Профессия аналитик данных

Аналитик данных (Data Analyst) — специалист, применяющий совокупность методов в работе по обработке больших объемов информации. Цель — получение понятных, легко воспринимаемых и усваиваемых человеком заключений. Опираясь в работе на знания в точных науках, информатике, экономике и бизнесе, аналитик собирает цифровые данные для составления описательного анализа, разработки, планов, рекомендаций, стратегий, прогнозов.

Специализация аналитиков данных

Объем обрабатываемой и систематизируемой человеком информации с каждым годом увеличивается. Математики просчитали, что к 2020 году объем обработанных данных достигнет 40-44 зеттабайт (1 ЗБ — 1 млрд ГБ), а к 2025 году этот показатель возрастет еще в десять раз. Поэтому управление большими информационными данными (Big Data), структурированными и неструктурированными, становится все более актуальной задачей.

Впервые термин Big Data был употреблен в 2008 году редактором журнала Nature Клиффордом Линчем в процессе обсуждения проблемы управления возрастающим потоком информации. К этому времени на рынке труда сформировалась острая потребность в услугах профессиональных специалистов, способных прогнозировать тенденции в крупном бизнесе и банковской сфере. В дальнейшем запросы на труд аналитиков появились в области медицины, образования, здравоохранения.

К настоящему времени специалисты Big Data в США, где наиболее активно применяются аналитические исследования, работают в 55 % коммерческих компаний из разных сфер деятельности. В России сфера аналитики находится в стадии активного развития, но пока отстает от западных стран.

В зависимости от целей и задач, решаемых профессионалами, выделяется три направления в сфере обработки данных и, соответственно, сформировались три специальности:

  • Data Engineer;
  • Data Scientist;
  • Data Manager.

У каждого направления свои задачи и цели, подчиненные общей концепции.

Требования, предъявляемые к специалистам-аналитикам

Инженер (Data Engineer) — специалист технической области, разрабатывающий информационную инфраструктуру под потребности конкретной компании. Он должен знать основы computer science, владеть технологиями и методами в области обработки информации (Storm, Hadoop, Aerospike, Spark, Kafka, Redis), создавать и поддерживать отказоустойчивые решения в IT-системах, обеспечивая непрерывность бизнес-процессов.

Специалист по научным разработкам (Data Scientist) ведет работу по нескольким направлениям:

  • собирает данные по заданной теме из нескольких источников;
  • обрабатывает материал, отбрасывая лишнюю, не представляющую интереса для аналитики информацию;
  • изучает данные с разных позиций и точек зрения, выявляя закономерности, тенденции, возможности практического использования;
  • разрабатывает методики решения проблем и создает схемы автоматизации рабочего процесса;
  • следит за результатами работы отделов, исследует данные отчетов, корректирует стратегию бизнеса, учитывая изменение ситуации в рыночном секторе.

Data Scientist владеет языком программирования Python, использует аналитические модули Scikit-Learn и Pandas, знает программное обеспечение Weka, R-технологию анализа и визуализации данных. Именно Data Scientist отвечает за отбор полезных данных из огромного потока информации, разрабатывает методы и алгоритмы для решения поставленных задач.

В сфере компетенции специалистов — оценка финансовой устойчивости банков, прогнозирование вероятности брака на производстве, автоматический отбор текстов одинаковой или схожей тематики, расчет вероятности кликов по рекламе и многие другие задачи.

Data Manager — специалист-практик, в компетенцию которого входит управление тем или иным проектом. Он знает, какие технологии можно применять для достижения цели, владеет навыками предметной области.

Технологии, применяемые на практике аналитиками Big Data

Аналитики Big Data используют в практической деятельности различные технологии и методы анализа, в частности:

  • краудсорсинг — использование творческого потенциала привлеченных специалистов для разработки инновационных решений;
  • Data Mining — система интеллектуального глубинного анализа данных, в результате которого выявляются неисследованные ранее тенденции и структуры;
  • машинное обучение;
  • искусственные нейронные сети;
  • статистический анализ;
  • пространственный анализ.

В этот список входят также методы имитационного моделирования и распознавания образов, визуализация аналитической информации и некоторые другие технологии.

Как получить специальность аналитика Big Data и где учиться, чтобы приобрести прочные знания и престижный диплом, — актуальный вопрос для тех, кто отлично знает точные науки, обладает аналитическим мышлением, усидчивостью и высокой степенью ответственности.

Сегодня не каждый технический вуз выдает Big Dataдиплом, хотя с каждым годом количество профильных факультетов в учебных заведениях увеличивается. Наиболее сильными вузами Санкт-Петербурга, где можно поступить на аналитика данных, считаются Государственный университет и Политехнический университет Петра Великого. Здесь преподают самые авторитетные представители теоретической науки и созданы лучшие условия для получения практических навыков. Кроме вузов, обучение можно пройти на курсах после получения диплома инженера или программиста.

Куда пойти работать

Тем, кто планирует поступить на Big Data, стоит заранее подумать о перспективах по трудоустройству. Потребность в прикладной специальности значительно выше в крупных промышленных городах с развитой инфраструктурой.

Специалисты этого профиля работают в масштабных интернет-компаниях, исследовательских отделах бизнес-корпораций, правоохранительных органах, стартапах в области обработки данных.

Аналитики могут найти место в любой компании, государственной или коммерческой, где необходимо обрабатывать большие потоки информации. Рекомендуем подумать о будущем месте работы одновременно с выбором специальности и места, где планируете учиться. Чем более авторитетной является фирма, тем выше оплата труда, тем больше перспектив для построения карьеры.

Заработная плата

Заработная плата аналитиков больших данных составляет в среднем от 48 до 280 тысяч рублей (и более) в месяц. В Москве открыто около 50 % активных вакансий, в Петербурге — порядка 30 %. Некоторые фирмы допускают возможность удаленного труда или работу по гибкому графику, но все авторитетные структуры предпочитают штат офисных сотрудников.

Наибольший показатель средней зарплаты в 2018 году зафиксирован в Москве (91 тыс. руб.), на втором месте Санкт-Петербург (77 тыс. руб.). Далее с плавным уменьшением до 50-56 тыс. рублей следуют уральские города Челябинск и Екатеринбург, Казань, Ростов-на-Дону, Новосибирск, Омск.

ВАЖНО: самые востребованные секторы аналитики — финансы, инвестиции, кредитование, страхование, оценка рисков.

Преимущества и недостатки получения специальности «аналитик Big Data»

Преимуществ в получении специальности Big Data достаточно много. Это вакансии в успешных крупных компаниях, перспективы карьерного роста, достойная оплата труда и расширенный социальный пакет. Авторитетные фирмы оплачивают сотрудникам повышение квалификации, участие в научных конференциях и симпозиумах.

Недостатки — высокие требования со стороны руководства, ненормированный рабочий день, сложные задания, постоянная психологическая напряженность. Главный недостаток — отсутствие спроса на специалистов в небольших городах.

Контакты

Телефоны: +7 (812) 290-96-42
+7 (812) 290-96-45

Адрес: г. Санкт- Петербург, ул. Политехническая, 29АФ

compbio@sbpstu.ru

Остались вопросы?

Либо напишите нам compbio@sbpstu.ru