Профессия будущего: "Data scientist"

Кто такой Data Scientist?

Data Scientist (аналитик данных) – это специалист, работающий с большими массивами данных, используя методы и алгоритмы, специально разработанные для них.

Если для малых объёмов информации (в пределах 1 сервера или локальной сети) достаточно будет специалиста по статистике или администратора баз данных, то с Big Data (массивами данных в пределах целого кластера серверов) это не работает. Закономерности и связи данных такого объёма строятся по совершенно другим принципам. Задача аналитика данных: выявлять эти принципы и закономерности, использовать их в практических целях.

Этот специалист – настоящий учёный, и каждая выявленная им закономерность, каждый разработанный им метод работы с данными – это достижение науки о данных, статистики и математики.

Где требуются специалисты Data Science?

IT-сфера: для систематизации информации, настройки фильтрации спама, оптимизации поиска и выдачи результатов.
Технологические отрасли: например, производство медицинских препаратов или иной продукции, требующей систематизации.
Финансовые организации: управление информацией о клиентах и их денежных средствах.
Торговые сети: как ведение и автоматизация баз данных товаров, так и статистический анализ потребностей и платёжеспособности целевой аудитории.
Медицина: те же базы данных, автоматическая диагностика.
Медиа: обработка всей входящей и исходящей информации, прогнозирование и анализ реакции на неё.
Избирательные кампании: тут точно не обойтись без Data Science-специалиста. Сколько информации нужно обработать как перед выборами, так и после них!
Статистические организации: без статистики мы бы даже не подозревали о том, как хорошо мы работаем.

Обязанности Data Scientist

В каждом конкретном случае обязанности сотрудника отличаются, но есть обязанности, общие для всех представителей профессии:

Сбор данных из различных источников, проверка их актуальности
Анализ поведения потребителей
Составление баз данных, персонализация тех или иных продуктов
Анализ всевозможных рисков
Определение всяческих фальсификаций и мошеннических действий, фальсификаций данных
Ведение отчётности по данным, включая результаты анализа и прогнозирование

Личные качества

Аналитический склад ума, склонность к точным наукам
Внимательность, пунктуальность, дотошность
Трудолюбие, настойчивость, способность доводить любое дело до конца
Стрессоустойчивость
Коммуникабельность
Умение доносить информацию доступным языком
Интуиция

Профессиональные навыки

Знание математики, математического анализа и статистики, теории вероятности и комбинаторики
Владение английским языком
Знания отрасли, в которой работает специалист
Знание экономики, законов развития бизнеса
Навыки организации и администрирования кластерных систем хранения больших массивов данных
Умение пользоваться инструментами статистики – Data Miner, MATLAB, SPSS, R, SAS, Tableau
Владение основными языками программирования, имеющими компоненты для работы с большими массивами данных: Java (Hadoop), C++ (BigARTM, Vowpel Wabbit, XGBoost), Python (Matplotlib, Numpy, Scikit, Skipy)

Плюсы и минусы профессии Data Scientist

Плюсы

Очень высокая востребованность. Даже существует «кадровый голод» в этой области. По данным McKinsey Global Institute провёл исследование: в 2018 году требовалось около 200 000 специалистов Data Science в США. Россия не отстаёт – с внедрением «цифровой экономики» профессия точно будет нужна.
Высокооплачиваемость. Ещё бы, при такой то востребованности!
Вы можете сами создавать и внедрять методы обработки данных, их анализа и хранения.
А ещё вы всегда будете в курсе всего.

Минусы

Аналитическим складом ума обладает не каждый.
Необходимость постоянно развиваться и «прокачивать себя» – звучит правильно, но времени на отдых будет катастрофически мало.
Часто ни один подход к решению проблемы не работает. Совсем. Поэтому аналитик данных разрабатывает новые методы, пишет алгоритмы обработки. Это не та профессия, где можно идти по накатанной.

Если Вам интересно, то давайте голосовать! А я пока пойду писать контент.)