ArtykułData Science

Data science: pasjonująca branża z wysokimi zarobkami

Czy nie masz wrażenia, że w ostatnich latach temat danych, zbierania ich i przetwarzania stał się bardzo popularny? Zastanawiasz się, skąd wziął się ten trend? Każdy z nas codziennie, czy tego chce, czy nie, produkuje setki tysięcy danych. Coraz więcej firmy odkryło korzyści, jakie płyną ze zbierania i przetwarzania ich. Firmy takie jak Facebook zarabiają miliardy dolarów na wiedzy, jaką zbierają o swoich użytkownikach. Z zapotrzebowania na okiełznanie tak dużej ilości danych powstała cała dziedzina temu poświęcona, czyli Data Science. Coraz więcej firm dysponuje danymi i chce dzięki nim ulepszać swój biznes. Czy warto więc zostać specjalistą od analizy danych? Co sprawia, że praca w tej branży jest postrzegana jako jedna z najlepszych w IT? Ile można zarobić i jak zacząć?

Co to jest Data Science?

Data Science można przetłumaczyć jako naukę o danych, ale to określenie nie w pełni oddaje, co się za nim kryje. Według najpopularniejszej definicji Data Scientist to po prostu ktoś, kto ma większą wiedzę o statystyce niż przeciętny programista i większą wiedzę o programowaniu niż przeciętny statystyk. Najkrócej rzecz ujmując, jest to dostarczanie wartości biznesowej na podstawie analizy danych.

Terminem “data science” określano różne zawody i zjawiska od lat 80. Prawdziwy boom przyniósł opublikowany w 2012 roku (w czasopiśmie Harvard Business Review) artykuł pt. „Data Scientist: The Sexiest Job of the 21st Century”. Autorzy artykułu: Thomas H. Davenport i D.J. Patil przekonują, bazując na własnych doświadczeniach, że oto na naszych oczach narodził się nowy zawód, zawód przyszłości.

Czym się charakteryzuje? Jak sugerują autorzy: „Wyobraź sobie Data Scientistów jako hybrydę hackera danych, analityka, osoby o wysokich kompetencjach komunikacyjnych oraz zaufanego doradcy. To połączenie potężne – i rzadko spotykane. (…) Ich nagłe pojawienie się w wielu firmach odzwierciedla fakt, że wiele z nich obecnie mierzy się z danymi o takiej wielkości i takim zróżnicowaniu, jakie nigdy nie występowało do tej pory. (…)podstawową umiejętnością Data Scientistów jest programowanie.”

Branże

Najpopularniejsze wykorzystanie takiego rodzaju analiz jest w marketingu. Dzięki danym możemy precyzyjnie dotrzeć do tej grupy docelowej, na której nam zależy najbardziej, ale także zwiększyć prawdopodobieństwo, że właśnie ta grupa kupi więcej naszych produktów od innej. Nie jest to jedyne zastosowanie. Dzięki analizie danych bank określa ryzyko kredytowe, a producent soków sprawia, że produkowany przez niego sok z owoców zebranych z różnych zakątków świata będzie miał zawsze taki sam smak.

Firma Walmart dzięki swoim specjalistom odkryła, że przed nadejściem huraganu ludzie nie tylko kupują artykuły pierwszej potrzeby takie jak woda czy latarki, ale także truskawkowe tosty (wzrost 7 krotny) oraz piwo. Wiedząc wcześniej o nadejściu huraganu i zwiększając zapasy tych produktów, firma zwiększyła także zyski.

Liczba zastosowań jest właściwie nieograniczona, co sprawia, że to zajęcie stało się tak atrakcyjne w ostatnich latach.

Kim jest Data Scientist?

W swojej pracy Data Scientist łączy programowanie, metody naukowe oraz wiedzę z zakresu statystyki. Przygotowuje dane do pracy z nimi, analizuje je i na ich podstawie wyciąga wnioski tak, aby dostarczyć wartość biznesową. Nierzadko musi wykazać się kreatywnością. Robiąc analizę danych, sam wybiera metody i narzędzia potrzebne do wykonania zadania, w przeciwieństwie do programisty, który zazwyczaj z góry dostaje przygotowaną specyfikację określającą dokładnie co i jak ma działać.

