А мы продолжаем рассказывать про #ИТпрофессии и сегодня рассмотрим Бизнес-аналитика (БА).
Классический бизнес-аналитик связывает заказчика и команду разработки — сначала выявляет требования к будущему продукту или функциям системы, а затем превращает их в задачи для разработчиков и контролирует, чтобы созданный продукт закрывал бизнес-цели клиента. Поэтому работа БА складывается таким образом:
🟣 Общается с клиентом и изучает его бизнес с целью выявить реальные потребности и понять, что же в итоге нужно сделать;
🟣 Далее БА «переводит» полученную информацию в технические требования, которые понятны команде разработчиков;
🟣 На основании этих данных специалисты предлагают свое решение, и запускается обратный процесс: бизнес-аналитик «переводит» их видение в понятный для заказчика формат.
Главным отличием БА от всех остальных аналитиков, то что его работа состоит из большого количества коммуникаций, также как остальные аналитики больше работают с системами или данными. Именно по этой причине чаще всего БА вырастает в менеджера продукта или проекта, все также продолжая много общаться
Позиция БА - это отличный старт в ИТ для людей из бизнеса (менеджер по продажам, бухгалтер, экономист, руководитель колл-центра и т.д.), то есть для тех, кто хорошо знаком с какой-нибудь предметной областью, ведь можно стать БА, который улучшает бизнес-процессы именно этой предметной области. Получается, что все процессы тебе уже хорошо знакомы и останется только поднатаскать себя в техническом плане, чтобы лучше понимать разработчиков.
Следующий пост будет про Системного аналитика👩💻👨💻
Классический бизнес-аналитик связывает заказчика и команду разработки — сначала выявляет требования к будущему продукту или функциям системы, а затем превращает их в задачи для разработчиков и контролирует, чтобы созданный продукт закрывал бизнес-цели клиента. Поэтому работа БА складывается таким образом:
🟣 Общается с клиентом и изучает его бизнес с целью выявить реальные потребности и понять, что же в итоге нужно сделать;
🟣 Далее БА «переводит» полученную информацию в технические требования, которые понятны команде разработчиков;
🟣 На основании этих данных специалисты предлагают свое решение, и запускается обратный процесс: бизнес-аналитик «переводит» их видение в понятный для заказчика формат.
Главным отличием БА от всех остальных аналитиков, то что его работа состоит из большого количества коммуникаций, также как остальные аналитики больше работают с системами или данными. Именно по этой причине чаще всего БА вырастает в менеджера продукта или проекта, все также продолжая много общаться
Позиция БА - это отличный старт в ИТ для людей из бизнеса (менеджер по продажам, бухгалтер, экономист, руководитель колл-центра и т.д.), то есть для тех, кто хорошо знаком с какой-нибудь предметной областью, ведь можно стать БА, который улучшает бизнес-процессы именно этой предметной области. Получается, что все процессы тебе уже хорошо знакомы и останется только поднатаскать себя в техническом плане, чтобы лучше понимать разработчиков.
Следующий пост будет про Системного аналитика👩💻👨💻
👏2
Всем хай!!💃
У нас появилась первая большая статья про ТОК!!
🎉🎉🎉
Почитайте на досуге обязательно: https://vc.ru/hr/498308-kem-poyti-v-it-ili-kak-ya-pereizobrela-proforientacionnyy-test
И перешлите друзьям, знакомым, которые интересуются ИТ. 😉
У нас появилась первая большая статья про ТОК!!
🎉🎉🎉
Почитайте на досуге обязательно: https://vc.ru/hr/498308-kem-poyti-v-it-ili-kak-ya-pereizobrela-proforientacionnyy-test
И перешлите друзьям, знакомым, которые интересуются ИТ. 😉
vc.ru
«Кем пойти в ИТ» или как я переизобрела профориентационный тест — Карьера на vc.ru
Последние несколько лет я консультирую аналитиков в ИТ по карьерным вопросам и развитию, но последние полгода консультирую новичков по вопросам «как войти в ИТ» настолько часто, что создала авторский сервис по рекомендации ИТ профессии. Предметный, конкретный…
Мы продолжаем рассказывать про #ИТпрофессии и сегодня рассмотрим Системного аналитика (СА).
