श्रम बाजार विश्लेषक और डेटा वैज्ञानिक

डाटा साइंस कोई नया क्षेत्र नहीं है। वे 50 से अधिक वर्षों से डेटा प्रोसेसिंग में लगे हुए हैं, जो इस क्षेत्र को लोकप्रियता के चरम पर रहने से नहीं रोकता है: डेटा एनालिटिक्स और डेटा साइंटिस्ट आज नियोक्ताओं के बीच बहुत लोकप्रिय हैं। Netologiya के संपादकों ने बाज़ार के विशेषज्ञों - New.HR एजेंसी से पूछने का फैसला किया, जो डेटा साइंस में माहिर हैं, और प्रमुख आईटी कंपनियों - डेटा के साथ काम करने के क्षेत्र में वास्तविक स्थिति के बारे में।

विभिन्न स्तरों के विशेषज्ञ कितना प्राप्त करते हैं? नियोक्ता की नजर में अपना मूल्य कैसे बढ़ाएं? कंपनियां कर्मचारियों की तलाश में कहां हैं? उम्मीदवार चुनते समय एचआर पहले क्या देखते हैं?

डीएस श्रम बाजार तेजी से विकसित हो रहा है। पिछले दो वर्षों में, हमने डेटा विज्ञान के क्षेत्र में 800 से अधिक छात्रों को प्रशिक्षित किया है, उनमें से अधिकांश रूसी और विदेशी कंपनियों में विशेष पदों पर काम कर रहे हैं। कुल मिलाकर, हमारे पास डेटा विज्ञान के विषय पर 10 से अधिक प्रशिक्षण कार्यक्रम हैं, लेकिन सबसे लोकप्रिय क्षेत्र डेटा विश्लेषक, द्वि विश्लेषक, डेटा वैज्ञानिक और मशीन लर्निंग हैं।

सभी छात्रों के अलग-अलग लक्ष्य होते हैं: कोई व्यक्ति अपने पेशे को मौलिक रूप से बदलने के लिए आता है, कोई - अपनी स्थिति में बढ़ने के लिए और अधिक कमाई करना शुरू कर देता है। वेतन, निश्चित रूप से एक मुख्य कारण है कि अधिक से अधिक लोग हैं, जो डेटा साइंस का अध्ययन करना चाहते हैं।

डेटा साइंटिस्ट पदों के लिए वे कितना भुगतान करते हैं

जून 2019 में, New.HR एजेंसी विश्लेषकों और डेटा साइंटिस्ट के लिए बाजार का एक बड़ा अध्ययन जारी करेगी , लेकिन अभी के लिए, New.HR में एनालिटिक्स और डेटा वैज्ञानिकों के प्रमुख ओक्साना प्रूटानोवा, क्षेत्र में वेतन डेटा साझा करने और विशेषज्ञों को सलाह देने के लिए सहमत हुए।

डेटा साइंस में विशेषज्ञों के प्रत्यक्ष सर्वेक्षण के माध्यम से प्राप्त डेटा। मॉस्को में काम करने वाले उत्तरदाताओं से प्राप्त संकेतक को ध्यान में रखा जाता है। कर, "हाथ पर" के बाद वेतन के आंकड़े दिखाए गए हैं:



डेटा साइंटिस्ट आय स्तर किससे बना है:

• विशेषता में सामान्य कार्य अनुभव;
• पेशेवर विशेषज्ञता की गहराई;
• एक स्थिति और उद्धृत विश्वविद्यालय में शिक्षा। उदाहरण के लिए, मजबूत विश्लेषकों को एमआईपीटी, एमएसयू, आईटीएमओ में प्रशिक्षित किया जाता है;
• स्थान - मास्को में अधिक पैसा है। लेकिन यहां तक ​​कि क्षेत्रों में आप तुलनीय पैसा कमा सकते हैं। उदाहरण के लिए, नोवोसिबिर्स्क जैसे मजबूत शैक्षणिक आधार वाले शहरों में। साथ ही, किसी परियोजना पर दूरस्थ रूप से काम करते समय वेतन का पूंजी स्तर गिना जा सकता है;
• अंग्रेजी का ज्ञान अवसरों का बहुत विस्तार करता है और आपको वैश्विक पेशेवर समुदाय का सदस्य बनने की अनुमति देता है। प्रकाशनों का पालन करें, सर्वश्रेष्ठ विश्व विश्वविद्यालयों के कार्यक्रमों के तहत अध्ययन करें, विदेश में रिक्तियों पर विचार करें, अंग्रेजी में लेख लिखें।

