A ciência de dados não é um campo novo. Eles estão envolvidos no processamento de dados há mais de 50 anos, o que não impede que a esfera permaneça no auge da popularidade: a análise de dados e o Data Scientist são muito populares entre os empregadores atualmente. Os editores da Netologiya decidiram perguntar aos especialistas do mercado - a agência New.HR, especializada em ciência de dados e as principais empresas de TI - sobre a situação real no campo do trabalho com dados.
Quanto os especialistas de diferentes níveis recebem? Como aumentar o seu valor aos olhos do empregador? Onde as empresas estão procurando funcionários? Como o RH olha primeiro ao escolher um candidato?O mercado de trabalho do DS está se desenvolvendo rapidamente. Somente nos últimos dois anos, treinamos mais de 800 estudantes em especialização em ciência de dados, a maioria deles trabalhando em posições especializadas em empresas russas e estrangeiras. No total, temos mais de 10 programas de treinamento sobre o tema Ciência de Dados, mas as áreas mais populares são Analista de Dados, Analista de BI, Cientista de Dados e Machine Learning.
Todos os alunos têm objetivos diferentes: alguém vem mudar radicalmente sua profissão, alguém - para crescer em sua posição e começar a ganhar mais. O salário, é claro, é uma das principais razões pelas quais cada vez mais pessoas desejam estudar Ciência de Dados.
Quanto eles pagam pelas posições de Cientistas de Dados
Em junho de 2019, o
New.HR divulgará um amplo estudo do mercado para analistas e Data Scientist, mas, por enquanto,
Oksana Prutyanova, chefe de análise e Data Scientists do New.HR , concordou em compartilhar dados salariais em campo e aconselhar especialistas.
Dados obtidos por meio de uma pesquisa direta de especialistas em ciência de dados. Os indicadores recebidos dos entrevistados que trabalham em Moscou são levados em consideração. Os valores dos salários são mostrados após impostos, "disponíveis":
Do que é composto o nível de renda do Data Scientist:
- experiência geral de trabalho na especialidade;
- profundidade da experiência profissional;
- educação em um status e universidade citada. Por exemplo, analistas fortes são treinados no MIPT, MSU, ITMO;
- localização - em Moscou, há mais dinheiro. Mas mesmo nas regiões você pode ganhar dinheiro comparável. Por exemplo, em cidades com uma forte base acadêmica, como Novosibirsk. Além disso, é possível contar com o nível de capital do salário enquanto trabalhamos em um projeto remotamente;
- o conhecimento de inglês expande bastante as oportunidades e permite que você seja um membro da comunidade profissional global. Siga publicações, estude nos melhores universidades do mundo, considere vagas no exterior, escreva artigos em inglês.
Como o cientista de dados aumenta seu valor no mercado de trabalho
Existem pontos que agregam valor ao Data Scientist aos olhos do empregador:
- Conhecimento de tecnologia única. Quando um especialista se torna especialista em um campo profissional restrito, por exemplo, ele é legal em PNL - isso aumenta seu valor no mercado.
- Experiência de trabalho em um campo desenvolvido e hype: tudo relacionado à visão computacional, robótica, drones e assim por diante. O custo de um especialista depende da interseção da demanda do mercado, tendências gerais e conhecimento de um segmento específico e estreito.
- Experiência versátil. Alguns empregadores consideram especialistas apenas de sua área, por exemplo, de bancos. Mas aqueles que parecem mais amplos e convidam analistas de outras áreas se beneficiam. Como o candidato pode trazer uma nova visão, aplique ferramentas e abordagens não óbvias.
- A experiência de criar sua própria startup. Para o empregador, isso significa que o especialista pode entender as tarefas no nível de negócios.
- Participação em projetos internacionais. Você pode obter uma concessão ou competir no Kaggle .
- Experiência em empresas estrangeiras. As empresas estrangeiras adotaram outros padrões e abordagens para os negócios, e isso é apreciado pelas empresas russas.