В прошлый раз мы рассказывали про бизнес-аналитика (БА), который помогает состыковать бизнес и разработку, ну вот, про СА можно сказать примерно то же самое. Это очень схожие профессии, но все же есть отличия.
Проще говоря, бизнес-аналитик выясняет, что нужно пользователям и за счет каких именно функций программный продукт станет лучше и прибыльнее, а вот системный аналитик решает, что сделать, чтобы эта функция была органично интегрирована в продукт и правильно работала.
СА чаще привлекаются для больших и сложных проектов, где БА сужает свои задачи до взаимодействия с бизнесом и собирает с них бизнес-требования, а СА уже выполняет следующие задачи:
🟣 Анализирует полученные бизнес-требования, при необходимости их уточняет у БА. На основании бизнес-требований разрабатывает требования к отдельным функциям системы;
🟣 Написание технической документации (технические задачи для разработчиков, спецификации, системные инструкции и т.д.);
🟣 Разработка моделей данных, логики, алгоритмов и всевозможных интеграций;
🟣 Проработка архитектуры технологических решений - самостоятельно или с помощью архитектора;
🟣 Тестирование и приемка готового продукта, чаще с точки зрения корректной реализации системных параметров.
Позиция СА - не самая легкая позиция для старта, так как нужно иметь хотя бы базовые технические знания, например, про разработку ПО и хранилищ, уметь моделировать процессы, знать структуры баз данных и т.д. Однако всему этому можно научиться и из открытых источников, информации в интернете предостаточно, было бы желание 😉
Чаще всего из СА вырастает системный архитектор, т. к. хорошо знаком с системами и понимает, как можно хорошо интегрировать доработку или новый функционал в существующую систему.
Следующий пост будет про Продуктового аналитика 🦸♂️
В прошлый раз мы рассказывали про бизнес-аналитика (БА), который помогает состыковать бизнес и разработку, ну вот, про СА можно сказать примерно то же самое. Это очень схожие профессии, но все же есть отличия.
Проще говоря, бизнес-аналитик выясняет, что нужно пользователям и за счет каких именно функций программный продукт станет лучше и прибыльнее, а вот системный аналитик решает, что сделать, чтобы эта функция была органично интегрирована в продукт и правильно работала.
СА чаще привлекаются для больших и сложных проектов, где БА сужает свои задачи до взаимодействия с бизнесом и собирает с них бизнес-требования, а СА уже выполняет следующие задачи:
🟣 Анализирует полученные бизнес-требования, при необходимости их уточняет у БА. На основании бизнес-требований разрабатывает требования к отдельным функциям системы;
🟣 Написание технической документации (технические задачи для разработчиков, спецификации, системные инструкции и т.д.);
🟣 Разработка моделей данных, логики, алгоритмов и всевозможных интеграций;
🟣 Проработка архитектуры технологических решений - самостоятельно или с помощью архитектора;
🟣 Тестирование и приемка готового продукта, чаще с точки зрения корректной реализации системных параметров.
Позиция СА - не самая легкая позиция для старта, так как нужно иметь хотя бы базовые технические знания, например, про разработку ПО и хранилищ, уметь моделировать процессы, знать структуры баз данных и т.д. Однако всему этому можно научиться и из открытых источников, информации в интернете предостаточно, было бы желание 😉
Чаще всего из СА вырастает системный архитектор, т. к. хорошо знаком с системами и понимает, как можно хорошо интегрировать доработку или новый функционал в существующую систему.
Следующий пост будет про Продуктового аналитика 🦸♂️
❤4
А вы уже поздравили своих коллеги и знакомых с днем программиста?👨💻🎉
В честь 256 дня года мы решили устроить небольшую викторину и разыграть три бесплатных места в ТОК!
Все что требуется сделать, в числе первых правильно ответить на несколько вопросов про наш пока еще маленький, но очень стойкий бренд IThumanWork😊
Вопросы последовательно будут появляться тут, в нашем канале. А завтра подведем итоги и устроим торжественную публикаю победителей😉
Пожалуйста, ждите наших вопросов))
В честь 256 дня года мы решили устроить небольшую викторину и разыграть три бесплатных места в ТОК!
Все что требуется сделать, в числе первых правильно ответить на несколько вопросов про наш пока еще маленький, но очень стойкий бренд IThumanWork😊
Вопросы последовательно будут появляться тут, в нашем канале. А завтра подведем итоги и устроим торжественную публикаю победителей😉
Пожалуйста, ждите наших вопросов))
🔥3
И первый вопрос уже в нашем чате!!!
