Дисклеймер: мы не пытаемся отговорить тебя от мечты, это всего лишь попытка лучше узнать самого себя.
Итак, ты всегда фанател от анализа данных, прочел уйму блогов и даже закончил пару онлайн-курсов, а теперь грезишь о карьере специалиста по теории и методам анализа данных. Тем более что, по версии Harvard Business Review, это одна из самых привлекательных и желанных профессий XXI века. Но так случилось, что энтузиазма для достижения заветной цели мало, а сама профессия окружена ореолом стереотипов и неоправданных иллюзий. Если ты честно ответишь на вопросы ниже, то поймешь, что может тебе помешать построить головокружительную карьеру.
1. Считаешь, что одного диплома достаточно
Итак, ты магистр наук или даже обладатель докторской степени. И теперь хочешь начать изучать науку о данных. Но ты когда-нибудь раньше пользовался интерпретатором? Чувствовал ли ты страх перед интерфейсом командой строки, при нахождении ошибок? Ты когда-либо работал с большими базами данных, например, размером в терабайт?
Если ты хотя бы на один вопрос ответил нет, то ты не готов. Тебе нужен настоящий опыт и реально созданный проект. Только тогда ты столкнёшься с теми проблемами, с которыми будешь работать каждый день как специалист по анализу данных. И только так ты разовьёшь в себе навыки их решения. Поздравляем с получением учёной степени! А сейчас приступай к тяжёлой работе.
2. Тебе не хватает страсти
Ты когда-нибудь посвящал целые выходные какому-нибудь странному проекту? А проводил ли ты ночи напролёт, просматривая GitHub, пока твои друзья развлекались на вечеринке? Ты когда-нибудь говорил нет своему любимому хобби, потому что предпочитаешь кодировать? Если ты ни разу не ответил да, то страсти в тебе маловато.
Наука о данных – это история о том, как противостоять действительно сложным проблемам и цепляться за них, пока не найдёшь решение. Если в тебе недостаточно страсти, то ты испугаешься первой же трудности. Подумай, что тебя привлекает, почему ты хочешь стать специалистом по обработке и анализу данных. Может быть, это просто красивая должность? Или это такая занятная перспектива – перебирать тонны данных в поиске озарения? Если последнее, то этот путь для тебя.
3. Ты недостаточно сумасшедший
Только безумные идеи – лучшие идеи. Специалисту по обработке и анализу данных их понадобится много. Также ты должен быть готов к неожиданностям – они происходят постоянно. А ещё тебе придётся разрабатывать решения для действительно сложных задач. Для этого требуется особенный уровень, которого не достичь с помощью обычных идей. Если люди постоянно говорят тебе, что ты рехнулся, значит, ты на правильном пути. Если нет, то нужно поработать над своим безумием. Это, конечно, требует смелости. Как только ты покажешь свою эксцентричность, некоторые люди, недоуменно почесав затылки, отвернутся от тебя. Но оно того стоит. Потому что ты остаёшься верен самому себе – и в тебе разгорится искра великолепия, которая так нужна специалисту по обработке и анализу данных.
4. Ты учишься по учебникам и онлайн-курсам
Не поймите меня неправильно. Учебники и онлайн-курсы – отличное подспорье для новичка. Но это только начало! Тебе нужно как можно скорее приступить к реальным проектам. Конечно, нет никакого смысла создавать их на Python, не зная даже как написать на нём хотя бы одну строку кода. Н как только ты «зальёшь фундамент», начинай действовать! Ключ к успеху – обучение на практике. Начни создавать своё портфолио на GitHub. Прими участие в паре хакатонов и соревнованиях Kaggel. Расскажи о своём опыте в блоге. Все могут учиться по учебникам, но чтобы стать специалистом по обработке и анализу данных, нужно нечто бо́льшее.