श्रम बाजार में अपना मूल्य बढ़ाने के लिए डेटा वैज्ञानिक कैसे

ऐसे बिंदु हैं जो नियोक्ता की नजर में डाटा साइंटिस्ट को महत्व देते हैं:

• अनोखी तकनीक का ज्ञान। जब एक विशेषज्ञ एक संकीर्ण पेशेवर क्षेत्र में एक विशेषज्ञ बन जाता है, उदाहरण के लिए, वह एनएलपी में शांत है - इससे बाजार में उसका मूल्य बढ़ता है।
• एक विकसित, प्रचार क्षेत्र में अनुभव: कंप्यूटर दृष्टि, रोबोटिक्स, ड्रोन, और इसी तरह से संबंधित सब कुछ। विशेषज्ञ की लागत बाजार की मांग, सामान्य रुझानों और एक विशिष्ट, संकीर्ण खंड के ज्ञान के प्रतिच्छेदन पर निर्भर करती है।
• बहुमुखी अनुभव। कुछ नियोक्ता विशेषज्ञों को केवल उनके क्षेत्र से मानते हैं, उदाहरण के लिए, बैंकों से। लेकिन जो लोग व्यापक दिखते हैं और अन्य क्षेत्रों के विश्लेषकों को आमंत्रित करते हैं वे लाभान्वित होते हैं। क्योंकि उम्मीदवार एक नई दृष्टि ला सकता है, गैर-स्पष्ट उपकरण और दृष्टिकोण लागू कर सकता है।
• अपना खुद का स्टार्टअप बनाने का अनुभव। नियोक्ता के लिए, इसका मतलब है कि विशेषज्ञ व्यावसायिक स्तर पर कार्यों को समझ सकता है।
• अंतर्राष्ट्रीय परियोजनाओं में भागीदारी। आप एक अनुदान प्राप्त कर सकते हैं या कागल में प्रतिस्पर्धा कर सकते हैं।
• विदेशी कंपनियों में अनुभव। विदेशी कंपनियों ने व्यापार के लिए अन्य मानकों और दृष्टिकोणों को अपनाया है, और यह रूसी कंपनियों द्वारा सराहना की जाती है।

कुल, आप उन डेटा पेशेवरों के लिए युक्तियों की एक सूची का चयन कर सकते हैं जो अधिक कमाई करना चाहते हैं। उनमें से ज्यादातर काफी सार्वभौमिक और सामान्य हैं - लेकिन फिर भी, वे काम करते हैं:

• लगातार अपनी विशेषज्ञता को जानें और ठीक से विकसित करें। ऐसा करने के लिए, मांग की दक्षताओं को पंप करने के लिए बाजार के रुझानों की निगरानी करना महत्वपूर्ण है।
  
• व्यवसाय की भाषा बोलने में सक्षम हो। सक्रिय होने के लिए, नेताओं को उनके काम के लाभों को समझना और संवाद करना।
  
• अपने आसपास एक टीम का गठन करें। आप एक छोटी टीम या प्रशिक्षण परियोजना के नेता या टीम लीडर बन सकते हैं। किसी भी स्तर पर प्रबंधन का अनुभव मांग में है।
  

• डेटा साइंटिस्ट पेशे की बाजार में बहुत मांग है। इसलिए, एक आलसी तरीका है - बस कंपनी से कंपनी में जाएं। तो आप 20-30% तक आय बढ़ा सकते हैं। लेकिन यह केवल एक निश्चित स्तर तक ही किया जा सकता है।
  