No total, você pode selecionar uma lista de dicas para os profissionais de dados que desejam ganhar mais. A maioria deles é bastante universal e banal - mas, no entanto, eles funcionam:
- Aprenda constantemente e desenvolva com precisão seus conhecimentos. Para isso, é importante monitorar as tendências do mercado para aumentar as competências de demanda.
- Ser capaz de falar o idioma dos negócios. Para ser proativo, entenda e comunique os benefícios de seu trabalho aos líderes.
- Forme uma equipe ao seu redor. Você pode se tornar o líder ou líder de uma pequena equipe ou projeto de treinamento. É exigida experiência em gerenciamento em qualquer nível.
- A profissão de cientista de dados é muito procurada no mercado. Portanto, existe uma maneira preguiçosa - basta ir de empresa para empresa. Então você pode aumentar a renda em 20 a 30%. Mas isso só pode ser feito para um certo nível.
O que os empregadores pensam sobre o Data Scientist
Conversamos com gerentes de RH e gerentes de análise em empresas de TI e descobrimos onde eles geralmente procuram funcionários para ingressar em sua equipe e também como eles olham antes de tudo ao selecionar candidatos.
Alexandra Golovina, chefe da seleção de Avito :
No Avito, o Data Scientist é um item separado, diferente da análise de dados. Os analistas de dados avaliam a qualidade da funcionalidade existente ou de um produto e ajudam a tomar decisões sobre mudanças neles: desenvolver e implementar métricas, testar hipóteses, realizar testes A / B - identificar os principais gargalos, dores do usuário e pensar em como resolvê-los.
O Data Scientist é responsável por criar modelos de ML que ajudam a resolver problemas já encontrados pelos analistas de dados: preparar dados, escrever protótipos etc.
Normalmente, recebemos bastante feedback das duas posições, mas, infelizmente, a maioria dos currículos é irrelevante. Na maioria das vezes, as pessoas não trabalhavam com algoritmos ou não possuíam a pilha de que precisávamos. Portanto, na maioria das vezes estamos procurando de forma independente: por fontes alternativas (por exemplo, competições) e por recomendações internas.
Ao escolher um funcionário, analisamos um conjunto de fatores: quais tarefas o candidato resolveu, se ele participou de algum projeto, como ele deseja desenvolver etc. etc. Também é importante para nós que o candidato tenha uma educação física e matemática fundamental. Nossos funcionários vieram de vários campos e empresas: do FMCG a empresas concorrentes especializadas, mas todos têm uma coisa em comum: a presença do ensino fundamental. A própria experiência de trabalho também é importante, mas as especificidades da empresa são menos importantes.
Ter um portfólio não é necessário para nós, mas pode ajudar muito um candidato durante as entrevistas.
Para cada unidade, temos uma tarefa de teste preparada, o mais próximo possível das tarefas futuras do funcionário. Esta é uma situação em que todos saem ganhando: entendemos o nível do candidato e o candidato, por sua vez, descobrirá o que exatamente ele fará.
Mas se uma pessoa tem um portfólio e está pronto para enviar o código-fonte de qualquer um de seus projetos no Python, o que, na sua opinião, mostra um bom nível de proficiência na linguagem e está pronto para explicar qualquer parte do código ou está pronto para fornecer uma solução para uma competição, a tarefa técnica é desnecessária.
Nikita Pestrov, Líder de Ciência de Dados, Habidatum :
Na Habidatum, criamos produtos de análise de dados urbanos e projetos de clientes. Os projetos exigem a coleta de dados, como rotas de transporte público ou listagens de imóveis, e um entendimento de como lidar com eles. Isso, além da criação de materiais de relatório, a busca de padrões e conclusões geralmente é feita por um analista de dados. O Data Scientist desenvolve modelos para esses projetos e implementa parte deles em conjunto com o Data Engineer em nossos produtos e serviços. Essas duas pessoas trabalham em conjunto.
Todos os anos, realizamos estágios em equipe para selecionar novos funcionários para análise. Durante várias semanas, jovens especialistas de diferentes áreas vêm realizando pesquisas, experimentando os problemas reais que enfrentamos na empresa. Durante esse período, conseguimos entender os pontos fortes de uma pessoa e decidir sobre a continuação do trabalho com ela.
