Профессия Data Scientist, кто это такой и чем занимается

Суть профессии

Профессия специалиста по обработке данных появилась после 2000 года, и связана она не с какой-то обычной информацией из интернета, а с особой отраслью IT-науки — Big Data. Она была изобретена как набор инструментов для объединения разнородных файлов с информацией для конкретных задач.

Весь массив данных может быть разделен на три категории:

• структурированные;
• полуструктурированные;
• неструктурированные.

К последним относятся в основном фото и прочие визуальные материалы, а они, в свою очередь, являются основной частью Big Data.

Чтобы справиться с такими объемами, находя нужное в потоке разрозненных данных, и была придумана профессия Data Scientist (дословно — «ученый по данным»). При этом существует изрядная путаница в названиях вакансий: 

1. аналитик Big Data;
2. аналитик данных (Data Analyst);
3. менеджер по анализу систем;
4. математик-программист; 
5. специалист по Big Data;
6. Data Miner (то есть дословно рудокоп, шахтер или горняк, тот кто "копает" данные).

Само название профессии подразумевает, что у её обладателя должны быть познания в области математики, статистики и в программировании. Кроме того, он должен хорошо разбираться в бизнес-процессах, различных факторах, влияющих на поведение пользователей. Иными словами, Data Scientist — это тот, кто занимается вдумчивой аналитической работой, которая может быть неочевидна, но серьезно влияет на успешность любого крупного IT-проекта.

Чем конкретно занимается специалист по Big Data

Работа Data Scientist подразумевает различные способы анализа данных:

1. Сбор статистики.
2. Создание моделей баз данных.
3. Прототипирование.
4. Методы интеллектуального анализа.
5. Использование специальных приложений для работы с данными.
6. Методы проектирования и разработки баз данных.

Например, один из программистов компании Linkedin вместо стандартной работы по улучшению оптимизации проекта занялся разработкой нового алгоритма. В компании не было систем, которые могли бы оценить его работу, но он предложил внедрить решение, позволяющее пользователям быстрее находить знакомых людей или тех, у кого есть похожие данные.

После внедрения алгоритма, узнаваемость бренда выросла в несколько раз, так как количество посетителей значительно увеличилось. То есть этот программист создал алгоритм, который смог систематизировать огромный объем данных и принести пользу.

Обязанности аналитика данных (на примере онлайн-игры)

Конкретные обязанности специалиста зависят от проекта. Но общие черты у этих специальностей похожи:

1. Сбор данных из различных источников, чтобы на их основе проводить обработку;
2. работа с потребителями, анализ среза мнений;
3. моделирование клиентской базы;
4. работа над персонализацией продуктов;
5. оценка, анализ и составление отчетности эффективности внутренних процессов базы;
6. анализ различных рисков и т. д.

Чтобы было понятнее, разберем конкретный пример. Имеется онлайн-игра с неплохой концепцией, посещаемостью и комьюнити. Однако, как показывает практика, если онлайн-проект не развивается, в нем не появляются новые дополнения, игровые механики, не исправляются внутренние ошибки, то пользователи постепенно теряют к нему интерес.

Поэтому нанимают одного или несколько специалистов по Big Data. Перед ними стоит несколько задач:

• удержать игроков;
• расширить комьюнити;
• сделать так, чтобы среднее время, затраченное на игру, увеличивалось.

Что делает Data Scientist в данном случае

1. собирает и анализирует ключевые показатели проекта;
2. проектирует метрики для того, чтобы спрогнозировать поведение игроков;
3. анализирует обновления и различные акции в игре, как они влияют на настроение комьюнити;
4. формулирует свои рекомендации: какие изменения в игру вносить, что можно улучшить, от чего отказаться и т. д. Затем отслеживает реакцию на изменения.

Где учиться

Российские вузы не предлагают обучение на Data Scientist, так как профессия появилась недавно. Не выработано единой программы обучения и образовательных стандартов.

Считается, что специалист по большим данным должен хорошо разбираться в математике, статистике и теории вероятностей. Поэтому рекомендуется поступать на университетскую специальность, где одновременно учат программированию и математическому анализу. Это может быть, к примеру, «Бизнес-информатика» или «Бизнес-аналитика».

В западных странах уже осознали высокую потребность в аналитиках баз данных, поэтому в профильных учебных заведениях есть направления, где можно учиться на Data Scientist.

Онлайн-курсы по Data Science

В России и за рубежом многие крупные IT-компании (например, Яндекс и Mail.ru Group) предлагают пройти обучение на эту специальность. Курсы, как правило, проводятся онлайн. Чем там могут учить (примерно):

1. Курс программирования на Python;
2. Введение в Data Science (базовая теория, основы и методики анализа больших массивов данных);
3. Статистический и исследовательский анализ;
4. Теория вероятностей;
5. Основы машинного обучения;
6. Проектная работа с наставником.

Длительность курсов зависит от конкретной программы. Как правило, она делится на несколько модулей длительностью по 4 недели. Финалом обучения становится итоговый проект, где нужно построить модель конкретного технологического процесса на производстве, например, оттока или притока клиентов в компанию.

Читайте также: ТОП-23 курса по Data Science

Зарплата Data Scientist в 2025 году

Вакансии Data Scientist связаны с IT-сферой, но разработки могут иметь самое разное применение:

1. медицина;
2. финансы;
3. телекоммуникации;
4. торговля.

Рынок испытывает нехватку хороших специалистов этого направления. Потребность в них высока, соответственно, работодатели готовы платить аналитикам приличные деньги, но как водится только таким, у которых уже есть реальный опыт и реализованные проекты в портфолио. По данным сервиса по поиску вакансий, зарплата Data Scientist составляет:

• Минимальная (без опыта) — от 25 тысяч рублей;
• Средняя (опыт от 1,5 до 3 лет) — от 50 до 115 тысяч рублей;
• Максимальная (опыт от 3 лет и больше) — более 200 тысяч рублей.

Вакансии без опыта

На сайтах по поиску работы не так уж много предложений для новичков. К сожалению, это ключевая проблема в IT: работодателя интересуют конкретные навыки и умения, а обучать по ходу дела не каждый готовы. Поэтому, чтобы устроиться на работа Data Scientist без опыта, оптимальный вариант - пройти курсы профессиональной подготовки с последующей стажировкой. Многие обучающие центры предоставляют такую возможность и даже помогают с трудоустройством.

Плюсы и минусы профессии

Плюсы:

• востребованность;
• актуальность;
• высокий уровень дохода.

Минусы:

• молодая специальность, не вполне определенный круг обязанностей;
• требуется долго обучаться, обязательно знание математики и статистики;
• нет возможности получить системное профильное образование в России.

Источники

Хабр — Изучение data science c нуля: этапы и вехи

Head Hunter — Data Scientist

Рувики — Наука о данных