UPD:
Допустила опечатку в тексте
"В аналитику легко перейти из дата сайенс, а вот наоборот практически не реально, не имея мощной образовательной базы"
Недавно мне задали вопрос: как люди приходят в аналитику? Кто-то учился на аналитика, а кто-то осваивал профессию уже после вуза. Я вспомнила историю моего друга, которая идеально показывает, как можно изменить сферу, преодолеть барьеры, учиться в интенсивном режиме и выстроить карьеру в IT с нуля.
Прошу не судить строго, я не журналист, тем более мой блог — это экспериментальная площадка. Дальше изложу нашу беседу по блокам.
Я больше десяти лет занимался внешнеэкономической деятельностью. Чем дальше, тем больше меня угнетало однообразие работы, а российский рынок явно катился вдаль от импорта. Нужно было искать, чем заниматься дальше, а до пенсии — еще очень далеко.
Однажды мне дали задачу загрузить в 1С порядка 5000 позиций от нового поставщика: цены, описания, артикулы и прочие атрибуты. Вручную это заняло бы несколько недель. Я догадывался, что наверняка это можно автоматизировать, и полез искать скрипт. Нашел его, и если раньше я бы тратил недели, то в этот раз справился за пару часов. Тогда я и задумался: «А что еще можно автоматизировать?»
🔹 Были ли технические навыки?
После школы я не поступил с первого раза на иняз, но по результатам экзаменов попал в вуз по подготовке инженеров автоматизации промышленных линий. Там мы изучали матанализ, начертательную геометрию, сопромат и основы программирования. Но мне это показалось невыносимо скучным, и через год я забрал документы и поступил на иняз. и затем закончил филологический.
Однако даже филологическое образование помогло:
«Если мои коллеги с математической базой в основном все делают через алгоритмы, формулы, то я как будто общаюсь к иностранцем, которому объясняю что я хочу чтобы он сделал. Поэтому возможно и мои промты в нейросетях выдают гораздо более точную информацию, нежели у моих коллег-технарей.»
"Когда пишешь код, это тоже своего рода общение — просто не с человеком, а с машиной. Компьютеру, как иностранцу, нужно объяснить, что ты хочешь, чтобы он сделал."
🔹 Как происходило обучение?
«По началу было конечно непросто, мне уже не двадцать лет, новые технологии, где взять столько энергии. Наверно, тут лучше всего подойдет цитата Альберта Эйнштейна: «Все с детства знают, что то-то и то-то невозможно. Но всегда находится невежда, который этого не знает. Он-то и делает открытие».
Я просто не знал про выгорание, а сомнения запихнул поглубже внутрь своих мыслей. И даже, наверное, наоборот, после пары курсов по Python я был очень уверен в себе, сейчас мне кажется, что я ничего не знаю. Это вроде как раз и называется Синдромом Самозванца.»
«Когда я получил несколько сертификатов по Python, стало понятно, что на этом одном далеко не уедешь. Как и иностранные языки сами по себе не дают некое знание. Нужна специализация. В поисках что можно объединить с Python, чтобы стать специалистом, я стал искать группы Python, так посетил несколько встреч, где мне определенно сказали, что имея связку Python+SQL без работы не останешься» поэтому мое обучение было следующим:
🎯 Какие инсайды я открыл для себя:
✅ Бесплатные курсы часто уводят не туда. Можно начать учить Python для данных, а оказаться в разработке калькуляторов.
✅ Книги иногда лучше курсов, но главное — актуальность информации.
✅ Наставники важны, но они не дадут волшебной таблетки. Важно находить лучших специалистов и просить у них помощи точечно.
📌 Рекомендую эти ресурсы:
🔹 Карпов-Курсы — глубоко, мощно, с уклоном в практику.
🔹 Яндекс Практикум — структурированная программа.
🔹 Kaggle — курсы + соревнования на реальных данных. Очень рекомендую пройти их обучающие курсы.
🔹 Coursera, Google Academy — топовые курсы на английском.
🔹 ШАД — если есть хорошая математическая база.
💡 Как создавал портфолио?
✅ Брал реальные данные с Kaggle и решал задачи.
✅ Искал open-source проекты, где можно было сделать вклад.
✅ Работал с API, даже если не умел с ними работать — учился на практике.
✅ Первые проекты делал в Jupyter Notebook и выкладывал на GitHub.
🔹 Как прокачивал практические навыки?
💡 Первый принцип: использовать программирование там, где никто этого не делает.
🚀 Пример из рабочей практики:
🔸 Добровольно взялся за задачу по переводу координат в адреса на работе.
🔸 Руководство скептически отнеслось, уже было готово платить за готовое решение.
🔸 Но за пару выходных написал код на Python и R, который автоматизировал процесс.
«Это был первый реальный вызов: не просто учить, а сразу применять знания. Даже если никто вокруг не верит, что это сработает.»
📌 Совет новичкам:
"На первых порах строго избегайте ИИ-помощников для написания кода — сначала мозг должен сам научиться решать задачи."
🔹 Первая работа: вызовы и неожиданные открытия
"Когда долго работаешь в одной компании, то кажется, что других компаний просто не существует. А тут надо сменить не просто место работы, а начать все с чистого листа. Но работа с сотнями иностранцев, с которыми приходилось общаться независимо от их предпочтений, помогла мне довольно легко вливаться в новые коллективы.
