Оглавление
- Предисловие
- Благодарности
- О книге
- Для кого эта книга
- Структура книги
- От издательства
- Об авторах
- Эмили Робинсон
- Жаклин Нолис
- Об обложке
- Часть 1. Data Science. С чего начать
- 1. Что такое Data Science?
- 1.1. Что такое Data Science?
- 1.1.1. Математика/статистика
- 1.1.2. Базы данных и программирование
- 1.1.3. Понимание бизнеса
- 1.2. Различные типы вакансий в Data Science
- 1.2.1. Аналитики
- 1.2.2. Машинное обучение
- 1.2.3. Теория принятия решений
- 1.2.4. Смежные специальности
- 1.3. Выбор пути
- 1.4. Интервью с Робертом Чангом, дата-сайентистом из Airbnb
- Итоги
- 2. Типы компаний в Data Science
- 2.1. КИТк: крупная информационно-технологическая компания
- 2.1.1. Команда: одна из многих в КИТк
- 2.1.2. Технология: продвинутая, но неупорядоченная
- 2.1.3. Плюсы и минусы КИТк
- 2.2. HandbagLOVE: устоявшийся ритейлер
- 2.2.1. Команда: небольшая группа, стремящаяся к росту
- 2.2.2. Технология: устаревшие методы, которые начинают меняться
- 2.2.3. Плюсы и минусы HandbagLOVE
- 2.3. Seg-Metra: стартап на ранней стадии
- 2.3.1. Команда (какая еще команда?)
- 2.3.2. Технология: передовые методы, собранные воедино
- Конец ознакомительного фрагмента
- Главная
- Жаклин Нолис
- 📚 Книги
- Data Science для карьериста
- Читать фрагмент
- 2.1.1. Команда: одна из многих в КИТк2.1.1. Команда: одна из многих в КИТк
2.1.1. Команда: одна из многих в КИТк
В КИТк около тысячи дата-сайентистов. Они собраны в команды, каждая из которых поддерживает свой продукт или подразделение. Кроме того, специалиста могут направить в отдел другого профиля для всесторонней поддержки. Например, у команд проектировщиков VR-шлемов, маркетологов, специалистов по продвижению VR-шлемов и менеджеров цепочек поставок есть свой дата-сайентист.
Если бы вы стали членом одной из этих команд по анализу данных, то быстро бы адаптировались. В крупных организациях новых сотрудников нанимают ежедневно, поэтому в компании должны быть стандартные процессы выдачи ноутбука и обеспечения доступа к данным. Также сотрудников обучают работать со специализированным ПО. В команде вам поручат заниматься анализом данных для конкретной области. Это может быть создание отчетов и диаграмм, которые помогут менеджерам обосновать бюджеты проектов. Вам также могут поручить построение моделей МО – они передаются разработчикам для запуска ПО в продакшен.
Скорее всего, в вашей большой команде будет полно опытных специалистов. Поскольку КИТк – компания крупная и успешная, она может привлекать множество профессионалов. Вы будете работать в большой команде, члены которой нередко работают над практически несвязанными задачами, например один сотрудник может выполнять исследовательский анализ на R для директора, а другой – строить модель МО на Python для соседнего отдела. Размер команды – это и благословение, и проклятие в одном флаконе: вы можете обсудить свои идеи со многими экспертами, но большинство из них, скорее всего, не знакомы с вашими конкретными задачами. Кроме того, в команде есть устоявшаяся иерархия. К специалистам на более высоких должностях, как правило, прислушиваются чаще, потому что они опытнее и в своей профессиональной сфере, и в работе с различными отделами КИТк.
Работа вашей команды – это здоровый баланс между поддержанием деятельности компании (например, составление ежемесячных отчетов и ежеквартальное обновление модели МО) и реализацией новых проектов (например, создание новых прогнозов). Руководитель команды должен искать золотую середину между потоком запросов от других команд, которым результаты нужны в ближайшее время, и желанием взяться за что-то инновационное – не востребованное сейчас, но полезное в долгосрочной перспективе. Крупные финансовые возможности КИТк позволяют компании заниматься инновациями и НИОКР гораздо больше, чем другим организациям. Благодаря этому, в свою очередь, команды охотно работают над новыми интересными проектами в Data Science.