डेटा साइंटिस्ट के बारे में नियोक्ता क्या सोचते हैं

हमने आईटी कंपनियों में एचआर प्रबंधकों और एनालिटिक्स के प्रबंधकों के साथ बात की और पता लगाया कि वे आम तौर पर अपनी टीम में शामिल होने के लिए कर्मचारियों की तलाश करते हैं, और उम्मीदवारों का चयन करते समय सबसे पहले वे क्या देखते हैं।

अलेतो के चयन के प्रमुख एलेक्जेंड्रा गोलोविना :

Avito में, डेटा साइंटिस्ट एक अलग आइटम है, जो डेटा एनालिटिक्स से अलग है। डेटा विश्लेषक मौजूदा कार्यक्षमता या उत्पाद की गुणवत्ता का मूल्यांकन करते हैं और उनमें बदलाव के बारे में निर्णय लेने में मदद करते हैं: मैट्रिक्स विकसित करना और लागू करना, परिकल्पना करना, ए / बी परीक्षण करना - मुख्य अड़चनें, उपयोगकर्ता दर्द की पहचान करना और उन्हें हल करने के तरीके के बारे में सोचना।

डेटा साइंटिस्ट एमएल मॉडल बनाने के लिए जिम्मेदार है जो डेटा विश्लेषकों द्वारा पहले से ही पाई गई समस्याओं को हल करने में मदद करते हैं: डेटा तैयार करें, प्रोटोटाइप लिखें, आदि।

आमतौर पर हमें दोनों पदों पर काफी प्रतिक्रिया मिलती है, लेकिन, दुर्भाग्य से, अधिकांश रिज्यूमे अप्रासंगिक हैं। अधिकांश भाग के लिए, लोग एल्गोरिदम के साथ काम नहीं करते थे, या हमारे पास आवश्यक स्टैक का मालिक नहीं था। इसलिए, अक्सर हम स्वतंत्र रूप से देख रहे हैं: वैकल्पिक स्रोतों (उदाहरण के लिए, प्रतियोगिताओं) और आंतरिक सिफारिशों द्वारा।

कर्मचारी चुनते समय, हम कारकों का एक समूह देखते हैं: उम्मीदवार ने किन कार्यों को हल किया, चाहे वह किसी भी परियोजना में भाग लिया हो, वह कैसे विकास करना चाहता है, आदि। हमारे लिए यह भी महत्वपूर्ण है कि उम्मीदवार के पास एक मौलिक शारीरिक और गणितीय शिक्षा है। हमारे कर्मचारी विभिन्न क्षेत्रों और कंपनियों से आए: एफएमसीजी से विशेष प्रतिस्पर्धी कंपनियों तक, लेकिन सभी में एक चीज समान है: मौलिक शिक्षा की उपस्थिति। कार्य अनुभव स्वयं भी महत्वपूर्ण है, लेकिन कंपनी की बारीकियां कम महत्वपूर्ण नहीं हैं।

हमारे लिए पोर्टफोलियो का होना आवश्यक नहीं है, लेकिन यह साक्षात्कार के दौरान उम्मीदवार की बहुत मदद कर सकता है।

प्रत्येक इकाई के लिए, हमारे पास एक तैयार परीक्षण कार्य है, जो कर्मचारी के भविष्य के कार्यों के जितना संभव हो उतना करीब है। यह सभी के लिए एक जीत की स्थिति है: हम उम्मीदवार के स्तर को समझते हैं, और उम्मीदवार, बदले में, यह पता लगाएगा कि वह वास्तव में क्या करेगा।

लेकिन अगर किसी व्यक्ति के पास एक पोर्टफोलियो है और वह अपनी किसी भी परियोजना के स्रोत कोड को पायथन में भेजने के लिए तैयार है, जो उसकी राय में भाषा दक्षता का एक अच्छा स्तर दिखाता है, और कोड के किसी भी हिस्से को समझाने के लिए तैयार है, या एक प्रतियोगिता के लिए एक समाधान प्रदान करने के लिए तैयार है, तकनीकी कार्य अनावश्यक है।

