Jest jak Puchar Świata, czerwone ferrari czy zdjęcie z Lewandowskim. Każdy chce go mieć u siebie. Data scientist to prawdopodobnie najbardziej pożądany specjalista przez firmy, dla których największą wartością jest dostęp do wiedzy bazującej na danych. W Polsce zwykło się o nich mawiać mistrzowie danych, bo od kandydatów wymaga się różnorodnych umiejętności i imponującego CV. Dziś droga do sukcesu w każdej dziedzinie zależy od dostępu do informacji umożliwiających podejmowanie szybkich i trafnych decyzji. A te na tacy podaje specjalista science. Myślisz o karierze w data science? Przeczytaj o tym, z czym to się je.

Na jednym z internetowych forów specjaliści od data science piszą, że ich praca trochę przypomina gotowanie zupy. Żeby była dobra, musi się składać ze starannie wyselekcjonowanych składników odpowiednio przyrządzonych. Tutaj sztuką jest zaplanować cały proces, zoptymalizować zakupy, uniknąć błędów, tak by docelowa potrawa była po prostu pożywna i smaczna. Trzymając się tego porównania, wprawny specjalista data science to taki szef kuchni 5-gwiazdkowej restauracji. Niby zupełnie inna dziedzina, choć łączy te dwa zawody to, że zapach spalenizny żadnemu z nich nie wróży sukcesu.

Specjalista data science musi być wszystkim po trochu. Powinien być przenikliwy i spostrzegawczy. To ktoś, kto ma zaplecze wiedzy z zakresu matematyki, ekonometrii, statystyki, informatyki czy programowania. Zna najnowsze narzędzia i technologie, takie jak sztuczna inteligencja, potrafi rozwiązywać problemy, rozumie specyfikę biznesu i poszczególnych branż, lubi pracę zespołową, potrafi obrazowo i zrozumiale zaprezentować wyniki analiz, umiejętnie korzysta ze storytellingu i jest wizjonerem. Człowiek renesansu, multitasker, data scientist.

Być multimózgiem, czyli być jak specjalista data science

Transformacja cyfrowa nabrała takiego tempa, że zarówno firmy, jak i instytucje publiczne mają ogromne zapotrzebowanie na specjalistów, którzy potrafią zapanować nad dostępną masą informacji. Według raportu firmy DOMO Inc. w 2020 roku każdy z nas „wytwarzał” 1,7 MB danych na sekundę. To tak jakby w czasie czytania tego zdania dwukrotnie wyskakiwała nam z komputera w pełni zapisana dyskietka 3,5 cala. Gdy pomnożymy to przez liczbę mieszkańców planety oraz miliony urządzeń podłączonych do sieci – na sto procent zablokujemy kalkulator.

Teraz wyobraźmy sobie, że ktoś musi to wszystko ogarnąć, wyciągnąć wnioski i podpowiedzieć przełożonemu czy klientowi, jaką decyzję podjąć, jak zmieniać procesy, aby pozostać konkurencyjnym teraz i w przyszłości. Ten ktoś pracuje z różnorodnymi danymi, mogą to być zarówno dane ustrukturyzowane, jak i nieustrukturyzowane np. teksty, zdjęcia i obrazy, materiały audio i wideo. I wykorzystuje różnorodne metody i technologie jak eksploracja i wizualizacja danych, uczenie maszynowe, uczenie głębokie, narzędzia do analizy tekstu, obrazu i języka naturalnego itp. Ludzie od data science mają wyjątkową robotę.

Pamiętacie Q, który razem z Jamesem Bondem potrafił uratować świat przed złoczyńcami? Ci, którzy robią w data science, działają czasem z mniejszymi fajerwerkami, ale z filmowym Q mają wiele wspólnych umiejętności. Myślą szybko, wielotorowo i analitycznie. Świat łatwiej opisują liczbami niż słowami, a odpowiedź na prawie każde pytanie świata są w stanie wyczytać z ekranu komputera.

Efektów ich pracy można się spodziewać szczególnie tam, gdzie technologia styka się z biznesem przyszłości. Pierwsze z brzegu: analityka danych, sztuczna inteligencja, blockchain, internet rzeczy, chmura obliczeniowa, robotyka i automatyka. Nie będzie przesadą, jeśli powiemy, że specjalista data science może się zajmować każdą dziedziną z pogranicza biznesu, nauki i technologii. Czyli tym, co opiera się na zbieraniu danych. O zgrozo – wszystkim!

Kolega też pracuje w branży i sobie chwali

Data scientist ma za zadanie odpowiednio zebrać, przeanalizować, przetworzyć, wydobyć esencję w gąszczu danych i dzięki temu wyciągnąć dobre wnioski. Przykładowo, specjaliści od danych, którzy pracują dla takich gigantów jak Facebook, Amazon czy Spotify, analizują preferencje danych użytkowników – to, co lubią, subskrybują, kupują i oglądają. Są oczywiście wspomagani przez algorytmy – często sami je współtworzą – ale dzięki zdobytym informacjom mogą rekomendować treści, reklamy czy konkretne oferty.

W sektorze finansowym zaawansowane metody analityczne są wykorzystywane między innymi do zapewnienia kompleksowej obsługi klientów we wszystkich kanałach kontaktu, przeciwdziałania nadużyciom i zarządzania ryzykiem. Opieka zdrowotna wykorzystuje zaawansowaną analitykę do usprawnienia diagnostyki i leczenia pacjentów, np. dzięki technologii analizy obrazów można przyspieszać wykrywanie nowotworów na podstawie zdjęć obrazowych. Data scientist pracujący dla sieci handlowych może mieć na przykład istotny wpływ na optymalizację systemów logistycznych, co podczas pandemii było dużym wyzwaniem dla wielu detalistów. W przemyśle wykorzystanie analizy danych służy przede wszystkim do automatyzacji procesów produkcji i dystrybucji oraz tworzenia innowacyjnych produktów.  

Praca jako specjalista data science może być mylnie rozumiana jedynie przez pryzmat zadań analityka danych. To też coś innego niż tylko kodowanie, którego celem ma być stworzenie możliwie najlepszego programu. Praktycy branży mówią, że praca w data science łączy w sobie umiejętności analityków, programistów, developerów, konsultantów, a zawody te raczej się uzupełniają, niż wykluczają.

Praca z danymi daje zarobić

W branży IT są pieniądze. Nie ma tu żadnych niejasności. Ten, kto zna się na swojej robocie, ma szansę na dobre zarobki, które znacznie – czasami nawet kilkukrotnie – przewyższają średnie miesięczne wynagrodzenie w przedsiębiorstwach. Dobry specjalista data science bez problemu znajdzie zatrudnienie w każdej branży komercyjnej, a także w sektorze publicznym i badawczo-naukowym.

Portal z ogłoszeniami No Fluff Jobs pokazuje dolne widełki wynagrodzeń na poziomie 10, 12, a nawet 18 tys. złotych brutto. Stanowiska seniorskie to miesięczna pensja na poziomie powyżej 20 tys. złotych brutto przy umowie o pracę. Najwyższe płace przekraczają 30 tys. złotych. To nic w porównaniu z tym, co czeka na specjalistów od data science za oceanem. W USA taki pracownik zarabia nawet kilka razy tyle – rocznie od 90 do 100 tys. dolarów.