Я хочу стати фахівцем по обробці великих даних — що далі?

Де вчитися

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 2.

Школа аналізу даних

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 3.

Факультет бізнес-інформатики НДУ ВШЕ

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 4.

Coursera

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 5.

UC Berkeley

(курс Master of Information

and Data Science)

Куди ходити

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 6.

Лекції Knowledge Stream, присвячені темі великих даних, — спільна ініціатива IBS і Digital October

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 7.

Міжнародна щорічна конференція IBM Information on Demand

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 8.

Міжнародний

професійний форум

бізнес-аналітики SAS

Олексій Ривкін про основні напрямки в сфері великих даних, спілкуванні з замовниками та світі чисел

Я вчився в Московському інституті електронної техніки. Головне, що мені вдалося винести звідти, — це фундаментальні знання з фізики і математики. Одночасно з навчанням працював в R&D-центрі, де займався розробкою і впровадженням алгоритмів завадостійкого кодування для засобів захищеної передачі даних. Після закінчення бакалаврату я вступив до магістратури бізнес-інформатики Вищої школи економіки. Після цього я захотів працювати в IBS. Мені пощастило, що в той час у зв’язку з великою кількістю проектів йшов додатковий набір стажерів, і після декількох співбесід я почав працювати в IBS, однієї з найбільших російських компаній цієї галузі. За три роки я пройшов шлях від стажиста до архітектора корпоративних рішень. Зараз займаюся розвитком експертизи технологій Big Data для компаній-замовників з фінансового і телекомунікаційного сектора.

Є дві основні спеціалізації для людей, які хочуть працювати з великими даними: аналітики та ІТ-консультанти, які створюють технології для роботи з великими даними. Крім того, можна також говорити про професії Big Data Analyst, тобто людей, які безпосередньо працюють з даними, з ІТ-платформою у замовника. Раніше це були звичайні аналітики-математики, які знали статистику і математику і з допомогою статистичного ЗА вирішували завдання з аналізу даних. Сьогодні, крім знання статистики і математики, необхідно також розуміння технологій і життєвого циклу даних. У цьому, на мій погляд, і полягає відмінність сучасних Data Analyst від тих аналітиків, які були раніше.

Моя спеціалізація — ІТ-консалтинг, тобто я придумую і пропоную замовникам способи вирішення бізнес-завдань за допомогою ІТ-технологій. У консалтинг приходять люди з різним досвідом, але найважливіші якості для цієї професії — це вміння розуміти потреби клієнта, прагнення допомагати людям і організаціям, гарні комунікаційні і командні навички (оскільки це завжди робота з клієнтом та у команді), хороші аналітичні здібності. Дуже важлива внутрішня мотивація: ми працюємо в конкурентному середовищі, і замовник чекає незвичайних рішень і зацікавленості в роботі.

Велика частина часу йде на спілкування з замовниками, формалізацію їх бізнес-потреб і допомогу в розробці найбільш підходящої технологічної архітектури. Критерії вибору тут мають свою особливість: крім функціональних можливостей та ТЗН (Total cost of ownership — загальна вартість володіння) дуже важливі нефункціональні вимоги до системи, найчастіше це час відгуку, час обробки інформації. Щоб переконати замовника, ми часто використовуємо підхід proof of concept — пропонуємо безкоштовно «протестувати» технологію на якогось завдання, на вузькому наборі даних, щоб переконатися, що технологія працює. Рішення повинне створювати для замовника конкурентну перевагу за рахунок отримання додаткових вигод (наприклад, x-sell, крос-продажу) або вирішувати якусь проблему в бізнесі, скажімо, знизити високий рівень шахрайства з кредитами.

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 10.

Було б набагато простіше, якби клієнти приходили з готової завданням, але поки вони не розуміють, що з’явилася революційна технологія, яка може змінити ринок за пару років

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 11.

З якими проблемами доводиться стикатися? Ринок поки не готовий використовувати технології «великих даних». Було б набагато простіше, якби клієнти приходили з готової завданням, але поки вони не розуміють, що з’явилася революційна технологія, яка може змінити ринок за пару років. Саме тому ми, по суті, працюємо в режимі стартапу — не просто продаємо технології, але і кожен раз переконуємо клієнтів, що потрібно в ці рішення інвестувати. Це така позиція візіонерів — ми показуємо замовникам, як можна поміняти свій бізнес з залученням даних та ІТ. Ми створюємо цей новий ринок — ринок комерційного ІТ-консалтингу в області Big Data.

Якщо людина хоче займатися дата-аналізом або ІТ-консалтингом у сфері Big Data, то перше, що важливо, — це математичне або технічна освіта з хорошою математичною підготовкою. Також корисно освоїти конкретні технології, припустимо SAS, Hadoop, мова R або IBM. Крім того, потрібно активно цікавитися прикладними задачами для Big Data — наприклад, як їх можна використовувати для поліпшеного кредитного скорингу в банку або управління життєвим циклом клієнта. Ці та інші знання можуть бути отримані з доступних джерел: наприклад, Coursera і Big Data University. Також є Customer Analytics Initiative в Wharton University of Pennsylvania, де опубліковано дуже багато цікавих матеріалів.

Серйозна проблема для тих, хто хоче працювати в нашій області, — це явний недолік інформації про Big Data. Ти не можеш піти в книжковий магазин або на якийсь сайт і отримати, наприклад, вичерпний збірник кейсів по всьому застосуванням технологій Big Data у банках. Таких довідників не існує. Частина інформації знаходиться у книгах, ще частина збирається на конференціях, а до чого-то доводиться доходити самим.

