Специалист по анализу данных извлекает ценную информацию из сложных данных. Он строит модели, проводит эксперименты и отвечает на вопросы, требующие большего, чем простого запроса. Уйдет ли этот клиент? Какая цена максимизирует доход? Какие пациенты подвержены риску повторной госпитализации? Эта работа сочетает в себе статистику, программирование и знания предметной области. Лучшие специалисты по анализу данных понимают бизнес так же хорошо, как и математику.

Роль специалистов по анализу данных претерпела изменения. Раньше они делали всё: очистку данных, моделирование, развертывание. В современных командах работа часто делится между собой. Инженеры по данным занимаются конвейерами обработки данных. Инженеры по машинному обучению развертывают модели. Специалисты по анализу данных сосредотачиваются на анализе и экспериментах. Инструменты — Python и R, а также библиотеки, такие как pandas, scikit-learn и TensorFlow. SQL по-прежнему имеет важное значение. Коммуникативные навыки так же важны, как и технические. Модель, которую никто не понимает и которой никто не доверяет, не будет использоваться. Специалисты по анализу данных должны объяснять свои результаты руководителям, менеджерам по продуктам и инженерам. Они должны честно говорить о неопределенности. Прогноз с 70-процентной уверенностью не является гарантией. Самая сложная часть — не создание модели, а заставить организацию действовать на основе того, что говорит модель. Для этого необходимо доверие, а доверие требует четкой коммуникации.

Навыки специалиста по анализу данных

• Статистика — проверка гипотез, регрессия, теория вероятностей.
• Программирование — Python, R, SQL
• Машинное обучение — выбор модели, обучение, оценка.
• Знание предметной области — понимание бизнес-проблемы.
• Коммуникация — четкое изложение результатов.

Специалист по анализу данных — это отчасти аналитик, отчасти инженер и отчасти переводчик. Название такое широкое, потому что и работа в этой области очень широка.