Nunca levamos um analista ou cientista de dados sem antes trabalhar com um candidato como parte de um estágio.
Também realizamos workshops e palestras sobre vários tópicos, após os quais recebemos currículos de especialistas interessados e temos prazer em analisá-los. E, é claro, o canal #jobs na comunidade Open Data Science - quando procuramos ativamente uma pessoa para uma tarefa específica.
Para jovens empresas inovadoras, o conhecimento e o desejo de um novo funcionário em se desenvolver no campo da empresa (para nós, esta é uma cidade) é
mais importante que o conhecimento dele em uma posição específica. Portanto, ao selecionar candidatos, procuramos interesse em questões urbanas, experiência em trabalho em equipe e a capacidade de transformar condições difíceis em modelos simples no currículo de uma pessoa. Em resumo, isso pode ser visto participando de conferências, estágios ou projetos relevantes sobre tópicos de nosso interesse.
Vera Mashkova, Vice-Presidente, Recursos Humanos, ABBYY Group of Companies :
Em várias empresas, o Data Scientist pode significar pessoas com tarefas diferentes. Empregamos principalmente funcionários universais envolvidos na análise de dados e no desenvolvimento 50/50. Essa é a necessidade do nosso negócio.
Existem posições de Data Scientist na empresa, inclusive no âmbito de um grande programa de estágio, mas não as traduzimos como "analistas de dados", estamos falando mais de "pesquisadores" em dois departamentos de pesquisa e desenvolvimento promissores. Na maioria das vezes, chamamos essas posições de Junior Data Scientist (PNL).
A popularidade da ciência de dados está crescendo. O mercado se tornou mais desenvolvido, muitas universidades se tornaram mais ativas no ensino de ciência de dados. Existem muitos cursos adicionais. Um número crescente de candidatos é transferido.
O maior site de recrutamento externo é o HeadHunter. Além disso, temos o prazer de empregar crianças de nossos dois departamentos no MIPT. Existem currículos bons e estruturados, mas nem todos os candidatos são capazes de descrever sua experiência. Para ajudar profissionais iniciantes nisso, realizamos reuniões de desenvolvimento de carreira para estudantes da Escola Superior de Economia e do Instituto de Física e Tecnologia de Moscou.
Também desenvolvemos um programa de referência dentro da empresa: os colegas aconselham seus amigos como candidatos a posições abertas - por isso, muitas vezes, recebemos boas recomendações.
Ao escolher um funcionário, prestamos atenção à educação básica: em qual universidade e em que direção uma pessoa se formou ou está se formando.
Se o candidato tiver uma educação não essencial (por exemplo, humanitária), é muito provável que não consiga lidar com suas tarefas. O mais importante para nós é nossa vontade de aprender, nossa disponibilidade para pesquisas independentes, se estivermos falando especificamente sobre equipes de pesquisa e desenvolvimento promissoras.
É importante estar preparado para trazer novas idéias.
Se uma pessoa está envolvida em atividade científica, é claro que isso é uma vantagem. Um portfólio não é necessário para nós se uma pessoa chega ao cargo de especialista júnior.
Alexey Kuzmin, diretor de desenvolvimento, chefe da direção DS da DomKlik :
Na DomClick, não compartilhamos a posição do Data Scientist e da análise de dados. Temos claramente outra função destacada - analista / analista de negócios. Sua principal tarefa é criar relatórios de negócios. A Data Scientist está envolvida na construção de modelos e na obtenção de informações a partir de dados com base no aprendizado de máquina. A área de responsabilidade do analista de dados é executada aproximadamente no meio e, portanto, as tarefas são divididas aproximadamente ao meio. Parte é dada ao fluxo de "análise de negócios", parte - sob a direção da Data Science.
Na minha opinião, o mercado de trabalho no campo da ciência de dados agora está muito superaquecido - alta demanda com um pequeno número de especialistas verdadeiramente competentes. Portanto, ao pesquisar, usamos comunidades e grupos temáticos ou tentamos usar ativamente recomendações internas.
