В последнее время идет навязчивая реклама курсов аналитика данных и тестировщика пайтон. 3-6 месяцев обучения и ты, «типа» с любым складом ума, с нуля найдешь себе работу с приличной зарплатой, да еще и удаленно. Реально ли это? Размышления специалиста по кадрам одной из IT-компаний Новосибирска.
В основном клюют на такую приманку люди, никогда не сталкивавшиеся с реальным программированием. Такой человек далекий от IT отрасли (типичный пример: промышленный альпинист) научившийся пользоваться смартфоном приходит на эти курсы и думает, что через N-е количество месяцев без труда устроится на работу. Для него квест — прикрутить к письму текстовый файл или прослушать звуковой файл неизвестного формата. По-простому у человека полностью отсутствуют базовые знания. А хотелки у них дай-боже – сразу хотят зарплату в 150 тыс.
А что подразумевают все эти продвинутые IT курсы? Прогресс в обучении – наслаивание с каждым занятием знаний, на предыдущие усвоенные навыки или скиллы.
А для этого крайне необходимы:
Базовые теоретические знания. Типичный пример из практики. Человек пытается изучать на курсах фреймворк Django — свободный фреймворк для веб-приложений на языке Python. А Django — довольно сложная программная платформа и требует уже достаточно высокого уровня от программиста. Человек пытается его изучать, не имея базовых знаний и понимания базового для этого фреймворка языка программирования пайтон.
Как в реалиях происходит изучение платформы? Он человек без опыта, должен был изучить хотя-бы до среднего уровня сам пайтон, а потом браться за фреймворк. А он не понимает простейших алгоритмов программирования и берется за сложную платформу.
Настоящие курсы под эти IT-специальности подразумевают, что ты уже обладаешь неким багажом знаний по общему программированию и знаешь какой-то язык программирования, и не на уровне школьной программы , а на уровне университета.
А 90% курсов нацелены сегодня 2022 году на тех людей, у которых базовых знаний нет. Смысл в том, что деньги заплачены, а то, что у вас «тяму не хватает» – это уже не наша проблема. И таким людям сразу сложно разобраться, что здесь дают что-то не то или не так, и поэтому они какое-то время задерживаются на этих курсах и сразу не уходят. И деньги, заплаченные за курс, уже не ворачиваются обучающемуся.
На такие курсы пытаются зацепить двумя неоспоримыми преимуществами специальностей аналитик данных или тестировщик на питон:
- Высокие зарплаты, в среднем заметно выше, чем по стране. На это люди ведутся очень охотно. У них представления, что, не напрягаясь можно дома «сидеть в трусах покуривая трубочку», и «зашибать» большие деньги. А сложные задания по работе «скидывать» на фриланс начинающим лохам.
- Возможность работы удаленно. Нет прямого общения с начальством и свободный график. Здесь тоже зацепка, что можно еще на пару фирм параллельно работать в том же удаленном режиме.
- Множество вакансий по специальности. Если посмотреть статистику за май 2022 года, то только через ЯНДЕКС прошло 43 000 запросов по этой теме. Впечатляет, не правда ли?
Один из многочисленных примеров: скандал на курсах (GameCode, Environment Ar) российской школы XYZ School, известной своими геймдей-курсами для начинающих. Она оказалась в центре большого скандала. Все началось с коллективного письма обманутых студентов, которые почти девять месяцев не могли получить программу полностью оплаченного курса (1000 баксов). Впоследствии сотрудникам компании XYZ Media (рекламировавшей курс) пришлось уволиться.
Сейчас подобные курсы рекламируются из каждого «утюга». Подобная реклама нацелена на определенную аудиторию. На ту, что не способна обучаться самостоятельно, не имеет базовых знаний, но слышала, что «программеры» получают значительно больше чем по стране. А то, сколько таких людей, окончивших курсы, реально устраиваются на работу – это очень большой вопрос.
Как стать начинающим (junior) аналитиком данных?
В реалиях 2022 года вхождение в специальность аналитик данных происходит так. Люди склонные к самообучению на курсы не пойдут. Такие люди выучат самостоятельно пайтон, прочитают некоторое количество книжек, посмотрят огромное количество видосов, причем на постоянной основе, потом изучить джанга. И начать пользоваться этими инструментами для себя, для своих целей, нарабатывать реальные скиллы. Причем абсолютное большинство из этих счастливчиков имеют базовое образование (униветситет), до этого много с чем подобным уже работали (PHP, джумла, WordPress ). Таким людям обучаться пайтону существенно проще, чем тому же «Васе» слесарю завода Химмаш.
