Работа с данными в любой сфере - страница 93
• Чрезмерная серьезность. Наука о данных – серьезное дело, но не позволяйте этому влиять на стиль вашей презентации. Есть опасность, что вы покажетесь слишком строгим и критичным, что не расположит к вам аудиторию. Просто попытайтесь улыбнуться, даже выглядеть уязвимым. Это позволит установить связь и взаимопонимание с аудиторией, привлечь слушателей на свою сторону. Чтобы убедить людей, что вы открыты для их комментариев и мнений, расскажите им, как они могут связаться с вами и получить доступ к вашим выводам.
• Выразительность. Еще один побочный эффект излишней напряженности – монотонная речь. Вам не нужно быть великим актером, чтобы изменить в лучшую сторону свою манеру говорить. Поэкспериментируйте со своей интонацией и темпом, обращая внимание на моменты, когда требуется сделать дополнительный акцент. Это очень важно, если вы не хотите, чтобы ваши слушатели заснули.
Завершение процесса
Поздравляем, мы достигли заключительной стадии процесса анализа и обработки данных! Теперь вам остается только собрать материалы, сделать глубокий вдох и представить свою блестящую работу всем участникам проекта.
Прежде чем перейти к следующей главе, задумайтесь на минуту обо всем, что вы узнали. Возможно, стоит вернуться к первой части, чтобы действительно увидеть, как далеко вы ушли. Появилось ли у вас мышление специалиста по данным? Если вы внимательно читали эту книгу, то уже должны иметь некоторое представление о своих сильных и слабых сторонах. Составьте их список на листе бумаги – этот перечень пригодится вам при чтении следующей, заключительной главы.
10
Ваша карьера в науке о данных
К 2020 г. прогнозируется, что число новых вакансий в области анализа и обработки данных увеличится на 364 000 только в США (Burning Glass Technologies и IBM, 2017). Я упоминаю эту цифру, чтобы подчеркнуть: работа в области науки о данных и впредь будет чрезвычайно востребована. Если мы вспомним Airbnb, у которой есть свои собственные университеты для обучения анализу и обработке данных (Mannes, 2017), или уволенных за ненадобностью американских шахтеров, самостоятельно обучающихся программированию (Rosenblum, 2017), то нам станет очевидно, что огромное количество занимающихся технологиями (и не только) организаций сталкивается с отсутствием подходящих кандидатов на рынке. И в эпоху, когда так много рабочих мест рискуют быть ликвидированы в течение 20 лет, наука о данных должна представлять интерес для всех, кто хочет обеспечить себя гарантированной и интересной работой[69].
В этой главе мы обсудим, что сделать, чтобы найти и начать подходящую работу в области науки о данных. Я расскажу о том, как увеличить свои шансы быть замеченными в этой сфере; что работодатели хотят увидеть в вашем резюме; как лучше подготовиться к собеседованию. А если у вас уже есть должность вашей мечты, мы обсудим, как вы можете упрочить свои позиции и расти.
Вхождение в профессию
Есть несколько карьерных троп в области науки о данных. В этой книге мы рассмотрели, какие функции лежат на сотруднике, выполняющем либо весь процесс анализа и обработки данных, либо отдельные его части. Требования к должности будут зависеть от учреждения и от того, есть ли там отдел по работе с данными, а также от того, какую часть бюджета организация хочет (или может) выделить команде специалистов.
Кем работать?
Теперь давайте рассмотрим, какого рода должности[70] могут ожидать вас. В квадратных скобках я укажу, ответственность за какой аспект процесса анализа и обработки данных лежит на работнике, занимающем ту или иную должность.
• Бизнес-аналитик. Такой специалист использует методы бизнес-аналитики для преобразования результатов анализа данных в графики, выводы и рекомендации. Ему всегда будут необходимы сильные презентационные навыки. [Шаги 4–5.]
• Аналитик данных (подготовка данных). Глава 5 показала нам, что подготовка данных является одной из самых длительных стадий процесса обработки и анализа данных, поэтому выделение этой специальности в качестве самостоятельной не должно вызывать удивления. Это позиция начального уровня, она предполагает выполнение таких задач, как очистка и структурирование данных при подготовке к анализу. [Шаг 2.]
