Век информации — это не пустые громкие слова. Каждые два дня мы производим столько данных, сколько человечество произвело с начала времен до 2003 года. А совсем скоро современный человек будет потреблять больше информации за год, чем его предки за всю жизнь.
Помимо текстовой и аудиовизуальной информации мы накапливаем множество других данных, менее очевидных для обывателя, например, историю передвижения покупателей на сайте или данные с камер, установленных на улицах городов.
Эти данные накапливаются с астрономической скоростью и потенциально могут изменить и оптимизировать общественную жизнь, науку и бизнес.
Именно поэтому навыки обращения с большими объёмами данных, а также их анализ становятся всё более и более востребованными на рынке труда.
В 2015 году лучшей профессией была признана профессия Data Scientist, причём не только в отношении заработной платы, но и в уровне такого хрупкого баланса между работой и личной жизнью. Уже сегодня специалистов по анализу данных едва хватает, чтобы покрыть треть рыночного спроса. По оценке McKinsey Global Institute, уровень востребованности этой профессии будет и дальше неуклонно расти, и к 2018 году в одном только США появится 190 тысяч дополнительных мест для профессионалов, работающих с данными.
Эти тренды совпадают и с прогнозами для России. Доля российского рынка анализа данных на мировой сцене пока ещё не такая впечатляющая, но темп роста рынка в несколько раз опережает глобальный. RusBase предсказывает увеличение российского рынка в среднем на 40% в год.
Так кто же такой Data Scientist, и какими компетенциями нужно обладать, чтобы начать свой путь в одной из самых перспективных профессиональных сфер современности?
Кто и как работает с большими данными
Специалистов на рынке анализа данных можно грубо разделить на два типа:
- Data Engineers (люди, которые занимаются извлечением сырых данных из первоисточников и подготовкой этих данных к анализу); и
- Data Scientists (люди, которые эти данные анализируют и ищут с их помощью решения к конкретным задачам).
В первом случае очень важно умение программировать, так как задача Data Engineer — создать систему, которая сможет эффективно переработать терабайты разношёрстных данных. Сырые данные, как бы много их ни было, не способны сами по себе подсказать решение какой-либо проблемы.
Источник: Википедия
Во втором случае важнее владение статистическим аппаратом и аналитический склад ума, которые помогут Data Scientist использовать данные для решения стоящих перед ним задач.
Помимо этого, работникам индустрии Data Science очень важны навыки визуализации данных и коммуникативные способности, так как в их обязанности часто входит объяснение выводов, которые они сделали, и решений, которые они предлагают другим людям.
Применение анализа данных может быть полезным не только в бизнесе или сфере IT. При умелом анализе большие данные, взятые, например, из социальных сетей, могут рассказать о многом: начиная с политических предпочтений жителей определённого государства и заканчивая их покупательским поведением.
Поэтому навыки работы с данными и их анализа необходимы и гуманитарным специалистам, например, социологам или психологам как инструмент для научной и профессиональной работы. Анализ данных также входит в другие традиционно гуманитарные сферы, например, в журналистику. Гибрид анализа данных и журналистики уже получил название журналистики данных, которая подразумевает под собой использование больших данных, извлечённых из интернета, для проведения журналистских исследований и написания репортажей.
Анализ данных вместе со всё более изящными технологиями визуализации данных может стать настоящим искусством. Например, Крис Харрисон использовал методы анализа данных и их визуализации, чтобы наглядно показать сложность Библии, иллюстрируя все перекрестные ссылки, которых он насчитал 63 779.
Источник: chrisharrison.net
В скором будущем продвинутые навыки анализа данных будут нужны не только людям, готовым сделать Data Scienсe своей основной профессией. Например, упомянутые выше McKinsey Global Institute предсказывают, что в скором времени сильно вырастет спрос на менеджеров, владеющих навыками анализа данных.
Где научиться?
Официальные образовательные учреждения только начинают создавать очные траектории высшего образования, где смогли бы преподавать Data Science. Но уже сегодня вовсе необязательно получать второе высшее, чтобы овладеть всеми навыками Data Scientist.
Читайте также:
Стать популяризатором науки со степенью магистра
1 октября 2016 года Институт биоинформатики и Санкт-Петербургский Академический университет открыли новую программу профессиональной переподготовки «Анализ данных» на образовательной платформе Stepik.org. Успешная сдача всех экзаменов позволит студентам получить диплом о профессиональной переподготовке от СПбАУ РАН.
Программа начинается с базового курса по статистике и работе с базами данных, для освоения которого не требуется знаний сверх школьной программы. Чтобы получить диплом о профессиональной переподготовке, нужно пройти все обязательные курсы и несколько курсов по выбору.
Есть ещё приятные новости: студенты с высшим биологическим образованием, успешно окончившие программу и получившие диплом о профессиональной переподготовке, смогут поступить на первую в России онлайн-магистратуру по биоинформатике. Осенью 2017 года её запустят Санкт-Петербургский Академический университет РАН и Институт биоинформатики на платформе Stepik.org.
Магистерская программа рассчитана на два года, из которых как минимум полгода займёт работа над исследовательским проектом. На выходе — диплом СПбАУ РАН.
