Data scientist poszukiwany. Po czym poznać mistrza?

Data scientist poszukiwany. Po czym poznać mistrza?

Pół paczki wiedzy z zakresu informatyki, dwie łyżki zdolności matematycznych i znajomości statystyki, szczypta programowania i kilka kropel spostrzegawczości wymieszanej z krytycznym spojrzeniem na zarządzanie bazami danych. Do tego parę ziaren big data i sztucznej inteligencji. Zamieszać, odstawić do lodówki na czas sesji egzaminacyjnej, żeby dyplom zdążył stężeć, zanim trafi na biurko przyszłego pracodawcy. Oto kluczowe kompetencje w data science.

Nauka o danych ma coś wspólnego z kulinariami – do pożądanego smaku w potrawie nie zawsze dochodzi się za pomocą jednego przepisu. Dowiedz się, jak wygląda praca w roli data scientista i jakie są kluczowe kompetencje w data science.

Specjalistów od data science szukają firmy, które są otwarte na rozwój, optymalizację i postęp technologiczny. Filozofia pracodawcy musi się opierać na założeniu, że dane to aktywa – coraz cenniejsze we współczesnym świecie. Do tego, jeśli wykorzystuje duże zbiory danych w procesach podejmowania decyzji, to znaczy, że to właściwy adres, pod którym można śmiało rozwijać karierę. Jest duża szansa, że jeśli jesteś już takim specjalistą, to pracodawca sam zapuka do twoich drzwi.

Początkujących da się „zwerbować” np. na uczelniach, targach, dniach otwartych. Specjalistów szuka się z reguły w sieci. To zadanie headhunterów, którzy kooperują z firmami IT. Takich można spotkać na LinkedIn, rzadziej na Facebooku. Są portale przeznaczone dla specjalistów IT, a także ekspertów data science. Wśród nich np. No Fluff Jobs, RocketJobs, BulldogJobs, TheProtocolIT, Crossweb i JustJoinIT. Najwięcej ofert pochodzi z branży retail, telekomunikacji, bankowości, e-commerce, administracji, ochrony zdrowia czy medycyny.

Kluczowe kompetencje w data science – twarda wiedza i miękka komunikacja

W tej pracy trzeba być multimedalistą igrzysk różnych umiejętności. Ci, którzy mają twardy warsztat, ogromną wiedzę i znają się na robocie, są potrzebni, ale często to za mało. Portale z poradami w zakresie HR, takie jak HRPolska.pl, podpowiadają, że umiejętności miękkie również można uznać za kompetencje kluczowe w data science. Oto kilka z nich, które najczęściej trafiają do ogłoszeń rekrutacyjnych:

Kreatywność i komunikacja. Na starcie wygrywają ci, którzy potrafią pokazać szablonowe dane w nieszablonowy sposób. W końcu w data science chodzi o rozwiązywanie problemów. Bycie łącznikiem między skomplikowanym światem danych a rzeczywistością współpracowników bez tajemnej wiedzy to zadanie, które wymaga komunikowania możliwie prostymi słowami, wykresami, schematami. Kreatywnie, z pomysłem, ale też bez wielkiej filozofii.

Chęć rozwoju i pokora. Z data science jest trochę jak z kosmosem. To niemożliwe, aby jeden człowiek mógł zrozumieć wszystkie procesy zachodzące w przestrzeni. Kopernik, Newton czy Einstein byli wielkimi odkrywcami, bo okazali się specjalistami w wąskim kręgu zainteresowań. Z danymi jest podobnie – nie ma nikogo, kto ogarnie wszystkie dane świata. Konieczne jest, żeby dość jasno sprecyzować to, w czym chcemy się rozwijać. Bardzo trudno jest odnaleźć się w data science po stronie e-commerce, a później zajmować się biologią molekularną. Dlatego doskonalenie się to pewnego rodzaju etos pracy mistrzów danych. Z szacunku do ogromu informacji chcesz być coraz lepszy.

Żyłka biznesmena. Jedną z pożądanych kompetencji ekspertów data science jest rozumienie procesów biznesowych. Ważne jest nie tylko przesiewanie danych, budowanie modeli i komunikowanie wniosków. Chodzi także o to, by zaproponowane rozwiązania miały realne zastosowanie w biznesie.

Taki przykład podaje platforma szkoleniowa z zakresu IT GambitLab, która twierdzi, że zaletą wykorzystania data science jest dostarczanie właściwych produktów: „Jedną z zalet data science jest to, że firmy mogą się dowiedzieć, kiedy i gdzie ich produkty sprzedają się najlepiej. Może to pomóc dostarczać im właściwe produkty we właściwym czasie i wprowadzić nowe, które odpowiedzą na potrzeby klientów”.

