«Надо не обижаться, а развиваться»: как успешный IT-специалист увлёкся data science

Кто такой оператор баз данных и почему я им стал

Я работал программистом со студенческой скамьи, курса с третьего. Ближе к выпуску из вуза работодатель переобучил меня на специалиста баз данных. Так бывает: компания решает не разрабатывать свой софт, а закупает уже готовые решения и переходит на них. Вот и я по этой причине начал изучать базы данных Oracle и на сегодняшний день занимаюсь ими уже более 15 лет. Можно сказать, оказался в сфере волей случая — и так нашёл работу всей жизни.

Об этом не часто говорят, но вообще-то базы данных используют буквально везде: без них не существует ни один сайт и ни одно приложение. Если сервис обращается с какими-либо данными — там точно задействуются базы, а значит, где-то рядом есть и специалисты, обеспечивающие их работу. Например, когда вы вставляете карту в банкомат и снимаете деньги, вас обслуживает база данных процессинга. Если она не будет работать, вы не только не получите свои деньги из банкомата, но и не сможете расплачиваться картой в кафе и магазинах.

Разница в обязанностях оператора баз данных и программиста примерно такая же, как у сборщика автомобилей и механика, обслуживающего уже сломавшуюся машину. Администратор базы данных не пишет код. Он лишь выполняет команды управления базами данных и может «починить» систему, если в ней что-то пошло не так. Например, если база данных тормозит и из-за этого стопорится весь цифровой процесс. Или если неправильно работают запросы и невозможно получить нужную информацию.

Сейчас главный тренд отрасли — миграция с американской системы управления базами данных Oracle, в которой российские цифровые проекты работали годами, на отечественную Postgres Pro. Миграция — это огромный пул задач: все данные нужно перевести в новую систему, за пару месяцев такую работу не проделать. И, кстати, в будущем я планирую пройти курсы и по Postgres тоже.

Почему специалисты по работе с базами данных не так популярны, как программисты

Во-первых, всё дело в высоком пороге входа. Программистом с нуля можно стать за полгода: этого времени хватит, чтобы научиться писать код и найти работу на стартовой позиции. С базами данных история другая: чтобы стать квалифицированным специалистом, потребуется несколько лет. А ещё это прикладная специальность, в которой ведущую роль играет опыт. Его можно приобрести, только переходя из компании в компанию.

На сегодня средний возраст специалиста в нашей отрасли около 40 лет. Люди этой категории уже не склонны активничать и популяризировать своё дело, в отличие от более молодых коллег разработчиков, которые постоянно устраивают обучающие мероприятия, конференции, публикуются в отраслевых медиа.

Есть и другая особенность профессии: здесь возможен только горизонтальный рост. Придя в компанию, ты узнаёшь всё что можно о структуре и «жизни» конкретных баз данных, настраиваешь процессы. На это уходит года два-три, а дальше — просто поддерживаешь работу. Очень скоро это наскучивает. Поэтому многие специалисты мигрируют в другие компании. Лично я за 15 лет сменил нескольких работодателей, в том числе работал в крупнейших российских банках.

Рост в сфере медленный: чтобы выйти на зарплату мидл-специалиста, нужно потратить на работу и получение опыта пять-шесть лет. В то время как в программировании путь к тем же деньгам можно пройти за два года. По всем названным причинам профессия администратора баз данных и не на слуху, хоть отрасль и сильно нуждается в специалистах.

Почему я решил расти в data science

Машина превосходит человека в скорости. В этом и основная причина сегодняшней популярности искусственного интеллекта. AI может обрабатывать данные в десятки, сотни раз быстрее, чем человек. К примеру, всего за минуту извлечь необходимые данные из документа, написать простой код или сгенерировать картинку.

Конечно, пока качество всей перечисленной работы не совершенно, но уже довольно высоко. В последние годы бизнес особенно активно смотрит в сторону ИИ, поскольку видит в этом будущее. И возможность сэкономить.

Конечно, есть сложные вещи, на которые роботы пока неспособны. Но их не так уж много. Лично я не боюсь, что искусственный интеллект меня заменит. Если он сможет выполнять мою работу — что ж, я порадуюсь за прогресс и пойду заниматься чем-то другим, более замудрёным и интересным. Обижаться не буду, буду развиваться.

Читайте также:

Как джуниору начать карьеру в Data Science

Вообще, искусственный интеллект и машинное обучение — это новые области. Нам, людям, в них ещё работать и работать. Неисследованных проблем и вопросов — непочатый край. Сейчас мы наблюдаем лишь самое начало новой технологической эры, которая точно продлится до конца этого века.

О дипломном проекте на курсе

Я начал учиться в прошлом феврале, а лето почти полностью посвятил дипломной работе — проекту по кредитному скорингу. Если очень просто: я разрабатывал систему искусственного интеллекта для банков, которая бы анализировала поведение клиентов и рассчитывала различные формулы по кредитам.

Не могу сказать, что работа была очень сложной, но, что точно, она была невероятно долгой. Я потратил на неё всё лето: провёл большой анализ и преобразование данных, делал feature engineering, попробовал несколько моделей визуализации.

Ощущение, будто на самом деле выполнил объёмную работу для банка. А для защиты даже специально написал речь и подготовил развёрнутую презентацию. Всем понравилось, и мне тоже. Горжусь этим проектом.

Каким я вижу свой дальнейший путь

Своё обучение я спланировал заранее. Чтобы успешно начать, пройти и завершить его, я специально сменил работу, перейдя на место с удалёнкой. В Росбанк. При иных раскладах, с офисным графиком, у меня вряд ли хватило бы времени и сил. Всё-таки курс был непростым и некоротким.

В чате студентов я часто вижу жалобы на большую нагрузку. Это правда так, и к этому нужно быть готовым. Для погружения в data science нужно хорошо знать математику, теорию вероятностей — это довольно сложные предметы. Чтобы в них разобраться, придётся читать много дополнительной литературы.

Дипломный проект я защитил, и теперь моя следующая цель — стать уверенным IT-специалистом в области искусственного интеллекта и машинного обучения. Сейчас смотрю вакансии, который присылают в наш студенческий чат, но пока не сильно ими интересуюсь. Всё-таки они в основном для начинающих. А я работаю с данными уже много лет.

Поэтому планирую учиться дальше: больше читать по теме, больше практиковаться. Жду, когда откроют курсы по deep learning и machine learning advanced. Думаю, ещё года полтора у меня точно уйдёт на обучение. Для себя я уже однозначно решил: мой путь лежит в data science, и я точно хочу работать именно здесь.