निकिता पेस्त्रोव, डेटा साइंस लीड, हैबिटेटम :

Habidatum में, हम शहरी डेटा विश्लेषण उत्पादों और ग्राहक परियोजनाओं का निर्माण करते हैं। परियोजनाओं को डेटा के संग्रह की आवश्यकता होती है, जैसे कि सार्वजनिक परिवहन मार्ग या रियल एस्टेट लिस्टिंग, और उन्हें कैसे संभालना है, इसकी समझ। यह, साथ ही रिपोर्टिंग सामग्री का निर्माण, पैटर्न और निष्कर्ष की खोज आमतौर पर एक डेटा विश्लेषक द्वारा की जाती है। डेटा वैज्ञानिक इन परियोजनाओं के लिए मॉडल विकसित करते हैं और हमारे उत्पादों और सेवाओं में डेटा इंजीनियर के साथ मिलकर उनका हिस्सा बनाते हैं। ये दो लोग मिलकर काम करते हैं।

हर साल हम एनालिटिक्स के लिए नए कर्मचारियों का चयन करने के लिए टीम इंटर्नशिप करते हैं। कई हफ्तों से, विभिन्न क्षेत्रों के युवा विशेषज्ञ अनुसंधान का संचालन कर रहे हैं, जो कंपनी में हमारे सामने आने वाली वास्तविक समस्याओं की कोशिश कर रहा है। इस समय के दौरान, हम किसी व्यक्ति की ताकत को समझने और उसके साथ काम जारी रखने का निर्णय लेते हैं।

हमने पहले कभी एक इंटर्नशिप के हिस्से के रूप में एक उम्मीदवार के साथ काम किए बिना एक विश्लेषक या डेटा वैज्ञानिक को नहीं लिया।

हम विभिन्न विषयों पर कार्यशालाएं और व्याख्यान भी आयोजित करते हैं, जिसके बाद हम इच्छुक विशेषज्ञों से रिज्यूमे प्राप्त करते हैं और उनकी समीक्षा करके खुश होते हैं। और निश्चित रूप से ओपन डेटा साइंस समुदाय में # मुखमैथुन चैनल - जब हम सक्रिय रूप से किसी विशिष्ट कार्य के लिए एक व्यक्ति की तलाश कर रहे हैं।

युवा नवीन कंपनियों के लिए, कंपनी के क्षेत्र में विकसित करने के लिए एक नए कर्मचारी का ज्ञान और इच्छा (हमारे लिए यह एक शहर है) एक विशिष्ट स्थिति में उसके ज्ञान से अधिक महत्वपूर्ण है । इसलिए, उम्मीदवारों का चयन करते समय, हम शहरी मुद्दों, टीम वर्क के अनुभव और किसी व्यक्ति के फिर से शुरू में कठिन परिस्थितियों को सरल मॉडल में बदलने की क्षमता की तलाश करते हैं। सारांश में, यह प्रासंगिक सम्मेलनों, इंटर्नशिप या हमारे हित के विषयों पर परियोजनाओं में भाग लेने के द्वारा देखा जा सकता है।

वेरा मशकोवा, उपाध्यक्ष, मानव संसाधन, एबीबीवाई कंपनियों का समूह :

विभिन्न कंपनियों में, डेटा साइंटिस्ट का मतलब विभिन्न कार्यों वाले लोग हो सकते हैं। हम मुख्य रूप से सार्वभौमिक कर्मचारियों को नियुक्त करते हैं जो डेटा विश्लेषण और 50/50 विकास में शामिल हैं। यह हमारे व्यवसाय की जरूरत है।

