Из декрета в аналитику
1. Имя, возраст.
Анастасия Новожилова, 31 год
2. Когда проходила курс?
Училась на первом потоке программы «Профессия Data-аналитик» в июне-июле 2021 года.
3. Первое образование.
ФГБОУ ВПО «Мурманский государственный технический университет» (г. Мурманск), специальность «Мировая экономика» и «Юриспруденция»
Бакалавриат в Finnmark University College, Норвегия.
4. Почему решила переучиться.
Сложно сказать, что я это решила. Скорее, само сложилось. Для понимания: на момент старта курса я находилась в декретном отпуске, формально всё ещё являюсь госслужащим в региональном правительстве. К концу декретного отпуска по семейным обстоятельствам переехала в Москву. Так как работу, очевидно, придётся менять, стала просматривать вакансии и искать, как повысить свою привлекательность в качестве кандидата. В процессе поисков часто сталкивалась с должностью аналитика данных и многими непонятными словами в требованиях. А перед летним отпуском случайно узнала про федеральную программу «Содействие занятости» и московскую программу переподготовки женщин в декретном отпуске.
В итоге по первой программе попала в Томский государственный университет, по второй в Финансовый университет при Правительстве РФ на программу «Управление проектами». Получилось, что на резюме скорее работало второе, а аналитику данных выбрала из любопытства, хотя было понятно, что с моим образованием и предыдущим опытом это не вяжется.
5. Было трудно учиться или легко? Почему?
Получилось, что я училась одновременно на двух программах. И на первой, и на второй дистанционно. От этого, конечно, не просто. Две программы неизбежно сравнивала, и обучение в ТГУ выигрывало по всем параметрам. Если по «Проектному управлению», несмотря на также известный вуз, был слабый материал и в целом подход «все же понимают, что вы пришли за бумажкой», то в Томске нас по-настоящему учили.
В какие-то моменты возникало ощущение, что эти полтора месяца были полезнее и интенсивнее, чем очная учёба в вузе.
Программа очень насыщенная, заданий много, времени на учёбу уходило немало. Сложнее всего дался python, я про него на курсе услышала впервые. SQL, машинное обучение, NLP и прочее были тоже непростые, но понятные, и от этого казались интереснее. Считаю, мне очень повезло, что я попала на курс именно в ТГУ.
6. Расскажи про опыт поиска работы. Как искала и долго ли?
Работа меня сама нашла. Через несколько месяцев после обучения от ТГУ прислали тестовые задания для выпускников, которые хотели бы поработать тьютором на новых потоках. Я прошла конкурс по двум дисциплинам – «Машиному обучению» и «Визуализации». Нужно было консультировать в чате и проверять домашние работы. Из-за недостатка практического опыта это было непросто, но в плане пользы не хуже, а может, и лучше, чем само обучение. Когда что-то объясняешь, поверхностных знаний не хватает, сначала приходится докопаться до сути.
Также пришло понимание, что нерешаемых вопросов нет. Если, когда учишься, можно сказать: «Это сложно, мне ничего не понятно», то здесь сидишь и разбираешься. Иногда долго и мучительно. Но опыт замечательный.
В начале декабря два потока выпустились, по этому проекту занятость закончилась. Тогда мне предложили выполнить тестовое задание на должность аналитика в Центре анализа больших данных ТГУ. Тестовое задание я сделала (это было достаточно сложно), договорились попробовать. Сейчас я работаю удалённо.
7. Что конкретно ты делаешь? Как выглядит твой рабочий день?
Сейчас я, по сути, работаю неполный рабочий день и сама могу регулировать, когда и с какой интенсивностью решать те задачи, которые передо мной поставлены.
В Центре очень доброжелательная, дружеская атмосфера, здесь действительно приятно и комфортно работать.
Что касается самой работы, то я не технарь совсем. Я работаю уже с готовыми выгрузками данных из соцсетей, мне не нужно что-то парсить и программировать на питоне. Элементы машинного обучения я также применяю через специальную программу.
Самый крупный проект из тех, которыми я успела позаниматься – анализ академического мошенничества по текстам сообщений в студенческих группах «Вконтакте». Я кластеризовала тексты по тематике, вычленяли из них академмошенничество, искала, с каких ракурсов его можно изучать, какую информацию можно взять из исходных данных. Сейчас мы с коллегой дорабатываем статью с результатами исследования, которую планируем опубликовать в научном журнале. Это скорее исследовательская работа на большом массиве данных. Она, несомненно, интересна с точки зрения поиска в данных ответов, которые в другом месте найти невозможно.
Кстати во время обучения нам много раз говорили, что до 80 % времени аналитика уходит на подготовку исходных данных, чистку мусора. Раньше не верилось, но это и правда оказалось так. Необходимость тратить так много времени на неинтеллектуальный труд не радует. Но надеюсь, что с опытом затраты времени на техническую часть можно будет сократить.
8. Устраивает ли тебя зарплата, видишь ли ты для себя перспективы в этой сфере?
Моя зарплата чуть меньше 25 тысяч рублей. Конечно, это несопоставимо с предыдущим доходом и не может быть длительно единственным заработком, но в текущей ситуации свобода, которую мне даёт именно такая занятость, для меня на первом месте.
В целом зарплата соответствует уровню задач и моей загрузке. Насчёт перспектив – мне интересно заниматься тем, чем я сейчас занимаюсь. Учёба в ТГУ, помимо знаний, уже второй раз обеспечила мне интересную занятость, так что в целом этот курс сильно повлиял на мою жизнь. Но, учитывая, что работа удалённая, я пока не представляю, как из этого может вырасти какая-то карьера.
9. Что посоветуешь другим выпускникам?
Если говорить предельно откровенно, то советую не обольщаться, не рисовать себе слишком радужных перспектив, особенно если вы пришли из другой сферы и data-аналитика с ней никак не связана.
Придётся начинать с нуля, а в 30 и более лет это делать непросто. Придётся быть начинающим специалистом на уровне выпускника вуза, и весь предыдущий карьерный опыт, если он нерелевантный, не будет иметь никакого значения. На мой взгляд, решение менять сферу деятельности разумно только в одном из двух вариантов: если положение совсем отчаянное или если получится стать аналитиком данных в той сфере, где раньше работали кем-то другим, тогда обнуления карьерной истории не будет. Но это лишь мнение, может, всё и не так, я же не эксперт.
И ещё важный момент. Для интереса я проходила открытые тестовые задания в крупных компаниях типа Avito и Яндекс. Там сразу видно жёсткий отсев по наличию математической базы. Они очевидно ищут технарей с сильного физмата, чаще всего именно выпускников трёх ведущих вузов. Поэтому, рисуя себе перспективы, как минимум для начала надо смотреть не на привлекательные вакансии у гигантов рынка, а, если так можно сказать, подсобные работы в сфере аналитики данных. И, нарабатывая какой-то опыт, по сути самостоятельно получать новое высшее образование, пусть через онлайн-курсы, книги, открытые лекции, но именно по интенсивности учёба должна быть очень серьёзной. Тогда перспективы будут, и здесь в героях интервью появятся настоящие звёзды аналитики данных.