4 секрета, как не потерять работу в data science

в 14:29, , рубрики: analytics, big data, data science, Блог компании Нетология, Карьера в IT-индустрии, нетология

Коммерческий автор и переводчик Полина Кабирова специально для Нетологии адаптировала статью американского аналитика Тавиша Шриваставы о том, как процесс автоматизации влияет на data scientist.

Введение

Автоматизация влияет на профессиональную деятельность во всех отраслях. С одной стороны, автоматизация помогает эффективнее управлять бизнесом, а с другой – ведет к постоянному изменению набора необходимых навыков.
Несоответствие необходимому набору навыков приводит к потере работы. Проиллюстрирую эту мысль двумя сценариями.

Сценарий 1 – Ручной труд

4 секрета, как не потерять работу в data science - 1

Вы устроились на работу специалистом по подбору персонала в 2000 году, когда большинство документов компании были бумажными. Вы эффективно сортировали документы, находили их по первому требованию и благодаря этим навыкам стали лучшим специалистом.

Учитывая, что процессы подбора и управления персоналом не сильно менялись с течением времени, за 18 лет вы не позаботились о приобретении навыков работы на компьютере. Однако с 2000 по 2018 год произошли значительные изменения в методах работы, и теперь вся документация сотрудников хранится на облачном или частном сервере.

В итоге ваши навыки оказались не столь востребованы. Если вы не начнете повышать свою квалификацию, то столкнетесь с трудностями при поиске работы. Обратите внимание на то, что несоответствие ваших навыков произошло не из-за развития процессов подбора и управления персоналом, а из-за меняющихся бизнес-процессов, которые вы поддерживаете.

Сценарий 2 – Предпочтения клиентов

4 секрета, как не потерять работу в data science - 2

Вы работали диктором и читали новости на радио, когда телевидения еще не было. Вы были хорошим работником, осведомленным о текущих событиях. Но после того, как телевидение стало массовым, радио потеряло свою популярность. Работодатель сократил вас, потому что радиостанция несла убытки.

Учитывая навыки, вы попытаетесь устроиться на работу ведущим телевизионных новостей, но нужно поработать над языком тела и преодолеть страх перед камерой. Есть ли хорошие новости? Да. В вашем окружении есть люди, которые работают на телевидении, и от них вы узнали, на что можете рассчитывать, и активно работаете над этим.

Обратите внимание, что в этом случае ни ваша профессия, ни ваша отрасль не претерпели изменений. Просто клиенты начали отдавать предпочтение альтернативному продукту или услуге в том бизнесе, который вы поддерживаете, что делает ваши навыки несоответствующими или устаревшими для этой отрасли.

Что мы узнали из этих сценариев?

Изменения упрощают управление бизнесом, но в то же время создают несоответствия в навыках, необходимых для работы, что приводит к безработице в определенных отраслях.

Ниже приведены три основные причины изменения профессиональных навыков в отрасли:

  1. Изменения в инструментах и технологиях, которые применяются в вашей профессии;
  2. Изменения в стиле ведения бизнеса, который вы поддерживаете.
  3. Изменения в предпочтениях клиентов относительно продукта или услуги, которые вы производите или продвигаете.

Автоматизация и изменяющиеся отрасли бизнеса сокращают рабочие места, но будут ли одни профессии подвержены большему влиянию автоматизации, чем другие?

Несмотря на то, что никто не знает, на какие профессии автоматизация повлияет в большей или меньшей степени, ниже приведена структура, которая поможет понять идею в целом.

Машины плохо обучаемы, когда мало примеров, и не умеют творчески подходить к делу. Если ваша работа обладает этими двумя характеристиками, то вам нечего бояться. Например, вождение автомобиля — повторяющийся процесс, который не требует творческого подхода. Следовательно, водители такси подвергаются высокому риску автоматизации их работы.

4 секрета, как не потерять работу в data science - 3

Защищены ли data scientist от роботизации?

Специалисты по методам обработки и анализа данных выполняют различные задачи, помогая бизнесу развиваться. Каждая из этих задач находится в разных местах на данном графике. На рисунке ниже отражены мои мысли о различных подзадачах, которые выполняют data scientists. Соотношение может варьироваться в зависимости от конкретных ролей.

4 секрета, как не потерять работу в data science - 4

Не на все компоненты работы data scientist предоставляется 10-летняя гарантия. Попадание под роботизацию зависит от количества работы, которую трудно автоматизировать, и вашей конкретной роли.

Основными навыками специалиста по методам обработки и анализа данных в 2010 году были знание логистической и линейной регрессии и знание SAS base и MS Excel. Если мы перенесем этого специалиста в 2018 год без улучшений в технике и навыках работы с новыми инструментами, он столкнется с трудностями при поиске работы по специальности. Хотя наука о данных будет существовать долгое время, роли и обязанности специалистов будут меняться. Специалисты, которые не могут усвоить их, столкнутся с серьезными проблемами в продвижении по карьере.

Молодые люди, которые приходят в сферу data science, обладают нужными навыками, поэтому в краткосрочной перспективе нет проблемы профессионального несоответствия. Но с развитием сферы возраст специалистов будет увеличиваться, а технологии меняться, поэтому нужно совершенствовать навыки в ходе выполнения ежедневных задач.

Как оставаться продуктивными и востребованными в data science в долгосрочной перспективе?

Я рекомендую специалистам по обработке и анализу данных четыре пункта, чтобы защитить свое профессиональное будущее:

  1. Изучайте новейшие и лучшие инструменты и технологии.
  2. Анализируйте изменения в отрасли и их влияние на вашу работу.
  3. Всегда думайте о дополнительной ценности, которую создает ваша работа для бизнеса.
  4. Будьте в курсе происходящего в других отраслях, выходящих за пределы вашей.

От редакции

Курсы «Нетологии» по теме:

Автор: blognetology

Источник

* - обязательные к заполнению поля


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js