Аналитика и Data Science Карьера

4 секрета, как не потерять работу в Data Science

Адаптировали статью американского аналитика Тавиша Шриваставы о том, как процесс автоматизации влияет на Data Scientist.

Елена Борноволокова

Переводчик

Автоматизация влияет на профессиональную деятельность во всех отраслях. С одной стороны, автоматизация помогает эффективнее управлять бизнесом, а с другой ― ведёт к постоянному изменению набора необходимых навыков.

Несоответствие необходимому набору навыков приводит к потере работы. Проиллюстрирую эту мысль двумя сценариями.

Сценарий 1. Ручной труд

Вы устроились на работу специалистом по подбору персонала в 2000 году, когда большинство документов компании были бумажными. Вы эффективно сортировали документы, находили их по первому требованию и благодаря этим навыкам стали лучшим специалистом.

Учитывая, что процессы подбора и управления персоналом не сильно менялись с течением времени, за 18 лет вы не позаботились о приобретении навыков работы на компьютере. Однако с 2000 по 2018 год произошли значительные изменения в методах работы, и теперь вся документация сотрудников хранится на облачном или частном сервере.

В итоге ваши навыки оказались не столь востребованы. Если вы не начнёте повышать свою квалификацию, то столкнётесь с трудностями при поиске работы. Обратите внимание на то, что несоответствие ваших навыков произошло не из-за развития процессов подбора и управления персоналом, а из-за меняющихся бизнес-процессов, которые вы поддерживаете.

Сценарий 2. Предпочтения клиентов

Вы работали диктором и читали новости на радио, когда телевидения ещё не было. Вы были хорошим работником, осведомлённым о текущих событиях. Но после того, как телевидение стало массовым, радио потеряло свою популярность. Работодатель сократил вас, потому что радиостанция несла убытки.

Учитывая навыки, вы попытаетесь устроиться на работу ведущим телевизионных новостей, но нужно поработать над языком тела и преодолеть страх перед камерой. Есть ли хорошие новости? Да. В вашем окружении есть люди, которые работают на телевидении, и от них вы узнали, на что можете рассчитывать, и активно работаете над этим.

Обратите внимание, что в этом случае ни ваша профессия, ни ваша отрасль не претерпели изменений. Просто клиенты начали отдавать предпочтение альтернативному продукту или услуге в том бизнесе, который вы поддерживаете, что делает ваши навыки несоответствующими или устаревшими для этой отрасли.

Что мы узнали из этих сценариев?

Изменения упрощают управление бизнесом, но в то же время создают несоответствия в навыках, необходимых для работы, что приводит к безработице в определённых отраслях.

Ниже приведены три основные причины изменения профессиональных навыков в отрасли:

 Изменения в инструментах и технологиях, которые применяются в вашей профессии.

 Изменения в стиле ведения бизнеса, который вы поддерживаете.

 Изменения в предпочтениях клиентов относительно продукта или услуги, которые вы производите или продвигаете.

Автоматизация и изменяющиеся отрасли бизнеса сокращают рабочие места, но будут ли одни профессии подвержены большему влиянию автоматизации, чем другие?

Несмотря на то, что никто не знает, на какие профессии автоматизация повлияет в большей или меньшей степени, ниже приведена структура, которая поможет понять идею в целом.

Машины плохо обучаемы, когда мало примеров, и не умеют творчески подходить к делу.

Если ваша работа обладает этими двумя характеристиками, то вам нечего бояться. Например, вождение автомобиля ― повторяющийся процесс, который не требует творческого подхода. Следовательно, водители такси подвергаются высокому риску автоматизации их работы.

Профессия

Data
Scientist 💎

Узнать больше

  • Научитесь преобразовывать сырые данные в полезную информацию для принятия стратегических решений
  • Освоите ключевые технологии и опередите запрос рынка
  • Проживёте опыт 2-3 лет самостоятельного изучения сферы Data Science

Защищены ли дата-сайентисты от роботизации?

Специалисты по методам обработки и анализа данных выполняют различные задачи, помогая бизнесу развиваться. Каждая из этих задач находится в разных местах на данном графике. На рисунке ниже отражены мои мысли о различных подзадачах, которые выполняют Data Scientists. Соотношение может варьироваться в зависимости от конкретных ролей.

Не на все компоненты работы дата-сайентистов предоставляется 10-летняя гарантия. Попадание под роботизацию зависит от количества работы, которую трудно автоматизировать, и конкретной роли.

Основными навыками специалиста по работе с данными в 2010 году были знание логистической и линейной регрессии, знание SAS base и MS Excel. Если мы перенесём этого специалиста в 2018 год без улучшений в технике и навыках работы с новыми инструментами, он столкнётся с трудностями при поиске работы по специальности. Хотя наука о данных будет существовать долгое время, роли и обязанности специалистов будут меняться. Кто не сможет усвоить их, столкнётся с серьёзными проблемами в продвижении по карьере.

Молодые люди, которые приходят в сферу Data Science, обладают нужными навыками, поэтому в краткосрочной перспективе нет проблемы профессионального несоответствия. Но с развитием сферы возраст специалистов будет увеличиваться, а технологии меняться, поэтому нужно совершенствовать навыки в ходе выполнения ежедневных задач.

Как оставаться продуктивными и востребованными в Data Science в долгосрочной перспективе?

Я рекомендую специалистам по обработке и анализу данных четыре пункта, чтобы защитить профессиональное будущее:

 Изучайте новейшие и лучшие инструменты и технологии.

 Анализируйте изменения в отрасли и их влияние на вашу работу.

 Всегда думайте о дополнительной ценности, которую создаёт ваша работа для бизнеса.

 Будьте в курсе происходящего в других отраслях, выходящих за пределы вашей.

курс

Машинное обучение 🔗

Узнать больше

  • Получите прикладной опыт создания работающих нейронных сетей вместо «обзора по верхам»
  • Научитесь интерпретировать результаты и составлять отчёт об исследовании
  • Заложите фундамент для развития на уровне middle

Мнение автора и редакции может не совпадать. Хотите написать колонку для Нетологии? Читайте наши условия публикации. Чтобы быть в курсе всех новостей и читать новые статьи, присоединяйтесь к Телеграм-каналу Нетологии.

Елена Борноволокова

Переводчик

Телеграм Нетологии