Solo lub w drużynie

W praktyce istnieją dwie możliwości rozwijania swojej kariery – albo gra w drużynie, albo gra solo. Obie mogą być w pełni satysfakcjonujące.

Solo. Praktycy podpowiadają adeptom, że dobrze jest zacząć od praktyki. Wyróżniający się praktykant ma szansę zostać na dłużej w firmie. Są też bootcampy czy kursy, które pozwalają zdobyć wymagane certyfikaty dokumentujące umiejętności. Z takim certyfikatem łatwiej aplikować na stanowiska juniorskie – tak wskazuje na przykład przewodnik po data science stworzony przez portal Karierawfinansach.pl.

Analizujesz dane, z biegiem czasu jesteś w tym coraz lepszy, dostarczasz kod, rozwijasz modele uczenia maszynowego. Przechodzisz szczeble od juniora do seniora. Ten proces nigdy nie trwa tyle samo dla każdego pracownika w każdej branży. Wiele zależy od nabytych umiejętności, doświadczenia, skali trudności wykonywanych projektów, a czasami także od posiadanego wykształcenia. W pewnym momencie należy jednak podjąć decyzję – czy chcesz zostać superspecjalistą w swojej działce, czy wolisz opracowywać szersze strategie i zarządzać ludźmi.

W drużynie. Na początku przechodzisz wyżej opisany etap solo, później pojawia się szansa na pełnienie funkcji menedżerskich. Pracujesz już nie tylko w zespole, ale też możesz nim zarządzać. Jeśli do całego zestawu sprawnego analityka z zacięciem biznesowym dołożymy umiejętność pracy w grupie i przewodzenie jej – wtedy można myśleć o stołkach dyrektorskich i partnerskich.

U światowych gigantów kariera wydaje się nieco prostsza. W wielkich firmach technologicznych w karierze przydają się certyfikaty i szkolenia, które są paszportami do kolejnych stopni wtajemniczenia – ale też kroków do awansu. Po stronie biznesu, handlu, przemysłu czy opieki zdrowotnej awans przychodzi z kolejnymi latami doświadczeń i złożonością projektów, nad którymi pracuje data scientist.

W firmach doradczych drabinka zaczyna się od stanowiska konsultanta. Z tego miejsca można awansować na senior konsultanta i dalej na menedżera. Po kilku latach i dobrych wynikach pracownika czeka posada senior menedżera. Natomiast po kolejnym awansie można napisać sobie na wizytówce: dyrektor. Grupa dyrektorów może liczyć na awans do wąskiego grona partnerów, ale to spotyka absolutnie najlepszych i najsprawniejszych pracowników. Zwykle po wielu latach pracy albo zwerbowaniu do firmy światowego giganta, którego to my przekonaliśmy do współpracy.

Praca z kodem bez dress code’u

W tej branży nie zawsze wynagrodzenie gra pierwsze skrzypce. Jeszcze w 2020 roku eksperci z Kodilla.com i Devire przeanalizowali, na jakie podwyżki mógł liczyć sektor IT rok temu. Z ich wyliczeń wynika, że niektórzy mogli się spodziewać nawet 40-proc. podwyżki wynagrodzenia w zeszłym roku. Mowa tu o stanowisku data engineer. Z kolei data scientists otrzymywali przeciętnie 17-proc. podwyżkę, co podnosiło ich zarobki z 17 tys. zł brutto do nawet 20 tys. zł brutto.

Dlatego pracodawcy prześcigają się już nie tyle w wynagrodzeniach, ile w poprawie komfortu pracy. Oprócz standardowych propozycji, takich jak ubezpieczenie na życie, karta sportowa czy opieka zdrowotna, jest także dbanie o dobre samopoczucie pracownika. To już nie tylko pokoje do drzemek czy bezpłatne lunche – standardem w branży staje się wolna ręka w codziennym ubiorze. Na jednym z facebookowych forów czytamy: „Niby pracujemy na co dzień z kodem, ale dress code’u od nas nie wymagają”.

Firma Epic System z Wisconsin w USA, która produkuje oprogramowanie dla branży opieki zdrowotnej, daje możliwość płatnego, 4-miesięcznego urlopu naukowego, zwrot kosztów podróży, możliwość zaproszenia osoby towarzyszącej, ale jest jeden warunek. Trzeba się uczyć i przedstawić po powrocie dyplom lub certyfikat.

Praca przestaje być typowym korporacyjnym trybem „nine to five”. Firmy doskonale wiedzą, że warto inwestować w elastyczny czas pracy, inkluzywność i różnorodność. Miejsce pracy ma być nie tylko przestrzenią do zarabiania pieniędzy, ale przede wszystkim bezpieczną przystanią, gdzie pracownik może czuć się sobą bez żadnych ograniczeń.

Udostępnij link

https://www.datasciencerobie.pl/kompetencje-w-data-science/