Баттл востребованных профессий: из Data Analyst в Data Scientist или наоборот

Примерно 50% откликов соискателей на вакансию дата-аналитик (Data Analyst) – это специалисты, которые только что окончили довольно длительные курсы и в рамках которых выполнили много предметных кейсов. Не всегда соискатели имеют IT-образование, но в сопроводительном письме выражают огромное желание развиваться в области Big Data.

Формирование в госструктурах комплексного информационного пространства, которое охватывает не одно ведомство, а сразу несколько, создало предпосылки для использования аналитических решений нового поколения. Соответственно, к соискателям на вакансию Дата-аналитик предъявляются довольно высокие требования:

• Образование в сфере ИТ;
• Основы реляционных баз данных;
• Знакомство с Python;
• Опыт работы с BI-платформами;
• Умение работать со сложными структурами данных;
• Умение строить витрины данных;
• Владение техниками и приемами анализа;
• Умение получать данные;

Для решения масштабных задач необходимо иметь опыт работы в федеральных проектах, использовать умение работать с неструктурированными данными, быстро обрабатывать и анализировать большой пул информации. При этом на собеседованиях эксперты выявляют недостаточный уровень подготовки: опыт работы над узкими задачами в рамках курса, недостаточная скорость обработки информации. И самая острая проблема – отсутствие высшего образование в сфере ИТ, что является, к сожалению, огромным препятствием для трудоустройства.

С целью прояснить ситуацию по поиску дата-аналитиков на российском рынке эксперты Кадрового центра решили обратиться в рекрутинговые агентства, специализирующиеся на подборе ИТ-персонала для коммерческих структур.

«Ситуацию повышенного спроса на дата-аналитиков мы наблюдаем с начала 2020 года. На волне потребностей в таких специалистах действительно появились специализированные курсы по Data science. Мы берем в работу вакансии уровня Мидл, поэтому кандидатов даже после 6-тимесячных курсов не рассматриваем. Хотя мы закрыли несколько вакансий соискателями, которые недавно закончили подобные курсы, но нужно отметить, что у них был неплохой опыт в разработке на Python». Анна, руководитель рекрутингового агентства

«У нас совершенно разные уровни вакансий. На серьезные масштабные проекты мы ищем дата-аналитиков с хорошим техническим бэкграундом и ИТ-образованием. Как правило, из обязательных требований – хорошее знание Python и реляционных баз. Есть пожелания по опыту с машинным обучением. Но не так давно был запрос на Data Science в финансовую организацию, куда мы подобрали несколько специалистов. Брали ребят сразу после окончания курсов по Data Science. Самое главное требование – желание развиваться в Big Data. К опыту работы и образованию требований не предъявляли. Думаю, что рынок дата-сайентистов пока довольно молодой. При этом, работая над вакансией дата-аналитик, мы обратили внимание на большое количество откликов резюме на позицию Data Scientist». Елена, директор агентства по подбору персонала в сфере ИТ

Анализ вакансий Data Analyst и Data Scientist в 2021 году

Таким образом, популярность профессии Data Analyst неоспорима, однако примечательно и то, что заработная плата специалистов в области Data Scienсe несколько выше. Этот факт отмечали и наши внешние консультанты, определив для специалистов на позицию Data Analyst средний уровень в размере 120 000 – 140 000 рублей, а для Data Scientist в районе 170 000 – 200 000 рублей.

Если внимательно изучить информацию по сферам, где востребованы специалисты, то цифры получаются примерно одинаковые, исходя из общего количества вакансий. Следует отметить востребованность специалистов в области науки: вакансий для дата-аналитиков нет, а для дата-сайентистов 44 предложения. Анализ вакансий на госслужбе показывает примерно одинаковый интерес как к аналитикам, так и к исследователям данных. А вот для начинающих специалистов вакансий в сфере Data Science несколько больше.

Data Analyst и Data Scientist – довольно новые профессии. На данный момент не существует каких-либо профессиональных стандартов по каждой из них. Соответственно, непонятно, как их отличать друг от друга.

Исходя из описания этих позиций на работных сайтах, предъявляемых требований от работодателей, можно предположить, что обе эти профессии используют одинаковый набор инструментов: Tableau, SQL, Python, BI-платформы, работа со сложными форматами данных, работа с неструктурированными данными, визуализация, различные методы анализа. Как правило, одно из пожеланий – образование в сфере информационных технологий. К высокооплачиваемым специалистам предъявляют требования Machine Learning. И конечно же, желание развиваться в Big Data. А вот каким образом развиваться – это и есть основное различие этих направлений работы с данными.

