Недавно был опубликован доклад Всемирного экономического форума «Будущее рынка труда». По мнению авторов доклада, к 2025 году особо востребованными в России, как в принципе во всем мире, станут специалисты по искусственному интеллекту, машинному обучению и Big Data. А секретари, бухгалтеры и юристы – основными претендентами на увольнение.
Ничего нового исследователи не сказали. Агентство ResearchAndMarkets в сентябре опубликовало отчет о мировом рынке больших данных. По итогам 2019 года его оценили в 41,85 млрд долларов. К 2028 году рынок аналитики больших данных должен вырасти почти втрое – до 115,13 млрд.
В условиях цифровой экономики именно аналитика данных станет точкой роста для компаний и конкурентным преимуществам. Что касается отраслей, то, по оценкам компании Frost & Sullivan, крупнейшими сегментами рынка станут производственный сектор, финансы, здравоохранение, охрана окружающей среды и розница.
В общем, с самим рынком все понятно. Менее понятно с рынком труда. Вместе со специалистами Skillfactory выяснили, как выглядит карьера аналитика данных, в чем разница между Data Analyst и Data Scientist, и на какую зарплату может рассчитывать начинающий специалист.
Skillfactory кстати запускают курс «Профессия Data Analyst», где помогут за полтора года с нуля освоить эту сферу.
Шаг первый. Еще не аналитик в Big Data
Допустим, есть Игорь, живет в Москве, недавно он закончил университет и стал бухгалтером. По профессии работает, но без особого задора. Он серфит в Интернете и уже примерно понимает, что такое Big Data и зачем это анализировать. Ежедневно мы все производим огромное количество информации. Согласно исследованию IDC «Эра данных 2025», к 2025 году объем все данных во всем мире составит 163 зеттабайт (ЗБ), это в десять раз больше, чем в 2016 году.
Большие массивы данных научились собирать, обрабатывать и пускать на благо бизнеса. Список рекомендованных друзей на Facebook – результат анализа Big Data, контекстная реклама – тоже. Но речь не только о социальных сетях и поиске в гугл. Например, анализ данных используют для прогнозов в промышленности. Работа с Big Data дает большие преимущества практически во всех отраслях.
Кстати, Игорь углубился в вопрос и больше не путает Data Analyst и Data Scientist. Data Analyst собирает информацию и по сути ее на «человеческий язык»: перерабатывает статистику в массивы данных в понятные и наглядные выводы, которые можно использовать для развития конкретного проекта или бизнеса в целом. Data Scientist ведет стратегическую работу с информацией, создает системы прогнозирования, моделирования и динамического анализа, внедряет алгоритмы автоматизации и обучения.
Шаг второй. «Кодим на питон»
Игорь хочет стать аналитиком данных. Математик, программист, разбирается в тонкостях конкретного бизнеса – вот, что, по мнению Игоря, работодатели планируют увидеть в его резюме. В целом, так и есть. Первые два пункта – своеобразный базис, последнее приобретается в процессе работы. Соответственно, кто-то приходит с техническим образованием, кто-то из программирования. Впрочем, вопреки всем стереотипам, есть и гуманитарии.
Главное, к чему стоит подготовиться: шаблона нет. У каждой компании свои специфические задачи, которые придется решать. Хорошая новость для Игоря: работодатели и не ждут «молодого специалиста с десятью годами опыта». Им нужно, чтобы Игорь знал хотя бы один язык программирования, умел работать с базами данных – знал, что это такое, где и как найти нужный массив информации, но главное – был готов учиться новому.
Поэтому не очень важно, какой конкретно вуз закончил Игорь и сколько проработал, история скорее про базовые навыки и желание развиваться.
Курс «Профессия Data Analyst» предлагает таким, как Игорь, последовательно вникнуть во все этапы анализа данных.
Собственно их несколько: работа с базами данных и необработанными массивами данных, изучение языков программирования SQL, Python – они помогут отбирать данные и создавать работающие модели для их анализа, а также освоение математической статистики. Магистерская по математике кстати не нужна, подойдут и основы, но чуть более сложные чем дважды два.
Там же на курсе Игорь создаст первые практические проекты, которые потом сможет показать в портфолио. Кстати, именно на решенные кейсы, в первую очередь, обратит внимание работодатель. А чтобы не забросить свою цель, в течение всего курса его будет поддерживать тьютор – настоящий практик из крупной компании.
Шаг третий. Прокачиваем базу, добавляем практику
По расчетам экспертов, в среднем стажером или в качестве начинающего спеца Игорь сможет рассчитывать на зарплату около 60 тысяч рублей – в основном, правда в Москве и Санкт-Петербурге.
Но уже через год-два ситуация может заметно измениться. Средняя зарплата для такого уровня специалиста уже около 130 тысяч.
Если посмотреть на Headhunter, то сейчас там порядка 200 вакансий аналитика данных – в Москве и 30 – в Санкт-Петербурге. Там, где зарплата обозначена в открытом доступе, цифра начинаются от 185 тысяч. Но это уже уровень руководителя отделов аналитики. Если бы у Игоря было пять лет опыта работы, ему бы предложили больше 250 тысяч в месяц.
Но это не предел. Приобретенные навыки можно трансформировать дальше и перейти к развитию конкретного проекта: вести продукт, отвечать за маркетинговую стратегию или в целом за развитие компании.
Ну а пока, в самом начале пути, после этой статьи сразу перейти ко второму шагу. А промокод ЭКСПЕРТ со скидкой в 45% поможет сэкономить почти зарплату специалиста среднего уровня – порядка 115 тысяч рублей. Скидка действует до 20 ноября 2020. Записываться тут.