Ще одна проблема полягає в тому, що аналітики добре почувають себе у світі чисел, але їм не завжди комфортно в бізнесі. Такі люди часто інтровертна, їм важко спілкуватися, і тому їм складно переконливо доносити до клієнтів інформацію про результати досліджень. Для розвитку цих навичок я б рекомендував такі книги, як «Принцип піраміди», «Говори мовою діаграм». Вони допомагають розвинути презентаційні навики, лаконічно і зрозуміло викладати свої думки.

Мені дуже допомогло участь у різних кейс-чемпіонатах під час навчання в НДУ ВШЕ. Кейс-чемпіонати — це інтелектуальні змагання для студентів, де потрібно вивчати бізнес-проблеми і пропонувати їх вирішення. Вони бувають двох видів: кейс-чемпіонати консалтингових фірм, наприклад, McKinsey, BCG, Accenture, а також незалежні кейс-чемпіонати типу Changellenge. Під час участі в них я навчився бачити і вирішувати складні завдання — від ідентифікації проблеми та її структурування до захисту рекомендацій щодо її вирішення.

Читати

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 12.

Говори мовою діаграм

 

Великі дані

 

Introduction to Datamining

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 15.

Big Data Gets Personal

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 16.

Метод McKinsey. Використання технік провідних стратегічних консультантів для вирішення особистих і ділових завдань

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 17.

Принцип піраміди Мінто

Олег Михальський про російському ринку та специфіку створення нового продукту в сфері великих даних

До приходу в Acronis я вже займався запуском нових продуктів на ринок в інших компаніях. Це завжди цікаво і складно одночасно, тому мене відразу зацікавила можливість роботи над хмарними сервісами і рішеннями для зберігання даних. У цій сфері знадобився весь мій попередній досвід роботи в ІТ-галузі, включаючи власний стартап-проект I-accelerator. Допомогло також і наявність бізнес-освіти (МВА) в доповнення до базового інженерного.

В Росії у великих компаній — банків, мобільних операторів і т. д. — є потреба в аналізі великих даних, тому в нашій країні є перспективи для тих, хто хоче працювати в цій галузі. Щоправда, багато які проекти зараз є інтеграційними, тобто зробленими на основі зарубіжних напрацювань або open source-технологій. В таких проектах не створюються принципово нові підходи і технології, а швидше адаптуються вже наявні напрацювання. В Acronis ми пішли іншим шляхом і, проаналізувавши наявні альтернативи, вирішили вкластися у власну розробку, створивши в результаті систему надійного зберігання для великих даних, яка за собівартістю не поступається, наприклад, Amazon S3, але працює надійно і ефективно і на значно менших масштабах. Власні розробки з великим даними є і у великих інтернет-компаній, але вони скоріше орієнтовані на внутрішні потреби, ніж задоволення потреб зовнішніх клієнтів.

Важливо розуміти тренди та економічні сили, які впливають на область обробки великих даних. Для цього потрібно багато читати, слухати виступи авторитетних фахівців в ІТ-індустрії, відвідувати тематичні конференції. Зараз майже кожна конференція має секцію про Big Data, але всі вони розповідають про це під різним кутом зору: з точки зору технологій, бізнесу або маркетингу. Можна піти на проектну роботу чи стажування в компанію, яка вже веде проекти з даної тематики. Якщо ви впевнені в своїх силах, то ще не пізно організувати стартап у сфері Big Data.

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 19.

Без постійного контакту з ринком нова розробка ризикує виявитися незатребуваною

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 20.

Правда, коли ви відповідаєте за новий продукт, багато часу йде на аналітику ринку і спілкування з потенційними клієнтами, партнерами, професійними аналітиками, які знають багато про клієнтів та їх потреби. Без постійного контакту з ринком нова розробка ризикує виявитися незатребуваною. Завжди є багато невизначеностей: ви повинні зрозуміти, хто стануть першими користувачами (early adopters), що у вас є для них цінного і як потім привернути масову аудиторію. Друга за важливістю завдання — це сформувати і донести до розробників чітке і цілісне бачення кінцевого продукту, щоб мотивувати їх на роботу в таких умовах, коли деякі вимоги ще можуть змінюватися, а пріоритети залежать від зворотного зв’язку, що надходить від перших клієнтів. Тому важлива задача — це управління очікуваннями клієнтів з одного боку і розробників з іншого. Так, щоб ні ті ні інші не втратили інтерес і довели проект до завершення. Після першого успішного проекту стає простіше, і головним завданням буде знайти правильну модель зростання для нового бізнесу.

Читати

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 21.

Disruptive Possibilities: How Big Data Changes Everything

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 22.

Big Data: A Revolution That Will Transform How We Live, Work And Think

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 23.

costume

designersguild.com

 

The Big Data & Analytics Hub

Куди ходити

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 25.

Конференції та круглі столи CNews

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 26.

Конференції ComNews

Я хочу стать специалистом по обработке больших данных — что дальше?. Изображение № 27.

міжнародна ІТ-конференція TechCrunch.

  1. 5
  2. 4
  3. 3
  4. 2
  5. 1
(0 голосов, в среднем: 0 из 5)

Залишити відповідь

Ваша e-mail адреса не оприлюднюватиметься. Обов’язкові поля позначені *