Переходите и отвечайте: https://t.me/+-mZexHdB0eMwMWMy
И простите сердечно, нашего админа😢 Он больше так не будет, обещаем😜
Переходите и отвечайте: https://t.me/+-mZexHdB0eMwMWMy
И простите сердечно, нашего админа😢 Он больше так не будет, обещаем😜
Хей, хей, хей!!!
Поздравляем победителя нашей праздничной викторины ко дню программиста🎉🎉🎉
https://t.me/Rijayamorda
Мы свяжемся, чтобы передать выигрыш💃💃💃
Поздравляем победителя нашей праздничной викторины ко дню программиста🎉🎉🎉
https://t.me/Rijayamorda
Мы свяжемся, чтобы передать выигрыш💃💃💃
Telegram
Яна
You can contact @Rijayamorda right away.
🔥2
Всем привет!
Нашли на Хабре довольно интересное и актуальное исследование по распределению долей специальностей в ИТ.
https://habr.com/ru/post/688072/
Информации много, советуем положить в закладки и рассматривать в свободное время. + очень много полезных списков.
Нашли на Хабре довольно интересное и актуальное исследование по распределению долей специальностей в ИТ.
https://habr.com/ru/post/688072/
Информации много, советуем положить в закладки и рассматривать в свободное время. + очень много полезных списков.
Хабр
Каких IT-специалистов больше всего не хватает в России
Исследование Работа.ру и Heaad ко дню IT-специалиста. Кратко об условиях исследования Для исследования мы взяли IT-вакансии по всем регионам России и некоторым странам СНГ — Казахстана, Узбекистана,...
Приглашаем на эфир!💃
Завтра на площадке Solvery пройдет прямой эфир, на котором разберем как «читать» описание вакансий между строк и оценивать их, прежде чем откликаться.
Эфир проведет ментор, наш главный автор и основатель Лариса Дансарунова👩💻😉
Мероприятие бесплатное и интерактивное, поэтому будьте готовы включиться в работу и задавать вопросы.) А еще мероприятие бесплатное и проходит онлайн, поэтому достаточно только зарегистрироваться по ссылке:
https://solvery.timepad.ru/event/2174358/
Завтра на площадке Solvery пройдет прямой эфир, на котором разберем как «читать» описание вакансий между строк и оценивать их, прежде чем откликаться.
Эфир проведет ментор, наш главный автор и основатель Лариса Дансарунова👩💻😉
Мероприятие бесплатное и интерактивное, поэтому будьте готовы включиться в работу и задавать вопросы.) А еще мероприятие бесплатное и проходит онлайн, поэтому достаточно только зарегистрироваться по ссылке:
https://solvery.timepad.ru/event/2174358/
Solvery.io
Менторы по программированию – поиск и подбор менторов-программистов онлайн – Solvery
Обучение программированию c нуля индивидуально с ментором в Solvery. Поиск и подбор опытных наставников из крупных IT-компаний. Услуги менторов для проектов и стартапов.
🔥3
Наша еженедельная рубрика про #ИТпрофессии. Сегодня рассмотрим Продуктового аналитика (ПА).
Если раньше мы рассказывали вам про бизнес-аналитика и системного-аналитика, которые связывают бизнес и разработку, то вот продуктовый аналитик — мостик между бизнесом и данными. Он работает рука об руку с продакт-менеджером и помогает продуктовой команде принимать верные для бизнеса решения. Продуктовая аналитика позволяет понять, как пользователи взаимодействуют с продуктом. Условно можно выделить две задачи продуктовой аналитики:
🟣 Сначала продуктовый аналитик выгружает кучу цифр (метрик) из разных источников: какие кнопки нажимают пользователи, как часто используют продукт, на каких устройствах, какие функции продукта продукта популярны, и т.д. Эти измерения показывают, что происходит с продуктом, но не объясняют почему;
🟣 На втором этапе аналитик, при помощи анализа, вытаскивает из цифр инсайты, которые объясняют поведение пользователей. Благодаря этому продуктовая команда понимает, какой продукт она сделала и как развивать его дальше.
