2. Важно не то, что вы знаете, а то, как применяете знания
Как вы думаете, что было самым мощным инструментом в начале моей карьеры? Программирование? Tableau? Реляционные базы данных? Выборка Томпсона?
Вы удивитесь, узнав, что я имею в виду программу PowerPoint, но именно так и было. Этот простой инструмент изменил для меня всё. Из всех сложных программных пакетов и алгоритмов, которые я использовал, PowerPoint оказала на меня наибольшее влияние, и в значительной степени благодаря ей я получил свою самую заметную должность. Как я уже сказал в главе 9, есть много талантливых жонглеров числами, но аналитики данных, способные эффективно донести свои идеи, встречаются редко.
Речь здесь не о том, что PowerPoint – палочка-выручалочка для всех специалистов по данным, но не стоит недооценивать что-либо из-за простоты. Просто-напросто я понял, как сделать так, чтобы мои знания и сильные стороны работали на меня. Еще учась в университете, я знал, что презентации в PowerPoint особенно хорошо даются мне.
Это пример того, как я применил свои знания для своего профессионального роста. Ваши знания, скорее всего, будут лежать в иной плоскости – найдите время, чтобы понять в какой, и запишите несколько идей. В «Будущем разума» Митио Каку цитирует нейробиолога Ричарда Дэвидсона, чтобы показать, насколько важно расширять свое представление о навыках и способности к успеху:
«Ваши оценки в школе, ваши баллы, полученные на выпускных экзаменах, менее значимы для жизненного успеха, чем ваши способности сотрудничать, управлять эмоциями, отложить удовольствие и фокусировать внимание. Эти навыки гораздо важнее…»
(Ричард Дэвидсон, цит. по книге Каку)
Вы не сумма ваших дипломов. Склонность к аналитике сослужит вам хорошую службу, но общительность и интерес к этике – дополнительные важные факторы, которые часто игнорируют даже наиболее проницательные аналитики данных. Когда у вас будет время, подумайте, как эти навыки или знания могут быть применены к любому из шагов в процессе анализа данных.
3. Делитесь – и делитесь по-братски
Наука о данных – не обычная дисциплина: те, кто ею занимается, стремятся поделиться результатами своих исследований и разработок друг с другом. Давайте извлечем из этого преимущества. В интернете есть много контента с открытым исходным кодом – им можно воспользоваться, когда будет нужно попрактиковать навыки анализа и обработки данных. Как я уже отметил в главе 3, работа над тренировочными заданиями и применение новых алгоритмов к реальным массивам данных обязательны, если вы стремитесь поспевать за развитием науки о данных и хотите, чтобы ваши идеи всегда оставались актуальными. Так что присоединяйтесь к общему разговору и поделитесь вашими данными и открытиями с коллегами[72].
Если вы еще не готовы внести свой вклад, есть много краудсорсинговых проектов, где требуются специалисты для работы с большими массивами данных, способные оптимизировать их алгоритмы. Поиск в Google по фразе «проекты краудсорсинга данных» (data crowdsourcing projects) поможет вам найти их, а дополнительным преимуществом станет то, что вы сможете работать над многими из этих проектов не выходя из собственной комнаты.
Кэролайн Макколл, ассоциированный партнер FutureYou (небольшой австралийской фирмы, занимающейся консалтингом в области науки о данных), особо подчеркивает, что обмен знаниями внутри сообщества – эффективный и благодаря интернету практически бесплатный способ стать услышанным и повысить свою профессиональную репутацию. Самые успешные аналитики данных, которых я знаю, ведут блоги, записывают влоги (видеоблоги), делятся кодами на Github (сервис исходных кодов хостинга) и подобных платформах, отвечают на вопросы пользователей на таких сайтах, как StackExchange и Quora, работают фрилансерами в Upwork (крупнейшая сеть фрилансеров) и выступают на конференциях. Если вы уверены в себе или хотите сосредоточиться на определенной нише, блоги – эффективный путь к совмещению исследовательской деятельности и карьерного роста. Не беспокойтесь о том, что поначалу можете ошибиться, – вы быстро научитесь у членов сообщества или же попросите своего наставника (см. ниже) предварительно ознакомиться с вашим материалом. Будьте скромны и открыты для критики.