कंपनी में डेटा साइंटिस्ट पद हैं, जिसमें एक बड़े इंटर्नशिप कार्यक्रम के ढांचे के भीतर भी शामिल हैं, लेकिन हम उन्हें "डेटा विश्लेषक" के रूप में अनुवाद नहीं करते हैं, हम अनुसंधान और विकास का वादा करने वाले दो विभागों में "शोधकर्ताओं" के बारे में अधिक बात कर रहे हैं। हम अक्सर ऐसे पदों को जूनियर डेटा साइंटिस्ट (एनएलपी) कहते हैं।

डाटा साइंस की लोकप्रियता बढ़ रही है। बाजार अधिक विकसित हो गया है, कई विश्वविद्यालय डेटा विज्ञान पढ़ाने में अधिक सक्रिय हो गए हैं। कई अतिरिक्त पाठ्यक्रम हैं। उम्मीदवारों की बढ़ती संख्या पर भरोसा किया जाता है।

सबसे बड़ी बाहरी भर्ती साइट हेडहंटर है। इसके अलावा, हम MIPT में अपने दो विभागों के बच्चों को रोजगार देने में खुश हैं। अच्छे और संरचित रिज्यूमे हैं, लेकिन सभी उम्मीदवार अपने अनुभव का वर्णन करने में सक्षम नहीं हैं। इसके साथ नौसिखिए पेशेवरों की मदद करने के लिए, हम हायर स्कूल ऑफ इकोनॉमिक्स और मास्को इंस्टीट्यूट ऑफ फिजिक्स एंड टेक्नोलॉजी में छात्रों के लिए कैरियर विकास बैठकें आयोजित करते हैं।

हमने कंपनी के भीतर एक रेफरल कार्यक्रम भी विकसित किया है: सहकर्मी खुले पदों के लिए उम्मीदवारों के रूप में अपने दोस्तों को सलाह देते हैं - इसलिए हमें अक्सर बहुत अच्छी सिफारिशें मिलती हैं।

कर्मचारी चुनते समय, हम सबसे पहले बुनियादी शिक्षा पर ध्यान देते हैं: कौन सा विश्वविद्यालय और किस दिशा में कोई व्यक्ति स्नातक या स्नातक कर रहा है।

यदि उम्मीदवार के पास गैर-कोर (उदाहरण के लिए, मानवीय) शिक्षा है, तो वह अपने कार्यों का सामना करने में असमर्थ होने की अत्यधिक संभावना है। हमारे लिए सबसे महत्वपूर्ण बात सीखने की हमारी इच्छा, स्वतंत्र शोध के लिए हमारी तत्परता है, अगर हम विशेष रूप से होनहार अनुसंधान और विकास टीमों के बारे में बात कर रहे हैं।

नए विचारों को लाने के लिए तैयार रहना महत्वपूर्ण है।

यदि कोई व्यक्ति वैज्ञानिक गतिविधि में लगा हुआ है, तो यह निश्चित रूप से एक प्लस है। यदि कोई व्यक्ति किसी जूनियर विशेषज्ञ की स्थिति में आता है, तो हमारे लिए एक पोर्टफोलियो आवश्यक नहीं है।

अलेक्सई कुज़मिन, विकास निदेशक, डोमक्लिक में डीएस-दिशा के प्रमुख :

DomClick में, हम डेटा साइंटिस्ट और डेटा एनालिटिक्स की स्थिति साझा नहीं करते हैं। हमारे पास स्पष्ट रूप से एक और भूमिका है - विश्लेषक / व्यवसाय विश्लेषक। इसका मुख्य कार्य व्यवसाय रिपोर्टिंग का निर्माण करना है। डेटा साइंटिस्ट मॉडल के निर्माण में लगे हुए हैं और मशीन लर्निंग के आधार पर डेटा से अंतर्दृष्टि प्राप्त कर रहे हैं। डेटा विश्लेषक की जिम्मेदारी का क्षेत्र लगभग मध्य में चलता है, और इसलिए कार्यों को लगभग आधे में विभाजित किया गया है। भाग "बिजनेस एनालिटिक्स" की धारा को दिया जाता है, भाग - डेटा साइंस की दिशा में।

