требования разнятся и зависят от организации.

В каких сферах может работать Data Scientist

Ежедневно люди получают информацию, не подозревая, что часть данных предоставлена дата-сайентистом. Например, Яндекс Погода или другие сервисы прогноза – это результат работы с массивом исторических данных изменения погоды.

Должность Data Scientist востребована в коммерческих, научных, общественных и государственных секторах.

Приведём список отраслей, где требуется специальность исследователя данных:

• Бизнес и финансы;
• Здравоохранение;
• Интернет и социальные медиа;
• Производство и логистика;
• Телекоммуникации, СМИ;
• Государственная служба и общественная политика;
• Наука и исследования;
• Энергетика и экология.

Спрос продолжает расти с каждым годом. Даже новички не остаются без работы. Освоение специальности открывает перспективы устроиться в интересующую сферу деятельности и получать доход выше среднего показателя на рынке труда.

Как стать Data Scientistом

Как и в случае с аналитиком данных, эту специальность нельзя освоить без образования. В вакансиях напрямую указывается или подразумевается наличие высшего образования. Для работы в сфере коммерческой аналитики достаточно степени бакалавра.

Однако, на должность в области информационных, политических, общественных исследований, часто требуются сотрудники со степенью магистра или доктора.

В профессию приходят выпускники следующих вузов:

• Московский физико-технический институт (МФТИ);
• Московский государственный университет имени М.В. Ломоносова (МГУ);
• Санкт-Петербургский государственный университет (СПбГУ);
• Национальный исследовательский университет «Высшая школа экономики» (НИУ ВШЭ);
• Институт прикладной математики имени М.В. Келдыша РАН;
• Сколковский институт науки и технологий (Skoltech).

Высшее образование в области связанной с информатикой, статистикой, математикой, физикой и инженерий, позволяет освоиться в профессию. Но, не является гарантом того, что сразу начнёте работать на должности Data Scientist.

Целенаправленное изучение профессии проходит на курсах. Срок обучения составляет 1-2 года. Кроме того, необходимо постоянно изучать языки программирования, методы и инструменты работы с информацией.

Курсы по теме(платные и бесплатные): Профессия data scientist
DATA SCIENTIST от школы Productstar
Основы Data Science от школы Sf.Education
КУРС «ПРОФЕССИЯ DATA SCIENTIST» от школы Productstar

Освоение профессии зависит от целеустремлённости и усердия человека. Практикуйтесь, параллельно учёбе, изучайте свежую литературу, статьи и форумы. Участвуйте в практикумах, вебинарах и соревнованиях, например, на платформе Kaggle.

При трудоустройстве плюсом будет наличие сертификата в области Data Science от университетов или организаций.

Примеры международных сертификатов:

• Microsoft Certified: Azure Data Scientist Associate;
• IBM Data Science Professional Certificate;
• Google Data Analytics Professional Certificate;
• Certified Analytics Professional (CAP);
• SAS Certified Data Scientist;
• Cloudera Certified Data Scientist;
• DataCamp Certificates.

Получив образование, приступайте к поиску работу. На начальном этапе рассматривайте должность помощника. Требований меньше, но должность позволит освоиться в выбранной специальности и, в дальнейшем, занять пост Data Scientist.

В заключении

Профессия открывает большие перспективы и возможность найти работу в других странах мира. Для сравнения, средняя зарплата в России 297 800 рублей в месяц, в Канаде – 7 000 канадских долларов в месяц, а в США – 116 000 долларов в год.

Освоить профессию тяжело, но возможно. Выпускникам вузов по смежным специальностям достаточно пройти курсы обучения на Data Scientist. А международная сертификация – серьёзное преимущество на рынке труда.

Анна Ли Павловнаавтор-эксперт