• Аналитик данных (моделирование) отвечает за разработку систем и моделей, которые могут быть применены к базам данных компании. Хотя подготовка данных не всегда может входить в обязанности соответствующего сотрудника (иногда этим этапом занимается аналитик по подготовке данных), по-прежнему очень важно иметь навыки в этой области. [Шаги 2–3.]
• Специалист по данным /расширенной аналитике /практик машинного обучения /старший научный сотрудник по данным. Для меня это специалист в области «реальной науки о данных». Профессионал, который подходит для этой работы, должен знать процесс анализа и обработки данных как свои пять пальцев, проявлять инициативу, быть ориентированным на данные, творческий подход и разбираться в программировании и анализе. Для большинства должностей также могут потребоваться навыки визуализации и презентации. [Шаги 1–5.]
• Менеджер по анализу и обработке данных. Это организационная должность, и поэтому не все будут считать ее значимой для развития карьеры – некоторые захотят остаться аналитиками данных. Менеджер по аналитике общается с клиентами и/или возглавляет команду, обеспечивая выделение нужных ресурсов и людей для проектов. [Шаги 1 и 5.]
Старайтесь быть гибкими. Особенно если вы только начинаете свою карьеру, не отказывайтесь от одной вакансии в пользу какой-то иной – иногда должность, к которой вы стремитесь, можно получить, поработав сначала на другой позиции в течение некоторого времени. Я научился относиться к смене ролей как к смене стадий процесса анализа и обработки данных, то есть можно начать как бизнес-аналитик или специалист по подготовке данных и трудиться, пока не достигнешь нужной позиции. Преимущество этого метода в том, что вы получите ценный опыт работы на ранних фазах процесса анализа и обработки данных, а это означает, что вы будете лучше подготовлены к выявлению и решению проблем, с которыми можно столкнуться на последующих этапах.
Скрытые должности
Обратите внимание, что вакансии, связанные с наукой о данных, не ограничиваются перечисленными выше. Есть ряд позиций, которые, как выяснилось, отлично подходят для людей, только что окончивших университет (или другие учебные заведения). Они хотят попробовать что-то новое, прежде чем с головой погрузиться в свою профессию.
Эти должности немного похожи на должности помощников юристов в юридической фирме – будьте готовы работать на кого-то и, возможно, выполнять задачи, которые вы могли бы счесть несущественными. Но если вы трудитесь в большой компании, такого рода деятельность может открыть перед вами широкие перспективы и стать отличным шагом к более высокой позиции (и, как вы узнаете позже в этой главе, знакомство с коллегами и работа в команде – ключ к успеху любого специалиста по данным).
Еще один путь, который могут выбрать читатели, более уверенные в своих умениях и знаниях, – консалтинг. Пусть это слово не смущает вас: если в других отраслях люди становятся консультантами только после того, как они приобрели многолетний богатый опыт в своей области, консультантом по науке о данных может стать и новичок (как и я) – в таком случае он будет фактически являться советником руководителя компании, желающего знать, как читать свои данные. Консультанты могут даже привлекаться для принятия важных решений и разработки политики в отношении науки о данных в организациях. В качестве консультанта вы не только получите возможность участвовать во всем процессе анализа и обработки данных, но и, если правильно разыграете свои карты, больше узнаете о различных отраслях. Это даст вам весомое преимущество перед конкурентами, так как через пару лет работы вы, скорее всего, будете представлять, в какой сфере хотели бы развивать свою карьеру.
Консультирование – та деятельность, которая позволит вам избежать преждевременной узкой специализации. Это особенно верно для небольших консалтинговых аналитических фирм, где количество сотрудников невелико и поэтому каждый должен стать своего рода многофункцио нальным «швейцарским армейским ножом» для обработки данных (SuperDataScience, 2017b). Такие фирмы предоставляют отличные возможности для начинающих.