मेरी राय में, डेटा साइंस के क्षेत्र में श्रम बाजार अब बहुत गर्म हो गया है - वास्तव में सक्षम विशेषज्ञों की एक छोटी संख्या के साथ उच्च मांग। इसलिए, खोज करते समय, हम या तो विषयगत समुदायों और समूहों का उपयोग करते हैं, या आंतरिक सिफारिशों का सक्रिय रूप से उपयोग करने का प्रयास करते हैं।

उम्मीदवार चुनते समय, हम पहले पिछली नौकरियों और कार्यों को देखते हैं। एक पोर्टफोलियो आवश्यक नहीं है, लेकिन प्रोत्साहित किया जाता है, क्योंकि यह समझने में मदद करता है कि आवेदक ने पहले किन कार्यों को हल किया है और किस अनुभव के साथ वह हमारी टीम को मजबूत कर सकता है। हमें बहुत व्यापक कार्यों (कंप्यूटर विज़न से लेकर वर्ड प्रोसेसिंग और साउंड सिग्नल) तक का सामना करना पड़ता है और इसके लिए हमें विभिन्न प्रकार की दक्षताओं की भी आवश्यकता होती है।

हम भेजे गए सभी सीवी का अध्ययन करने की कोशिश करते हैं, एकमात्र वर्जित है जब कोई व्यक्ति जो डेटा साइंटिस्ट की स्थिति के प्रति प्रतिक्रिया करता है, उसके पास डेटा साइंस में कौशल के साथ सीवी में एक भी लाइन नहीं होती है। इस मामले में, यह स्पष्ट नहीं है कि कोई व्यक्ति क्या गिन रहा है, क्योंकि यहां तक ​​कि अनुभव के बिना एक विशेषज्ञ को क्षेत्र में किसी भी प्रशिक्षण से गुजरना चाहिए।

दिमित्री मल्कोव, डेटा मॉन्स्टर्स में प्रोजेक्ट मैनेजर, आर्टिफिशियल इंटेलिजेंस एमआईपीटी पर आधारित व्यावसायिक समाधानों की प्रयोगशाला के शैक्षिक और वैज्ञानिक परियोजनाओं के प्रमुख :

हमारी कंपनी में, एक डेटा वैज्ञानिक की स्थिति को गणित और अजगर के ज्ञान की आवश्यकता होती है, जबकि एक डेटा विश्लेषक के पास उदार कला शिक्षा हो सकती है। उदाहरण के लिए, हमारे पास आर्थिक आंकड़ों पर पेशेवर इतिहासकारों के साथ कई परियोजनाएं हैं। विश्लेषक को मैन्युअल रूप से डेटा और विषय क्षेत्र में गहन विसर्जन के साथ काम करने की आवश्यकता होती है।

हम कम उम्र से खुद को बदलने के लिए प्रशिक्षण कर्मियों पर बहुत ध्यान देते हैं: हम भौतिकी और गणित स्कूलों में हाई स्कूल के छात्रों के लिए पाठ्यक्रम संचालित करते हैं, और विश्वविद्यालय के छात्रों के लिए काम करते हैं। परिणामों के लिए इंतजार करने में लंबा समय लगता है, लेकिन वे खुद को सही ठहराते हैं - यह वास्तव में "हमारे" लोग बनते हैं। अनुभवी प्रिय कर्मचारियों के लिए, यहाँ हम सावधानी से आते हैं। सिर्फ एक रिक्ति रखने और जवाब देने वालों का चयन करने के लिए पर्याप्त नहीं है। सौभाग्य से, एमआईपीटी स्नातकों के बीच कई परिपक्व विशेषज्ञ हैं।

हम ध्यान दें कि पिछले कुछ वर्षों में, अधिक से अधिक लोग, न केवल भौतिक तकनीशियन, विज्ञान और व्यवसाय के चौराहे पर एक कैरियर में रुचि रखते हैं, और हमारे पास इस तरह के काम और दिलचस्प अंतरराष्ट्रीय परियोजनाओं के लिए व्यापक गुंजाइश है।