Так же опыт внешнеэкономической деятельности позволил уже тогда делать аналитику так, как этого хочет бизнес, потому что я и так уже был на самой верхушке управления в должности начальника отдела ВЭД и логистики, поэтому мне не нужно было изучать многие аспекты бизнеса, которые не понимают или не хотят понимать выпускники ВУЗов.»
Я отправил десятки резюме. Оказалось, что многие работодатели не готовы рассматривать человека без опыта в IT. В итоге после 50+ отказов я все же получил свой первый оффер.
Ожидания vs. реальность:
— Оказалось, что отдел "экспериментальной аналитики" не занимается экспериментами.
— Программирование там не требовалось, но я получил доступ к SQL-базам, а это уже практика.
⚡ Первый вызов: поначалу коллеги не воспринимали всерьез.
"Один из них даже спросил: «Если у тебя нет опыта, что ты тут делаешь?»."
Но уже через пару дней ситуация поменялась:
✅ Коллеги двое суток не могли решить SQL-задачу., за пару кликов я решил их задачку так как схожее задание было на одном из курсов.
📌 Вывод: "Коллеги из топ-вузов вроде МФТИ и ВШЭ теоретически были сильнее, но часто не могли решать практические задачи, потому что им не хватало опыта."
Кто тебя вдохновляет в сфере аналитики и машинного обучения?
Поначалу я много кого отслеживал и был подписан на телеграм каналы известных специалистов в сфере машинного обучения, даже больше, с некоторыми я познакомился лично. Но чем больше следил за ними, тем чаще они казались мне дутыми, эдакими социофобами, обласканные чрезмерным вниманием. Так что наверно только один специалист, которого я точно могу порекомендовать, и он не вызывает отторжения при просмотре видео с ним – это Эндрю Ын (https://www.coursera.org/collections/machine-learning) , один из ведущих мировых специалистов по математике в сфере нейронных сетей.
🔹 Как происходил переход в Machine Learning?
"В какой-то момент стало понятно, что дата-аналитика — это не конец пути. В работе становилось все меньше нового, я видел, как бизнес использует AI-терминологию, не понимая сути. Тогда я решил, что хочу изучать Machine Learning."
💡 Передо мной был выбор:
— пройти 1,5-летний курс и совмещать с работой,
— пойти в буткемп на 6 месяцев, где нагрузка выше, но результат быстрее. Конечно такой формат не для всех. Нагрузка была бешенная, дополнительных доходов не было, все время было направленно на учебу. Но оно того стоило.
⚡ Я выбрал буткемп: 8-10 часов учебы в день, дедлайны каждую неделю, жесткий отбор.
💡 Факты:
— 32 человека на старте → 9 на финише.
— Теория вероятностей, матанализ, модели ML, нейросети.
— Приходилось копать глубже, чем было в программе, чтобы разбираться в сложных темах.
🎯 Вывод: "Дата-аналитик может легко перейти в Data Science, а вот наоборот — почти невозможно. Поэтому я закрепил за собой вторую специальность."
🔹 Если бы ты мог дать себе совет в начале пути, что бы ты сказал?
"Не распыляйся. Иди в одном направлении, все равно ненужные знания скоро забудутся, а это потерянное время. С другой стороны, мне нужно было определиться, куда двигаться, поэтому я методом тыка выбирал, с каким языком программирования мне комфортно работать. Еще рекомендую себе иметь план, куда идти дальше, когда здесь случится потолок или тупик, чтобы не искать себя заново."
✅ Определи, что тебе интересно: технологии, задачи, идеи. Тогда мотивация появится сама.
✅ Начинай с простого — как учат английский с алфавита, так и в аналитике не стоит сразу лезть в градиентный бустинг.
✅ Не бойся. "Не знаю, как это сделать, но сделаю!" — лучшая стратегия.
🔹 Что тебя больше всего мотивировало не сдаваться?
Одни мои друзья предлагали сдаться, думаю им было физически больно наблюдать что можно начать менять свою жизнь, ведь куда проще обвинить кого угодно в своих неудачах вроде опостылевшей работы. Другие друзья, наоборот, пинали меня в самые трудные моменты и говорили держать строй. Так что очень хотелось, чтобы первые оказались неправы, а вторых просто угостить вкусным ужином за их поддержку.
Кстати когда меня там на ужин опять поведут?)
🔹 Хочешь ли ты стать ментором?
Мне уже предлагали:
✅ Запустить свой курс.
✅ Написать книгу.
✅ Начать менторить новичков.
Но у меня есть синдром самозванца: «Я не чувствую, что знаю достаточно, чтобы учить других».
📌 Однако:
— Я считаю, что новичкам наставник необходим, чтобы не тратить годы на ненужные знания.
— Сам я много раз обращался за помощью к сильным специалистам и всегда получал ответы.
🎯 Вывод: "Главное — не бояться задавать вопросы. Мне ни разу не отказали в помощи, если я подходил с конкретной проблемой."
Надеюсь вам было полезен этот пост, пожалуйста задавайте вопросы и делитесь мнением!