Стать ПА не так просто. Чтобы претендовать на должность продуктового аналитика, придётся вспомнить статистику и математику, ну и плюсом будет базовое знание SQL. Согласно исследованиям компании “Нормальные исследования”, в профессию чаще всего идут люди целенаправленно и «с нуля», а часть специалистов приходит из разработки или маркетинга 🙃
ПА чаще всего вырастает в Продакта (менеджер продукта), так как хорошо умеют работать с ценностью продукта и быстро тестировать гипотезы, связанные с потенциальным изменением продукта.
Следующий пост будет про Дата аналитика 😉
Если раньше мы рассказывали вам про бизнес-аналитика и системного-аналитика, которые связывают бизнес и разработку, то вот продуктовый аналитик — мостик между бизнесом и данными. Он работает рука об руку с продакт-менеджером и помогает продуктовой команде принимать верные для бизнеса решения. Продуктовая аналитика позволяет понять, как пользователи взаимодействуют с продуктом. Условно можно выделить две задачи продуктовой аналитики:
🟣 Сначала продуктовый аналитик выгружает кучу цифр (метрик) из разных источников: какие кнопки нажимают пользователи, как часто используют продукт, на каких устройствах, какие функции продукта продукта популярны, и т.д. Эти измерения показывают, что происходит с продуктом, но не объясняют почему;
🟣 На втором этапе аналитик, при помощи анализа, вытаскивает из цифр инсайты, которые объясняют поведение пользователей. Благодаря этому продуктовая команда понимает, какой продукт она сделала и как развивать его дальше.
Стать ПА не так просто. Чтобы претендовать на должность продуктового аналитика, придётся вспомнить статистику и математику, ну и плюсом будет базовое знание SQL. Согласно исследованиям компании “Нормальные исследования”, в профессию чаще всего идут люди целенаправленно и «с нуля», а часть специалистов приходит из разработки или маркетинга 🙃
ПА чаще всего вырастает в Продакта (менеджер продукта), так как хорошо умеют работать с ценностью продукта и быстро тестировать гипотезы, связанные с потенциальным изменением продукта.
Следующий пост будет про Дата аналитика 😉
❤1
Друзья, помните что сегодня за день?
День прямого эфира!
Через 10 минут начнется эфир, на котором наш главный автор Лариса разберет как «читать» описание вакансий между строк.
Напоминаем, что участие бесплатное и интерактивное 😉
Можете захватить чашечку горячего и чего-нибудь вкусного!
Ждем вас в 19:00
https://solvery.timepad.ru/event/2174358/
День прямого эфира!
Через 10 минут начнется эфир, на котором наш главный автор Лариса разберет как «читать» описание вакансий между строк.
Напоминаем, что участие бесплатное и интерактивное 😉
Можете захватить чашечку горячего и чего-нибудь вкусного!
Ждем вас в 19:00
https://solvery.timepad.ru/event/2174358/
Всем привет!
Вчера прошел прямой эфир «Как научиться читать вакансии компаний между строк?»
Было активно и очень полезно 🔥
Разобрали сразу несколько примеров описаний вакансий, потренировались выделять важное и задавать главный вопрос «А мне это подходит?»
Поэтому, друзья, кто вчера не успел попасть на прямой эфир, можете посмотреть здесь.
О таком нигде не расскажут 🤫
Вчера прошел прямой эфир «Как научиться читать вакансии компаний между строк?»
Было активно и очень полезно 🔥
Разобрали сразу несколько примеров описаний вакансий, потренировались выделять важное и задавать главный вопрос «А мне это подходит?»
Поэтому, друзья, кто вчера не успел попасть на прямой эфир, можете посмотреть здесь.
О таком нигде не расскажут 🤫
Наша еженедельная рубрика про #ИТпрофессии. Сегодня рассмотрим Дата аналитика (аналитика данных).
Профессия аналитика данных очень схожа с предыдущей рассмотренной профессией продуктового аналитика, т. к. она помогает подружить данные и бизнес, но все таки есть отличия.
Как мы разобрали выше, ПА работает с данными по продукту, а дата-аналитик чаще всего работает с большими данными. Например, помогает компании принять решение целесообразно ли сейчас обновить свой автопарк, закупив новые автомобили, или проще арендовать у другой компании и все это используя только большие данные.)