उम्मीदवारों का चयन करते समय, हम व्यक्तिगत सिफारिशों के अनुसार लोगों को लेने की कोशिश करते हैं।

हम पिछले कार्य अनुभव और भावना में व्यक्ति की निकटता की ओर ध्यान आकर्षित करते हैं।

ठीक है, यह अच्छा है, अगर गणित के अलावा, किसी व्यक्ति को विषय ज्ञान है।

हम उन उम्मीदवारों से चिंतित हैं जो एक कंपनी से दूसरी कंपनी में जाते हैं और अस्पष्ट पदों पर काम करते हैं। उदाहरण के लिए, अब मशीन लर्निंग की दिशा लोकप्रियता के चरम पर है, लेकिन हम प्रचार के कारण पेशे में आने वालों को छान रहे हैं। उन्होंने पिछले साल ब्लॉकचेन किया था, एआई कर रहा है। विज्ञान के लिए, फिर भी, कई वर्षों के काम और इसी दृष्टिकोण की आवश्यकता है।

मैक्सिम चिकारोव, नेटोलॉजी में डेटा साइंस के एक विशेषज्ञ और एक बड़े रूसी बैंक में एनालिटिक्स टीम के प्रमुख , का मानना ​​है कि डेटा साइंस के क्षेत्र में विकसित श्रम बाजार के बावजूद, इसे बहुत गतिशील नहीं कहा जा सकता है:

बैंकिंग क्षेत्र में, मेरी राय में, डेटा विश्लेषण की तुलना में डेटा साइंस कम प्रासंगिक है।

क्षेत्र की एक विशेषता अब बड़ी संख्या में लोग हैं जो "पेशे में प्रवेश करना चाहते हैं।" ऐसे नौकरी चाहने वालों को एक रचनात्मक दृष्टिकोण की आवश्यकता होती है, क्योंकि हेडिंग डेटा साइंटिस्ट के साथ फिर से शुरू, लेकिन प्रासंगिक अनुभव के बिना, निर्बाध दिखता है। मैं सलाह देता हूं, उदाहरण के लिए, अपने शोध की वीडियो प्रस्तुति बनाने के लिए, यह आपको अन्य आवेदकों के बीच बहुत बढ़ाएगा। दूसरी ओर, नियोक्ता, भी, अभी भी सामान्य रूप से डेटा विज्ञान से उच्च उम्मीदें रखते हैं, और उम्मीदवारों से परिणामस्वरूप। इसलिए, एक पूर्ण आपूर्ति-मांग संबंध सामने नहीं आता है।

लगभग सभी विशेषज्ञों ने बाजार में सक्षम विशेषज्ञों की कमी और इस तथ्य पर ध्यान दिया कि कंपनियां लगातार डेटा साइंस के क्षेत्र में उम्मीदवारों के लिए नई आवश्यकताएं रखती हैं। इसलिए, जो लोग बाजार की गति को बनाए रखना चाहते हैं, उन्हें खुद को एक विशेषज्ञ के रूप में विकसित करने में जितना संभव हो उतना निवेश करना चाहिए: स्वतंत्र रूप से प्रशिक्षण सामग्री, अध्ययन के मामलों और चिकित्सकों के लेखों को पढ़ें, कार्यशालाओं, इंटर्नशिप में भाग लें और पाठ्यक्रम लें। यह सब मांग में बने रहने और उचित वेतन प्राप्त करने की अनुमति देगा।

संपादकों से

• पेशे " डेटा साइंटिस्ट "
  
• पेशे " डेटा विश्लेषक "
  
• डेटा ऑनलाइन पाठ्यक्रम के साथ काम करने के लिए पायथन
  
• पावर बीआई और एक्सेल प्रो ऑनलाइन कोर्स
  
  हम मॉस्को में 11 अगस्त को " कैरियर फॉर डेटा साइंस इन बिगिनर्स " रैली में डेटा साइंस के क्षेत्र में रुचि रखने वाले सभी लोगों की प्रतीक्षा कर रहे हैं (एक प्रसारण भी होगा)