30 Мая 2016 01:45 30 Мая 2016 01:45 |

Поделиться

Кадровый вопрос: как и сколько зарабатывают на данных

По прогнозам McKinsey, в США к 2018 г. сформируется спрос на 140–190 тыс. специалистов по работе с данными. Его генерируют уже не только технологические гиганты (такие как Netflix, Microsoft, Ebay, Linkedin, или новые «звезды» – Airbnb и Uber), но и компании из ритейла, промышленности, энергетики, финансового сектора и многих других отраслей. Специалисты по данным нужны теперь буквально всем.

Специальность data scientist возглавила в 2016 году рейтинг 25 лучших вакансий в США кадровой компании Glassdoor. В рейтинге предыдущего года эта вакансия занимала 9-е место. Она обошла такие специальности, как ИТ-архитектор, разработчик мобильных приложений или HR-менеджер.

Что умеет аналитик по данным

Есть расхожее определение, что data scientists лучше разбираются в статистике, чем программисты, и лучше программируют, чем статистики. Главные компетенции таких экспертов – это умение задавать релевантные вопросы и давать адекватные интерпретации по результатам анализа. Есть некоторые расхождения в том, кем считать разработчиков со знанием статистики – data scientists или же дата-инженерами.

Навык программирования – наверное, основной критерий, который отличает data scientists от привычных бизнес-аналитиков. Они не просто работают с данными, но также разрабатывают необходимые платформы, средства визуализации и алгоритмы. Второе важное отличие – в уровне автономности работы. Традиционная роль бизнес-аналитика подразумевает использование тех данных, которые ему предоставят. Data scientists в силу своих технических компетенций могут сами извлекать, трансформировать и загружать данные для проводимых исследований.

Если data scientists – преимущественно исследователи, которые разрабатывают алгоритмы и проверяют гипотезы, то дата-инженеры помогают эффективно транслировать результаты их экспериментов в конкретные продукты, поясняют в Microsoft.

В Airbnb считают, что настоящих data scientists отличает хорошая техническая подготовка, а также интуиция, креативность и хорошие коммуникативные навыки. Они должны уметь представить в простой и понятной форме результаты сложного анализа.

На российском рынке подобные терминологические дискуссии мало заметны – большинство игроков склоняется к тому, что важнее выделить спектр задач и найти тех, кто сможет их оперативно и эффективно решать, и не столь принципиально – как такие специалисты будут называться. Илья Арсентьев, директор по информационным технологиям Pony Express, поясняет: «В компании в одном лице таких специалистов пока нет – ну, или мы их так пока не называем. Есть аналитики, есть программисты данных, есть и те, кто обладает обеими компетенциями в сочетании с большим опытом и пониманием логистической области».

В «Юлмарте» отмечают, что существует определенный спектр задач по исследованию данных. «Можно выделить развитие рекомендательной системы, сегментацию клиентов, построение чат-бота, предиктивную аналитику и другие, – рассказывает Климент Мерзляков, специалист по стратегическому моделированию «Юлмарт». – Их решением занимаются аналитики различных подразделений компании. В перспективе возможно выделение отдельного направления, а также формирование профильной группы специалистов за счет наших внутренних ресурсов».

Аналогичная ситуация в банке «Открытие». «Есть люди, которые выполняют эти роли при анализе тех или иных процессов как самого банка, так и отдельных направлений, например, «Рокет», «Точка» и так далее, – добавляет Алексей Благирев, директор по развитию систем аналитики и отчетности банка «Открытие».– Результат их работы уже ощутим и приносит пользу, в том числе клиентам. Мы планируем расширять это направление, включая запуск внутреннего сервиса по работе с данными».

Подтверждают планы выращивать такую экспертизу внутри и в «Альфа банке», где сейчас идут отдельные проекты по формированию команд анализа и обработки данных, изучению ценности данных. Заметную активность в построении команд исследователей данных, причем отдельно от дата-инженеров, реализовывают в «Сбертехе».

Где учат профи в больших данных?

Около 40% data scientists сегодня имеют степень магистра. Пройти обучение по специализированным программам такие специалисты могут в более чем 20 университетах США, Великобритании, Германии, России, Испании, Италии и ряде других стран.

Обычно такие программы включают курсы по математике, статистике, программированию, управлению базами данных, распределенным компьютерным системам, машинному обучению, моделированию данных, прогнозированию, визуализации. Кроме того, специалист по анализу данных должен хорошо понимать бизнес-потребности. Для этого ему полезно будет изучить отраслевую специфику и основы экономики.

Дмитрий Балдин, «РусГидро»: Вынужденный переход на open source приводит к увеличению поверхности кибератак

безопасность

Обучиться data science можно и в онлайн-формате. На образовательном портале Coursera по запросу «data science» можно найти около 500 разных курсов. Аналогичные курсы по Apache Spark, machine learning, программированию на Python и статистике есть на edX. Площадка Udacity предлагает не только изучить лекции, но также сделать проекты. Здесь выдают «нанодипломы» – например, такой можно получить по итогам годового курса по анализу данных, разработанного при поддержке Facebook

В «Виртуальной академии» Microsoft (Microsoft Virtual Academy) выложены онлайн-курсы по машинному обучению в Azure (облачному сервису для прогнозной аналитики, а также облачной экосистеме для распространения и монетизации алгоритмов), основам data science и продвинутой аналитики. Доступны для скачивания учебники – например, по основам Azure Machine Learning или использованию языка R в Azure Machine Learning.

Отдача от инвестиций

Окупить затраты на свое обучение data scientists быстрее всего смогут в США – при зарплате до $135 тыс. в год и выше в зависимости от уровня квалификации, отмечают O’Reilly Media. Для сравнения, средняя зарплата программиста, по их же оценкам,– $65–80 тыс. в год.

В Москве зарплатные предложения для специалистов без соответствующего опыта работы начинаются от p70 тыс.. (в Санкт-Петербурге — от p57 тыс.), отмечает Исследовательский центр рекрутингового портала Superjob. Следующий зарплатный диапазон предполагает наличие глубоких знаний методов статистического анализа данных, навыков построения математических моделей (нейронные сети, кластеризация, регрессионный, факторный, дисперсионный и корреляционный анализы и т.п.), а также опыт работы с большими массивами данных и умение выявлять закономерности. На этом уровне зарплатные предложения для соискателей составляют p85–110 тыс. в Москве и p70–90 тыс. в Петербурге).

На максимальный доход могут претендовать соискатели с опытом построения коммерчески успешных сложных моделей поведения целевой аудитории с помощью инструментов глубокого исследования данных (data mining). Ориентированное на них предложение – до p220 тыс. в Москве и до p180 тыс. в Петербурге.

Главный по данным

Чем больше данных накапливают организации, тем выше осознание их ценности для бизнеса и необходимости максимально эффективно использовать этот актив. Так в корпоративной структуре появляется новая роль топ-уровня – директор по данным (CDO). Он отвечает за стратегию управления данными во всей компании, которая должна быть увязана со стратегией развития бизнеса в целом и создавать для него новую ценность.

По данным Gartner, в 2015 г. количество топ-менеджеров крупных компаний на этой должности увеличилось с 400 до 1000. Так, например, в Великобритании именно в 2015 г. появился первый CDO правительства – Майк Брэкен. Или осенью 2015 г. такую позицию впервые ввела Financial Times. В европейских компаниях годовая зарплата CDO оценивается аналитиками Gartner в €180-250 тыс. в год, в американских – от $250 тыс. долл.

Поделиться

Подписаться на новости Короткая ссылка