Data scientist — гибрид аналитика и программиста. Сегодня компании получают и обрабатывают огромное количество информации. Данные необходимо собирать, интерпретировать и использовать для принятия бизнес-решений. Big data, или большие массивы данных, помогают компаниям развиваться, поэтому профессия сейчас на пике популярности.
Специалисты в этой сфере, аналитики данных, работают с большими массивами данных, извлекая из них полезную информацию. Результат даёт ответы на множество вопросов: например, почему один менеджер заключил больше сделок, сколько единиц товара нужно закупить в следующем квартале и какой компонент лекарства улучшит самочувствие пациента. Для решения некоторых задач специалисты разрабатывают алгоритмы, которые способны генерировать результат без участия человека.
Люди, которые могут перевести огромные массивы данных в человеческий вид и увидеть в них закономерности — незаменимы для бизнеса. Аналитики нужны и в крупных компаниях для анализа поведения пользователей, и в малом бизнесе — для исследования рынка и составления краткосрочных прогнозов.
Основные профессии:
- Data scientist
- Аналитик Big Data
- Инженер по Machine Learning
- Веб-аналитик
Data scientist
Data scientist должен знать, как решать задачи при помощи математической статистики и машинного обучения, представлять работу сложных алгоритмов аналитики и маркетинга.
Чтобы иметь визуальное представление о том, какую значимость имеют специалисты в данной области, советую посмотреть фильм Netflix «Big hack». В нем рассказывается, как с помощью данных можно повлиять на выбор и поведение людей. Такая аналитика и правильно направленная реклама может стать сильнейшим оружием, способным в корне изменить государственный строй, впрочем больше без спойлеров.
Веб-аналитик
Это специалист, который отвечает за сбор и анализ информации о посетителях и их поведении на сайтах. На основе этих данных и отчетов из систем аналитики специалист формирует список предложений, который сможет оптимизировать сайт и увеличить количество трафика, а так же конверсионность сайта.
Например, вы являетесь руководителем интернет-компании стартапом в e-commerce индустрии. Вы думаете над дизайном главной страницы своего сайта и агентство предлагает вам сразу две версии — одна с синими кнопками и крупным заголовком вверху, другая с красными кнопками и античными шрифтами. Что же делать?! Вот тут и приходит на помощь аналитик со своими системами и знаниями А/B — тестирования. «Что это за фигня, какие нафиг тесты» — скажете вы? На самом деле все серьезней, чем вы думали.
Аналитик при помощи программиста запускает две версии стартовой страницы и показывает разным посетителям сайта разные версии. После чего тщательно изучает поведение каждой группы посетителей: какие страницы и как долго они смотрели, как быстро вышли, купили ли что-нибудь и вернулись ли снова. По итогам такого анализа делаются выводы и принимается решение, как будет выглядеть дизайн вашей новой главной страницы — то есть какую версию из двух выбрать.
Задачи:
- Настройка систем аналитики на сайте
- Настройка кастомизированных отчетов в системах аналитика
- Анализ данные и рекомендации клиенту
- Подготовка отчетов и презентаций для руководства или клиента.
Навыки:
- Аналитический склад ума
- Знание систем аналитики
- Умение строить гипотезы и проверять их на практике, А-Б тестирование
- Умение настраивать самому или ставить задание для программистов по настройке систем
- Умение работать с большими данными, знание Excel
- Перфекционизм и внимание к деталям
Зарплата data science специалиста: 100–250 тысяч рублей в месяц.
Длительность освоения: 3 / 5–5 / 5
Загрузка...