5. Думаешь, что учёба когда-нибудь закончится
Ты подписался на несколько онлайн-курсов по обработке и анализу данных, прочитал парочку учебников и теперь думаешь, что станешь специалистом, как только всё это вызубришь. Это не так. Это всего лишь начало. Если ты думаешь, что уже знаешь очень много, то просто представь, сколько новой информации появится через три года. Если в конце концов ты станешь специалистом, то узнаешь намного больше, чем сейчас. Эта область постоянно меняется, здесь всегда требуются новые технологии. Если, получив работу, ты перестанешь учиться, твой путь от новичка до специалиста будет отстойным. Если ты хочешь преуспеть в области науки о данных (и, если ты думаешь, что сейчас стремишься именно к этому), тебе нужно признать, что твоё обучение и самосовершенствование не закончатся никогда. Если тебе не нравится учиться, перестань мечтать о том, чтобы стать специалистом в данной сфере.
6. У тебя нет опыта работы в другой области
Ты кое-что знаешь о компьютерной науке, и твои знания математики не так уж плохи. Но сможешь ли ты получить работу в сфере обработки и анализа данных? Нет, не сможешь. Твои знания в области IT и математики очень важны, но недостаточны, чтобы выделиться среди других. Специалисты по анализу и обработке данных работают во всех видах компаний и во всех отраслях промышленности. Чтобы добиться результата, нужно отлично разбираться в сфере деятельности своего клиента. Например, Кейт Мари Льюис получила работу в течение шести месяцев, и главную роль в этом сыграло то, что она была нейробиологом и имела обширные познания о системе здравоохранения. В какой области ты хорошо разбираешься? А в какой сфере у тебя есть опыт? Стань экспертом в определённой области, а не просто специалистом по обработке и анализу данных. Так ты получишь работу.
7. У тебя не хватает предпринимательских навыков
Итак, ты склонен к анализу, любишь цифры и количественный анализ. А ещё ты ненавидишь гибкие навыки и человеческие взаимодействия. Всё это не делает тебя хорошим специалистом... Гибкие навыки важны даже в этой работе. Гибкие навыки – это то, что в конечном итоге поможет тебе пройти собеседование. Из всех soft skills, которые тебе предстоит приобрести, именно на деловые навыки стоит сделать упор. Помни, что твои клиенты – предприниматели. Им нужны люди, понимающие, как работает бизнес. Только так ты сможешь верно интерпретировать результаты обработки данных и быть полезным для клиента.
8. У тебя нет связей
Ты хочешь получить эту работу, но у тебя нет ни одного знакомого, кто работал бы в этой области? Тогда тебе надо немедленно взяться за дело! Ходи на митапы. Присоединяйся к соответствующим группам в LinkedIn. Знакомься с участниками на хакатонах. Следи за нужными людьми в Twitter. Познакомься со своими коллегами на проекте GitHub. Сделай что-нибудь захватывающее! Как в процессе поиска любой работы, 90 % успеха не зависит от твоих навыков. Эти проценты определяются рекомендациями других людей, которые дадут представление о тебе. Если твои связи в LinkedIn ограничены мамой и коллегами с последнего места работы, то самое время сделать профиль открытым для нового. Если у тебя мало подписчиков в Twitter, начни активно писать твиты. Если у твоего блога нет читателей, попробуй кроссплатформенный маркетинг. Связи обязательно появятся. Но сначала нужно поднажать!
9. Тебе не нравится грязная работа
Ты слышал о машинном обучении и искусственном интеллекте и думаешь, что наука об анализе и обработке данных откроет тебе двери к передовым технологиям. Вполне вероятно, так оно и есть. Но я гарантирую, что лишь 5 % своего времени ты будешь заниматься именно этим. Как только ты получишь работу своей мечты, большую часть своего времени ты будешь тратить на очистку данных. Поздравляю с новой работой дворника! Если тебе это не нравится, брось читать этот текст. Если ты все ещё хочешь стать специалистом по обработке и анализу данных после всего сказанного, то самое время влюбиться в эту грязную работу.
Обработка и анализ данных не работа. Это призвание
Специалисты по обработке и анализу данных очень востребованы, поэтому немного разбалованы и привыкли работать спустя рукава. Но чтобы получить место в этой сфере, трудиться нужно особенно усердно. Если ты все ещё уверен в том, что хочешь стать специалистом в этой сфере, то прими поздравления. Возможно, ты на правильном пути. Но если теперь ты не уверен, что осилишь этот путь, попробуй понять суть своих сомнений. Затем начни над этим работать. У тебя всё получится!
Автор: Риа Маутафис
Переводчик: Анастасия Корнева
Редактор: Анна Малявина