Данные и аналитика
Дата-сайентист
Находит задачи, где модели на данных дают бизнесу эффект, строит их и доказывает пользу экспериментом.
Открыть интерактивный профильуровни, самопроверка, сравнение
Где работают
- Финтех и банки
- Ритейл и e-commerce
- Телеком
- Маркетплейсы
Типичные задачи
- Подготовить данные для моделиСобрать, очистить и проверить данные для обучения.Стандартная · с уровня Junior
- Построить модель прогнозаВыбрать признаки и алгоритм, обучить и проверить на отложенных данных.Комплексная · с уровня Middle
- Сформулировать бизнес-задачу как задачу MLОпределить цель, метрику и данные вместе с заказчиком.Комплексная · с уровня Middle
- Доказать эффект модели экспериментомСпланировать эксперимент и посчитать эффект.Комплексная · с уровня Middle
- Объяснить работу модели заказчикуПоказать, на что опирается модель и где её ограничения.Комплексная · с уровня Middle
- Найти задачи, где модели дадут бизнесу эффектОценить потенциал и стоимость и выбрать приоритетные задачи.Системная · с уровня Senior
- Передать модель в production вместе с ML-инженерамиДоговориться о требованиях к качеству, мониторингу и обновлению.Системная · с уровня Senior
- Построить систему рекомендаций или ранжированияВыбрать подход, обучить и проверить на исторических данных.Системная · с уровня Senior
- Собрать и развивать команду аналитикиНанимать людей, давать обратную связь, растить их до следующей ступени и расставаться с теми, кто не справляется.Комплексная · с уровня Team Lead
- Внедрить AI в работу командыВыбрать, какие задачи команда отдаёт AI, задать правила проверки результата и измерить эффект.Комплексная · с уровня Team Lead
Ключевые навыки
- Работа с алгоритмами и моделями ML
- Моделирование и прогнозирование
- Оценка качества моделей
- Валидация и оптимизация
- EDA, очистка и контроль качества датасетов
- Написание SQL-запросов
- Применение Python для анализа данных и автоматизации
- Требования к данным для обучения
- Разработка и проведение A/B-тестов
- Применение методов математической статистики
- Организация экспериментов
- Анализ результатов
Предметные области
- Машинное обучение и прогнозирование
- Прогнозирование спроса
- Скоринг и риски
- Рекомендации и персонализация
Ступени роста
- JuniorЗадача, расчёт
- MiddleИсследование, модель или пайплайн
- SeniorОбласть продукта и смежники
- LeadНесколько направлений
- Team LeadКоманда (5–8)
- Head of DataНесколько команд
- CDOДанные компании
С кем работают
- Менеджер продукта
- Аналитики
- Инженеры машинного обучения
- Инженеры данных
- Бизнес-заказчики