Ao escolher um candidato, examinamos primeiro os trabalhos e tarefas anteriores. Um portfólio não é necessário, mas incentivado, pois ajuda a entender quais tarefas o candidato já havia resolvido antes e com que experiência ele pode fortalecer nossa equipe. Somos confrontados com uma ampla gama de tarefas (da visão computacional ao processamento de texto e sinais sonoros) e também precisamos de uma variedade de competências.
Tentamos estudar todos os currículos enviados, o único tabu é quando uma pessoa que responde à posição de cientista de dados não possui uma única linha no currículo com habilidades em ciência de dados. Nesse caso, não está muito claro com o que uma pessoa está contando, pois mesmo um especialista sem experiência deveria ter sido submetido a qualquer treinamento no campo.
Dmitry Malkov, gerente de projetos da Data Monsters , chefe de projetos educacionais e científicos do Laboratório de soluções de negócios baseadas em Inteligência Artificial MIPT :
Em nossa empresa, a posição de um cientista de dados requer conhecimento de matemática e Python, enquanto um analista de dados pode ter uma educação em artes liberais. Por exemplo, temos vários projetos com historiadores profissionais em estatística econômica. O analista é obrigado a trabalhar manualmente com os dados e uma imersão mais profunda na área de assunto.
Prestamos muita atenção ao treinamento de pessoal para nos substituir desde tenra idade: realizamos cursos para estudantes do ensino médio em escolas de física e matemática e trabalhamos com estudantes universitários. Demora muito tempo a aguardar os resultados, mas eles se justificam - é assim que verdadeiramente "nosso" povo é formado. Quanto aos funcionários queridos experientes, aqui vamos nós com cuidado. Basta colocar uma vaga e selecionar aqueles que responderam não é suficiente. Felizmente, existem muitos especialistas maduros entre os graduados do MIPT.
Observamos que, nos últimos anos, mais e mais pessoas, não apenas técnicos físicos, estão interessados em uma carreira no cruzamento de ciências e negócios, e temos amplo escopo para esse trabalho e projetos internacionais interessantes.
Ao selecionar candidatos, tentamos levar as pessoas de acordo com recomendações pessoais.
Chamamos a atenção para a experiência de trabalho anterior e a proximidade da pessoa conosco em espírito.
Bem, é bom que, além da matemática, uma pessoa tenha conhecimento de assunto.
Estamos alarmados com os candidatos que saltam de uma empresa para outra e trabalham em posições obscuras. Por exemplo, agora a direção do aprendizado de máquina está no auge da popularidade, mas estamos filtrando aqueles que ingressam na profissão por causa do hype. Eles fizeram blockchain no ano passado, a AI está fazendo isso. Para a ciência, no entanto, são necessários muitos anos de trabalho e uma perspectiva correspondente.
Maxim Chikurov, especialista em Ciência de Dados em Netologia e chefe da equipe de análise de um grande banco russo , acredita que, apesar do mercado de trabalho desenvolvido no campo da Ciência de Dados, ele não pode ser chamado de muito dinâmico:
No setor bancário, na minha opinião, a Data Science é menos relevante do que a análise de dados.
Uma característica da esfera agora é um grande número de pessoas que desejam "ingressar na profissão". Esses candidatos a emprego exigem uma abordagem criativa, porque um currículo com o título Cientista de Dados, mas sem experiência relevante, parece desinteressante. Aconselho, por exemplo, que você crie uma apresentação em vídeo de sua pesquisa, isso o levará muito a sério entre outros candidatos. Por outro lado, os empregadores também muitas vezes ainda têm grandes expectativas da Data Science em geral e como resultado dos candidatos. Portanto, não existe uma relação completa de oferta e demanda.
Quase todos os especialistas observaram a falta de especialistas competentes no mercado e o fato de as empresas constantemente terem novos requisitos para candidatos no campo da ciência de dados. Portanto, quem quiser acompanhar o ritmo do mercado deve investir o máximo possível no desenvolvimento de um especialista: leia independentemente os materiais de treinamento, estude casos e artigos de profissionais, participe de oficinas, estágios e faça cursos. Tudo isso permitirá manter a demanda e receber salários decentes.
Dos editores