Вообще делать карьеру в Data Science было одним из самых перспективных и лучших решений в последние несколько лет. В 2016 г. крупнейший в мире сайт по поиску работы Glassdoor объявил Data Science самой высокооплачиваемой работой в мире. И в последующие три года это неизменно подтверждал.
Давайте посмотрим, как обстоят дела сейчас.
Есть ли спрос на специалистов в 2024 г.? Если коротко да. Карьера здесь, это синоним успеха в IT. Почему? Data Science, как и всё в мире следует основным законам экономики - спросу и предложению. Спрос на специалистов остается очень высоким, в то время как предложение слишком низкое.
Вспомните про историю с разработчиками. Пока интернет становился бизнесом, и люди зарабатывали на нем серьезные деньги все хотели стать программистом или веб-дизайнером, или кем-то еще, что позволило бы им зарабатывать в IT. Зарплаты были потрясающими, и быть там считалось исключительной возможностью. Со временем предложение специалистов начало догонять спрос и «взвинтило» зарплаты. Потом всё стабилизировалось, но отрасль все еще зарабатывает выше среднего с точки зрения зарплат. То же самое происходит и в Data Science. Спрос действительно высок, в то время как предложение все еще низкое.
Откуда берется спрос на специалистов?
Любой бизнес стремится принимать решения на основе данных. Снижать неопределенность и принимать решения на основе четкой фактуры сейчас это конкурентное преимущество. Раньше аналитики использовали старые, неповоротливые программы типа SPSS или Stata для своих потребностей, сейчас «времена меняются», и почти каждый может иметь доступ к любому вычислительному ресурсу, может использовать Python и строить самые современные алгоритмы машинного обучения.
На самом деле, рост профессии привёл к созданию миллиардных технологий:
- Облачные сервисы данных для обработки больших данных;
- Сложные ERP-системы, которые разбивают информацию и создают визуализации;
- Tableau и Microsoft Power BI для построения продвинутой бизнес-аналитики;
С помощью этих инструментов и не только можно быстро считать данные, проводить расчеты и строить классные визуализации. И, конечно, есть также блестящие улучшения в языках программирования, таких как R и Python, которые позволяют выполнять очень сложный анализ всего в несколько строчек кода.
Итак, у вас есть все эти инструменты, которые не так уж и сложны в использовании. Вы можете позволить себе нанять некоторых людей, чтобы воспользоваться ими, и вы знаете, что это увеличит ваш бизнес в четыре раза за счет прогнозирования, аналитики, предвидения будущего. Вы бы наняли команду по анализу данных? Абсолютно.
Например, Google является воплощением Data Science. Всё, что они делают, основано на данных. Из их поисковой системы - google.com, через сервис потокового видео YouTube, из обезличенного анализа электронной почты, из музыкальных сервисов. Они соединяют данные, чтобы максимизировать доход от рекламы. Даже их HR-команда использует научный метод для оценки стратегий, которые заставляют сотрудников чувствовать себя лучше на работе, чтобы они могли быть более продуктивными.
К тому же спрос растет, потому что данных становится больше. Например, Лента или X5 копят данные по каждому пробитому чеку с 2017 г. Они накапливаются петабайты данных каждый год. Из этих данных можно зарабатывать деньги. Например, оптимизировать ассортимент. Например, прогнозировать спрос и экономить миллиарды на просроченных продуктах. Например, умно управлять ценообразованием, чтобы максимально выгодно продавать товары. Например, развивать гео-моделирование, чтобы с минимальными рисками открывать новые магазины заранее понимая сколько это приносит денег. Мы ещё расскажем подробно про Data Science в ритейле.