Задачи:
🟣 собирает данные (формирует запрос сам или получает задачу от менеджеров);
🟣 знакомится с параметрами набора (какие типы данных собраны, как их можно отсортировать);
🟣 проводит предварительную обработку (очищает от ошибок и повторов, упорядочивает);
🟣 интерпретирует (анализирует, собственно решает задачу);
🟣 делает вывод;
🟣 визуализирует (так, чтобы на основе вывода можно было принять решение, подтвердить или опровергнуть гипотезу).
Путь в аналитику данных - тернист. От начинающего специалиста уже ожидают, что он знает мат. статистику, что такое гипотезы, умеет писать базовые запросы к базам данных SQL (основной источник данных для аналитика). Также все чаще, требуется базовое понимание языка программирования Python. Компании учитывают и наличие подходящих soft-skills, таких как внимание к деталям и системное мышление, порой им даже отдают предпочтение при подборе начинающих спецов 🙃
Аналитик данных может расти горизонтально, то есть переходить в продуктовую аналитику или становиться Data-scientist. Ну, или расти вертикально становясь TeamLead по аналитике данных, то есть возглавлять отдел с дата-аналитиками.💃
Следующий наш пост будет про BI-аналитика, который тоже работает с данными, но в другом формате. 😉
Профессия аналитика данных очень схожа с предыдущей рассмотренной профессией продуктового аналитика, т. к. она помогает подружить данные и бизнес, но все таки есть отличия.
Как мы разобрали выше, ПА работает с данными по продукту, а дата-аналитик чаще всего работает с большими данными. Например, помогает компании принять решение целесообразно ли сейчас обновить свой автопарк, закупив новые автомобили, или проще арендовать у другой компании и все это используя только большие данные.)
Задачи:
🟣 собирает данные (формирует запрос сам или получает задачу от менеджеров);
🟣 знакомится с параметрами набора (какие типы данных собраны, как их можно отсортировать);
🟣 проводит предварительную обработку (очищает от ошибок и повторов, упорядочивает);
🟣 интерпретирует (анализирует, собственно решает задачу);
🟣 делает вывод;
🟣 визуализирует (так, чтобы на основе вывода можно было принять решение, подтвердить или опровергнуть гипотезу).
Путь в аналитику данных - тернист. От начинающего специалиста уже ожидают, что он знает мат. статистику, что такое гипотезы, умеет писать базовые запросы к базам данных SQL (основной источник данных для аналитика). Также все чаще, требуется базовое понимание языка программирования Python. Компании учитывают и наличие подходящих soft-skills, таких как внимание к деталям и системное мышление, порой им даже отдают предпочтение при подборе начинающих спецов 🙃
Аналитик данных может расти горизонтально, то есть переходить в продуктовую аналитику или становиться Data-scientist. Ну, или расти вертикально становясь TeamLead по аналитике данных, то есть возглавлять отдел с дата-аналитиками.💃
Следующий наш пост будет про BI-аналитика, который тоже работает с данными, но в другом формате. 😉
👍1
#ИТновости
Apple перевезла российских сотрудников из России
Различные источники сегодня опубликовали новость о том, что российскому офису Apple было предложено релоцироваться. Для выбора сотрудникам предоставили три направления: Лондон, Дубаи и … Киргизию. Большинство рядовых сотрудников выбрало Киргизию за близость и относительную недороговизну переезда. Однако часть состава топ-менеджеров российского офиса все же отправились в Велокибританию и ОАЭ. Многие источники ссылаются на одно издание, которое самым первым сообщило от этом - «Ведомости»
Вслед за Ведомостями об этом сообщили на VC и CNews.
А в этой статье описана очень даже разумная догадка на счет причин такого неординарного решения для западной компании.
Пока заявлений по этому поводу от самой Apple не было и вряд ли будут. Ведь «все всё понимают»(с.)
Кто ждет новые айфоны в России?)
Apple перевезла российских сотрудников из России
Различные источники сегодня опубликовали новость о том, что российскому офису Apple было предложено релоцироваться. Для выбора сотрудникам предоставили три направления: Лондон, Дубаи и … Киргизию. Большинство рядовых сотрудников выбрало Киргизию за близость и относительную недороговизну переезда. Однако часть состава топ-менеджеров российского офиса все же отправились в Велокибританию и ОАЭ. Многие источники ссылаются на одно издание, которое самым первым сообщило от этом - «Ведомости»
Вслед за Ведомостями об этом сообщили на VC и CNews.
