Первый пост я хочу начать с рассуждения о том, кто такой геоаналитик. Думаю, что пост в какой-то степени "задевает" каждого моего подписчика, поэтому буду рада услышать ваше мнение в комментариях.
Ответ на вопрос "кто такой геоаналитик" и точнее, где границы между задачами, которые решает он и теми, которые решает GIS-специалист, data аналитик или кто-либо еще, рождается самым естественным образом, как только начинаешь интересоваться пространственной аналитикой.
За последние 4 с половиной года с тех пор как я начала получать магистра в Urban Analytics в Глазго я встречала множество описаний и мнений, озаглавленных словами Geo Data Analyst/ Geo Analyst/ Spatial analyst/ Urban analyst и еще то же самое, но вместо "analyst" - "data scientist".
Описывали ли они одно и то же? Конечно, нет. Я собрала данные из 3 источников и получила разные результаты.
Во-первых, если посмотреть вакансии в Linkedin, то ожидания варьируются от работы с GIS и реляционными базами данных до умения писать веб-сайты и строить модели распознавания спутниковых снимков. Термины в вакансиях как правило определяются профилем компании: IT компания будет искать аналитика или data engineer со знанием как работать с координатами, городское бюро или природозащитная организация- GIS-специалиста, который умеет обрабатывать данные.
Далее, если обратиться к литературе по "Spatial Analytics" и GeoAnalytics, то здесь единства больше (но возможно, что это меня привлекает литература одного направления). Например, одна из моих любимых книг по пространственной аналитике считает, что ее цель - это изучение расположения объектов и их отношения друг к другу в пространстве. Похожее написано и в обзоре задач spatial data science компании Carto: "true spatial data science" рассматривает местоположение, расстояние и пространственное взаимодействие как основные аспекты данных и использует специализированные методы и программное обеспечение для хранения, извлечения, исследования, анализа, визуализации и обучения на основе таких данных.
То есть резюмируя оба источника, человек, который занимается spatial analytics - это аналитик, который не просто умеет добавлять широту и долготу объекта как признаки в регрессионную модель, но также умеет учитывать потенциальное влияние соседей на его расположение. Найти же вакансию с ровно такими требованиями практически не возможно.
И последнее. В декабре 2023 года я устраивала зум-сессию, где мы обсуждали вакансию геоаналитика на российском рынке. В итоге опыт участников разделился на 2 категории: тех, кто пришли из географии и урбанистики и тех, кто пришел из аналитики/технических специальностей. Это вполне совпадает с типами вакансий на Linkedin - постепенно специалисты разных профилей дополучают знания и навыки, чтобы соответствовать требованиям работодателей.
Из ключевых и хорошо оплачиваемых навыков выделяются:
- Знание Python и умение мыслить кейсами - причем этот навык требуется от специалистов обоих категорий. А на интервью не только бизнес, но и городские бюро задают вопросы в формате консалтинговых компаний. Например, как посчитать пассажиропоток одной ветки метро.
- Понимание и опыт в Urban Planning - интересно, что бизнес тоже начинает видеть для себя преимущество, если геоаналитик понимает как устроен город. Например, такой спрос заметен в компаниях, расставляющих ПВЗ
- Опыт с GIS. Навык требуется обычно от геоаналитиков 1-ого типа - бизнес пока больше рассчитывает на Python, видимо, потому что его проще автоматизировать.
- Транспортное моделирование. Специфический навык геоаналитика из транспортных лабораторий. Но учитывая, что пока именно в таких местах самый большой в России спрос на урбанистов, умеющих строить городские модели, навык остается ключевым
- Опыт работы с базами данных ( SQL). Навык, который как и Python, отметили все. Неважно работаешь ты в QGIS или Python, от тебя ожидается, что собирать и обрабатывать данные ты умеешь.
Если вам захочется почитать сырые заметки встречи и узнать про другие требования работодателей, иногда совсем нелепые, то их можно найти здесь.
Получается, что пока чистого "геоаналитика" из книжки не существует: либо нужно быть дата аналитиком/ data scientist, умеющим считать пространственные метрики, либо картографом/ городским планировщиком, который умеет обрабатывать данные и считать метрики, подтверждающие визализацию. Но и в том и другом случае spatial analytics на 2-ом месте.
Приблизиться к этому поможет мой курс по основам пространственного анализа с использованием Python. Наша цель — показать, как геоаналитические методы могут быть применены в бизнесе.
Курс предназначен для:
- GIS-специалистов с базовыми знаниями Python, которые хотят развить свои аналитические навыки;
- Аналитиков, которым необходимы геоинструменты для решения задач.
Курс полностью самостоятелен и включает возможность обсуждения в нашем чате в Telegram.
Посетите наш сайт, пройдите тест и присоединяйтесь к курсу.
