Перед вами перевод статьи Genevieve Hayes, Data Scientist с 15-летним опытом работы. Автор рассказывает о том, какие навыки стоит развивать, чтобы значительно увеличить шансы найти работу в Data Science. Чтобы определить эти навыки, она проанализировала 100 вакансий, размещенных работодателями из Австралии, Канады, Великобритании и США.
Раньше, чтобы получить работу в Data Science, было достаточно базовых навыков программирования на языках R или Python и знаний в области машинного обучения, полученных на МООК (массовый открытый онлайн-курс).
Во всяком случае, я так слышала. Мне не повезло попасть в сферу Data Science на столь раннем этапе.
Впервые я услышала о Data Science в 2015 году, почти три года спустя после того как Томас Х. Дейвенпорт и Дж. Д. Патил назвали Data Scientist «самой привлекательной профессией 21 века».
В то время конкуренция в сфере уже была ожесточенной. Я думаю, с тех пор она только усилилась. Ежегодно интерес к этой профессии возрастает, и множество университетов предлагают степень магистра в области Data Science и аналитики.
Также можно с уверенностью сказать, что для того, чтобы ваше резюме выделялось из общей массы, уже недостаточно просто пройти курс по Data Science от Coursera.
Итак, если вы уже программист уровня «бог» и прошли столько курсов машинного обучения, что «случайные леса» (Random Forest) и нейронные сети снятся вам по ночам, то над какими навыками вам нужно работать, чтобы все-таки попасть в сферу Data Science? А когда вы туда попадете, в каком направлении развиваться дальше?
Почему бы нам не спросить работодателей?
Наиболее важные навыки для специалистов по Data Science
Чтобы узнать, чего ждут работодатели от специалистов по Data Science, я изучила 100 вакансий в этой области. Все они были размещены на LinkedIn в период с 22 апреля по 5 мая 2019 года и принадлежали компаниями из Австралии, Канады, Великобритании и США.
При выборе объявлений о вакансиях учитывался тип нанимающих компаний, их размер, отрасль и уровень должностей. Исключительно управленческие роли в подборку не попали.
Из этих объявлений я выбрала навыки, указанные в качестве критериев отбора или должностных обязанностей, и определила 20 наиболее востребованных навыков специалиста по Data Science (за исключением владения языками программирования и технологий).
Вот они:
Эти навыки можно условно разделить на три категории:
- Моделирование и статистика: включает машинное обучение, статистическое моделирование и развертывание моделей.
- Инженерия данных (Data Engineering) и программирование: включает первичную обработку данных, работу с базами данных и распределенным вычислением (если бы языки программирования были включены в анализ, я бы также указала их в данной категории).
- Коммуникабельность и профессионализм: включает глубокие профессиональные знания, умение анализировать данные, руководить и наставлять младших сотрудников.
Исходя из вышеперечисленного, можно выделить шесть навыков, которые стоит развивать, чтобы значительно увеличить шансы найти работу:
Моделирование и статистика
- Статистическое моделирование
- Развертывание моделей
Инженерия данных
- Работа с базами данных
Коммуникабельность и профессионализм
- Предоставление информации по результатам анализа данных
- Руководство и наставничество
- Коммуникабельность
(Если вы хотите узнать больше о том, почему эти навыки важны и что вы можете сделать, чтобы их развить, ознакомьтесь с этой публикацией: Как стать универсалом в Data Science.)
Какие навыки я должен освоить в первую очередь?
Из 100 найденных вакансий в области Data Science 15 относились к должностям начального уровня (Junior, Intern, для «выпускников» и т. п.), 44 относились к специалистам среднего уровня и 41 — к специалистам высокого уровня (Senior, Principal, Lead и т. п.).
Ниже в таблице показана доля объявлений о вакансиях, в которых упоминается каждый из шести ранее определенных навыков наряду с ранжированием каждого навыка.
На всех уровнях должностей «презентация и коммуникабельность» неизменно входят в число двух наиболее востребованных навыков у работодателей. Кроме того, коммуникативные навыки, такие как «разъяснение технических концепций аудитории с гуманитарным мышлением» и «работа с клиентами/стейкхолдерами», приобретают все большее значение по мере увеличения стажа работы.
Поэтому, если бы вам пришлось выбрать один навык, над развитием которого нужно было бы поработать, коммуникабельность стала бы правильным выбором.
Но зачем останавливаться только на одном?
«Статистическое моделирование / статистический анализ» также входят в тройку главных навыков на всех уровнях должностей, что свидетельствует о важности их развития. Особенно это важно для специалистов на ранних этапах карьеры.
При переходе с должностей начального уровня на уровень выше стоит иметь в виду, что доля вакансий, в которых «статистическое моделирование / статистический анализ» упоминаются как желаемые навыки, увеличивается с 53,3% до 86,4%.
Тем, кто планирует занять более высокую должность, важно уделить внимание развитию навыков руководства и наставничества. При условии что навыки в области статистики уже развиты.
В то время как только 6,7% должностей начального уровня в области Data Science требуют лидерских/наставнических качеств, на более высоких должностях они требуются уже в 58,5% случаях (рост на 873%), что выводит их на пятую позицию по востребованности.
В заключение
На оттачивание всех вышеперечисленных навыков уйдет некоторое время, но так и должно быть. Если бы вы смогли овладеть всеми знаниями, необходимыми в сфере, всего лишь за выходные, то захотели бы вы в таком случае посвятить годы своей жизни этой работе?
Однако сосредоточившись только на одном или двух навыках за раз и посвятив им всего несколько часов в неделю, вы приобретете набор востребованных навыков, который поможет вам выделиться из толпы и увеличить шансы на карьерный рост или получение желаемой работы в сфере Data Science.
Итак, какой навык вы собираетесь освоить в первую очередь?
Автор: Plarium
