Работа с данными в любой сфере - [79]

2. Найдите трех наставников, которые помогут вам сориентироваться и начать карьеру в науке о данных (наставники могут давать советы о том, где вы должны искать работу, помочь вам определить свои сильные и слабые стороны и связаться с нужными людьми).

3. Сотрудничайте с теми, кто может усовершенствовать ваши навыки (наиболее успешные аналитики данных готовы проявить инициативу – запустить свои собственные проекты вместе со специалистами, способными развить их навыки).

4. Организуйте и проведите мероприятие, даже если оно рассчитано только на пятерых (тем самым вы докажете, что достаточно дисциплинированны и хотите учиться у других, а также готовы что-то отдавать).

5. Участвуйте в подготовке подкастов, посвященных науке о данных (это простой способ сделать так, чтобы ваш голос услышали и ваши идеи распространились в международном сообществе коллег).

6. Заполните профиль на LinkedIn и назовите в нем проекты, над которыми вы работали (LinkedIn помогает продемонстрировать свои возможности и предложить услуги компаниям, нуждающимся в аналитиках данных, так что чем больше потенциальные работодатели узнают о ваших проектах, тем лучше).

7. Ставьте перед собой еженедельные достижимые цели (если вы сомневаетесь, начните с малого и для простоты перечислите по порядку свои задачи по налаживанию профессиональных контактов).

8. Посещайте встречи и конференции в интересующей вас области (будьте в курсе и оставайтесь активными – науку о данных представляет процветающее сообщество).

9. Ведите блог (статьи, если они хорошо написаны и умело распространялись, могут обеспечить вам статус эксперта в своей области).

10. Стремитесь познакомиться с другими людьми, даже если это не принесет вам прямой выгоды (вы воспользовались советами и помощью других и теперь должны внести свой вклад).

Заявление о приеме на работу

К настоящему времени вам должно быть ясно, что, поскольку наука о данных еще не достигла своей зрелости как дисциплина, многие компании только начинают разрабатывать стабильную политику использования анализа данных. Если со студенческой скамьи вы еще не работали в профессии, то, вероятно, уже не раз попадали в замкнутый круг: большинство вакансий требуют многолетнего опыта, но вы не можете получить свою первую должность, если у вас нет этого опыта.

Здесь я бы сказал, что, даже если в объявлении о вакансии говорится о пяти‒десяти годах опыта, вы должны все равно попытаться стать претендентом. Описать все функции аналитиков данных на сегодняшний день довольно сложно, и соответствующие вакансии будут оставаться открытыми в среднем на пять дней дольше других. Я бы учел это и предположил, что под опытом имеется в виду скорее период, в течение которого вы изучали науку о данных (либо самостоятельно, либо в учреждении) и практиковали ее[74].

Творить добро

Если вы не прошли первый этап отбора, подумайте о том, чтобы заняться волонтерством[75]. Существует ряд организаций, таких как DataKind и DrivenData, которые руководят проектами и проводят соревнования по анализу данных. Поучаствовать в их деятельности – совсем неплохо для начала.

Ряду благотворительных организаций требуются добровольцы, готовые поработать с данными, чтобы генерировать информацию, необходимую для получения финансирования этими организациями, для усиления согласованности их действий или просто для распространения сведений об их работе. Поспрашивайте, поищите в интернете, и, если есть благотворительная организация, которой вы хотите помочь, тогда, возможно, стоит прийти к ним с собственной идеей.

Получить реальный опыт очень просто – достаточно вернуться к массивам данных, которые я перечислил во введении к второй части, и пройти весь процесс анализа данных, описанный в этой книге. Платформы Kaggle и SuperDataScience также регулярно публикуют задачи, которыми вы можете заняться. Не бойтесь упомянуть этот опыт в своем резюме и использовать его как возможность рассказать о своих результатах. Наниматели оценят, что вы активно работаете с данными.

По сути, компании хотят найти кого-то, кто: 1) разбирается в данных; 2) может донести свои идеи и 3) поможет им сохранить конкурентоспособность. В своем заявлении убедите работодателей, что вы тот, кого они ищут, и что применение науки о данных благотворно скажется на их основных показателях.

Подготовка к собеседованию

Вы прошли первый этап отбора, и теперь компания приглашает вас на собеседование. Как подготовиться? Мой лучший совет: вместо того чтобы тратить силы на запоминание любимых алгоритмов и программ, узнайте все, что сможете, об отрасли, в которой вы предположительно будете работать. В конце концов, вполне вероятно, что на собеседовании вас будет расспрашивать не только аналитик данных, но и руководитель или менеджер, не очень хорошо представляющий специфику вашей деятельности, поэтому будьте готовы как к техническим, так и к нетехническим вопросам. Широта кругозора имеет решающее значение. Точно так же, как вы должны подумать о том, чем можете поделиться с вашим наставником, вы должны прикинуть, как сможете помочь этой компании. Каким образом наука о данных способна встряхнуть отрасль? Какие болевые точки она может устранить? Что делают конкуренты компании и как вы можете улучшить ситуацию с помощью науки о данных? Решения каких задач может ожидать от вас компания?