Как правило, Data Analyst описывает данные, выявляет в них тренды, анализирует полученные результаты, визуализирует их. Дата аналитик активно работает со стейкхолдерами организации/проекта, которые запрашивают обобщение данных, визуализацию выводов и отчеты по результатам. В государственном секторе дата-аналитики крайне востребованы в организациях, где происходит обработка большого количества данных: Счетная палата, Федеральная налоговая служба, Министерство здравоохранения. Как отмечают сами дата-аналитики, они тесно взаимодействуют с человеческой и аналитической составляющей, а не инженерной и производственной. При этом темпы работы довольно интенсивные: необходимо в определенный промежуток времени проанализировать огромное количество информации, визуализировать ее и подготовить обработку нескольких пулов запросов. Как правило, это описательные или ситуативные результаты.

В качестве профессиональных компетенций дата-аналитиков согласно утвержденной модели компетенций следует выделить: управление и использование данных, применение цифровых технологий. Важны знания в области математической статистики, умение использовать средства визуализации.

В качестве личностных компетенций стоит отметить такие качества, как клиентоцентричность, коммуникативность, критичность, нацеленность на результат.

Специалист в области Data Science строит на основе данных модели, которые помогают принимать решение в науке, бизнесе и повседневной жизни. Ему необходимо не только проанализировать определенный объем данных, но и придумать, каким образом можно решить проблему. В государственной системе такие специалисты могут решать задачи, связанные с вопросами транспорта в городе, они работают над порталом ГосУслуг, Мос.ру, выдвигая гипотезы и проверяя их на основе больших данных. Конечно же, исследователи данных занимаются экономическими прогнозами, научными разработками и всеми сферами, где можно применить машинное обучение.

Специалисту Data Science приходится работать с другими людьми, над более крупными проектами (такими, как создание и внедрение искусственного интеллекта) и тратить на это больше времени. Как правило, исследователи данных не так часто встречаются со стейкхолдерами, но они более тесно взаимодействуют с Data Engineer, разработчиками и менеджерами продукта. При этом полученными выводами Data Scientist делится в первую очередь с разработчиками, а не с заказчиками. Темпы работы Data Scientist сильно отличаются от темпов Data Analyst, потому как на сбор данных, создание и настройку моделей, обработку результатов требуются серьезные временные затраты.

В качестве профессиональных компетенций Data Scientist согласно утвержденной модели компетенций стоит отметить: управление и использование данных, применение цифровых технологий, управление цифровым развитием. Также важны знания в области математической статистики, умение использовать средства визуализации, умение работать с Big Data.

В качестве личностных компетенций необходимо выделить креативность, нацеленность на результат, критичность.

Практика показывает, что в аналитику зачастую уходят Junior- и Middle-разработчики на Python.
Профессия Data Analyst крайне востребованная, поэтому появилось огромное количество доступных курсов. Для государственных организаций будет важно высшее образование в сфере информационных технологий и опыт проектной работы.

Возможностей роста для дата-аналитика тоже хватает. Как правило, это Data Engineer, Data Scientist или BI-аналитика (визуализация данных аналитики). Многие крупные компании ценят сотрудников, которые умеют не только анализировать информацию, но и доходчиво предоставить выводы руководству.

У специалистов в области дата аналитики и исследователей данных общий стек технологий, где-то похожие профессиональные компетенции. Но все-таки это разные профессии. У специалистов разные задачи, и, как следствие, есть различия в личностных компетенциях и конечных результатах. С великой долей вероятности Data Analyst будет прокачивать необходимые компетенции, чтобы достичь профессионализма в исследовании данных. Дата аналитика в этом случае скорее является основой для дальнейшего развития.

В ситуации с поиском специалистов для государственных организаций на позицию дата-аналитика следует обращать внимание на образование в сфере информационных технологий, знание стека технологий, развитые профессиональные и личностные компетенции.

По сложившейся традиции мы обратились к сообществу Data Analyst за рекомендациями литературы и доступных курсов по самостоятельному изучению технологий. Наши читатели могут ознакомиться с планом развития Data Analyst по ссылке:

Наталья Карташева,
Эксперт Центра оценки и кадрового развития