Источник: Unsplash
Рынок специалистов в областях Data Analysis и Data Science стремительно растет. Тем не менее у соискателей нередко возникают вопросы о том, как начать здесь развиваться. Чего ждут работодатели от кандидатов, как выбрать свою нишу в BigData и на что обращать внимание при составлении резюме, — обо всем этом в рамках вебинара Центра непрерывного образования ФКН рассказала HR Business Partner компании «Атом», карьерный эксперт «Эйч» Анна Шангареева.
Содержание статьи:
Аналитик данных (Data Analyst) — специалист, который помогает компании извлекать пользу из данных и принимать решения на их основе. Он знает, какие именно данные необходимо собрать для расчета метрик и продуктового анализа, определяет, как развивается продукт и его отдельные сегменты, проверяет предложенные гипотезы с помощью проведения экспериментов и улучшает ключевые показатели эффективности (KPI) бизнеса.
Data Scientist — специалист, который разрабатывает и применяет сложные алгоритмы машинного обучения для решения бизнес-задач и прогнозирования. Он занимается поиском закономерностей в больших объемах данных, создает прогностические модели, автоматизирует процессы принятия решений, а также разрабатывает новые продукты и сервисы, основанные на анализе данных. Data Scientist помогает компании находить скрытые возможности для роста и оптимизации.
Аналитик данных извлекает информацию из различных источников, включая базы данных, веб-сайты и другие системы. Это может включать написание запросов на языке SQL для получения нужной информации. Также необходимо владеть языком программирования Python (включая библиотеки Pandas и NumPy), а также использовать Excel для анализа данных и составления отчетов. Кроме того, необходимы навыки работы с инструментами для визуализации данных (Tableau, Power BI) и хорошие знания математики.
Что касается специалистов по Data Science, то в этом направлении вакансий меньше, конкуренция жестче, а требования — строже. Помимо навыков, необходимых аналитикам данных, Data Scientist должен разбираться в библиотеках для визуализации, таких как Matplotlib (популярная Python-библиотека для визуализации данных), Seaborn (библиотека для создания статистических графиков на Python), знать SQL (англ. Structured Query Language, структурированный язык запросов, созданный, чтобы получать из базы данных необходимую информацию), и понимать, как работают алгоритмы машинного обучения. Иногда требуется и владение языком программирования R, созданным специально для статистического анализа данных.
Для того, чтобы сделать выбор направления работы более целенаправленным, необходимо определить, какая ниша подходит вам лучше всего. Основными сферами, в которых требуется работа с данными, являются:
Алгоритм действий для соискателя следующий: определить, какие темы наиболее интересны (это может быть связано с опытом, образованием или хобби), убедиться в наличии необходимых знаний и навыков для работы в выбранной сфере, а затем приступить к выполнению практических заданий и участию в соответствующих проектах.
При написании резюме стоит помнить, что его цель — не просто перечислить опыт, а показать, как он, а также имеющиеся знания и навыки, пригодятся работодателю. Лучше использовать функциональный формат резюме, поскольку он акцентирует внимание на достижениях. Не стоит указывать все места работы с самого начала карьеры, если они не связаны с текущей специальностью и не будут иметь значения для будущей должности.
При описании опыта важно добавлять конкретику, цифры и проценты — это лучшие друзья профессионала. В разделе об образовании и учебном опыте стоит рассказать, какие именно действия привели к результату, а не просто перечислять технологии, которыми вы владеете. Обязательно упомяните опыт командной работы, если он есть, указав свою роль и вклад.
Перед тем, как отправить резюме, внимательно изучите вакансию, требования, а также корпоративную культуру компании, чтобы акцентировать внимание на нужных навыках. Полезно создать шаблон сопроводительного письма и адаптировать его под каждую конкретную вакансию.
«Ведите таблицу по прогрессу поиска работы, фиксируйте свои впечатления о компании и обратную связь от нее. Это поможет вам улучшать стратегию поиска работы. Не забывайте про ведение GitHub (платформа для хостинга IT-проектов — Ред.), куда вы можете вносить свои пет-проекты и интересные тестовые задания», — советует Анна Шангареева.
***
Команда Центра непрерывного образования ФКН организует программу ДПО для тех, кто решил сменить профессию или повысить квалификацию. В рамках программы возможно с нуля освоить профессии «Аналитик данных» (Data Analysis) и Data scientist. Занятия можно посещать очно в корпусе на Покровском бульваре в вечернее время или подключаться в онлайн-формате. Освоить отдельные аналитические инструменты можно в онлайн-формате. Так, курс «Аналитика в Business Intelligence» посвящен работе с BI-системами на примере Tableau, DataLens. «Программирование на Python» познакомит с одним из наиболее популярных современных языков программирования. Освоить язык SQL с нуля поможет онлайн-курс «SQL для начинающих».
***
Авторы: Мария Комаровская, Екатерина Чаунина, стажеры-исследователи Проектно-учебной лаборатории экономической журналистики НИУ ВШЭ
В подписке — дайджест статей и видеолекций, анонсы мероприятий, данные исследований. Обещаем, что будем бережно относиться к вашему времени и присылать материалы раз в месяц.
Спасибо за подписку!
Что-то пошло не так!