А в этой статье описана очень даже разумная догадка на счет причин такого неординарного решения для западной компании.
Пока заявлений по этому поводу от самой Apple не было и вряд ли будут. Ведь «все всё понимают»(с.)
Кто ждет новые айфоны в России?)
🔥2
Business Intelligence (BI) - это обозначение методов и инструментов, которые переводят транзакционную деловую информацию в человекочитаемый вид.
Следовательно, BI-аналитик - этот тот, кто умеет при помощи BI-инструментов, собирать и автоматизировать большой объем данных из разных источников и визуализировать ее в виде дашбордов или отчетов. Это помогает бизнесу принимать решения на основе операционных и транзакционных данных. Очень похоже на две предыдущие профессии аналитик данных и продуктовой аналитик. Однако, есть ключевое отличие - собранный дашборд для бизнеса, автоматически обогащается данными и не требует постоянного привлечения аналитика для расчета показателей.
Основными задачами BI-аналитика являются:
🟣 Разработка макетов будущих дашбордов;
🟣 Визуализация метрик и данных с использованием BI-инструментов;
🟣 Управлением пулом дашбордов как продуктом: собирать требования, вести бэклог доработок и идей, отвечать за улучшения;
🟣 Поддержка и развитие имеющихся хранилищ данных;
🟣 Создание удобных интерфейсов для доступа бизнес-подразделений к данными;
🟣 Проверка гипотез и создание прототипов для различных отчетов.
Чтобы стать BI-аналитиком подходят такие же требования, как и для аналитиков данных, знание мат. статистики, умение работать с базами данных, хорошие знания по работе с таблицами, но также важно уметь работать с BI-инструментами, хотя бы на базовом уровне 🧐
Самые популярные BI-инструменты: Tableau, SAP BI, MS Power BI, Qlik, …
Чаще всего BI-аналитик растет внутри своей специальности, становясь уровня Senior и дальше TeamLead’ом 😉
Следующий наш пост будет про Data-scientist, это будет последний пост про профессии аналитиков. 🦸
Следовательно, BI-аналитик - этот тот, кто умеет при помощи BI-инструментов, собирать и автоматизировать большой объем данных из разных источников и визуализировать ее в виде дашбордов или отчетов. Это помогает бизнесу принимать решения на основе операционных и транзакционных данных. Очень похоже на две предыдущие профессии аналитик данных и продуктовой аналитик. Однако, есть ключевое отличие - собранный дашборд для бизнеса, автоматически обогащается данными и не требует постоянного привлечения аналитика для расчета показателей.
Основными задачами BI-аналитика являются:
🟣 Разработка макетов будущих дашбордов;
🟣 Визуализация метрик и данных с использованием BI-инструментов;
🟣 Управлением пулом дашбордов как продуктом: собирать требования, вести бэклог доработок и идей, отвечать за улучшения;
🟣 Поддержка и развитие имеющихся хранилищ данных;
🟣 Создание удобных интерфейсов для доступа бизнес-подразделений к данными;
🟣 Проверка гипотез и создание прототипов для различных отчетов.
Чтобы стать BI-аналитиком подходят такие же требования, как и для аналитиков данных, знание мат. статистики, умение работать с базами данных, хорошие знания по работе с таблицами, но также важно уметь работать с BI-инструментами, хотя бы на базовом уровне 🧐
Самые популярные BI-инструменты: Tableau, SAP BI, MS Power BI, Qlik, …
Чаще всего BI-аналитик растет внутри своей специальности, становясь уровня Senior и дальше TeamLead’ом 😉
Следующий наш пост будет про Data-scientist, это будет последний пост про профессии аналитиков. 🦸
🔥10⚡2
Друзья, всем привет!
Это завершающий пост в рубрике про #ИТпрофессии. И сегодня поговорим о Data-scientist (Дата-саентист).
В отличие от других аналитиков, задача Дата-саентиста построить математическую модель, которая отреагирует своим поведением на спрогнозированное будущее.
Немного похоже на что-то из раздела фантастики, согласитесь?
Дата-сайентисты используют технологии ИИ и создают модели машинного обучения (нейросети), которые помогают бизнесу анализировать информацию.
Поэтому Дата-саентист может работать над разными задачами: от ритейла и прогнозирования продаж с соответствующим формированием закупки до астрофизики, геологии или любых других научных сфер.