Про IT индустрию на таких курсах студентам вешают лапшу про их перспективы на рынке труда. Приходят они после курсов на собеседование, и выясняется: а три года –обязательную опцию работы на реальных проектах минимум изволь показать! А где ты их возьмешь? А никого не волнует. А покажи свои собственные проекты по специальности. Показываю те же проекты с пройденных курсов. Но извини, мы их видели уже 20 раз, и делал их не ты, а скачано инета и даже знаем откуда. Это типовые проекты, которые из года в год кочуют из курса в курс, меняются только названия курсов. Рекрутеры это видели неоднократно, а рекрутеры ожидают увидеть самостоятельную работу и пусть маленькие, но собственные наработки (различные парсеры соцсетей, мини роботы — администраторы форумов, программы игрушки типа «Сапер» и прочее).
Что должен знать и уметь аналитик данных?
Требования к аналитикам данных:
- Знание основ математической статистики
- Работа с Ехсеl и Google Таблицами
- Основы программирования на Python
- Работа с Роwer Bl
- Создание аналитических отчетов
- Знание бооче Google Analytics и Яндекс.Метрики
- Работа с базами данных SQL
- Создание дашбордов
- Подготовка презентаций в Power Point
Есть бытующее мнение, что сейчас, в связи с нехваткой IT специалистов, устроится с нулевым опытом, будет проще. Но это не так. В целом рынок несколько уже уменьшается, ведь многие зарубежные компании или уже ушли или постепенно уходят, опасаясь явных или косвенных санкций. И порог входа в специальность, когда будут брать на работу, будет уже естественно выше. И «чувакам» после курсов устроиться будет еще сложнее.
Еще немаловажный фактор при первом устройстве на работу будет общий уровень знаний по другим естественным направлениям. Недаром на собеседовании, вначале с новичками беседует рекрутер — не специалист в программировании. И беседует на общие темы – чем занимаешься, чем увлекаешься, спорт, музыка, автомобили и пр. Еще сильный фактор для начинающего с ноля аналитика данных будет уровень знаний математики. Реально в России проще «влетать» в специальность, если у тебя есть профильное математическое образование. Потому, что выучить какой-либо язык программирования в среднем проще, чем тот же матан (математический анализ). Если человек закончил МехМат в универе, ему несложно будет и выучить пайтен, и стать аналитиком данных за приемлемое время – несколько месяцев. Почему? Тот же матан – это штука более сложная, чем начальное программирование. Для примера, в моей группе благодаря матану за 4 семестра осталось 5 человек из 25. А зам декана нашего факультета рассказывал, что в свое время сдавал экзамены по этому предмету по 3-4 раза.
Все, что человеку придется изучить при вхождении в специальность будет проще чем, то что он уже изучал. Знания программирования хорошо «ложатся» на фундаментальные знания математики.
Вообще, любая наукоемкая специальность – хорошая база для начинающего программиста. И наоборот, если нет наукоемкой базы знаний, приходится постоянно изобретать велосипед. Человек даже не может предположить, что так можно было…!? Методы решения задач программиста совершенно иные в отличие от обычных повседневных задач на рутинном производстве.
Что такое серьезная аналитика данных?
Посмотреть посещаемость и точки входа для меленького сайта типа моего seo-profik – это одно, а вот провести анализ миллионов заказов для большого ресурса типа OZON совершенно другого уровня задача. Там как раз и сидит такой системный бизнес аналитик данных, который анализирует заказы: активность пользователей, часы пик, в какое время заказывают, предыдущие заказы, что берут люди такого же возраста, пола, из подобного региона. И все это делается, конечно, не вручную. Специалистом или группой специалистов аналитиков вырабатываются определенные алгоритмы обработки данных, в том числе и с применением нейросетей. Различные рекомендационные механизмы на основе предыдущих покупок и покупок клиентов со схожими интересами – все это серьезная аналитика данных. Типичный пример хорошей рекомендационной аналитики это – видеосервис ЮТУБ и стриминговый сервис Spotify. С этих ресурсов невозможно просто уйти просмотрев один ролик или прослушав одну единственную музыкальную композицию. Рекомендации очень тонко подобраны под целевого пользователя сервисов. У Ютуба по этой теме хорошо работают две вещи:
- Рекомендует посмотреть что-то похожее на то, что ты уже смотрел
- Чтобы ты не «закрывался в информационном пузыре» и не смотрел приблизительно одно и тоже подсовывает вещи, которые он предполагает , что они тебя могут заинтересовать. Ничего подобного ты еще не смотрел. По сути, расширят твой кругозор. Поэтому аналитика данных на этом видеохостинге работает очень неплохо, и несмотря ни на что число пользователей на нем постоянно растет.
Все это делается на основе аналитики данных о просмотрах, о взаимосвязях между контентом и пользователями. Там довольно сложные алгоритмы анализа данных и они дают ощутимые результаты, а значит и дополнительные деньги. И за это квалифицированным аналитикам готовы платить неплохие деньги. Не будем ходить так далеко и посмотрим, а что у нас сегодня?
Так что — дерзайте. Изучайте самостоятельно, учитесь у действующего программиста или учитесь на курсах, выбор за вами.