Duża samodzielność w działaniu i bezpośredni wpływ na biznes sprawia, że praca ta jest określana mianem jednej z bardziej satysfakcjonujących w branży IT. Pracownicy wspomnianego wcześniej Walmartu dokładnie mogli policzyć, ile dzięki ich analizom firma zarobiła pieniędzy.

Zarobki w Data Science

W corocznym rankingu Glassdoor na najlepszą pracę w USA specjalista od Data Science zajmuje czołowe miejsca z jednym z najwyższych współczynników satysfakcji z pracy. Duże zapotrzebowanie na specjalistów oraz fakt, że na rynku nie jest ich wielu, sprawia, że mogą liczyć na bardzo dobre pensje. W Polsce są to jedne z najwyższych zarobków w IT. Miesięczne wynagrodzenia zaczynają się od 15 000 PLN, a kończą nawet na 25 000 PLN

Bardzo dobra jest też perspektywa rozwoju. Rozwijające się prężnie dziedziny Machine Learning i sztucznej inteligencji sprawia, że specjaliści od danych błyskawicznie znajdują zatrudnienie.

Najlepsze oferty pracy w USA 2020
Warto zwrócić uwagę na dużą liczbę otwartych rekrutacji oraz jedne z najwyższych zarobków w ofertach związanych z analityką danych.

Zapotrzebowanie na specjalistów od danych stale rośnie

Wzrost zapotrzebowania wynika z coraz większej dostępności analizy danych nawet dla niewielkich firm. Coraz tańsze i szybsze stały się procesory, a co za tym idzie usługi cloudowe wykorzystywane do obróbki danych. Nawet stosunkowo niewielka firma może pozwolić sobie na korzystanie z dobrodziejstw Data Science. To przekłada się na bardzo duże zapotrzebowanie na specjalistów z tej branży. 

Będzie brakować specjalistów

Współtworzony przez IBM i Burning Glass Technologies raport1 na temat rynku pracy Data Scientistów przedstawia konkretne liczby – na świecie będzie otwartych 2.7 mln rekrutacji na specjalistów związanych z danymi, a zapotrzebowanie firm na specjalistów od danych wzrośnie aż o 39%.

Zapotrzebowanie na specjalistów od danych wzrośnie o 39%
Źródło: Raport The Quant Crunch

Autorzy raportu alarmują: Istnieje rosnące zagrożenie, że podaż pracowników w obszarze Data Science and Analytics zostanie daleko w tyle za popytem na nich. (…) Jeśli nie zostaną podjęte działania, braki mogą się pogłębić, co może poskutkować zaprzepaszczeniem szans związanych z Big Data.

Podobne wnioski płyną z opublikowanego w zeszłym roku raportu Figure Eight2: prawie 30% badanych respondentów deklaruje, że rekruterzy kontaktują się z nimi w sprawie nowych ofert kilka razy w tygodniu, a 50% – przynajmniej raz w tygodniu.

I nic nie wskazuje, by popularność ta miała zacząć maleć. Popyt na pracowników potrafiących pełnić rolę Data Scientistów będzie tylko rósł. Oczywiście to wszystko za sprawą kolejnych opracowanych algorytmów, terabajtów danych i nowych procesów. Na rynku zaczynają być dostępne dedykowane układy przeznaczone pod Machine Learning – jedno z głównych zadań Data Scientistów.

Intel we współpracy z Facebookiem opracowują czipy dedykowane do intensywnej pracy z ML, mające konkurować z rozwiązaniami NVIDII, a Google podkupuje pracowników Intela i Quallcommu do badań nad własnymi układami. Skutkiem ubocznym walki o prowadzenie w wyścigu technologicznym będą kolejne nowe algorytmy, czipy i technologie. Będą one wymagały nowych pracowników potrafiących ich obsłużyć.

Trend pokazujący zapytania w Google między Data science a Statistician
Zainteresowanie w wyszukiwaniu Data Scientist a Statistician (Źródło: Google Trends)

Co musi umieć Data Scientist?