В разных компаниях задачи Дата-сайентиста будут отличаться, но в основном это:
🟣 Выяснить, что нужно заказчику;
🟣Оценить, возможно ли решить поставленную задачу методами машинного обучения (ML);
🟣 Собрать данные для анализа, преобразовать их в формат, более удобный для работы по методике ML;
🟣 Найти критерии оценки, чтобы выяснить, насколько эффективной будет модель, которую предстоит создать;
🟣 Запрограммировать и «натренировать» модель ML;
🟣 Оценить экономическую целесообразность применения этой модели;
🟣 Внедрить модель в производство/продукт;
🟣 Сопровождать внедренную модель – дорабатывать, если нужно, или адаптировать под текущие запросы заказчика.
Путь в Data Scientist’ы непростой.
Придется много трудиться, чтобы полноценно войти в профессию. На старте необходимо иметь уверенные знания в математике, статистике, теории вероятностей. Базово знать язык программирования для работы с большими данными (чаще Python) и статистические инструменты.
Поэтому профессия Data Scientist – уже достижение!
В любой крупной компании или организации Дата-сайентист – ключевая фигура. Чтобы достичь таких высот, надо упорно и целенаправленно работать и постоянно совершенствоваться во всех сферах, составляющих основу профессии 😉
P.S. если вам нравится наша рубрика, пишите в комментариях о каких еще профессиях вам было бы интересно узнать👇
Это завершающий пост в рубрике про #ИТпрофессии. И сегодня поговорим о Data-scientist (Дата-саентист).
В отличие от других аналитиков, задача Дата-саентиста построить математическую модель, которая отреагирует своим поведением на спрогнозированное будущее.
Немного похоже на что-то из раздела фантастики, согласитесь?
Дата-сайентисты используют технологии ИИ и создают модели машинного обучения (нейросети), которые помогают бизнесу анализировать информацию.
Поэтому Дата-саентист может работать над разными задачами: от ритейла и прогнозирования продаж с соответствующим формированием закупки до астрофизики, геологии или любых других научных сфер.
В разных компаниях задачи Дата-сайентиста будут отличаться, но в основном это:
🟣 Выяснить, что нужно заказчику;
🟣Оценить, возможно ли решить поставленную задачу методами машинного обучения (ML);
🟣 Собрать данные для анализа, преобразовать их в формат, более удобный для работы по методике ML;
🟣 Найти критерии оценки, чтобы выяснить, насколько эффективной будет модель, которую предстоит создать;
🟣 Запрограммировать и «натренировать» модель ML;
🟣 Оценить экономическую целесообразность применения этой модели;
🟣 Внедрить модель в производство/продукт;
🟣 Сопровождать внедренную модель – дорабатывать, если нужно, или адаптировать под текущие запросы заказчика.
Путь в Data Scientist’ы непростой.
Придется много трудиться, чтобы полноценно войти в профессию. На старте необходимо иметь уверенные знания в математике, статистике, теории вероятностей. Базово знать язык программирования для работы с большими данными (чаще Python) и статистические инструменты.
Поэтому профессия Data Scientist – уже достижение!
В любой крупной компании или организации Дата-сайентист – ключевая фигура. Чтобы достичь таких высот, надо упорно и целенаправленно работать и постоянно совершенствоваться во всех сферах, составляющих основу профессии 😉
P.S. если вам нравится наша рубрика, пишите в комментариях о каких еще профессиях вам было бы интересно узнать👇
🎉4
This media is not supported in your browser
VIEW IN TELEGRAM
Друзья, всем привет!
Мы уходим в отпуск до ноября. Поэтому просим вас сильно не скучать. Вернемся к вам с новыми и крутыми идеями.
Мы видим, что сейчас тема перехода в ИТ очень важна и нужна многим. Поэтому если возникнут чрезвычайно важные вопросы, то можете записаться на консультацию к @ldansarunova.
Увидимся в ноябре 😉
Мы уходим в отпуск до ноября. Поэтому просим вас сильно не скучать. Вернемся к вам с новыми и крутыми идеями.
Мы видим, что сейчас тема перехода в ИТ очень важна и нужна многим. Поэтому если возникнут чрезвычайно важные вопросы, то можете записаться на консультацию к @ldansarunova.
Увидимся в ноябре 😉