Najpopularniejszymi językami programowania wykorzystywanymi do obróbki danych jest Python i R. Ważna jest także wiedza z zakresu statystyki, gdyż Data Scientist łączy kompetencje z tych dwóch dziedzin. To nie wszystko. Dane trzymane są w bazach i ich znajomość również jest bardzo ważna. Najpopularniejszymi obecnie bazami danych są bazy SQL i noSQL. Nierzadko przed rozpoczęciem pracy najpierw trzeba przygotować sobie dane, gdyż nie były zbierane w sposób, jaki od razu pozwoliłby na ich analizę.

Co ciekawe, 55% specjalistów deklaruje, że ich największą zmorą jest właśnie niska ilość danych lub ich kiepska jakość2. Tu zdecydowanie przyda się wiedza z zakresu przetrzymywania danych.

Umiejętności potrzebne w data science
Umiejętności potrzebne w Data Science

Data Science, Big Data a Machine Learning

Warto wspomnieć, że Data Science to nie to samo co Big Data. Big Data to określenie dużych, skomplikowanych zbiorów danych, a Data Scientist może także przeprowadzać analizę danych na podstawie mniejszych zbiorów. Przykładowo firma dostarczająca usługi telekomunikacyjne na podstawie 20 000 rekordów (co jest stosunkowo małym zbiorem) może określić, kiedy najczęściej klienci odchodzą, co pozwoli na przygotowanie akcji marketingowej w celu zmiany tego trendu. Do analizy Big Data wykorzystuje się wiedzę z zakresu Data Science. 

Podobnie też jest z Machine Learning. Bardzo upraszczając, Machine Learning to uczenie się maszyny (programu) na podstawie danych. Najczęściej na podstawie Big Data, bo do tego rodzaju uczenia potrzebne są ogromne ilości danych. 

W każdym z tych przykładów potrzebna jest wiedza z zakresu Data Science, dlatego jest to dobry sposób na rozpoczęcie przygodę z danymi, aby później móc wejść w każdą z tych branż.

Jak zacząć się uczyć?

Jednym ze sposobów na rozpoczęcie przygody z Data Science jest oczywiście wybranie się na studia. Uczelnie chcąc dostosować się do potrzeb rynku, coraz częściej uruchamiają kierunki związane z analityką danych. Niewątpliwie jest to dobry sposób dla osób, które dopiero myślą o rozpoczęciu studiów. Trzeba mieć na uwadze, że studia są stosunkowo długie, a wiedza przekazywana na uczelniach nierzadko odstaje, od wiedzy pożądanej przez rynek. 

Bardzo dobrą alternatywą dla uczelni są specjalistyczne kursy, nastawione na przekazywanie wiedzy z obszaru Data Science. Przy wyborze takiego kursu warto zwrócić uwagę na czas trwania. Ciężko jest opanować podstawy programowania, analityki danych i statystyki w przeciągu miesiąca. Jeśli nie znasz języka Python, to wybierz kurs, który zaczyna się od wprowadzenia w jego świat.

Świetlana przyszłość

Mimo że termin Data Science został spopularyzowany dopiero kilka lat temu, to pewne jest, że nie jest to chwilowa moda. To odpowiedź branży analitycznej na pojawienie się ogromnych zbiorów danych, nowych algorytmów i technologii obliczeniowych. Raporty to potwierdzają – zapotrzebowanie na pracowników sprawnie poruszających się w świecie danych, statystyki, programowania i uczenia maszynowego będzie coraz większe.

Jeśli lubisz rozwiązywać realne problemy biznesowe i czujesz, że masz predyspozycje, o których wspomniano wcześniej, to wejście w tę branżę to niewątpliwie dobra decyzja. Świetne zarobki, duża liczba firm z rozmaitych branż, które szukają specjalistów, satysfakcjonująca praca i mnogość kierunków, w jakich można później się rozwijać, sprawia, że jest to obecnie jedno z najatrakcyjniejszych zajęć w IT.

Przygotuj się do zawodu przyszłości:

Kompleksowy bootcamp Data Science

Naucz się jak analizować dane i zostań Data Scientist


Źródła:
1https://www.ibm.com/downloads/cas/3RL3VXGA
2www.datasciencetech.institute/data-scientists-report-figure-eight/

Back to top button